[pt] Chatbots são programas de computador que interagem com usuários utilizando linguagem natural. Desde sua origem, a tecnologia avançou significantemente e aplicações baseadas na nuvem de grandes empresas permitiram que desenvolvedores criassem chatbots inteligentes e eficientes. No entanto, não há muitas abordagens de desenvolvimento aos principais módulos de um chatbot que são flexíveis o suficiente para permitir a criação de chatbots diferentes para cada domínio, mantendo um robusto controle de diálogo na aplicação. Existem trabalhos que tentam desenvolver uma abordagem mais flexível, cada um com suas vantagens e desvantagens. Uma das vantagens mais notáveis é o uso de sistemas multiagentes para distribuir e realizar tarefas feitas por chatbots. Nesse contexto, este trabalho propõe um framework geral e flexível baseado em sistemas multiagentes para construir chatbots em um domínio escolhido pelo desenvolvedor, com controle de diálogo na aplicação. Esta solução usa uma adaptação da abordagem de estado da informação, e agentes de software, para gestão do diálogo. Para validar a arquitetura proposta, um cenário de uso com 4 chatbots de prova de conceito são analisados e discutidos. / [en] Chatbots are computer programs that interact with users using natural language. Since its inception, the technology has advanced greatly and cloud-based platforms from big companies allow developers to create intelligent and efficient chatbots. However, there are not many development approaches to the main modules of a chatbot that are flexible enough to allow the creation of different chatbots for each domain, while maintaining a robust dialogue control in the application. There have been some works that try to develop a more flexible approach, each of them with their own advantages and disadvantages. One of the most notable advantages is the use of multi-agent systems to distribute and perform the tasks performed by the chatbot. In this context, this work proposes a general and flexible architecture based on multi-agent systems for building chatbots in any domain chosen by the developer, with dialogue control in the application. This architecture uses an adaptation of the information state approach, also using software agents, to perform dialogue management. To validate the proposed architecture, an user scenario involving the implementation of 4 proof of concept chatbots is analyzed discussed.

[pt] Assistentes de Voz (AVs) trazem diversos benefícios para os usuários e estão se tornando progressivamente populares, mas algumas barreiras para adoção de AVs ainda persistem, como atitudes dos usuários, preocupações com privacidade e percepções negativas desses sistemas. Uma abordagem para mitigar os obstáculos e melhorar as interações pode ser entender os modelos mentais dos usuários de AVs, uma vez que estudos indicam que o entendimento dos usuários não é alinhado com as reais capacidades desses sistemas. Assim, considerando a importância de um modelo mental correto para as interações, explorar fatores geradores de percepções inadequadas e soluções para lidar com tal questão pode ser essencial. O objetivo desta pesquisa foi identificar fatores influentes para as percepções inadequadas de usuários e oferecer recomendações de design para alinhar os modelos mentais de usuários com as reais capacidades desses sistemas. Para alcançar esse objetivo, nós conduzimos uma revisão sistemática de literatura, entrevistas exploratórias com experts e um estudo Delphi de três rodadas com base em questionários. Os resultados indicam que os aspectos de design como a humanização dos AVs e a transparência em respostas do sistema são influentes para os modelos mentais. Apesar desses fatores terem sido indicados como causas para incorreções em modelos mentais, remover a humanização dos AVs e apresentar informações excessivas pode não ser uma solução imediada. Indica-se que designers devem avaliar o contexto de uso e os domínios de tarefa em que os AVs serão usados para guiar as soluções de design. Além disso, os designers devem entender os perfis e backgrounds dos usuários para ajustar as interações uma vez que as características dos usuários são influentes para sua percepção do produto. Finalmente, o time de desenvolvimento deve ter um entendimento correto e homogêneo do AVs, e deve possuir o conhecimento necessário para aplicar soluções corretamente. Esse último requisito é desafiador porque os AVs são produtos relativamente novos e podem demandar que os profissionais dominem novas habilidades e ferramentas. / [en] Voice Assistants (VAs) bring various benefits for users and are increasingly popular, but some barriers for VA adoption and usage still prevail, such as users attitudes, privacy concerns, and negative perceptions towards these systems. An approach to mitigating such obstacles and leveraging voice interactions may be understanding users mental models of VAs, since studies indicate that users understandings of VAs are unaligned with these systems actual capabilities. Thus, considering the importance of a correct mental model for interactions, exploring influential factors causing misperceptions and solutions to deal with this issue may be paramount. The objective of this research was to identify leading causes of users misperceptions and offer design recommendations for aligning users mental models of VAs with these systems real capacities. In order to achieve this goal, we conducted a systematic literature review (SLR), exploratory interviews with experts, and a questionnaire-based three-round Delphi study. The results indicate that design aspects such as VAs high humanness and the lack of outputs transparency are influential for mental models. Despite the indication that these drivers lead to users misperceptions, removing VAs humanness and excessively displaying information about VAs might not be an immediate solution. In turn, developers should assess the context and task domains in which the VA will be used to guide design decisions. Moreover, developers should understand the users profiles and backgrounds to adjust interactions, as users characteristics are influential for how they perceive the product. Finally, developing teams should have a correct and homogeneous understanding of VAs and possess the necessary knowledge to employ solutions properly. This latter requirement is challenging since VAs novelty might demand professionals to master new skills and tools.