Lembretes para poupar para a aposentadoria costumam ser tratados como um simples problema de comunicação: enviar uma mensagem, dizer o que está em jogo e esperar que mais pessoas contribuam. Uma nova pesquisa descrita pela Universidade de Colônia sugere que a pergunta mais importante pode ser qual mensagem alcança cada pessoa.

O estudo examinou se lembretes estruturados em torno de possíveis perdas ou possíveis ganhos podem estimular mais poupança privada para a aposentadoria. Sua principal conclusão não é que um estilo sempre vence. Em vez disso, as pessoas reagiram de forma diferente à mesma mensagem dependendo de características como idade, comportamento anterior de contribuição e natureza do trabalho.

Esse resultado é importante porque a poupança privada para a aposentadoria se tornou uma preocupação central para as políticas públicas e as finanças das famílias. Um lembrete genérico ainda pode ser útil, mas a pesquisa aponta para uma abordagem mais personalizada: usar evidências experimentais para identificar quais destinatários têm maior probabilidade de responder a uma forma específica de incentivo.

Testando duas formas de enquadrar a mesma decisão

A equipe de pesquisa, da Universidade de Colônia, da LMU Munique e da Universidade de Paderborn, trabalhou com um provedor europeu de previdência privada em dois experimentos de campo realizados em 2021 e 2022. Juntos, os experimentos envolveram cerca de 41.000 clientes, a maioria deles na Suíça.

Os clientes receberam um lembrete no aplicativo sobre o valor que ainda poderiam poupar e declarar como dedução fiscal. Eles foram distribuídos aleatoriamente entre uma versão enquadrada como uma possível perda e uma versão enquadrada como um possível ganho. Em termos gerais, uma abordagem enfatiza o que uma pessoa pode deixar de obter ao não agir, enquanto a outra destaca o que ela poderia obter ao agir.

A distribuição aleatória é importante nesse tipo de estudo porque torna as mensagens concorrentes mais diretamente comparáveis. Em vez de depender apenas de pesquisas sobre o que as pessoas dizem preferir, os pesquisadores puderam observar o comportamento após lembretes reais em um contexto ligado a decisões reais sobre previdência.

O trabalho foi publicado em Scientific Reports sob o título “Causal machine learning reveals heterogeneous effects of loss versus gain framing on retirement savings”.

Nenhuma mensagem vence universalmente

Estudos anteriores sobre lembretes enquadrados como ganhos ou perdas produziram conclusões conflitantes. O novo trabalho oferece uma possível explicação para essa inconsistência: as médias podem esconder variações relevantes entre os destinatários.

Segundo os pesquisadores, mensagens enquadradas como perdas tenderam a ter maior efeito sobre pessoas cujos empregos envolvem o processamento de grandes quantidades de informação. Já as mensagens enquadradas como ganhos tiveram mais ressonância entre pessoas com 50 anos ou mais e entre aquelas que já haviam feito numerosas contribuições adicionais.

Lembretes personalizados podem ajudar a aumentar a poupança para a aposentadoria
Visão geral do nosso modelo de pesquisa. Crédito: Scientific Reports (2026). DOI: 10.1038/s41598-026-76813-1

Essas descobertas não devem ser interpretadas como uma regra segundo a qual todos os indivíduos de um grupo reagirão da mesma forma. Elas descrevem padrões observados nos experimentos. Mas oferecem um alerta prático para provedores de previdência, empregadores e formuladores de políticas: um resultado que parece modesto quando medido em toda a população pode ser muito mais útil quando as mensagens são direcionadas às pessoas com maior probabilidade de responder.

Para os consumidores, a lição imediata tem menos a ver com qual redação exigir de um provedor e mais com o valor de lembretes oportunos. Poupar para a aposentadoria frequentemente compete com os gastos do dia a dia e pode ser adiado mesmo quando a pessoa tem condições e intenção de contribuir. Um lembrete ligado a um valor disponível para dedução fiscal pode tornar mais concreta uma decisão que, de outra forma, seria abstrata.

Usando aprendizado de máquina causal para direcionamento

A equipe usou aprendizado de máquina causal para aprender, a partir de dados experimentais, quem responde a uma intervenção e quem não responde. Isso difere de um sistema simples de previsão que tenta adivinhar quem vai poupar. O objetivo relevante é estimar se uma mensagem específica altera o comportamento de pessoas diferentes.

Os pesquisadores usaram dados do primeiro experimento para estimar quais clientes poderiam responder a cada tipo de mensagem e depois testaram a abordagem no experimento seguinte. O material de origem descreve isso como uma demonstração de como intervenções comportamentais direcionadas podem aumentar a poupança privada para a aposentadoria.

Essa distinção tem implicações que vão além das contas de aposentadoria. As organizações enviam regularmente lembretes sobre consultas, contas, uso de energia, programas de saúde e inscrição em benefícios. Se a resposta a uma mensagem variar substancialmente entre os destinatários, a comunicação em massa projetada para um usuário médio pode deixar ganhos sem realização.

Ainda assim, o direcionamento baseado em dados traz responsabilidades. Um provedor de previdência deve ser claro sobre suas comunicações, proteger os dados dos clientes e evitar transformar pesquisa comportamental em pressão confusa ou inadequada às circunstâncias do destinatário. Uma mensagem pode ajudar as pessoas a perceber uma opção, mas não pode determinar se contribuir mais é financeiramente adequado para elas.

O que o estudo muda

A pesquisa não afirma resolver o desafio da poupança para a aposentadoria apenas com a redação. Ela oferece, em vez disso, evidências de que o enquadramento pode ser mais eficaz quando é personalizado. Essa é uma conclusão mais ponderada do que declarar a linguagem de perdas ou de ganhos como resposta definitiva.

Para as instituições financeiras, o desafio operacional é construir sistemas capazes de testar mensagens com responsabilidade e avaliar os resultados, em vez de presumir que uma única campanha funcione igualmente bem para todos. Para os pesquisadores, o estudo ilustra o valor de combinar experimentos de campo com métodos concebidos para identificar variações nos efeitos do tratamento.

Para o debate público, é um lembrete de que pequenas decisões de design podem ter consequências quando aplicadas em larga escala. Uma notificação no celular pode parecer algo menor, mas milhares de avisos desse tipo podem influenciar se as pessoas revisitam uma decisão que adiaram. O próximo passo não é simplesmente enviar mais lembretes. É obter evidências melhores sobre quais lembretes são úteis, para quem e em quais condições.

Este artigo baseia-se em uma reportagem da Phys.org. Leia o artigo original.

Originally published on phys.org