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.