Você pede ao ChatGPT uma referência para um trabalho e recebe o título de um livro, o nome do autor, a editora e até o ano de publicação. A resposta parece completa. O problema surge quando você procura a obra e descobre que ela nunca existiu.

O mesmo pode acontecer com um número de lei, uma estatística, uma configuração do Windows ou uma função de programa. A inteligência artificial apresenta a informação com naturalidade, encaixa detalhes convincentes e raramente demonstra a insegurança que uma pessoa teria ao falar sobre algo que não conhece.

Esse comportamento é conhecido como alucinação de inteligência artificial. Ele não significa que ferramentas como ChatGPT, Gemini, Claude ou Copilot sejam inúteis, mas mostra por que suas respostas não devem ser tratadas automaticamente como fontes confiáveis.

A parte mais perigosa não é apenas o erro. É a capacidade de entregar uma informação falsa com a mesma fluência usada para apresentar um fato verdadeiro. Para usar IA no trabalho, nos estudos ou em decisões importantes, é necessário aprender a reconhecer esse risco e adotar um processo simples de verificação.

O que é uma alucinação de inteligência artificial

Uma alucinação acontece quando um sistema de IA gera uma afirmação falsa, incorreta ou sem sustentação nas fontes disponíveis, mas a apresenta como se fosse verdadeira. O termo técnico também pode aparecer como confabulação.

O Instituto Nacional de Padrões e Tecnologia dos Estados Unidos, o NIST, inclui esse problema entre os riscos relevantes da inteligência artificial generativa e recomenda que fontes e citações produzidas por esses sistemas sejam revisadas e verificadas.

Isso pode ocorrer porque um modelo de linguagem não funciona como uma enciclopédia que procura uma ficha factual e simplesmente a reproduz. Ele gera uma resposta com base nos padrões encontrados durante seu treinamento, no contexto fornecido pelo usuário e, quando disponível, nas informações recuperadas por ferramentas externas.

A explicação de que a IA apenas “prevê a próxima palavra” ajuda a entender parte do funcionamento, mas é incompleta. Assistentes modernos passam por diferentes etapas de treinamento, podem consultar a web, analisar documentos e usar ferramentas. Ainda assim, o texto final continua sendo uma saída gerada pelo modelo — e não uma garantia de que cada afirmação foi conferida.

Além disso, sistemas podem ser incentivados a tentar responder mesmo quando não possuem informação suficiente. Uma pesquisa publicada pela OpenAI sobre as causas das alucinações discute justamente como métodos de treinamento e avaliação podem recompensar o palpite correto mais do que a admissão de incerteza.

Na prática, o assistente pode preencher uma lacuna com algo linguisticamente plausível. Se o usuário pergunta por um estudo obscuro, por exemplo, o modelo reconhece o formato esperado de uma referência acadêmica e pode combinar nomes, títulos e datas de maneira convincente, mesmo que a publicação não exista.

As alucinações nem sempre são invenções completas

Alguns erros são evidentes, como um livro inexistente. Outros são mais difíceis de perceber porque misturam elementos verdadeiros e falsos.

• O estudo existe, mas a IA atribui a ele uma conclusão que não aparece no texto.
• A lei é real, porém o número do artigo ou a interpretação está errado.
• O programa possui uma função semelhante, mas o caminho indicado corresponde a outra versão.
• A estatística foi publicada, mas se refere a outro país ou período.
• A frase é conhecida, porém não há evidência de que tenha sido dita pela pessoa mencionada.
• O link abre uma página verdadeira que não sustenta a afirmação apresentada.

Esse último caso merece atenção especial: uma resposta ter links não significa que esteja correta. A fonte pode ser legítima e, ainda assim, não confirmar o que a IA afirmou.

Como desconfiar de uma resposta antes de usá-la

Não existe um sinal visual capaz de identificar todas as alucinações. Um texto bem organizado, sem erros gramaticais e cheio de detalhes também pode conter informações falsas. A melhor defesa é avaliar o risco da afirmação e procurar indícios que justifiquem uma checagem.

Imagine que você pergunte como ativar uma função em determinado aplicativo. A IA fornece seis etapas e menciona um botão que não aparece na sua tela. Isso não prova imediatamente que a resposta foi inventada: o recurso pode depender da versão, do sistema operacional, do país ou do plano contratado. Mas é um sinal para interromper o procedimento e consultar a documentação oficial.

Outros alertas comuns incluem:

• precisão sem origem: percentuais, valores, datas e números apresentados sem indicar de onde vieram;
• referências difíceis de localizar: artigos, autores, decisões judiciais ou livros que não aparecem em catálogos confiáveis;
• informações atuais sem consulta recente: preços, cargos, regras e recursos de software que mudam com frequência;
• detalhes que surgem sem contexto: nomes próprios, pesquisas e instituições não mencionados pelo usuário;
• respostas diferentes para o mesmo fato: o autor, a data ou o valor muda quando a pergunta é reformulada;
• citações decorativas: os links existem, mas não contêm a informação atribuída a eles.

Fazer a pergunta novamente funciona?

Repetir ou reformular a pergunta pode revelar inconsistências. Se o assistente muda o nome do estudo ou apresenta outra data sem explicar o motivo, há uma razão clara para desconfiar.

Esse teste, porém, não comprova sozinho uma alucinação. Duas respostas diferentes podem estar corretas por considerarem contextos distintos. Da mesma forma, duas respostas iguais podem apenas repetir o mesmo erro aprendido ou gerado pelo sistema.

Também não basta pedir que a própria IA dê uma nota de confiança. O modelo pode declarar “95% de certeza” sem que esse número represente uma medição confiável. Para fatos importantes, evidência externa vale mais do que a segurança demonstrada pela ferramenta.

Um método prático para verificar respostas da IA

Não é necessário checar cada frase produzida em uma conversa casual. O esforço deve acompanhar o impacto do possível erro. Uma sugestão de título para um texto tem risco baixo; uma orientação médica, tributária ou de segurança exige outro nível de cuidado.

Nível de risco	Exemplos	Verificação recomendada
Baixo	Ideias, rascunhos, organização de tópicos e reescrita	Revisar o resultado e adaptar ao objetivo
Médio	Tutoriais, recursos de programas, comparações e dados para apresentações	Consultar documentação e fontes atuais
Alto	Saúde, direito, finanças, segurança digital e decisões empresariais	Confirmar em fontes oficiais e buscar um profissional quando necessário

Quando a informação realmente importa, use esta sequência:

1. Isole a afirmação verificável. Separe o nome, a data, o número, a regra ou a função que precisa ser confirmada.
2. Peça a origem. Solicite o link direto, o documento, o autor e a data de publicação.
3. Abra a fonte. Não confie apenas no título exibido pela IA. Localize no documento o trecho que sustenta a afirmação.
4. Confira o contexto. Verifique país, versão do software, vigência, público analisado e data de atualização.
5. Prefira fontes primárias. Use o órgão responsável pela norma, a documentação do desenvolvedor ou a publicação original da pesquisa.
6. Busque confirmação independente. Para decisões de alto impacto, compare com outra fonte confiável ou consulte um especialista.

Considere uma resposta sobre uma função do Windows. A fonte mais forte é a documentação da Microsoft referente à versão atual, e não um post antigo copiado por vários sites. Para uma regra tributária, consulte o órgão público responsável. Para um artigo científico, procure o estudo original e confirme o DOI, os autores e o que foi efetivamente concluído.

Se a informação não puder ser localizada, o correto é tratá-la como não confirmada. A ausência de uma fonte não prova que algo seja falso, mas impede que seja apresentado como fato.

Busca na web e citações diminuem o problema, mas não o eliminam

Assistentes com pesquisa integrada costumam ser mais úteis para assuntos atuais porque podem recuperar páginas publicadas depois do treinamento do modelo. Essa conexão entre a resposta e fontes externas é conhecida como grounding ou fundamentação.

A documentação do Google sobre grounding explica que conectar a resposta a fontes verificáveis reduz a chance de conteúdo inventado e melhora a possibilidade de auditoria. A palavra importante é “reduz”: a pesquisa não transforma o assistente em uma fonte infalível.

A IA ainda pode escolher uma página desatualizada, interpretar um trecho de forma errada, confundir duas entidades com nomes parecidos ou anexar uma citação que não sustenta toda a frase. Quando a resposta reúne vários fatos no mesmo parágrafo, um único link pode confirmar apenas parte deles.

O procedimento mais seguro continua sendo abrir as páginas e verificar a relação entre cada afirmação importante e sua evidência. Para quem costuma pesquisar com assistentes, a comparação entre Perplexity e ChatGPT ajuda a entender diferenças no uso de fontes, enquanto o guia sobre como usar o NotebookLM mostra uma alternativa voltada ao trabalho com materiais fornecidos pelo próprio usuário.

Como escrever prompts que reduzem respostas inventadas

Um bom prompt não consegue desligar as alucinações, mas pode diminuir as oportunidades para que o modelo preencha lacunas. Quanto mais claro for o material permitido, o objetivo e o formato da resposta, mais fácil será revisar o resultado.

Em vez de pedir apenas “explique este assunto”, experimente uma instrução como:

Responda usando somente os documentos e links fornecidos abaixo. Para cada afirmação factual, indique a fonte correspondente. Separe fatos confirmados de interpretações. Se a informação não estiver nas fontes, escreva “não encontrado” em vez de completar por suposição.

Outras práticas úteis são:

• fornecer o texto original que deverá ser resumido ou analisado;
• delimitar período, país, versão do programa e público da resposta;
• pedir que fatos, inferências e recomendações apareçam separados;
• solicitar trechos exatos antes de produzir uma interpretação;
• autorizar explicitamente respostas como “não sei” ou “não encontrei”;
• exigir links diretos em vez de referências genéricas;
• pedir uma lista final de pontos que ainda precisam de verificação humana.

A própria documentação da Anthropic sobre redução de alucinações recomenda permitir que o modelo admita incerteza, trabalhar com citações e fundamentar análises em trechos do material fornecido.

Se você ainda está aprendendo a estruturar instruções, o guia sobre como fazer prompts para inteligência artificial mostra como definir contexto, tarefa e formato sem transformar o comando em um texto desnecessariamente complicado.

Em quais tarefas a IA exige mais cuidado

A inteligência artificial costuma funcionar muito bem quando o usuário consegue avaliar o resultado. Isso acontece ao reorganizar ideias, revisar um texto conhecido, criar alternativas de título, resumir um documento fornecido ou montar uma primeira estrutura para um projeto.

O risco aumenta quando a qualidade depende de um fato que você não conhece. Uma referência acadêmica inventada pode passar despercebida justamente porque o usuário pediu ajuda por não dominar aquele assunto.

Tenha cuidado redobrado em:

• orientações médicas, diagnósticos, doses e interações entre medicamentos;
• leis, decisões judiciais, obrigações fiscais e prazos oficiais;
• investimentos, taxas, cotações e projeções financeiras;
• comandos de programação, bibliotecas e funções dependentes de versão;
• procedimentos de segurança digital ou recuperação de sistemas;
• estatísticas usadas em relatórios, propostas e conteúdos publicados;
• citações acadêmicas, bibliografias e atribuições de autoria.

Também evite colar dados de clientes, contratos sigilosos, senhas, prontuários ou informações pessoais apenas para obter uma resposta mais contextualizada. Privacidade e precisão são problemas diferentes, mas os dois precisam ser considerados antes de usar uma ferramenta pública.

No ambiente profissional, vale definir quais tarefas podem ser feitas livremente com IA, quais exigem revisão e quais não devem receber dados confidenciais. O guia sobre como usar IA no trabalho aprofunda essa divisão entre ganho de produtividade e responsabilidade humana.

A IA pode ajudar a verificar a própria resposta?

Ela pode colaborar, mas não deve ser a única revisora. Pedir que o assistente critique o próprio texto, destaque pontos incertos ou procure fontes pode revelar falhas. Também é possível usar outro modelo para buscar contradições.

O problema é que diferentes ferramentas podem reproduzir o mesmo erro, principalmente quando usam páginas semelhantes ou conteúdos repetidos na internet. Concordância entre dois chatbots não equivale a confirmação independente.

Use a IA para acelerar a checagem: extrair afirmações, sugerir consultas de pesquisa, comparar documentos ou localizar possíveis inconsistências. A decisão sobre a validade das evidências continua com o usuário.

Conclusão

Alucinações de IA são respostas falsas ou sem sustentação apresentadas de maneira convincente. Elas podem assumir a forma de uma invenção completa, mas também aparecem como datas trocadas, interpretações incorretas, recursos desatualizados e citações que não comprovam o que foi dito.

A proteção mais eficiente não está em procurar um prompt perfeito ou um assistente que nunca erre. Está em ajustar o nível de verificação ao risco: usar a IA livremente para tarefas que você consegue revisar e exigir fontes primárias quando o resultado influencia uma decisão real.

Antes de copiar uma afirmação, identifique o fato central, abra a fonte, confira data e contexto e procure confirmação adicional quando o impacto for alto. A inteligência artificial pode pesquisar, resumir e organizar em poucos segundos, mas fluência não é evidência. O melhor uso acontece quando a velocidade da ferramenta trabalha junto com o julgamento de quem a utiliza.

Perguntas frequentes

O que significa alucinação de IA?

É uma resposta falsa, incorreta ou não sustentada por evidências que um sistema de inteligência artificial apresenta como se fosse verdadeira. Ela pode envolver nomes, datas, referências, números ou interpretações.

Por que o ChatGPT inventa informações?

Porque modelos de linguagem geram respostas a partir de padrões e do contexto disponível, sem garantir que cada frase tenha sido verificada. Quando faltam informações, o sistema pode produzir uma continuação plausível em vez de admitir a incerteza.

Pedir fontes impede uma alucinação?

Não. A IA também pode inventar referências ou citar páginas que não sustentam a afirmação. Pedir fontes é útil somente quando o usuário abre os links e confere o conteúdo.

Pesquisar na internet elimina as alucinações?

Não. O acesso à web pode reduzir erros e trazer informações atuais, mas o sistema ainda pode selecionar fontes ruins, interpretar textos incorretamente ou associar uma citação ao fato errado.

Repetir a pergunta confirma se a resposta é verdadeira?

Não. Mudanças entre respostas são um alerta, mas respostas consistentes também podem repetir o mesmo erro. A confirmação precisa vir de evidências externas confiáveis.

Qual IA apresenta menos alucinações?

O desempenho depende do modelo, da tarefa, do contexto e das ferramentas utilizadas. Em vez de confiar em um ranking permanente, avalie se o assistente mostra fontes verificáveis e se permite trabalhar sobre documentos confiáveis.