Imagine pedir a uma inteligência artificial uma explicação técnica, um resumo de uma lei, uma lista de dados estatísticos ou até uma fonte acadêmica para um trabalho. Em segundos, você recebe uma resposta bem escrita, organizada e com um tom de autoridade que parece difícil de contestar.
O problema é que essa confiança pode ser enganosa. IAs generativas conseguem criar nomes de especialistas, estudos científicos, datas, links e citações que parecem reais, mas que muitas vezes não existem de fato. Esse fenômeno é conhecido como alucinação ou confabulação.
Por isso, antes de aceitar qualquer resposta como verdadeira, vale aplicar um filtro simples: uma avaliação para decidir se a informação dada pela IA pode ser usada, precisa ser revisada ou deve ser descartada.
-
Entre no Canal do WhatsApp do Canaltech e fique por dentro das últimas notícias sobre tecnologia, lançamentos, dicas e tutoriais incríveis.
-
A seguir, tire suas dúvidas sobre:
- A resposta tem fonte verificável?
- A fonte existe e abre?
- A fonte sustenta a afirmação com exatidão?
- A resposta mistura fatos atuais com informação antiga?
- A IA está confiante demais?
- A resposta se contradiz quando você pergunta de novo?
- Outra fonte confiável confirma a mesma informação?
- A informação envolve decisão sensível?
- A IA inventou precisão demais?
- Decisão final: usar, revisar ou descartar?
A resposta tem fonte verificável?
O primeiro passo é observar se a IA indica claramente de onde tirou a informação. Quando não há fonte, link, documento, autor ou data, o conteúdo não deve ser tratado como fato, mas apenas como um rascunho inicial.
É comum a IA usar expressões vagas, como “estudos mostram” ou “especialistas afirmam”, sem dizer exatamente quais estudos ou quais especialistas. Esse tipo de resposta pode até estar correta, mas sem referência verificável ela não está pronta para ser usada com segurança.
Se quiser testar a consistência da informação, peça diretamente:
“Liste as afirmações factuais da sua resposta e indique uma fonte verificável para cada uma. Se não tiver fonte, marque como ‘não verificado’.”
A fonte existe e abre?
Mesmo quando a IA cita algo com aparência profissional, isso não garante que a fonte seja real. É comum que modelos de linguagem inventem autores, artigos e links que parecem legítimos, mas não existem.
Por isso, é importante fazer uma verificação simples: copie o título da fonte, procure o autor e tente abrir o link ou localizar o documento em uma busca confiável. Esse processo ajuda a separar referências reais de construções falsas.
Se a fonte não aparece, não abre ou não corresponde ao que foi descrito, isso é um forte sinal de alucinação. Em muitos casos, a referência foi criada apenas para dar credibilidade à resposta.
A fonte sustenta a afirmação com exatidão?
Confirmar que a fonte existe não é suficiente. O próximo passo é verificar se ela realmente diz o que a IA afirma. Muitas falhas acontecem justamente aqui: a IA usa um documento verdadeiro, mas interpreta ou distorce seu conteúdo.
O ideal é localizar no material original o trecho exato, o dado ou a tabela que supostamente sustenta a afirmação. Isso evita erros de contexto, como usar um estudo de outro país, outro período ou outro público como se fosse equivalente.
Se a fonte não confirma a afirmação, então não estamos diante de uma informação válida, mas de uma extrapolação ou interpretação incorreta.
A resposta mistura fatos atuais com informação antiga?
Outro ponto crítico é a atualização da informação. A IA pode responder sobre leis, preços, cargos públicos, tecnologia ou estatísticas usando dados antigos, sem deixar isso claro para o leitor.
Por isso, sempre observe se há datas nas fontes e se elas fazem sentido no contexto atual. Em áreas, como saúde, direito, finanças e tecnologia, esse cuidado precisa ser ainda maior, já que mudanças acontecem com frequência.
Quando não há data clara ou quando a informação parece genérica demais, o mais seguro é não usar a resposta como referência.
A IA está confiante demais?
Um dos sinais mais enganosos é o tom de certeza absoluta. A IA pode apresentar respostas muito seguras mesmo quando não tem base suficiente para isso, o que pode passar uma falsa sensação de precisão.
Por isso, vale desconfiar de respostas que não trazem ressalvas, não reconhecem limitações e parecem encerrar uma dúvida complexa de forma rápida demais. Para isso, você pode usar o prompt:
“Revise sua resposta e separe o que é fato comprovável, inferência, opinião e incerteza.”
Em temas sensíveis, como saúde, dinheiro, direito ou segurança, a IA deve ser usada apenas como apoio inicial, nunca como fonte final de decisão.
A resposta se contradiz quando você pergunta de novo?
Um jeito simples de testar a confiabilidade é repetir a pergunta de outra forma ou pedir que a IA revise a própria resposta. Isso ajuda a identificar inconsistências que nem sempre aparecem na primeira leitura.
Se nomes, números ou explicações mudam sem justificativa ou sem novas fontes, isso indica instabilidade na resposta. Esse tipo de comportamento é um forte sinal de possível alucinação.
Você pode usar o prompt abaixo para verificar isso:
“Confira a resposta anterior. Há alguma afirmação que você não consegue comprovar? Aponte possíveis erros, contradições e dados incertos.”
Outra fonte confiável confirma a mesma informação?
Além de analisar a resposta da IA, é essencial sair dela e verificar o tema em fontes externas. Esse método é conhecido como leitura lateral e ajuda a reduzir o risco de aceitar informações falsas.
Para isso, é recomendado abrir outras abas, buscar fontes confiáveis e comparar o que diferentes referências dizem sobre o mesmo assunto. Se a informação só aparece na IA e não se sustenta fora dela, isso já é um alerta.
Quanto mais sensível o tema, maior deve ser o número de confirmações independentes antes de confiar na informação.
A informação envolve decisão sensível?
Nem todo erro tem o mesmo impacto. Uma sugestão de entretenimento incorreta é irrelevante, mas um erro em saúde, finanças, direito ou segurança pode gerar consequências.
Por isso, quando a resposta envolve decisões importantes, o nível de exigência precisa ser maior. Nesse caso, ela precisa ter fonte confiável, como documento oficial ou validação de especialistas. Se o tema for crítico, a IA nunca deve ser a única base de decisão.
A IA inventou precisão demais?
Excesso de detalhes sem rastreabilidade também funciona como um alerta importante. Números muito específicos, nomes completos sem indicação de fonte, rankings sem explicação de metodologia ou estudos citados sem qualquer link costumam indicar informação difícil de sustentar.
Uma resposta pode parecer altamente precisa, mas ainda assim estar baseada em construções inventadas. Quando não há como rastrear a origem, a confiança precisa ser reduzida.
A Open Worldwide Application Security Project (OWASP) já considera esse tipo de padrão como um risco relevante em sistemas baseados em IA generativa, especialmente em contextos em que decisões dependem da precisão das informações apresentadas.
Decisão final: usar, revisar ou descartar?
No fim, toda resposta precisa passar por uma decisão simples. Você pode usar quando há fonte verificável, informação atual, confirmação externa e baixo risco envolvido. Nesse caso, a resposta pode ser considerada confiável o suficiente para uso.
Você deve revisar quando a ideia é útil, mas há lacunas, ausência de fontes em partes importantes ou necessidade de mais contexto. Aqui, a IA ajuda, mas ainda não resolve completamente.
E deve descartar quando há fonte inventada, contradições internas, dados antigos apresentados como atuais ou falta total de sustentação.
Se você gostou do conteúdo, talvez também se interesse por saber o que é inferência de IA e como funciona esse processo.
Leia a matéria no Canaltech.