Alucinação é quando a IA produz uma informação falsa com cara de verdadeira: uma citação, uma data, um processo que nunca existiu. O erro tem causa conhecida, e entender essa causa ajuda a saber onde conferir.
Novembro de 2023. O Conselho Nacional de Justiça abre uma investigação inédita: a sentença de um juiz federal da 1ª Região citava jurisprudência do STJ que não existia.
Quem descobriu foi o advogado da parte que perdeu. O juiz atribuiu o caso a um servidor sobrecarregado, que tinha pesquisado os precedentes no ChatGPT.
Meses antes, em Nova York, dois advogados tinham sido multados em 5 mil dólares por levar ao tribunal decisões inventadas pela mesma ferramenta.
Nos dois casos, a máquina não travou nem avisou. Entregou o falso com a mesma segurança do verdadeiro.
O que é alucinação da IA?
É uma resposta falsa com aparência de verdadeira.
O nome veio da psiquiatria e é pouco exato, porque a IA não vê nem ouve nada. Mesmo assim pegou: o Dicionário Cambridge escolheu “hallucinate” como palavra do ano de 2023 por causa desse sentido novo.
Chamar de mentira também erra o alvo. Mentir exige conhecer a verdade e escondê-la, e o modelo não tem esse acesso.
Na prática, a alucinação costuma aparecer em quatro formas:
- referência bibliográfica que não existe;
- data, número ou nome trocado;
- lei, processo ou artigo inventado;
- resumo que atribui a um texto algo que ele não diz.
O verbete curto está no glossário de IA. Aqui interessa a pergunta seguinte: por que isso acontece?
Por que a IA inventa respostas?
Porque ela foi treinada para prever a continuação mais provável de um texto. Conferir se a continuação é verdadeira fica fora dessa conta.
Um modelo de linguagem aprende padrões. Ortografia, gramática e o formato de uma referência bibliográfica seguem regras, e o sistema acerta essas regras com folga.
Já o aniversário de uma pessoa, o título de uma tese ou o número de um processo não seguem padrão nenhum.
Ou o dado estava no treino, ou não estava. Quando não estava, o modelo ainda sabe montar algo com o formato certo.
Peça a referência de um artigo que nunca foi escrito e ela pode vir completa: autores de nome plausível, revista real, volume e páginas.
Em setembro de 2025, pesquisadores da OpenAI publicaram um estudo com uma segunda explicação. Os modelos são avaliados como alunos numa prova de múltipla escolha: chutar às vezes rende ponto, deixar em branco rende zero.
Como os rankings premiam a taxa de acerto, o modelo que chuta parece melhor do que o que admite não saber.
Os autores testaram com o título da tese de doutorado de um deles. Um chatbot popular deu três respostas diferentes, todas erradas.
Modelos mais novos alucinam menos?
Em geral, sim. Mas o número de acertos, sozinho, engana.
No mesmo estudo, a OpenAI comparou dois modelos dela num teste de perguntas factuais:
- o4-mini, mais antigo: acertou 24%, errou 75% e quase nunca disse “não sei”;
- gpt-5-thinking-mini, mais novo: acertou 22%, errou 26% e se absteve em 52% das perguntas.
Repare no detalhe. O modelo antigo acerta um pouco mais e erra quase três vezes mais. Quem chuta sempre ganha alguns pontos e espalha muitos erros.
Para quem usa, a lição é prática. Quando a IA responde “não encontrei” ou “não tenho certeza”, ela está funcionando como deveria.
A própria empresa diz que a alucinação continua sendo um desafio fundamental para todos os modelos de linguagem. Ela diminui com as versões novas, e ninguém promete que vai acabar.
Como saber se a IA está inventando?
Pela resposta, quase nunca. O texto falso sai tão fluente quanto o verdadeiro.
O que ajuda é saber onde a IA costuma errar e conferir justamente ali:
- referências e citações: procure cada uma no Google Acadêmico ou no site da revista;
- números, datas e nomes próprios: confira na fonte original;
- leis, decisões e normas: busque no site oficial do órgão;
- assuntos muito específicos: quanto menos documentado o tema, maior o risco.
Um teste simples para a sala de aula: peça à IA três artigos sobre um tema da sua disciplina, com autor, ano e revista. Depois procure cada um. A experiência ensina mais do que qualquer aviso.
Duas atitudes reduzem o problema. Pedir que a IA diga quando não sabe. E pedir a fonte junto com a resposta, abrindo o link antes de confiar nele.
Ferramentas que pesquisam na internet antes de responder erram menos em fatos recentes. Erram menos, mas ainda erram, e às vezes resumem mal a página que encontraram.
Para quem orienta trabalhos acadêmicos, o ponto mais sensível é a revisão de literatura feita com o ChatGPT, onde a referência inventada costuma aparecer.
E o caso da sentença lembra uma regra antiga: a ferramenta produziu o erro, mas quem assinou foi o juiz. É a cadeia de responsabilidade quando a IA erra.
A IA escreve a frase. Saber se ela é verdadeira continua sendo trabalho de quem assina.
Se fizer sentido para você, comente e compartilhe – você já pegou uma IA inventando alguma coisa?