Tempo de leitura: 13 minutos
Alucinação de IA é quando um modelo, como o ChatGPT, inventa ou distorce uma informação e a apresenta como fato. Os tipos de alucinação vão do número trocado à fonte que não existe. A taxa de alucinação varia por modelo e teste, mas nunca chega a zero. Por isso, Google e Air Canada já pagaram por erros de chatbots.
Em resumo
- Segundo a OpenAI, alucinação é uma afirmação plausível, porém falsa. Por isso, a resposta errada soa tão segura quanto a certa.
- Uma revisão de pesquisas divide os tipos de alucinação em dois grupos: erros contra os fatos e erros contra o pedido ou o texto recebido.
- A taxa de alucinação depende do teste. Ao resumir textos, 108 modelos erraram de 1,8% a 24,2% das vezes, de acordo com a Vectara.
- Marcas pouco citadas correm mais risco, porque o modelo aprende pela repetição. A busca na web ajuda, mas não elimina o erro: num estudo da EBU com a BBC, 45% das respostas sobre notícias tinham problemas sérios.
O que é alucinação de IA?
Alucinação de IA é uma resposta falsa ou sem base que o modelo apresenta como verdadeira. Ela pode trocar um número, inventar um nome ou citar uma fonte que não existe. Afinal, o modelo escreve o texto mais provável, e não o texto checado. Por isso, o erro costuma vir com o mesmo tom seguro de um acerto.
Na Central de Ajuda, a OpenAI dá três exemplos de alucinação. A lista inclui fatos ou datas incorretos, referências inventadas e respostas confiantes demais para perguntas ambíguas. Além disso, a empresa avisa que o ChatGPT pode soar confiante mesmo quando erra. Em outro texto, de 2025, a OpenAI resume que alucinações são afirmações plausíveis, porém falsas.
Em 2023, o Dicionário Cambridge escolheu “hallucinate” como a palavra do ano. O verbete ganhou, então, um sentido novo: quando uma IA alucina, ela produz informação falsa. Mas nem todo erro da IA nasce de uma alucinação. Um preço antigo, por exemplo, pode vir da data de corte do treino, enquanto um endereço errado pode vir de uma página errada. As causas de cada erro estão no guia sobre por que o ChatGPT erra.
Quais são os tipos de alucinação de IA?
Os tipos de alucinação formam dois grandes grupos. No primeiro, a resposta contradiz fatos do mundo real. Já no segundo, ela contradiz o pedido do usuário, o texto que ele forneceu ou a própria lógica. Essa divisão dos tipos de alucinação vem de uma revisão de pesquisas aceita pela revista ACM Transactions on Information Systems.
Na revisão, Lei Huang e coautores chamam o primeiro grupo de alucinação factual e o segundo, de alucinação de fidelidade. Segundo os autores, entre os tipos de alucinação factual, a contradição é o mais frequente. A tabela mostra cada tipo de alucinação de IA, com um exemplo de como ele aparece para uma empresa.
| Tipo | O que acontece | Exemplo |
|---|---|---|
| Contradição factual | Fato real com detalhe errado | Horário ou preço trocado |
| Fabricação factual | Fato sem base no mundo real | Sócio, prêmio ou processo inventado |
| Inconsistência com a instrução | Faz outra coisa que o pedido | Pede a tradução de uma pergunta e recebe a resposta |
| Inconsistência com o contexto | Contradiz o texto fornecido | Resumo do site com prazo que ele não cita |
| Inconsistência lógica | Contradiz a si mesma | Soma dos planos com total errado |
Para uma marca, os tipos de alucinação têm efeitos diferentes. Segundo a ação da Wolf River Electric, descrita mais abaixo, a IA ligou a empresa a um processo real contra outras: uma contradição factual. Já a inconsistência com o contexto aparece quando a IA lê a fonte certa e resume errado, como no caso da Apple.
Qual é a taxa de alucinação dos principais modelos de IA?
A taxa de alucinação depende do teste. Quando resume um texto que recebeu, um modelo típico erra perto de 10% das vezes. Porém, quando responde de memória a perguntas difíceis, muitos modelos preferem chutar a admitir que não sabem. Nos dois testes abaixo, nenhum modelo de IA chega a zero, e os números mudam a cada versão.
No ranking da Vectara atualizado em setembro de 2026, 108 modelos resumiram mais de 7.700 textos. A regra era usar só o que estava em cada texto. Em seguida, um detector da própria Vectara apontou os resumos com algo que não estava no texto. Nesse teste, a taxa de alucinação foi de 1,8% a 24,2%, e a mediana, pela nossa conta, ficou em 9,55%. O GPT-6 Astra, principal modelo da OpenAI, errou em 8,7% dos resumos. Já a versão prévia do Gemini 3.1 Pro, do Google, errou em 10,4%, e o Claude Opus 4.7, da Anthropic, em 12%. Mas a Vectara vende esse detector.
Qual IA alucina menos?
No AA-Omniscience, da Artificial Analysis, o Gemini 4 Argon, do Google, teve a menor taxa de alucinação entre os 32 modelos em destaque. O teste faz 6 mil perguntas difíceis, sem busca, e orienta o modelo a responder só quando tiver certeza. A taxa considera só as perguntas que o modelo não acertou e mostra em quantas delas ele chutou errado em vez de admitir que não sabia.
| Modelo | Empresa | Taxa de alucinação |
|---|---|---|
| Gemini 4 Argon | 15,1% | |
| GPT-6 Astra | OpenAI | 44,8% |
| Claude Opus 5.5 | Anthropic | 58,6% |
| GPT-6 Luna | OpenAI | 76,7% |
| DeepSeek V4.1 Flash | DeepSeek | 96,5% |
A tabela traz o modelo de ponta do Google, da OpenAI e da Anthropic e dois modelos mais baratos, todos lançados em setembro de 2026. Quando o ranking mostra mais de uma versão do mesmo modelo, vale a de melhor nota no teste. Os dois modelos da OpenAI mostram que a mesma empresa pode ter taxas muito diferentes. Mas taxa baixa não quer dizer mais acertos: o Gemini 4 Argon, liberado primeiro a um grupo restrito, deixou mais perguntas sem resposta. No total, ele acertou 49,9% das perguntas, contra 66,2% do Claude Opus 5.5.
Já em fatos sobre marcas, a Searchable encontrou de 8,1% a 11,5% de fatos falsos nos três motores de IA mais avaliados. A empresa, porém, vende monitoramento de marcas em IA.
Por que a IA alucina mais sobre marcas pouco citadas?
Porque o modelo aprende pela repetição. Um fato que aparece em muitos textos vira padrão, mas um fato que aparece uma vez só fica sem apoio. Assim, quando alguém pergunta pelo sócio ou pelo endereço de uma marca pequena, o modelo tende a preencher a lacuna com algo plausível.
Num artigo de 2025, pesquisadores da OpenAI e da Georgia Tech deram números a esse efeito. Se 20% dos fatos de aniversário aparecem uma única vez nos dados de treino, o modelo deve alucinar em pelo menos 20% deles. Isso vale para o modelo-base, antes dos ajustes finais. Ou seja, a taxa de alucinação acompanha a raridade do fato, e dados de empresas pequenas, como sócios e endereços, costumam ser raros nos textos.
Um estudo apresentado na conferência ICML de 2023 chegou ao mesmo ponto. Nele, o modelo BLOOM acertou 25% das perguntas sobre fatos com cerca de 10 documentos de apoio no treino. Com cerca de 10 mil documentos, porém, o acerto passou de 55%.
O efeito aparece até com busca. Num experimento publicado em 2024, o ChatGPT, conectado à internet, indicou 20 agências de marketing digital em cada um de três países. Na Alemanha, 90% das indicações estavam certas; na Polônia, 75%; e na Letônia, o mercado menor, só 35%. Por isso, a defesa da marca é multiplicar as fontes independentes e coerentes sobre ela. Veja quais são as fontes mais citadas pela IA e como ganhar espaço nelas.
A busca na web reduz a alucinação?
Reduz, mas não elimina. Com busca, a taxa de alucinação cai, porque o modelo responde com base em páginas que acabou de ler. Isso ajuda sobretudo nos fatos raros, como os de marcas pequenas. No entanto, a busca não evita todos os tipos de alucinação, porque a IA ainda pode ler mal a página. Além disso, ela pode repetir uma fonte errada.
Num teste da OpenAI de março de 2025, o GPT-4o acertou 38% das perguntas factuais do SimpleQA sem busca. Já a versão com busca do GPT-4o acertou 90%. Da mesma forma, o estudo da ICML mostrou que buscar documentos na hora da resposta reduz a dependência do treino nos fatos raros.
Mesmo assim, a busca erra. Num estudo de 2025 coordenado pela EBU e liderado pela BBC, jornalistas avaliaram mais de 3 mil respostas sobre notícias. As respostas vieram do ChatGPT, do Copilot, do Gemini e do Perplexity. Ao todo, 45% tinham ao menos um problema sério, e 20% traziam erros graves de precisão, como detalhes alucinados. O Gemini teve problemas em 76% das respostas, sobretudo por causa das fontes.
O Google descreveu o mesmo limite nos AI Overviews, num comunicado de maio de 2024. Segundo a empresa, eles geralmente não inventam informação como outros produtos de IA. Quando erram, a causa costuma ser uma pergunta mal interpretada, uma nuance de linguagem na web ou a falta de boas fontes. Foi assim que um resumo sugeriu cola para fixar o queijo na pizza, a partir de um fórum. O caminho completo da resposta, do treino à busca, está no guia de como o ChatGPT funciona.
Que exemplos reais de alucinação de IA com empresas existem?
Há casos em tribunais, na imprensa e em comunicados das próprias empresas. Eles mostram três riscos: responder pelo que o robô inventou, perder valor de mercado e ver a marca ligada a um fato falso. A tabela resume seis casos de 2023 a 2025 ligados à alucinação de IA, com as ressalvas logo abaixo.
| Empresa | O erro | O que aconteceu |
|---|---|---|
| Google (2023) | Feito falso do telescópio James Webb num anúncio do Bard | Alphabet perdeu US$ 100 bilhões em valor de mercado |
| Air Canada (2024) | Regra de reembolso que não existia, dita pelo chatbot | Tribunal mandou pagar 812 dólares canadenses |
| Apple (2024) | Notícia falsa num resumo de alerta da BBC | Apple suspendeu os resumos de notícias |
| Cursor (2025) | Limite de um aparelho por assinatura, criado pelo robô de suporte | Empresa pediu desculpas e reembolsou o cliente |
| Wolf River Electric (2025) | Processo do procurador-geral que não existia, num AI Overview | Empresa processa o Google por difamação, e o Google nega |
| Deloitte (2025) | Referências inexistentes num relatório feito com apoio de IA | Aceitou devolver a última parcela ao governo da Austrália |
Fontes: NPR (Google), Civil Resolution Tribunal (Air Canada), BBC (Apple), The Register (Cursor), Star Tribune (Wolf River) e The Guardian (Deloitte). Ressalvas: a decisão sobre a Air Canada não detalha a tecnologia do chatbot, e a Deloitte admitiu o uso de IA, mas não atribuiu os erros a ela.
A empresa responde pelo que o chatbot diz?
Pelo menos no caso da Air Canada, sim. No tribunal, a companhia alegou que não respondia pelas informações do chatbot, como se ele fosse uma entidade à parte. Em fevereiro de 2024, o Civil Resolution Tribunal da Colúmbia Britânica rejeitou a tese, numa decisão que virou referência:
“Deveria ser óbvio para a Air Canada que ela é responsável por todas as informações do seu site. Não faz diferença se a informação vem de uma página estática ou de um chatbot.” (tradução nossa)
Christopher C. Rivers, membro do Civil Resolution Tribunal (2024)
O caso da Wolf River Electric mostra o risco até para quem não usa IA. Segundo a ação, descrita pelo Star Tribune, um AI Overview dizia que o procurador-geral de Minnesota processava a empresa de energia solar. Na verdade, o processo mirava outras quatro empresas, e nenhuma das quatro fontes que a IA citou sustentava a afirmação. A empresa diz ter perdido um contrato de US$ 150 mil. Essas, porém, são alegações dela no processo, e o Google as nega na resposta à ação.
Se a IA inventou algo sobre a sua empresa, comece pela origem do erro e veja como reportar um erro do ChatGPT. Depois, repita as mesmas perguntas por algumas semanas, como mostra o guia de como medir menções e citações da marca.
O que encontramos ao analisar 13 páginas em português sobre alucinação de IA
Analisamos as 13 páginas em português que apareceram em 6 buscas sobre o tema. As buscas incluem “o que é alucinação de IA” e “casos de alucinação de IA”. Onze páginas são de empresas que vendem produtos ou cursos de IA, e só duas são de veículos de imprensa.
Seis listam tipos de alucinação, mas só duas separam os dois grandes tipos de alucinação: o erro contra os fatos e o erro contra o texto recebido. Só uma traz taxa de alucinação por modelo, e de modelos de 2025. Cinco citam o Bard, do Google, ou o chatbot da Air Canada, casos de 2023 e 2024.
No entanto, nenhuma descreve um caso como o da Wolf River, em que a IA inventou um fato sobre uma empresa. Nove dizem que conectar a IA a fontes reduz a alucinação, porém só uma traz dados de erros de assistentes que buscam na web. Por fim, duas dizem que temas obscuros ou de nicho geram mais alucinação, mas nenhuma liga isso às marcas.
Perguntas frequentes
Nem sempre. De acordo com a OpenAI, o ChatGPT pode dar respostas incorretas ou enganosas e soar confiante mesmo quando erra. Por isso, a própria empresa orienta conferir informações importantes em fontes confiáveis e abrir os links da resposta, quando a busca estiver ativa.
Não por completo. Segundo a OpenAI, nenhum modelo chega a 100% de precisão, porque algumas perguntas não têm resposta. Porém, a alucinação não é inevitável, já que o modelo pode se abster e dizer que não sabe. Além disso, a busca na web reduz a taxa de alucinação, e a revisão humana confere o que vai ao público.
Na alucinação, a IA inventa ou distorce um fato. Na informação desatualizada, ela repete um fato que já foi verdade, como um preço antigo. Isso acontece porque o modelo aprende com textos até uma data de corte. Assim, ele não sabe o que veio depois, a menos que use a busca. Para quem lê, os dois erros parecem iguais.
Quer saber como sua marca aparece hoje nas respostas de IA?
A NotHuman está abrindo vagas para agências e marcas acompanharem como aparecem nas respostas de IA. Entre na lista de espera e avisamos quando houver uma vaga para você.
Fontes principais
- OpenAI, O ChatGPT diz a verdade? (2026).
- Huang e coautores, A Survey on Hallucination in Large Language Models (2024).
- Vectara, Hallucination Leaderboard, ranking de alucinação em resumos (2026).
- Artificial Analysis, AA-Omniscience, teste de conhecimento e alucinação (2026).
- Kalai e coautores, Why Language Models Hallucinate (2025).
- Prohorovs, Dalal e Radulescu, estudo sobre o ChatGPT na busca de parceiros de negócio (2024).
- BBC, estudo da EBU com a BBC sobre assistentes de IA e notícias (2025).
- Civil Resolution Tribunal, decisão Moffatt v. Air Canada (2024).
