CFOs.AIGarantir meu acesso vitalício
← Voltar ao blog

Os cinco sinais de que a IA está alucinando com seus dados

Alucinação não vem com aviso. Cinco sinais para perceber quando a IA inventou um número, uma norma ou uma citação no seu relatório, e como verificar.

André Apollaro
4
Capa

Alucinação é quando a IA inventa uma informação e a apresenta com total confiança. Não é erro de digitação nem imprecisão: é fabricação com aparência de verdade. Ela pode citar uma resolução com número e data que não existe, apresentar uma taxa de crescimento de setor com duas casas decimais completamente fictícia ou atribuir uma declaração a um executivo que nunca a fez.

O problema não é que ela erra. É que erra com a mesma segurança com que acerta, sem hesitação nem "não tenho certeza". Num relatório que vai para o board, isso é um risco concreto. Cinco sinais funcionam como filtro.

Sinal 1: número muito preciso e sem fonte

"O crescimento médio do setor foi de 7,3% em 2024." Se você não forneceu esse número e a IA não citou de onde veio, desconfie. Dado real tem fonte. Precisão excessiva sem referência é sinal de alerta, não de qualidade.

Sinal 2: norma, lei ou resolução com número

Instrução normativa, resolução, circular, pronunciamento contábil. Se a IA citou, confirme no site do órgão (CFC, CVM, Banco Central, Receita Federal): se a norma existe e se diz exatamente o que a IA afirmou. Leva dois minutos e evita uma situação difícil.

Sinal 3: declaração ou evento específico

"O CFO da empresa X declarou em entrevista que..." ou "a empresa divulgou resultado acima do esperado no trimestre". Se essa informação não estava no seu prompt, não a use. A IA pode estar construindo uma citação plausível de algo que nunca aconteceu.

Sinal 4: dado de mercado, benchmark ou projeção

Taxa de juros projetada, inflação esperada, múltiplos de valuation do setor. Mudam o tempo todo, e a IA pode ter informação desatualizada ou inventada. Verifique em uma fonte atual, sempre.

Sinal 5: resposta longa e detalhada sobre fato externo

Parece paradoxal, porque mais detalhe parece mais confiável. Mas quanto mais específica a resposta sobre um fato externo que a IA não tem como saber com certeza, maior a chance de haver algo inventado no meio.

O princípio que organiza os cinco

Todo dado factual que a IA trouxe e que você não forneceu deve ser verificado na fonte antes do uso. Sem exceção.

A consequência é uma hierarquia de risco. Compare três saídas (todas fictícias, para ilustrar):

  • Saída A: "A receita líquida cresceu 8,2% no trimestre, puxada pelo Sudeste." Os números vieram do seu prompt. A IA analisa o que você deu. O risco de invenção é baixo; a lógica ainda precisa de revisão.
  • Saída B: "Conforme a instrução normativa tal, a receita diferida deve ser reconhecida na entrega." A norma pode existir. Exige conferência na fonte oficial.
  • Saída C: "Segundo projeção divulgada pelo Banco Central em março, o PIB de serviços crescerá 3,8% neste ano, com margem de erro de 0,4 ponto." Dado externo, com fonte, data e precisão: é a mais perigosa justamente por parecer a mais confiável.

Duas técnicas de verificação

Verificação cruzada. Depois de receber um output com dados factuais, pergunte: "existe alguma informação nesta resposta de que você não tenha certeza? Quais dados factuais precisam ser verificados em fonte externa antes de eu usar?" A IA costuma apontar onde está menos segura. Mas isso é a segunda camada de verificação.

A primeira camada é você. Um analista com três anos de fechamento sabe quando uma margem bruta de 68%, num segmento que historicamente fica em 42%, está errada. Esse conhecimento vale mais do que a confiança com que a IA apresenta o número.

Uma terceira ajuda na origem: instrua a IA a trabalhar apenas com os dados fornecidos e a dizer explicitamente "não encontrei nos dados" quando faltar algo, em vez de completar. É um dos elementos da especificação na estrutura C.R.E.A..

Como transformar isso em rotina

Dê a cada prompt da sua biblioteca um campo de risco de alucinação: baixo quando você fornece todos os dados e a IA só os organiza; médio quando há algum dado externo; alto quando a tarefa depende de fato externo. O campo calibra o nível de atenção na revisão. E, para decidir por onde começar a automatizar, o diagnóstico das tarefas já usa esse risco como critério.

Pense na IA como um estagiário muito rápido e muito convincente. Você não envia o trabalho dele ao board sem ler. A diferença é que este estagiário é mais rápido e mais convincente, e por isso a revisão é inegociável.

Leia também

Comece pela plataforma

Este tema faz parte da formação IA na Prática Financeira, a porta de entrada gratuita da plataforma: 3 módulos e 11 aulas para aplicar IA à rotina mensal do financeiro.

Acessar a plataforma gratuitamente →

O CFOs.AI é uma plataforma de AI Finance Transformation: toda formação percorre os estágios do framework F.I.A.M. — Fundamentação, Instrumentação, Aplicação e Mensuração.

Prefere medir antes? Faça o diagnóstico gratuito (25 perguntas, cerca de 10 minutos) · Ver planos →

Continue lendo.

Newsletter

Uma leitura por semana pra quem lidera finanças.

Todo domingo: um artigo aprofundado, um caso real e uma automação pra testar na segunda. Sem ruído, sem venda.

Escrita pela equipe CFOs.AI · +2.400 líderes financeiros
CFOs.AI

Plataforma de formação e implementação de IA aplicada a finanças corporativas.

AI Finance Transformation© 2026 CFOs.AI — Uma iniciativa da Payfy.