Reduza alucinações de IA na escrita: prompts e fluxos de trabalho

Como são as alucinações na escrita assistida por IA

Alucinações acontecem quando uma IA escreve algo que soa confiante e específico, mas está errado ou simplesmente inventado. O perigo está no tom. Uma frase pode ler como um fato verificado mesmo quando é só um palpite.

Frequentemente você reconhece alucinações pelos detalhes “certos demais”. Um rascunho passa a incluir números exatos, datas precisas ou citações perfeitas que você nunca forneceu. Pode citar um estudo, um livro ou um especialista que não existe.

Sinais comuns incluem:

• Estatísticas inventadas (por exemplo, “72% das empresas viram um aumento de 3,4x”) sem fonte.
• Nomes, títulos ou organizações errados que soam plausíveis.
• Citações inventadas entre aspas sem origem rastreável.
• Cronologias limpas e datas que não batem com a realidade.
• Afirmativas de causa e efeito confiantes (“X causa Y”) quando a evidência é incerta.

Isso acontece porque modelos de linguagem preveem sequências de palavras prováveis. Quando o modelo não tem informação suficiente, ele preenche lacunas com algo que se encaixa no padrão de um bom artigo. Prompts que pedem autoridade (“inclua estatísticas” ou “adicione uma citação”) sem fornecer fontes empurram o modelo a improvisar.

O objetivo não é perfeição. É garantir que afirmações arriscadas sejam ou respaldadas por evidência ou claramente marcadas como não verificadas. Um processo sólido mantém o rascunho útil enquanto você controla o que é apresentado como fato.

Uma regra simples ajuda: se uma afirmação puder afetar uma decisão, reputação ou conformidade, trate-a como de alto risco e exija uma fonte antes de deixá-la no texto.

Defina escopo, público e limites de afirmação primeiro

Se quiser reduzir alucinações, comece antes do primeiro prompt. Diga ao modelo o que ele pode dizer, o que deve evitar e para quem está escrevendo. Limites claros tornam o rascunho mais fácil de verificar e muito mais difícil de “inventar”.

Escreva um orçamento simples de afirmações. Não é ser tímido — é ser explícito.

• Permitido: explicações simples, definições e resumos de fontes fornecidas.
• Permitido: opiniões claramente rotuladas (somente se você pedir).
• Não permitido: estatísticas, rankings, citações nomeadas ou “segundo X” a menos que você forneça o texto-fonte.
• Não permitido: datas, aconselhamento jurídico/medico, ou detalhes de preços sem uma referência aprovada.
• Obrigatório: marque qualquer incerteza como "precisa de verificação" em vez de chutar.

Defina o leitor em uma frase. Exemplo: “Gerente de marketing atarefado, não técnico, lendo no celular, quer um checklist prático.” Essa linha muda tom e escolha de palavras mais do que a maioria dos prompts de estilo.

Estabeleça limites de escopo para que o modelo não misture contextos.

• Geografia: global, somente EUA, somente UE, ou um país específico.
• Tempo: “até 2025” ou “apenas últimos 12 meses”.
• Fontes: “use apenas as fontes coladas” ou “use só notas internas”.

Por fim, escolha o tipo de saída desde o começo (seção de blog, resumo de notícias, entrada de glossário). Quando isso fica vago, os modelos tendem a encher com afirmações de preenchimento.

Use prompts com fontes primeiro que exijam evidência

Se você deixa a IA escrever primeiro e justificar depois, está convidando ficção confiante. Inverta a ordem: faça-a coletar evidências antes de fazer afirmações.

Comece pedindo um plano de fontes, não um rascunho. O objetivo é um pequeno conjunto de fontes (ou espaços reservados) nas quais o modelo deve se apoiar ao escrever.

Um padrão simples de prompt “source-first”

Use uma solicitação em duas etapas: fontes primeiro, depois o rascunho. Mantenha a etapa de redação vinculada a essas fontes.

1. Peça uma lista de fontes com no máximo 5-8 itens, cada uma com: título, autor/organização, data e o que sustenta.
2. Exija uma chave de citação para cada fonte (S1, S2, etc.).
3. Só depois disso, peça o rascunho que cite S1-S8 após cada afirmação factual.
4. Se o modelo não encontrar ou não puder inferir uma fonte, deve escrever: "No source" e seguir em frente.

Esse rótulo "No source" é o ponto. Ele destaca o que precisa de verificação e impede que o modelo invente uma referência que soa real.

Force um formato de citação (mesmo que você verifique depois)

Escolha um formato rígido e sem graça para que você possa escanear rápido:

• A frase com a afirmação termina com [S#] ou [No source]
• Citações devem incluir o falante, contexto e [S#]
• Números e datas devem incluir [S#]

Exemplo (você pode colar em qualquer ferramenta ou numa chamada de API):

Task: Write a 700-word section.
Step 1: Propose 6 sources (S1-S6). For each: title, publisher, date, what it supports.
Step 2: Draft the section using ONLY S1-S6. After every factual claim add [S#].
If you cannot support a claim, write [No source] and do not guess.
Output: sources list, then draft.

Constrinja afirmações de alto risco (estatísticas, nomes, citações, datas)

A maioria das alucinações se esconde em detalhes que soam credíveis: percentagens, datas de lançamento, listas “top 10” e citações exatas. Trate esses como afirmações de alto risco que precisam de regras extras.

Um freio prático é simples: se o rascunho inclui números, datas, rankings, nomes ou citações, deve também incluir uma fonte que você possa checar. Se não houver fonte, o modelo deve remover o detalhe ou marcá-lo como desconhecido.

Restrições úteis que você pode inserir nos prompts:

• Números e datas: permita-os apenas quando o prompt fornecer um trecho de fonte ou uma nota verificada. Caso contrário, escreva “nenhum número confirmado disponível” e continue.
• Rankings e claims de “melhor”: proíba “#1”, “líder” e “mais popular” a menos que você forneça o método de classificação e a fonte.
• Citações exatas: exija o texto copiado da fonte. Sem citações improvisadas entre aspas.
• Nomes e estudos: proíba pessoas, instituições, pesquisas e “pesquisas mostram” inventadas, a menos que você forneça os detalhes do estudo.
• Funcionalidades de produto: descreva apenas o que está explicitamente nas suas notas. Se estiver incerto, marque como desconhecido.

Rótulos de incerteza mantêm os rascunhos utilizáveis sem fingir precisão. Peça ao modelo para marcar declarações arriscadas como confirmado, provável ou desconhecido. Permita “provável” somente quando também for explicado o porquê (por exemplo, “baseado no trecho do changelog fornecido”).

Um fluxo repetível para rascunhos com poucas alucinações

O maior ganho é consistência. Use sempre o mesmo fluxo pequeno para que a verificação não seja uma reflexão tardia.

Um loop rápido que ainda pega o que é arriscado:

1. Esboce com tipos de afirmação. Marque cada ponto como contexto/definição, opinião/interpretação ou fato verificável.
2. Redija as seções de baixo risco primeiro. Escreva definições e contexto antes de adicionar estatísticas, nomes, citações, datas ou listas de “melhores ferramentas”.
3. Extraia uma lista de afirmações. Reúna cada afirmação factual numa tabela curta: a afirmação, por que importa e que tipo de fonte a apoiaria.
4. Verifique, edite e reescreva as partes afetadas. Adicione detalhes confirmados, remova afirmações fracas e reescreva apenas o que mudou.
5. Passe final para certeza e citações faltantes. Se uma frase faz o leitor pensar “Sério?”, ela precisa de uma citação ou de uma redação mais suave.

Exemplo: se um rascunho diz “Google confirmou X em 2023”, a lista de afirmações força o acompanhamento: qual anúncio, que data e onde está registrado? Se você não consegue responder rápido, suavize ou remova.

Identifique afirmações não verificáveis sem desacelerar

A edição fica lenta quando cada frase vira um julgamento. Uma abordagem mais rápida é fazer o rascunho identificar o que precisa ser checado, e então verificar só as linhas de alto risco.

Ao invés de dizer ao modelo para “ser preciso”, peça que rotule a incerteza. Se não viu uma fonte, não deve soar seguro.

Use espaços reservados que se destacam durante a edição:

• [VERIFY] para fatos que você verificará (números, datas, claims “primeiro/único/maior”)
• [SOURCE NEEDED] para afirmações que devem ter referência específica
• [UNSURE] para itens que podem ser verdadeiros mas não aparecem no material fornecido
• [QUOTE?] para qualquer citação ou frase atribuída

Depois, rode uma segunda passada que reescreva as linhas marcadas de forma mais segura.

Exemplo: “Acme lançou em 2018 e agora atende 10.000 clientes.” Se não houver fonte, reescreva para: “Acme lançou em [VERIFY: ano de lançamento] e atende [VERIFY: número de clientes].” Uma alternativa segura é: “Acme cresceu continuamente desde o lançamento, atendendo clientes em vários mercados.” Menos chamativo, mas não incorreto.

Ao revisar as marcas, decida rápido:

• Deletar se o detalhe for supérfluo.
• Suavizar se o ponto for importante mas o fato exato for desconhecido.
• Pesquisar se a afirmação for central.
• Substituir por algo observável ou claramente referenciado.

Artefatos leves que facilitam o controle de qualidade

Você pode reduzir alucinações sem montar um processo pesado. O truque é manter alguns artefatos pequenos que acompanhem o rascunho e acelerem a checagem.

Uma tabela simples de afirmações

Mantenha uma tabela pequena ao lado do rascunho (mesmo como nota). Cada vez que o modelo fizer uma afirmação factual, registre-a uma vez e decida o que fazer:

• Afirmação (uma frase)
• Nível de risco (baixo/médio/alto)
• Fonte (título/autor/data, ou “nenhuma ainda”)
• Status (verificado, precisa de fonte, remover, reescrever)
• Notas (o que checar, como suavizar a redação)

Se não conseguir referenciar “Empresa X lançou em 2017”, trate como alto risco e reescreva o parágrafo para que continue válido caso a data mude.

Um log de citações reutilizável

Separado do rascunho, mantenha um log contínuo de fontes já verificadas. Com o tempo isso vira sua prateleira de referências confiáveis e reduz a tentação de aceitar inventos do modelo.

Mantenha simples: nome da fonte, para que serve e limites (por exemplo, “bom para definições, não para estatísticas de mercado”).

Uma lista de red flags e um script curto de revisão

Red flags merecem segunda olhada: superlativos (“o melhor”), estatísticas precisas, pessoas/empresas nomeadas, citações, datas e claims “primeiro/único/mais”.

Um roteiro curto de revisão basta:

• Escaneie por red flags e destaque-as.
• Verifique cada destaque contra a tabela de afirmações.
• Exija fonte para qualquer item de alto risco.
• Se não houver fonte, suavize, generalize ou corte.
• Confirme que o rascunho final corresponde ao escopo e ao público.

Erros que deixam alucinações passarem

Alucinações geralmente aparecem quando o modelo recebe liberdade para preencher lacunas e ninguém percebe. Grande parte da solução é eliminar essas lacunas.

Armadilhas comuns:

• Prompts como “escreva um artigo de especialista” sem referências ou material de origem.
• Pedidos por “estatísticas do setor” sem nome de relatório, conjunto de dados ou documento.
• Reescritas que buscam um tom mais impactante e silenciosamente alteram anos, nomes ou grau de certeza.
• Prompts que misturam cronologias e tópicos (tendências passadas, preços atuais, previsões) sem limites claros.
• Sem regra sobre o que fazer quando falta fonte.

Se precisar de estatísticas, exija um tipo específico de fonte (relatório nomeado, dataset público, demonstração anual) e force “desconhecido” quando não estiver disponível.

Checklist rápido antes de publicar

Antes de publicar, trate o rascunho como um conjunto de afirmações, não só frases.

Leia uma vez para o sentido. Depois escaneie por detalhes de alto risco: números, datas, rankings, citações e qualquer coisa muito específica.

• Números, datas e rankings: Adicione uma fonte que possa ser apontada ou reescreva de forma geral (ou remova).
• Citações e atribuições: Se não puder verificar, delete ou transforme em parafraseado sem atribuição.
• Nomes e grafias: Cheque nomes de pessoas, empresas e produtos. Uma letra errada pode criar uma entidade falsa.
• Verificação de escopo: Garanta que afirmações batam com a região e o período informados.
• Tratamento de incerteza: Tudo que você não consegue verificar rápido deve ser reescrito, rotulado (“varia conforme...”) ou removido.

Um truque prático: marque linhas questionáveis com [VERIFY] enquanto edita. Se sobrar qualquer [VERIFY] no final, o texto não está pronto.

Exemplo: transformar um rascunho arriscado em um artigo verificado por fontes

Imagine um post sobre finanças pessoais: “Devo pagar antecipadamente a hipoteca ou investir?” Aqui é comum a IA gerar afirmações confiantes sobre retornos, inflação, regras fiscais e médias históricas.

Trate isso como uma tarefa com fontes primeiro, não como uma tarefa criativa. Comece com um prompt curto e estrito:

Task: Write a 900-word blog post for US readers deciding between extra mortgage payments vs investing.
Scope: General education only. No personal advice.
Allowed claims: Only claims supported by the sources I provide.
High-risk claims (must be cited): rates of return, inflation, tax rules, dates, named products, quotes.
Citations: After any sentence with a high-risk claim, add [S1], [S2], etc.
If a claim cannot be supported: mark it as [UNVERIFIED] and suggest what source is needed.
Sources:
S1: (paste a trusted explainer)
S2: (paste IRS page excerpt or official guidance excerpt)
S3: (paste a reputable calculator methodology page excerpt)

Depois siga um fluxo rigoroso:

• Primeiro o esqueleto (só cabeçalhos) e confirme que cada seção tem pelo menos uma fonte atribuída.
• Redija com citações inline, usando [UNVERIFIED] quando necessário.
• Monte a tabela de afirmações: copie cada sentença de alto risco para uma tabela de duas colunas (Afirmação, Etiqueta de Fonte).
• Verifique: confira cada afirmação contra os trechos de fonte.
• Reescreva: remova, narre com mais cautela ou suavize tudo que não for verificável.

Uma linha típica de risco é: “O mercado de ações rende 10% ao ano em média.” Se suas fontes não dizem isso, reescreva para evitar precisão falsa: “Retornos de longo prazo variam conforme período, e nenhum retorno anual é garantido. [UNVERIFIED: precisa de fonte e período específicos]” Ou substitua por uma afirmação mais estreita e referenciada (por exemplo, “Alguns estudos de longo prazo relatam médias históricas em períodos específicos. [S1]”).

Próximos passos: construa um pipeline repetível

A maneira mais rápida de reduzir alucinações é parar de tratar cada post como um caso isolado. Salve seus melhores prompts como templates com as mesmas salvaguardas: fontes permitidas, tipos de afirmações proibidas e como rotular incerteza.

Se publicar em escala, ajude quando sua ferramenta suporta a mesma estrutura entre rascunhos, reescritas e atualizações. GENERATED (generated.app) é um exemplo de plataforma de conteúdo que pode gerar via API, apoiar polimentos e traduções e ajudar a manter um fluxo consistente em torno de rascunhos e revisões.