- Alucinação nasce de pedido vago, falta de contexto e ausência de critério de verificação — não de "burrice" do modelo.
- A técnica mais eficaz é o grounding: colar o texto/dado de referência no prompt e mandar responder só com base nele.
- Dar à IA permissão para dizer "não encontrei" reduz drasticamente respostas inventadas.
- Estrutura vale mais que tamanho: um prompt curto e bem restrito acerta mais que um longo e confuso.
- Em decisão crítica (jurídica, médica, financeira), sempre confira o que a IA afirmou contra a fonte original.
Cole a fonte e mande responder só a partir dela (grounding)
A causa número um de alucinação é a IA preencher lacunas com o que "parece certo". Tire essa lacuna: cole o texto, o contrato, o relatório ou os dados dentro do próprio prompt e feche o escopo. Exemplo: "Responda usando APENAS o texto abaixo. Se a resposta não estiver nele, diga que a informação não consta. Texto: [cole aqui]". Essa é a versão manual do RAG, e é o que mais funciona no dia a dia de quem não programa.
Dê permissão para a IA dizer "não sei"
Por padrão, o modelo tenta sempre entregar algo — mesmo quando não tem base. Vire essa lógica: "Se você não tiver certeza ou os dados não bastarem, responda 'não tenho informação suficiente' em vez de supor". Parece óbvio, mas essa única frase corta boa parte das respostas inventadas, porque libera a IA a admitir a lacuna.
Restrinja o escopo e o formato
Peça de forma concreta: "em no máximo 5 tópicos", "só com dados presentes na tabela", "sem incluir exemplos que não estejam na fonte". Exigir um formato fechado — JSON, tabela, lista com campos fixos — cria uma cerca natural. Quando a IA precisa preencher campos definidos, sobra menos espaço para ela divagar e criar fato.
Peça o raciocínio antes da resposta
Em tarefas de lógica, cálculo ou análise, mande a IA mostrar o passo a passo antes do veredito: "Explique seu raciocínio etapa por etapa e só então dê a conclusão". Ver o caminho ajuda de dois jeitos: a própria IA erra menos, e você identifica na hora onde ela pulou uma etapa ou chutou um número.
Exija a citação da parte da fonte que embasa cada afirmação
Suba o nível do grounding: "Para cada afirmação, indique de qual trecho da fonte ela veio. Se não houver trecho que sustente, não afirme". Isso é o chamado contrato de citação — obriga a IA a colar cada resposta num pedaço real do material. Estudos de benchmark mostram que essa exigência derruba pela metade as afirmações sem suporte.
Baixe a criatividade e confira o crítico
Para tarefas factuais, uma temperatura mais baixa deixa a IA mais previsível e menos propensa a "floreios". E a regra final: em qualquer decisão crítica — parecer jurídico, dosagem, número financeiro — trate a resposta como rascunho e cheque contra a fonte original. A IA acelera; a conferência é sua.
Por que a IA inventa respostas
Um modelo de linguagem não consulta um banco de verdades quando responde. Ele prevê a próxima palavra mais provável com base em padrões. Quando falta contexto ou o pedido é vago, ele completa a lacuna com algo que soa plausível — e é aí que nasce a alucinação: uma resposta confiante, bem escrita e simplesmente falsa.
Por isso a solução raramente é "escrever mais". Um prompt gigante e bagunçado dá mais espaço para a IA se perder. O que reduz invenção é estrutura: contexto claro, escopo fechado e critério de verificação embutido no próprio pedido.
Grounding: a técnica que mais reduz alucinação
Grounding significa "ancorar" a resposta em informação confiável que você fornece, em vez de deixar a IA depender só do que ela aprendeu no treino. Na prática do dia a dia, isso é colar a fonte no prompt e proibir a IA de sair dela.
Empresas fazem isso em escala com RAG (geração aumentada por recuperação), que puxa documentos de uma base antes de responder. Mas você não precisa de infraestrutura para colher o principal benefício: cole o material relevante, feche o escopo e mande responder só a partir dele. É a mesma lógica, feita à mão.
Comparativo rápido: o que muda em cada técnica
Nenhuma técnica isolada é bala de prata. Camadas somadas — fonte no prompt, permissão para abstenção e citação obrigatória — funcionam melhor que qualquer uma sozinha. A tabela abaixo resume onde cada uma entra.
| Técnica | Quando usar | Efeito principal |
|---|---|---|
| Grounding (colar a fonte) | Sempre que houver documento ou dado de referência | Elimina a lacuna que a IA preencheria inventando |
| Permissão para "não sei" | Perguntas cuja resposta pode não existir na fonte | Troca o chute por uma admissão honesta |
| Formato estruturado | Extração de dados, listas, relatórios | Cria cerca que limita divagação |
| Raciocínio passo a passo | Cálculo, lógica, análise | Reduz erro e expõe onde a IA chutou |
| Contrato de citação | Conteúdo factual e sensível | Obriga cada afirmação a apontar a fonte |
Um exemplo antes e depois
Prompt fraco: "Resuma os principais pontos da Lei X e me diga as multas". A IA pode misturar leis, inventar valores e soar segura fazendo isso.
Prompt ancorado: "Com base APENAS no texto colado abaixo, liste os principais pontos e as multas citadas. Para cada multa, indique o artigo de onde tirou. Se algum valor não estiver no texto, escreva 'não consta'. Texto: [cole o material]". A diferença não está no tamanho — está no contexto fornecido e nas regras de verificação.
Se você ainda erra na base do prompt, vale revisar os erros comuns ao escrever prompts de IA e como estruturar um pedido mais claro desde o começo.
Perguntas frequentes
Dá para eliminar 100% das alucinações?
Colar a fonte no prompt é o mesmo que RAG?
Pedir para a Ia dizer 'não sei' não deixa ela preguiçosa?
Temperatura baixa resolve sozinha?
- How to Reduce LLM Hallucinations in 2026: 7 Proven Strategies — Future AGI
- Reducing Hallucinations in Medical AI Through Citation Enforced Prompting in RAG Systems — MDPI
- How to Reduce LLM Hallucinations — Zep
- Grounding em Modelos OpenAI: Como Evitar Alucinações — Roberto Dias Duarte
- Alucinações em GenAI: o que são e como reduzir riscos — PwC Portugal
Leia também
Alucinação em IA
O que é alucinação em inteligência artificial, por que acontece com ChatGPT e outros modelos, e como evitar nas suas consultas. Explicação simples com exemplos.
Ler →
RAG (Retrieval-Augmented Generation)
RAG é a técnica que permite a modelos de IA buscar informações em documentos externos antes de responder. Entenda como funciona e por que elimina alucinações.
Ler →
7 erros comuns ao escrever prompts de IA (e como corrigir cada um)
Os 7 erros que fazem a IA devolver resposta genérica — e o ajuste prático em cada um. Com tabela de antes e depois e exemplos em português.
Ler →
Como criar prompts melhores para IA: 7 técnicas que funcionam
7 técnicas práticas de prompt engineering para tirar respostas muito melhores do ChatGPT, Claude e outras IAs. Com exemplos prontos em português.
Ler →
Temperatura em IA
Temperatura é o parâmetro (0 a 1) que controla o quão criativa ou previsível é a resposta de um LLM: perto de 0 vira respostas consistentes, perto de 1 vira respostas variadas. Quando usar cada valor, com exemplos.
Ler →