O que é alucinação de IA? O guia em português claro (2026)

Resumo rápido. Alucinação de IA é quando um modelo de IA afirma, com toda a confiança, algo falso ou inventado do começo ao fim — um acórdão que não existe, uma estatística fabricada, uma citação de mentira. Um estudo da EBU/BBC de 2025 encontrou que 45% das respostas de IA sobre notícias tinham pelo menos um problema sério. Acontece porque os modelos preveem texto — eles não checam fatos.

Última revisão: 6 de julho de 2026. Revisado a cada trimestre.

Em fevereiro de 2025, o Tribunal Superior Eleitoral fez algo que marcou o começo de uma nova fase no Brasil: manteve uma multa por litigância de má-fé contra uma advogada que tinha sustentado uma petição com jurisprudência inexistente. E, no mesmo julgamento, firmou uma tese que virou referência nacional — a de que citar julgados que não existem no repositório dos tribunais, “criados mediante o uso de inteligência artificial generativa ou não”, basta para aplicar a multa. A ministra Cármen Lúcia resumiu o espírito da coisa: “a fraude que possa induzir em erro a jurisdição é grave”. A partir dali, tribunais do trabalho, cíveis e eleitorais de todo o país passaram a ter base clara para punir peças com jurisprudência fabricada por IA. E foi exatamente o que começou a acontecer.

Alucinação de IA é quando um modelo de IA gera informação falsa, inventada ou impossível de verificar, e apresenta como se fosse verdade. Em português claro: a IA sai inventando, com a maior segurança. Não é um bug raro nem sinal de que a ferramenta está quebrada — é um efeito colateral embutido na forma como os chatbots de hoje, como ChatGPT, Claude ou Gemini, produzem texto. Este guia explica o que é alucinação de IA, por que acontece, como ela aparece na prática e — a parte que a maioria das explicações pula — como você se protege dela na sua profissão.

Alucinação de IA, definida direito

Alucinação de IA é quando um modelo grande de linguagem produz uma resposta factualmente falsa ou totalmente inventada, mas com cara de segura e fluente. O termo cobre as referências fabricadas, as estatísticas inventadas, as citações de mentira, os recursos de produto que não existem, as datas erradas e os “fatos” sobre pessoas ou eventos que nunca aconteceram. A saída costuma vir gramaticalmente impecável, plausível, entregue com o mesmo tom seguro que o modelo usa quando está certo — e é justamente isso que torna a alucinação de IA perigosa.

A palavra veio emprestada da psicologia, onde uma alucinação é perceber algo que não está ali. Para a IA, o termo confabulação costuma encaixar melhor: preencher uma lacuna com uma invenção fluente em vez de admitir “não sei”. O centro do problema é a distância entre a confiança do modelo e a precisão dele. Uma pessoa em dúvida geralmente parece estar em dúvida. Um modelo que alucina parece tão seguro quanto um modelo que está certo.

Ajuda separar as duas formas em que a alucinação de IA se manifesta — uma distinção que os pesquisadores usam bastante:

• Alucinação de factualidade — a saída contradiz o mundo real. “A Torre Eiffel foi concluída em 1887.” (Foi em 1889.)
• Alucinação de fidelidade (no jargão, faithfulness) — a saída contradiz a fonte que você forneceu. Você cola um contrato, pede a cláusula de rescisão, e o modelo resume uma cláusula que não está no seu documento.

Por que a alucinação de IA importa em 2026

A alucinação de IA importa porque centenas de milhões de pessoas já usam a IA para trabalho de verdade — pesquisa jurídica, dúvidas médicas, análise financeira, textos de marketing — e a taxa de erro continua longe de zero. O estudo mais amplo sobre o tema veio da Europa: a União Europeia de Radiodifusão (EBU, ou UER) e a BBC botaram jornalistas profissionais para examinar, em 2025, mais de 3.000 respostas de ChatGPT, Copilot, Gemini e Perplexity, em 18 países e vários idiomas. Resultado: 45% das respostas tinham pelo menos um problema sério, 31% com falhas graves de fonte e 20% com erros de precisão relevantes, alucinações incluídas. O Gemini ficou por último, com problemas em 76% das respostas. O recado do estudo é direto: os assistentes de IA ainda “não são uma forma confiável de se informar”.

Nos campos de alto risco, os números são piores e as consequências, bem reais: multas, processos, confiança perdida.

Os dados duros, por área:

• Pesquisa jurídica: um estudo do Stanford RegLab / HAI mediu taxas de alucinação alarmantes até em produtos comerciais vendidos como confiáveis — de 17% em ferramentas especializadas a bem mais em modelos de uso geral. Nos testes com consultas sobre jurisprudência específica, os modelos genéricos inventaram precedentes em uma fatia enorme dos casos, chegando a faixas de 69% a 88% em certas tarefas. E esses erros incluem tanto invenções completas quanto casos reais mal resumidos.
• Notícias e fontes: o estudo EBU/BBC e os seus 45% — um resultado constante de um idioma e de um país para outro, ou seja, não é só um problema do inglês.
• Saúde: as agregações da área colocam a taxa de alucinação em saúde em torno de 10% a 20% — uma faixa que nenhum profissional de saúde pode ignorar.
• Conhecimento geral: nos testes de conhecimento, os melhores modelos acertam mais do que antes, mas, quando ficam na dúvida, chutam em vez de admitir — a mesma armadilha em que caíram vários advogados brasileiros em 2025 e 2026.

A lição não é “a IA não presta”. A lição é que a alucinação de IA é um modo de falha conhecido e mensurável, ao redor do qual dá para se antecipar — e os profissionais que se antecipam colhem o benefício sem as catástrofes.

Como a alucinação de IA acontece de verdade

A alucinação de IA acontece porque um modelo de linguagem não vai buscar um dado — ele prevê texto. Quando você faz uma pergunta, o modelo não abre um banco de dados para achar a resposta. Ele gera uma resposta pedaço por pedaço (token por token), escolhendo a cada vez a palavra seguinte mais provável estatisticamente, com base em tudo que veio antes. É um autocompletar espetacularmente bom. Quando a resposta certa está nos padrões de treinamento dele, essa previsão cai num dado correto. Quando não está, a mesma mecânica produz uma invenção fluente e segura — porque, por baixo, não existe nenhuma checagem do tipo “eu sei mesmo isso?”.

Vai aqui o passo a passo em português claro. Você pede uma fonte para uma afirmação de nicho. O modelo já viu milhões de referências reais, então conhece o formato delas — autor, ano, revista, números de página. Ele gera um texto que encaixa nesse formato. O resultado se lê como uma referência perfeita, mas não existe documento nenhum por trás. O modelo nunca “decidiu mentir”. Ele fez exatamente o que sempre faz: produzir texto que parece provável.

A causa de fundo não é só a arquitetura — são os incentivos. Num artigo de 2025 chamado “Why Language Models Hallucinate”, pesquisadores da OpenAI defendem que as alucinações são erros estatísticos naturais, produzidos pela forma como os modelos são treinados e — este é o ponto-chave — avaliados. A maioria dos testes de IA pontua como uma prova de múltipla escolha: pontos por uma resposta certa, zero por uma questão em branco. Nesse critério, chutar sempre ganha de admitir a incerteza — então os modelos, na prática, são treinados para sempre responder, mesmo quando a resposta honesta seria “não sei”. Enquanto os testes premiarem o blefe, os modelos vão ser premiados por blefar.

É por isso, também, que a alucinação de IA sobe em situações previsíveis: as perguntas sobre temas obscuros ou muito recentes (poucos dados de treinamento), os pedidos de números, datas ou referências precisas (alta precisão, fácil de fabricar), e as conversas que estouram a janela de contexto do modelo, fazendo os dados anteriores caírem e serem reinventados.

Exemplos reais de alucinações de IA

Os exemplos reais deixam o abstrato concreto: um acórdão fabricado, uma política de empresa inventada, um estudo que não existe. Os casos mais instrutivos não são os engraçados — são os que custaram dinheiro e reputação. E o Brasil serviu uma leva e tanto entre 2025 e 2026.

O caso do TJ-PR é dos que todo profissional deveria conhecer. Em junho de 2026, a 9ª Câmara Cível multou um advogado que sustentou um recurso com um precedente do STJ que a corte concluiu ter sido “confeccionado por inteligência artificial” — número de processo, ministro relator, tudo com cara de real, nada existindo de fato. O tribunal foi direto ao ponto sobre a responsabilidade: “a utilização da IA como ferramenta de apoio à elaboração de peças jurídicas não afasta do usuário o dever de checagem rigorosa das informações citadas nos autos”. No TRT-2, a lógica foi a mesma. A juíza registrou que “não se trata de mero equívoco. Houve a criação de jurisprudência para corroborar a tese defendida”, e lembrou que “a postulação em juízo é ato privativo do advogado, que também é o responsável por seu conteúdo”. A mensagem, repetida por ConJur, Migalhas e pelos próprios tribunais, é clara: usar IA não é atenuante, é uma responsabilidade de checagem reforçada. Quem assina a peça continua sendo o autor dela, tendo IA no meio ou não.

E isso não é só um problema brasileiro. Nos Estados Unidos, o caso Mata v. Avianca (2023) abriu a temporada quando dois advogados foram sancionados por uma petição com seis processos inventados pelo ChatGPT. O pesquisador Damien Charlotin — da HEC Paris — mantém, aliás, um banco de dados público que reúne, no mundo todo, os casos em que referências fabricadas por IA deram problema. Já passou de mil, com vários casos novos por dia.

E a comunidade jurídica não se ilude. No X e em fóruns brasileiros, o tom entre advogados vai da preocupação ao alerta, temperado com uma dose de ironia e pragmatismo. O sentimento predominante é de cautela profissional, não de rejeição à tecnologia: prevalece a ideia de que a IA é uma ferramenta útil, desde que usada com diligência redobrada. As frases que mais se repetem são “a IA acelera, mas não substitui a conferência” e “revisão humana é inegociável”. Muitos ironizam o “advogado kamikaze” que confia cegamente no ChatGPT, ou brincam que a IA “aprendeu a mentir com confiança”. Do lado técnico, a conversa gira em torno de ferramentas jurídicas com RAG (para reduzir alucinação), modelos locais para privacidade e checklists antialucinação. A síntese que corre pelos grupos: “usa IA, mas confere tudo”. (Encare pelo que é: sentimento de comunidade, não um dado.)

O que a alucinação de IA significa para a sua profissão

Esta é a parte que mais importa, porque a alucinação de IA não é um problema genérico — ela aparece diferente em cada profissão, e a defesa muda a cada vez. Um resumo de IA (o AI Overview do Google) até consegue te dizer o que é uma alucinação; ele não constrói o hábito de checagem preciso de que um profissional de saúde, um contador ou uma pessoa de marketing precisa. Vão aqui seis profissões, a forma exata como a alucinação atinge cada uma e o gesto concreto que protege. Em todas, o mesmo princípio: a IA redige, uma pessoa confere — mas o que você confere depende da profissão.

O que muda para os advogados

Para o advogado, a alucinação de IA é um risco ético e disciplinar, não um detalhe de produtividade. Cada referência fabricada fica igualzinha a uma real, e as decisões brasileiras de 2025 e 2026 foram claras: “foi a IA” não é desculpa — quem assina responde por cada referência da peça. A defesa é um passo de checagem inegociável: cada acórdão, cada norma, cada citação que uma IA colocar na mesa deve ser buscado e lido numa fonte primária (o site do STJ, do STF, do tribunal, o JusBrasil, o repositório oficial) antes de encostar num processo. Use a IA para formular argumentos e resumir documentos que você mesmo forneceu; nunca como fonte do direito.

O limite honesto: a IA acelera muito a pesquisa e os primeiros rascunhos, mas não pode ser a autoridade final sobre o que a lei diz. Isso ainda exige um jurista lendo as decisões reais.

O próximo passo: o curso IA para Advogados mostra fluxos de trabalho à prova de sanção, e o nosso artigo IA para advogados: usar ChatGPT sem tomar multa detalha a armadilha das citações falsas com casos brasileiros.

O que muda para os médicos e a equipe de saúde

Para o médico, o enfermeiro ou o técnico, a alucinação de IA é uma questão de segurança do paciente, ponto final. Um modelo que inventa uma interação medicamentosa, uma dose ou uma contraindicação pode causar dano direto — e as agregações da área colocam esse risco em torno de 10% a 20% dos casos em saúde. A defesa é um perímetro rígido: a IA serve para redigir e estruturar — notas, materiais de orientação ao paciente em linguagem clara, resumos de material que você forneceu — e nunca para os dados clínicos, as doses ou as interações, que sempre vêm de uma fonte clínica validada. Uma resposta segura saída de um chatbot não é uma fonte clínica.

O limite honesto: a IA economiza tempo real na documentação e na comunicação, mas nenhuma decisão clínica deveria se apoiar numa saída sem verificação. O protocolo e as fontes primárias ganham sempre.

O próximo passo: os cursos IA para Enfermeiros e IA para Médicos ensinam fluxos de trabalho seguros, sem dados de paciente, que mantêm a IA no lugar certo.

O que muda para os contadores e consultores financeiros

Para o contador, a alucinação de IA ameaça aquilo em que a profissão inteira se apoia: números que dá para defender. Um modelo afirma com segurança um limite tributário errado, inventa uma norma ou “fecha” cifras que na verdade não batem — e faz isso numa linguagem fluente e profissional. A defesa é a ancoragem na fonte: cole os números reais, a norma real, o critério real, e mande o modelo se ater a isso, nunca ao conhecimento geral dele. Depois, rastreie cada número que ele devolver até o seu documento original antes que aquilo toque num entregável de cliente.

O limite honesto: a IA é excelente para redigir pareceres, explicar conceitos e achar padrões em dados que você forneceu — mas não é um sistema de referência e não pode responder pela exatidão de um valor. A sua conciliação continua tendo que bater no jeito antigo.

O próximo passo: o curso IA para Finanças e Investimentos constrói um fluxo de trabalho com checagem embutida, para você não deixar uma IA inventar uma resposta fiscal.

O que muda para o marketing e as equipes de conteúdo

Para quem trabalha com marketing, a alucinação de IA é um risco para a credibilidade da marca e para a conformidade das afirmações. Um modelo inventa numa boa uma estatística para o seu título, atribui uma frase a uma especialista que nunca disse aquilo, ou gera uma alegação de “clinicamente comprovado” que você não consegue sustentar — e publicar isso é, na melhor das hipóteses, uma retratação, e na pior, uma reclamação no Procon ou uma notificação. A defesa é uma passada de checagem de afirmações: cada estatística, citação, estudo e superlativo de um texto redigido por IA deve ser conferido contra uma fonte real antes de publicar — e o que você não conseguir provar, corta.

O limite honesto: a IA é uma ótima máquina de primeiro rascunho e de ideias, mas não é um verificador de fatos e não conhece as suas regras de conformidade. Uma pessoa continua responsável por cada afirmação publicada.

O próximo passo: o curso IA para Marketing Digital e os Fundamentos de IA mostram prompts que ancoram a saída no seu material real em vez de deixá-la inventar.

O que muda para os autônomos e as PMEs

Para o autônomo ou a empresa pequena, a alucinação de IA é uma responsabilidade que nem sempre está no radar — ainda mais se você tiver um chatbot no seu site. A lógica que os tribunais consolidaram (e, lá fora, casos como o Moffatt v. Air Canada, de 2024) é clara: uma empresa responde pelo que a IA dela diz aos clientes, mesmo quando o bot inventa uma política do nada. A defesa é dupla: ancore toda IA que fala com o cliente nas suas políticas e perguntas frequentes reais (não no conhecimento geral dela), e confira você mesmo tudo que uma IA disser sobre contratos, normas ou alcance legal antes de agir.

O limite honesto: a IA pode cuidar de boa parte da sua retaguarda e do seu atendimento, mas não pode interpretar um contrato ou uma lei por você. Para tudo que tem peso jurídico, uma pessoa — muitas vezes um profissional — ainda precisa confirmar.

O próximo passo: o curso IA para Pequenas Empresas dá a qualquer autônomo o modelo mental para usar a IA sem se enrascar, ancorando cada resposta no seu material de verdade.

O que muda para os professores

Para o professor, a alucinação de IA é ao mesmo tempo um problema de credibilidade e um problema pedagógico. Um modelo inventa um “fato” histórico, cita um livro que não existe, ou erra num exemplo com números — e, se isso sair sem conferência numa atividade, 30 alunos aprendem uma bobagem. A defesa: a IA serve para estruturar, adaptar e formular, e cada fato, cada data e cada fonte de um material produzido por IA deve ser conferido antes de entrar na sala. De quebra, dá até para transformar a alucinação num tema em si — ensinar os alunos a questionar as saídas de IA é letramento digital em estado puro.

O limite honesto: a IA tira um peso real do preparo e dos materiais, mas pela exatidão do conteúdo quem responde é você, sempre.

O próximo passo: comece pelos Fundamentos de IA para o modelo mental, e depois Engenharia de Prompts para prompts que ancoram a saída em material real em vez de deixá-la bordar.

Ideias erradas sobre as alucinações de IA

A alucinação de IA costuma ser mal entendida, e são justamente os mal-entendidos que metem as pessoas em encrenca. As três crenças abaixo soam razoáveis, mas são falsas — e cada correção se apoia no comportamento real dos modelos. Endireitá-las é a diferença entre usar a IA com confiança e usá-la no escuro.

“Os modelos novos, mais inteligentes, já não alucinam.”

Meio verdade — e a metade falsa é a perigosa. As taxas caíram, sem dúvida. Mas “mais inteligente” pode até piorar uma coisa: os modelos mais capazes muitas vezes alucinam com mais confiança e fluência, o que deixa o erro mais difícil de flagrar. Um modelo melhor é um blefador melhor, não um modelo mais honesto. Então não conte com a próxima atualização para resolver o problema.

“Se eu escrever um prompt melhor, ele para de alucinar.”

Falso na maior parte. Um bom prompt ajuda — dizer ao modelo que ele pode responder “não sei”, restringi-lo aos documentos fornecidos, pedir citações exatas — e é justamente o que a Anthropic recomenda. Mas a Anthropic escreve, com a mesma clareza, na própria documentação, que essas técnicas “não as eliminam por completo”. Nenhum prompt transforma um previsor de texto num verificador de fatos. O prompt derruba a taxa; ele não elimina a checagem.

“Alucinar significa que a IA está quebrada ou mentindo.”

Falso por dois motivos. O modelo faz exatamente aquilo para que foi projetado — prever texto provável — e não tem intenção nenhuma, então não pode mentir. Como os pesquisadores da OpenAI resumem em 2025: a alucinação é uma propriedade estatística do sistema, não um defeito. E isso é até uma boa notícia: um modo de falha previsível e mensurável é um modo de falha ao redor do qual dá para construir defesas — e é disso que se trata, de tratar a IA como um redator competente em vez de um oráculo.

Conceitos relacionados

A alucinação de IA não vive isolada — está ligada a uma família inteira de ideias com que qualquer usuário de IA acaba esbarrando. Algumas explicam por que a alucinação acontece, outras descrevem situações que a pioram, e outras são as defesas estruturais que derrubam a taxa. Como esta é a primeira página do nosso glossário de IA em português, por enquanto a gente te leva aos artigos pertinentes — as outras entradas do glossário vão chegando aos poucos.

• Por que a IA nunca dá a mesma resposta — por que a mesma pergunta recebe uma resposta diferente a cada vez, e o que a janela de contexto tem a ver com isso
• Contexto é rei — como estourar a janela de contexto faz o modelo esquecer e reinventar
• Agentes de IA explicados — quando a IA não só responde, mas age, e por que isso multiplica o que precisa ser conferido
• ChatGPT vs Claude vs Gemini — qual modelo alucina quando, numa comparação honesta
• Engenharia de Prompts — o curso que te ensina prompts que ancoram as saídas em fontes reais

A palavra final

A alucinação de IA não é um bug que o próximo modelo vai corrigir — é o preço de usar uma ferramenta que prevê texto em vez de ir buscar os dados. Os profissionais que ganham com a IA em 2026 não são os que acharam um modelo sem alucinação; são os que tratam cada saída de IA como o rascunho cheio de confiança de um estagiário brilhante que, de vez em quando, inventa. Use a IA para redigir, estruturar, acelerar. Confira você mesmo cada dado, cada número, cada citação e cada referência. Só esse hábito já separa quem toma multa de quem avança. Ou, como se viu nos tribunais brasileiros: melhor dez minutos de conferência do que uma multa do juiz.

Para continuar lendo

Se você quer se aprofundar nas alucinações de IA — e aprender a se proteger delas na sua profissão — os cursos e artigos abaixo são os próximos passos naturais.

Cursos sobre a confiabilidade da IA e a sua profissão

• Fundamentos de IA — o modelo mental para usar a IA sem perigo desde o primeiro dia
• Engenharia de Prompts — prompts que ancoram a saída no seu material real
• IA para Advogados — um uso da IA à prova de sanção, de ponta a ponta
• IA para Finanças e Investimentos — um fluxo de trabalho que rastreia cada número
• IA para Enfermeiros — documentação segura, sem dados de paciente
• IA para Médicos — a IA no apoio clínico, sem confiar cegamente numa saída
• IA para Marketing Digital — sustentar as afirmações em vez de deixá-las inventar
• IA para Pequenas Empresas — as bases para usar a IA sem perigo no seu negócio

Artigos de blog pertinentes

• IA para advogados: usar ChatGPT sem tomar multa — a armadilha das citações falsas, em detalhe
• Por que a IA nunca dá a mesma resposta — por que a mesma pergunta dá respostas diferentes
• Agentes de IA explicados — quando a IA passa de responder para agir

Skills pertinentes (modelos de prompt)

• Navegador de Pensamento Crítico — questionar uma afirmação de forma estruturada em vez de engolir
• Assistente de Pesquisa — pesquisar com verificação de fontes

Perguntas frequentes

O que é alucinação de IA, explicado de forma simples? Alucinação de IA é quando um modelo de IA inventa alguma coisa e apresenta como fato. Ele pode fabricar um estudo, citar um processo que nunca existiu ou tirar uma estatística do nada. O modelo não está mentindo de propósito e não está quebrado. Ele gera texto prevendo as palavras mais prováveis, então, quando não sabe a resposta, muitas vezes produz um palpite fluente e cheio de confiança em vez de admitir que não sabe.

Por que a IA alucina? As alucinações de IA vêm de como os modelos de linguagem funcionam e de como são avaliados. Um modelo não busca um dado num banco de dados: ele prevê o texto palavra por palavra a partir de padrões. O artigo da OpenAI “Why Language Models Hallucinate” (2025) defende que a causa de fundo é um treinamento e uma avaliação que recompensam chutar em vez de admitir a incerteza — como uma prova de múltipla escolha que pontua melhor um chute do que uma questão em branco. Assim os modelos aprendem a sempre responder, mesmo que tenham que inventar.

Dá para evitar as alucinações de IA? Dá para reduzir bastante as alucinações de IA, mas não para eliminar de vez. Ancorar o modelo em documentos reais (o retrieval) derruba muito a taxa, e dar permissão explícita para ele dizer “não sei” ajuda muito. Mas a documentação da Anthropic diz com todas as letras: essas técnicas “não as eliminam por completo”. Por enquanto, toda saída de IA que importa precisa de uma pessoa para checar os fatos.

Como faço para o ChatGPT parar de alucinar? Você não consegue parar totalmente, mas dá para reduzir muito. Peça ao ChatGPT para responder “não sei” quando estiver na dúvida. Cole o documento-fonte e mande ele se ater a isso, não ao conhecimento geral. Faça ele citar o trecho exato que sustenta cada afirmação. E nunca confie numa citação, numa estatística ou num acórdão que ele produzir sem checar a fonte original você mesmo — esse último passo é inegociável para qualquer coisa que importa.

Por que a IA inventa fontes e referências? A IA inventa fontes porque uma referência nada mais é do que um padrão de texto — um autor, um ano, um título, um número de processo — e o modelo é excelente em gerar padrões plausíveis. Ele viu milhões de referências reais, então consegue produzir uma que parece totalmente autêntica sem nenhum documento por trás. Foi por isso que a 9ª Câmara Cível do TJ-PR multou, em 2026, um advogado que citou um acórdão do STJ “confeccionado por inteligência artificial” que simplesmente não existia.

Fontes

1. Migalhas, “TJ/PR vê má-fé e multa advogado por julgado ‘confeccionado’ por IA”, acessado em 06/07/2026. https://www.migalhas.com.br/quentes/459252/tj-pr-ve-ma-fe-e-multa-advogado-por-julgado-confeccionado-por-ia
2. ConJur, “TSE confirma multa por má-fé a advogada que citou precedentes inexistentes”, acessado em 06/07/2026. https://www.conjur.com.br/2025-fev-13/tse-confirma-multa-por-ma-fe-a-advogada-que-citou-precedentes-inexistentes/
3. ConJur, “Uso de jurisprudência criada por IA gera multa por má-fé e ofício à OAB”, acessado em 06/07/2026. https://www.conjur.com.br/2026-fev-16/uso-de-jurisprudencia-criada-por-ia-gera-multa-por-ma-fe-e-oficio-a-oab/
4. Tribunal Superior do Trabalho (TST), “Empresa e advogado são condenados por possível uso de IA com citações falsas de jurisprudência”, acessado em 06/07/2026. https://www.tst.jus.br/en/-/empresa-e-advogado-sao-condenados-por-possivel-uso-de-ia-com-citacoes-falsas-de-jurisprudencia
5. Conselho Nacional de Justiça (CNJ), “Resolução CNJ nº 615/2025” (governança de IA no Poder Judiciário), acessado em 06/07/2026. https://atos.cnj.jus.br/atos/detalhar/6001
6. European Broadcasting Union (EBU/UER), “Largest study of its kind shows AI assistants misrepresent news content 45% of the time”, acessado em 06/07/2026. https://www.ebu.ch/news/2025/10/ai-s-systemic-distortion-of-news-is-consistent-across-languages-and-territories-international-study-by-public-service-broadcaste
7. Stanford HAI / RegLab, “AI on Trial: Legal Models Hallucinate in 1 out of 6 (or More) Benchmarking Queries”, acessado em 06/07/2026. https://hai.stanford.edu/news/ai-trial-legal-models-hallucinate-1-out-6-or-more-benchmarking-queries
8. OpenAI, “Why Language Models Hallucinate”, acessado em 06/07/2026. https://openai.com/index/why-language-models-hallucinate/
9. Anthropic, “Reduce hallucinations” (documentação do Claude), acessado em 06/07/2026. https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/reduce-hallucinations
10. EU Artificial Intelligence Act, “Artigo 50: Obrigações de transparência”, acessado em 06/07/2026. https://artificialintelligenceact.eu/article/50/
11. Damien Charlotin, “AI Hallucination Cases Database”, acessado em 06/07/2026. https://www.damiencharlotin.com/hallucinations/
12. Wikipédia, “Alucinação (inteligência artificial)”, acessado em 06/07/2026. https://pt.wikipedia.org/wiki/Alucina%C3%A7%C3%A3o_(intelig%C3%AAncia_artificial)