Pedir ao ChatGPT um resumo sobre a Guerra Colonial portuguesa parece um atalho inofensivo. O texto chega bem escrito, com datas, nomes de generais e descrição de batalhas. O problema é que algumas dessas batalhas nunca aconteceram.
Foi exatamente isso que um consórcio internacional de pesquisadores documentou em 2026, ao testar de forma sistemática como modelos de linguagem respondem a perguntas históricas. Esse tipo de limitação também reforça a importância da humanizing AI em processos de produção e revisão de conteúdo.
O fenômeno técnico tem nome: alucinação. Um modelo treinado para prever a próxima palavra plausível não verifica fatos, ele compõe narrativas convincentes. Em história, onde plausibilidade narrativa é alta mesmo com fatos inventados, o erro fica especialmente difícil de detectar.
Três padrões de erro que se repetem
A pesquisa portuguesa publicada no Distrito Online catalogou três padrões recorrentes nas respostas do ChatGPT sobre temas históricos:
Criação de eventos inexistentes. Batalhas que nunca ocorreram, documentários nunca produzidos, tratados fictícios — apresentados com a mesma confiança de um fato real.
Distorções cronológicas. Datas trocadas, séculos deslocados, ou simplesmente apagadas da resposta sem aviso.
Omissões relevantes. Eventos centrais para entender o contexto desaparecem da narrativa, deixando o leitor com um quadro mutilado sem saber disso.
Há um agravante curioso: as respostas mudam conforme o idioma da pergunta. Perguntar em português, inglês e espanhol sobre o mesmo episódio pode render três versões contraditórias. Nuno Moniz, investigador da Universidade de Notre Dame ouvido pelo Sapo, descreve o fenômeno como uma espécie de fast food historiográfico: rápido, padronizado e nutricionalmente pobre.
Não pare agora… Tem mais depois da publicidade 😉
Por que o texto soa tão confiável
A escrita gerada por IA não tem tom de chute. Ela carrega cadência editorial, vocabulário técnico e construção lógica. Para quem está começando uma graduação ou escrevendo o primeiro trabalho de pesquisa, a barreira de desconfiança é baixa.
Pesquisas indicam que cerca de 80% dos estudantes universitários já usam IA generativa no cotidiano, enquanto a maioria das instituições ainda não definiu regras claras sobre esse uso. Junte os dois fatos e o resultado é previsível: trabalhos acadêmicos, fichamentos e resumos circulam com erros factuais embalados em prosa elegante.
A Kaspersky descreve cinco modos de manifestação de alucinações, incluindo um particularmente delicado para o estudo de história: citações acadêmicas inexistentes. O modelo inventa autor, título e editora com a mesma naturalidade com que cita uma obra real. Quem não confere referência por referência, leva o erro adiante.
Uma rotina de checagem para quem usa IA pra estudar
O ponto não é abandonar a ferramenta. É usar com método. Algumas práticas vêm sendo recomendadas tanto por veículos de checagem quanto por pesquisadores de literacia histórica:
Peça as fontes explicitamente. Solicite à IA que indique a obra, o autor e a página de onde tirou cada afirmação relevante. Depois, conferir uma a uma. O guia da Aos Fatos sobre verificação em tempos de IA traz o passo a passo, inclusive ativando a busca na web do ChatGPT.
Cruze com fonte primária ou acadêmica. Manuais universitários, arquivos digitalizados, periódicos revisados por pares. Se o dado não aparece em nenhum deles, trate como suspeito.
Refaça a pergunta em outro idioma. Se a resposta mudar substancialmente, há sinal claro de instabilidade factual.
Desconfie do que soa redondo demais. Datas exatas para episódios obscuros, números de baixas precisos para conflitos pouco documentados, citações com pontuação perfeita — tudo isso merece checagem adicional.
Reescrever não basta, é preciso revisar
Muita gente recorre a ferramentas para suavizar o tom robótico do texto antes de entregar um trabalho. Faz sentido editorialmente, mas é só metade do trabalho. Reescrever um parágrafo que afirma a existência de uma batalha inventada não corrige a invenção, só a disfarça melhor.
Ferramentas como a solução de humanização de IA da ZeroGPT ajudam a remover marcas mecânicas e padronizações típicas de modelos generativos, deixando a leitura mais natural. Mas o uso responsável dessas ferramentas pressupõe que o conteúdo já tenha passado por verificação factual. Humanizar IA, no sentido pleno, envolve dois movimentos: ajustar a forma e auditar o conteúdo. Pular a segunda etapa só transforma erro evidente em erro elegante.
O que muda quando o leitor sabe disso
O trabalho acadêmico sobre riscos da IA para a integridade historiográfica publicado pela Historica.org defende que letramento em IA seja incorporado à formação de pesquisadores como competência básica. Saber que o modelo alucina, saber quando e saber como conferir são habilidades tão importantes quanto buscar uma fonte na biblioteca.
A prática vai amadurecer com o tempo, mas o cuidado precisa começar agora. Cada trabalho entregue com um general inventado, cada resumo com uma data deslocada, vira ruído que se propaga em outros trabalhos, em redes sociais, em conversas de sala de aula. A história, afinal, se constrói pela soma de checagens — e isso a IA, sozinha, ainda não faz por ninguém.
Créditos
