Antes de levar uma resposta de IA para um e-mail, relatório ou decisão, aplique um checklist de verificação de IA com sete checagens objetivas: números, fontes, datas, lógica interna, escopo, direitos de uso e conferência humana. A base conceitual é pública e testada: groundedness (ancoragem nas fontes), completeness, utilization e relevancy são usadas na engenharia de avaliação para medir a qualidade de respostas de modelos de linguagem, e a mesma lógica cabe em uma revisão manual de dez minutos. A diferença entre revisar por critério e reler por confiança é que o critério elimina o achismo.
O recorte aqui é a checagem factual depois que a resposta chegou, não a construção do prompt. Para melhorar a entrada, o guia de como dar contexto a uma IA cobre entrada, tarefa e formato; para o processo amplo de revisão, existe um procedimento em 6 passos já publicado. Este artigo faz uma pergunta só: a resposta sobrevive à verificação?
O que conferir primeiro
Três famílias de erro concentram quase todo o dano prático: número errado, fonte que não existe e afirmação vencida. Comece por elas porque são baratas de testar e derrubam a resposta sozinhas. Um valor incorreto em uma proposta ou uma citação que aponta para um documento inexistente invalida o texto inteiro, mesmo que o restante esteja impecável. Estilo, tom e formatação vêm por último; ninguém perdeu credibilidade por uma vírgula, mas muitos perderam por um percentual inventado.
| Tipo de risco | Sinal na resposta | Checagem rápida |
|---|---|---|
| Número suspeito | valores, percentuais e quantidades citados com precisão que ninguém pediu | refazer o cálculo ou abrir a origem que comprova o número |
| Fonte fantasma | link morto, estudo sem título, autor genérico | buscar o título exato no site original antes de citar qualquer coisa |
| Afirmação vencida | regra, preço ou limite de produto sem data de referência | abrir a documentação oficial vigente no dia do uso |
| Escopo esticado | conclusão geral construída a partir de um caso único | perguntar qual dado concreto sustenta a generalização |
| Contradição interna | passos do texto que se anulam entre si | reler só os encadeamentos lógicos, ignorando o estilo |
Checklist de 7 checagens
- Conferir cada número na origem. Todo valor que vai circular com o seu nome precisa de uma fonte que você abriu. Se a IA informou um custo, um prazo ou uma margem, recalcule ou localize o documento que traz o número exato; sem isso, o número sai do texto.
- Abrir cada fonte citada. Link que não carrega, título de estudo que não aparece em busca nenhuma e autor sem sobrenome são sinais de referência fabricada. Uma resposta sem fonte verificável pode servir como rascunho de ideia, nunca como evidência.
- Datar a afirmação. Regras de plataforma, preços e limites de plano mudam com frequência. Exija da resposta o período de validade e confirme na página oficial do produto; uma regra verdadeira em 2024 pode estar errada hoje.
- Testar a lógica interna. Leia apenas os encadeamentos: a conclusão decorre das premissas apresentadas? Se a resposta afirma A, depois B, e conclui algo que exige não-A, o problema não é detalhe, é estrutura.
- Delimitar o escopo. Verifique se a resposta vale para o seu caso ou apenas para o exemplo que você deu. Modelos generalizam a partir de amostras mínimas; cabe a você separar o que é regra do que foi ilustração.
- Verificar direitos e dados. Confirme se o uso do texto, da imagem ou do dado de terceiro é permitido no seu contexto, e confira se a resposta não expôs informação confidencial que você não deveria ter colado no chat.
- Fazer a conferência humana final. A última checagem é sua: releia o trecho que será efetivamente usado, não a resposta inteira. É o passo que transforma material bruto em material publicável.
Como avaliar com critérios
Revisar sem critério vira disputa de opinião. A documentação da Anthropic orienta definir critérios de sucesso claros e formas de teste empírico antes de qualquer trabalho de engenharia de prompt; a mesma disciplina serve para aceitar uma resposta pronta. Decida antes o que conta como aprovado, com precisão mínima aceitável, fontes verificáveis e formato exato, e teste a resposta contra essa régua, não contra a impressão de que o texto parece bom. Texto fluido não é evidência de correção.
Quando a tarefa envolve documentos próprios ou dados internos, o padrão retrieval-augmented generation (RAG) é uma abordagem padrão do setor para processar dados específicos ou proprietários que o modelo ainda não conhece, e o guia de arquitetura da Microsoft recomenda avaliar cada etapa do processo de forma independente antes de julgar o resultado final. Traduzido para o dia a dia: não confie só na última frase da resposta, confira a cadeia que a produziu. A referência completa está em Design and develop a RAG solution, da Microsoft, e em Prompt engineering overview, da Anthropic.
Exemplo fictício conferido passo a passo
Exemplo ilustrativo e fictício, construído aqui só para mostrar o método; não é um caso real medido nem estatística de mercado. Cenário hipotético: você pede a uma IA um resumo com o prazo de um benefício e o valor mínimo para aderir, para usar em uma comunicação interna. A resposta chega com dois números e um link. Aplicando as checagens: no passo 1, o prazo informado não bate com a página oficial, que você abre e compara; no passo 2, o link citado não existe na fonte declarada; no passo 3, a regra citada estava vigente no ano anterior e já foi substituída. Resultado conferido dentro do exemplo: duas das sete checagens falharam e a resposta foi descartada, com novo pedido restrito à página oficial como fonte única. O método, e não a sorte com o prompt, decidiu.
Erros comuns na verificação
O erro mais frequente é confundir fluência com correção: quanto melhor escrito, maior a tentação de pular a checagem. O segundo é aceitar fonte secundária como se fosse primária, citando quem citou, em vez de quem publicou. O terceiro é verificar só o primeiro parágrafo e deixar o resto passar, exatamente onde erros de escopo e de lógica costumam se esconder. E o quarto, o mais caro: reescrever a resposta em vez de verificá-la, gastando tempo no estilo de um texto cujos fatos ainda não foram confirmados. Verifique primeiro, edite depois.