Solicitar ao ChatGPT uma síntese sobre a Guerra Colonial portuguesa parece um atalho inofensivo. O texto chega redigido de forma clara, com datas, nomes de generais e descrição de batalhas. A questão é que algumas dessas batalhas jamais ocorreram.
Foi exatamente o que um consórcio internacional de investigadores documentou em 2026, ao testar de maneira sistemática como modelos de linguagem respondem a perguntas históricas. Esse tipo de limitação também reforça a relevância da humanizing AI em processos de produção e revisão de conteúdo.
O fenômeno técnico possui nome: alucinação. Um modelo treinado para prever a próxima palavra plausível não verifica fatos, ele constrói narrativas convincentes. Em história, onde a plausibilidade narrativa é elevada mesmo com dados inventados, o erro torna-se especialmente difícil de detectar.
Três padrões de erro que se repetem
O estudo português publicado no Distrito Online catalogou três padrões recorrentes nas respostas do ChatGPT sobre temas históricos:
- Criação de eventos inexistentes. Batalhas que nunca aconteceram, documentários jamais produzidos, tratados fictícios — apresentados com a mesma segurança de um fato real.
- Distorções cronológicas. Datas trocadas, séculos deslocados, ou simplesmente omitidas da resposta sem qualquer aviso.
- Omissões relevantes. Eventos centrais para a compreensão do contexto desaparecem da narrativa, deixando o leitor com um quadro incompleto sem que ele perceba.
Há um agravante curioso: as respostas variam conforme o idioma da pergunta. Indagar 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.
Por que o texto soa tão confiável
A escrita gerada por IA não tem tom de suposição. Ela carrega cadência editorial, vocabulário técnico e construção lógica. Para quem está iniciando uma graduação ou elaborando o primeiro trabalho de pesquisa, a barreira de desconfiança é baixa.
Pesquisas indicam que cerca de 80% dos estudantes universitários já utilizam IA generativa no dia a dia, enquanto a maioria das instituições ainda não estabeleceu 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 usá-la com método. Algumas práticas vêm sendo recomendadas tanto por veículos de verificação 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, confira 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-o 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 apenas 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 o 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.
