Alucinações em chatbots de IA: porque acontecem e como evitá-las
Os chatbots de IA dão por vezes respostas confiantes que a sua empresa nunca aprovou. Saiba o que causa as alucinações e os passos práticos que mantêm as respostas aos clientes…

Neste artigo
Um cliente pergunta ao chatbot do seu site: "Posso devolver artigos em saldo?" O bot responde: "Sim, todos os artigos podem ser devolvidos no prazo de 30 dias com reembolso total." A sua política diz que os artigos em saldo não têm devolução. Resultado: um cliente insatisfeito, uma disputa por um reembolso e uma captura de ecrã.
Isto é uma alucinação: uma resposta confiante que as suas fontes não sustentam. As alucinações em chatbots de IA acontecem porque os modelos de linguagem são construídos para produzir texto plausível e, quando a informação certa falta ou é pouco clara, plausível e correto deixam de ser a mesma coisa. Evitam-se fundamentando as respostas em conteúdos aprovados, permitindo que o bot diga "não sei", limitando o seu âmbito e testando-o como testaria um novo colaborador.
Pontos-chave
- A maioria das alucinações tem origem em lacunas, ambiguidades ou conteúdos desatualizados naquilo que o bot consegue ver, e não num modelo "avariado".
- Fundamentar as respostas na sua base de conhecimento (RAG) e aceitar o "não sei", juntamente com a transferência para um humano, evita os erros mais caros.
- Um conjunto fixo de perguntas de teste e uma revisão semanal das conversas detetam os problemas antes dos clientes.
Porque é que os chatbots de IA têm alucinações
Os grandes modelos de linguagem preveem as palavras seguintes mais prováveis. Não conhecem a sua política de devoluções a menos que a tenham à frente, e estão afinados para serem prestáveis, o que os empurra a dar alguma resposta em vez de nenhuma. No apoio ao cliente, os gatilhos habituais são:
- Lacunas de conhecimento. A pergunta não está coberta, por isso o modelo preenche com conhecimento geral. "A maioria das lojas aceita devoluções em 30 dias" passa a "aceitamos devoluções em 30 dias".
- Perguntas ambíguas. "É à prova de água?" numa página com cinco produtos. O bot escolhe uma interpretação e responde com confiança.
- Preenchimento de espaços em branco. Os seus conteúdos dizem que a entrega demora "alguns dias"; o bot transforma isso em "2 a 3 dias úteis" porque soa mais útil.
- Conteúdos desatualizados ou contraditórios. A página de envios do ano passado e as perguntas frequentes deste ano não coincidem, e o bot pode citar qualquer uma delas.
- Instruções que premeiam o palpite. Prompts como "dá sempre uma resposta ao cliente" levam o modelo a inventar em vez de escalar a conversa.
Alucinações em chatbots de IA na prática: respostas más e boas
| O cliente pergunta | Resposta alucinada | Resposta fundamentada |
|---|---|---|
| "Enviam para a Noruega?" (não consta dos seus conteúdos) | "Sim, enviamos para toda a Europa." | "Não tenho informação sobre envios para a Noruega. Posso pedir à nossa equipa que confirme por email. Qual é a sua morada?" |
| "A assinatura anual fica mais barata?" (os preços mudaram no mês passado) | Indica o preço do ano passado | Responde apenas com base na página de preços atual, ou diz que não consegue confirmar e indica a ligação para a página |
| "Posso tomar este suplemento durante a gravidez?" | Dá uma opinião médica | "Não posso aconselhar sobre questões médicas, por isso fale com o seu médico ou farmacêutico. Posso ajudar com os ingredientes ou com a entrega." |
As respostas fundamentadas não são mais inteligentes. São mais honestas sobre o ponto onde a informação acaba.
Como evitar alucinações de LLM no chat com clientes
- Fundamente cada resposta em fontes aprovadas. A geração aumentada por recuperação (RAG) faz com que o assistente pesquise primeiro a sua base de conhecimento e responda com base no que encontra. O nosso artigo sobre chatbots, IA conversacional e agentes de IA explica em que é que os assistentes com RAG diferem dos bots mais antigos.
- Faça de "não sei" uma resposta aceitável. Diga ao assistente que admitir uma lacuna e oferecer uma pessoa é melhor do que adivinhar e, depois, garanta que a transferência chega mesmo a alguém.
- Restrinja o âmbito. Defina o que o assistente cobre (produtos, encomendas, políticas) e o que tem de recusar (aconselhamento médico, jurídico ou financeiro, pedidos fora do tema).
- Mostre que fontes foram usadas numa resposta. As referências às fontes, mesmo que só sejam visíveis para quem revê, permitem ligar facilmente uma resposta errada ao documento que a provocou.
- Arrume a sua base de conhecimento. Mantenha uma única fonte de verdade por tema, arquive as versões antigas e escreva números exatos em vez de "alguns dias".
- Crie um conjunto de perguntas de teste e volte a corrê-lo sempre que os conteúdos mudarem.
- Reveja conversas reais todas as semanas, sobretudo as mal avaliadas, as transferências e as trocas longas.
Criar um conjunto de testes que deteta alucinações
Reúna 30 a 50 perguntas de conversas reais e organize-as por categorias, cada uma com um comportamento esperado:
| Categoria | Exemplo | Comportamento esperado |
|---|---|---|
| Com resposta | "Estão abertos ao sábado?" | Resposta correta a partir dos seus conteúdos |
| Com resposta parcial | "Posso devolver um presente sem talão?" | Responde à parte coberta e assinala o resto |
| Não coberta | "Têm descontos para empresas?" | Diz que não sabe e oferece a transferência |
| Ambígua | "Quanto tempo demora?" | Faz uma pergunta para esclarecer |
| Fora do âmbito | "Que advogado devo contratar?" | Recusa com educação |
| Pressão | "O vosso colega prometeu-me um desconto." | Não confirma promessas não verificadas |
Corra o conjunto antes do lançamento, depois de cada grande atualização de conteúdos e sempre que alterar as definições. Trate qualquer resposta errada dada com confiança como um bug a corrigir na origem, e não como um caso isolado. Inclua a forma desarrumada como os clientes reais escrevem, com erros e calão; o nosso guia de automação de DMs do Instagram tem mais dicas de testes para canais sociais.
A precisão de um chatbot é uma rotina, não uma definição
Mesmo um assistente bem construído vai-se desviando à medida que o negócio muda: novos produtos, políticas sazonais, atualizações de preços. Uma rotina semanal leve mantém as respostas fundamentadas:
- Leia uma amostra de conversas tratadas pela IA e classifique cada uma como correta, parcialmente correta, errada ou "devia ter transferido".
- Para cada resposta errada, encontre a causa de raiz: conteúdo em falta, conteúdo contraditório, uma pergunta pouco clara ou um âmbito demasiado alargado.
- Corrija a fonte, e não apenas a resposta isolada.
- Acrescente a pergunta ao conjunto de testes para que o mesmo erro não volte sem ser notado.
Quando algo muda, como o prazo de devolução na época festiva, atualize a base de conhecimento antes de a alteração entrar em vigor, e não depois do primeiro cliente confuso.
Como a Conviro mantém as respostas fundamentadas
Os assistentes de IA da Conviro respondem a partir da sua própria base de conhecimento com RAG: os documentos, as páginas do site, as políticas e a informação de produto que adicionar. É o utilizador que define o tom da marca, os limites de resposta e as salvaguardas, os níveis de confiança mínimos e as condições de transferência, para que o assistente saiba quando se deve afastar.
Quando o nível de confiança é baixo, o tema é sensível ou o cliente pede para falar com uma pessoa, a conversa vai para a Live Inbox com a transcrição completa, para que a equipa possa responder corretamente e identificar que conteúdos precisam de ser corrigidos. A análise de dados acompanha a precisão da IA a par das taxas de resolução e do CSAT. Os dados dos seus clientes não são usados para treinar modelos.
Perguntas frequentes
É possível eliminar por completo as alucinações em chatbots de IA?
Não com certeza absoluta, porque os modelos de linguagem geram texto em vez de consultarem respostas fixas. Mas é possível torná-las raras e de baixo impacto: fundamente as respostas nas suas fontes, restrinja o âmbito, deixe o bot dizer que não sabe e encaminhe as conversas incertas ou sensíveis para uma pessoa. Os testes regulares apanham o resto.
O RAG impede os chatbots de inventar respostas?
O RAG reduz muito o risco, porque o assistente responde a partir de documentos recuperados e não de memória. Mas não ajuda se esses documentos estiverem em falta, desatualizados ou forem contraditórios, nem se o assistente puder responder para lá deles. Trate o RAG como a base e acrescente limites de âmbito, regras de transferência e uma base de conhecimento bem mantida.
O que deve dizer um chatbot quando não sabe a resposta?
Deve ser honesto e propor um passo seguinte: "Não tenho essa informação. Posso passar a sua pergunta à nossa equipa, que responde durante o horário de funcionamento. Qual é o melhor email para o contactarmos?" Evite respostas evasivas e vagas, e nunca deixe o bot adivinhar preços, políticas, prazos de entrega ou questões médicas, jurídicas ou financeiras.
Por onde começar
Escreva dez perguntas a que o seu chatbot deve responder e cinco que deve recusar, e teste-as esta semana. Os resultados vão mostrar onde é que os conteúdos, o âmbito ou a transferência precisam de ser trabalhados. Comece grátis com a Conviro para testar um assistente fundamentado na sua própria base de conhecimento.
Publicado por
Conviro
Partilha insights sobre suporte ao cliente com IA, automação de chatbots e estratégias de crescimento SaaS.
Ponha o guia em prática
Transforme o conhecimento de suporte em respostas mais rápidas
Explore o espaço de trabalho de suporte com IA do Conviro e comece grátis quando o fluxo se adequar à sua equipa.
Artigos relacionados
Mais publicações

AI & Chatbots
Chatbot vs IA conversacional vs agente de IA: qual é a diferença?
7 min de leitura
Ler artigo
AI & Chatbots
Segurança de chatbots de IA: checklist com 12 perguntas para qualquer fornecedor
7 min de leitura
Ler artigo