Nem todo erro da IA sobre uma marca é alucinação, e diagnosticar a causa certa é o que separa uma resposta eficaz de um esforço perdido. Quando o ChatGPT diz que a sua empresa fechou, inventa um sócio que não existe ou descreve um serviço que você nunca ofereceu, o erro nasce de uma de três origens: dado de treino desatualizado, fonte de terceiros incorreta ou alucinação pura. Cada causa pede uma ação diferente, e algumas ações dependem só de você, enquanto outras não estão no seu controle. Este artigo é o protocolo para o momento em que o estrago já apareceu.
Se o que você procura é prevenção, o caminho é outro: o guia de como proteger a reputação da marca nas IAs cobre o trabalho de base. Aqui o assunto é triagem e correção.
Por que o ChatGPT dá informações erradas sobre a minha empresa?
Porque um modelo de linguagem não consulta um cadastro oficial sobre a sua marca. Ele gera texto a partir de duas matérias-primas: o que aprendeu durante o treinamento (uma fotografia da web com data de corte) e, quando a busca está ativa, o que encontra em páginas públicas no momento da pergunta. A diferença entre essas duas vias está detalhada em dados de treino versus busca na web, e ela importa aqui porque cada via produz um tipo de erro diferente.
A triagem começa com uma pergunta: de onde saiu essa informação? A tabela resume os três cenários.
| Causa | Sinal típico | Ação principal |
|---|---|---|
| Dado de treino desatualizado | A informação já foi verdadeira (endereço antigo, sócio que saiu, serviço descontinuado) | Publicar a versão atual nas fontes que a IA lê |
| Fonte de terceiros incorreta | A resposta cita ou repete uma página específica com o erro | Corrigir na origem |
| Alucinação pura | A informação nunca existiu e não aparece em lugar nenhum | Reportar ao provedor e fortalecer o corpus de defesa |
Para descobrir em qual cenário você está, faça a mesma pergunta ao modelo com a busca na web ativada e veja as fontes citadas. Se uma página com o erro aparece na citação, o caso é de fonte incorreta. Se nada na web sustenta a afirmação, você está diante de treino desatualizado ou de alucinação, e o teste do "já foi verdade um dia?" separa os dois.
O que fazer quando a IA repete uma informação desatualizada?
Esse é o primeiro cenário da tabela, o mais comum e o menos dramático. O modelo foi treinado sobre textos coletados até uma certa data, e a sua empresa continuou existindo depois dela: mudou de endereço, trocou de posicionamento, descontinuou um produto. A IA não mente; ela repete uma fotografia velha.
A ação aqui é alimentar a web com a versão atual, nos lugares que os modelos leem. O seu próprio site vem primeiro: a informação correta precisa estar explícita, em texto rastreável, nas páginas que descrevem a empresa. Depois vêm os pontos de presença que os modelos tratam como referência sobre negócios: perfis em diretórios do seu setor, cadastros em plataformas de avaliação, imprensa e portais que falam do seu mercado.
Esse conjunto de fontes corretas e consistentes sobre a marca tem nome: corpus de defesa. Quanto mais denso ele é, menor o espaço para a versão antiga sobreviver, porque tanto o retreinamento futuro quanto a busca em tempo real vão encontrar a história atual contada em vários lugares que se confirmam.
Um detalhe que poupa frustração: publicar a correção hoje não muda o que está nos dados de treino de um modelo já lançado. O que muda de imediato é a resposta com busca ativada, que consulta a web na hora. A versão sem busca só atualiza quando o provedor treinar e lançar um modelo novo.
O que fazer quando a IA repete uma fonte errada de terceiros?
No segundo cenário, o modelo funciona exatamente como projetado, e o problema mora em outro lugar: uma página da web diz algo incorreto sobre a sua empresa, e a resposta da IA herda o erro. Esse mecanismo de ancorar a resposta em páginas reais é o grounding, e ele é uma faca de dois gumes: melhora a precisão média das respostas, mas dá alcance novo a qualquer erro publicado sobre você.
A vantagem desse cenário é que ele deixa rastro. Com a busca ativada, a resposta costuma citar as fontes, e a página problemática aparece ali. Encontrou? A ação é na origem, não no modelo:
- Portal de notícias ou blog: peça correção diretamente ao veículo. Erros factuais simples (data, número, nome) costumam ser corrigidos quando o pedido vem documentado.
- Diretório, marketplace ou plataforma de avaliações: reivindique o perfil da empresa, se ainda não fez, e atualize os dados cadastrais pelo canal oficial da plataforma.
- Site abandonado ou de terceiros sem canal de contato: nem sempre dá para corrigir. Nesses casos, a estratégia muda para soterrar: publicar a informação correta em fontes mais fortes e mais recentes, para que a página errada perca relevância relativa na seleção de fontes.
Corrigida a origem, o efeito não é instantâneo. A página precisa ser rastreada de novo antes de a resposta mudar, o que costuma levar de dias a semanas. Guarde a data da correção: ela vira o marco do seu reteste.
O que fazer quando a IA inventa algo que nunca existiu?
Resta a alucinação pura: o caso em que o modelo afirma algo sobre a sua marca que nunca foi verdade e não aparece em nenhuma fonte. um processo judicial inventado, uma fusão que não houve, um fundador fictício. A alucinação nasce da própria mecânica do modelo, que gera o texto mais provável mesmo quando não tem base factual para a pergunta.
O que está no seu controle:
- Reportar pelo canal do provedor. No ChatGPT, o botão de polegar para baixo na própria resposta abre um formulário de feedback. A OpenAI também mantém um formulário público de feedback sobre o modelo e documenta os canais de denúncia de conteúdo na sua central de ajuda. Relate o erro com o prompt exato e a resposta recebida.
- Fortalecer o corpus de defesa. Alucinação prospera no vácuo. Quando existe pouca informação pública sobre uma marca, o modelo tem menos material para ancorar a resposta e mais espaço para inventar. Conteúdo factual, claro e distribuído sobre a empresa reduz esse vácuo.
- Registrar tudo. Prompt, data, modelo, captura de tela. Se o caso escalar (juridicamente ou em imprensa), a documentação feita na hora vale muito mais do que a reconstituição depois.
O que não está no seu controle: forçar a correção. O feedback alimenta os processos de melhoria do provedor, mas nenhum deles documenta prazo ou garantia de ajuste para casos individuais. Tratar o report como protocolo (feito, documentado, monitorado) protege a sua energia; tratar como botão mágico só gera frustração.
Esse trabalho todo de vigiar e corrigir como a marca aparece nas respostas tem nome no mercado: segurança de marca, ou brand safety. Não é paranoia, é manutenção.
Como saber se a correção surtiu efeito?
Repetindo o teste, com método. Uma resposta de IA não é determinística: a mesma pergunta pode sair diferente em duas execuções seguidas, sem que nada tenha mudado no mundo. Um teste único, antes ou depois da correção, prova pouco. O que revela tendência é a repetição.
O protocolo mínimo cabe numa planilha:
- Registre o erro original: prompt exato, resposta, modelo, data, com e sem busca na web.
- Execute as ações da causa diagnosticada (correção na fonte, publicação do conteúdo atual, report ao provedor).
- Reteste a mesma pergunta algumas vezes por semana, nas mesmas condições, e anote se o erro aparece, sumiu ou mudou de forma.
- Avalie por frequência, não por foto: o erro que aparecia em toda resposta e passou a aparecer numa a cada cinco está em queda. Esse movimento, e não uma resposta isolada, é o sinal de que a correção pegou.
Marcas com presença pequena na web tendem a sofrer mais com os três tipos de erro ao mesmo tempo, porque há pouco material correto competindo com o incorreto. Se esse é o seu caso, o problema de fundo é visibilidade, e o artigo sobre por que a sua marca some do ChatGPT explica essa mecânica.
Fazer esse acompanhamento na mão funciona para um erro pontual. Para vigiar a marca de forma contínua, a Promptis automatiza o ciclo: roda as perguntas do seu mercado contra a IA em ciclos regulares, registra como a sua empresa aparece em cada resposta e mostra a evolução ao longo do tempo, incluindo o sentimento das menções. O erro que você corrigiu hoje ganha um histórico que mostra se ele realmente morreu ou se voltou na semana seguinte.
