O que é confabulação de IA — e por que sua marca deveria se importar

Confabulação de IA é o fenômeno em que um modelo de linguagem, ao falar de uma entidade real — sua empresa, seu produto, seu fundador —, preenche o que não sabe com fatos plausíveis e falsos, apresentados com a mesma fluência e a mesma confiança dos fatos verdadeiros. Não é um defeito raro: é um comportamento estrutural dos modelos atuais. E quando o assunto é a sua marca, ele tem nome, endereço e consequência.

Alucinação é o gênero; confabulação é a espécie que atinge marcas

"Alucinação" virou termo guarda-chuva para qualquer saída falsa de um modelo: a citação acadêmica que não existe, o precedente jurídico inventado, a função de biblioteca que nunca foi escrita. O termo é útil, mas largo demais para quem gerencia reputação. Confabulação — palavra emprestada da neuropsicologia, onde descreve o paciente que preenche lacunas de memória com narrativas coerentes, sem intenção de enganar — nomeia o caso específico: o modelo fala de algo que existe e completa as lacunas com material inventado que soa certo.

A distinção técnica importa por três razões:

• Alvo real: a alucinação genérica cria coisas do nada; a confabulação distorce algo que existe — e o dano recai sobre quem existe
• Plausibilidade: o material inventado é estatisticamente verossímil — um preço razoável para o setor, um produto que a empresa "poderia" ter — e por isso não dispara desconfiança no leitor
• Indetectável sem referência: só percebe a invenção quem conhece os fatos reais. O cliente em fase de pesquisa, por definição, não conhece

Mecanicamente, não há mistério nem má-fé: um modelo de linguagem gera a continuação mais provável do contexto, e não tem um mecanismo interno confiável para distinguir "isso estava nos meus dados" de "isso é uma continuação plausível". Quando o material sobre uma marca é escasso, a continuação plausível assume o lugar do fato — com a mesma sintaxe segura de sempre.

Como isso aparece na prática

Os padrões que mais vemos, em exemplos anonimizados de marcas reais que monitoramos: uma linha de produtos que a empresa nunca teve, descrita em detalhe; um modelo de cobrança que ela nunca praticou, com faixa de preço e tudo; e a identidade herdada — o engine descrevendo a empresa que usava aquele domínio anos antes, como se nada tivesse mudado. Em todos os casos o texto é fluente, específico e escrito no tom de quem sabe.

Os números do nosso laboratório

Para sair do anedótico, medimos. Em 07/08/2026, nosso laboratório classificou 458 execuções de prompts sobre duas marcas reais, seguindo a metodologia do nosso ADR-031 — cada resposta avaliada individualmente contra uma base de fatos verificados. O recorte de confabulação:

Nas perguntas de categoria — as que pedem recomendação sem citar marca — o resultado foi 0% de citação para as duas. Ou seja: onde as marcas precisariam aparecer, silêncio; onde aparecem, de um terço a dois terços do que se afirma é invenção. Cada resposta dessas medições gera evidência com hash SHA-256, verificável publicamente em genopt.ai/verify — você não precisa acreditar na nossa palavra, pode conferir o registro.

Duas marcas são duas marcas: tratamos esses números como retrato do nosso laboratório, não como estatística de mercado. Mas o retrato basta para o ponto deste post: confabulação sobre marca não é hipótese teórica — é o que os engines fizeram, de forma mensurável, com as duas marcas que olhamos de perto.

Por que sua marca deveria se importar

• A resposta da IA é primeira impressão: quem pesquisa antes de comprar recebe a versão do engine, não a sua
• Não deixa rastro: a resposta errada acontece na tela do cliente, sem visita, sem log, sem reclamação — o analytics não registra a venda que nunca começou
• O tom confiante desarma a checagem: pouca gente confere uma resposta que soa segura
• Não se corrige sozinha: sem fonte nova para o engine ler, a mesma invenção tende a se repetir a cada pergunta

O que dá para fazer

A resposta honesta tem três partes. Primeira: descubra o que os engines dizem hoje — pergunte, registre e compare com os fatos (publicamos um guia prático de verificação manual aqui no blog). Segunda: monte sua verdade fundamentada — a lista dos fatos verificáveis da empresa, com fontes e datas, porque sem referência não há como classificar o que é invenção. Terceira: publique esses fatos onde os engines leem — página institucional clara, dados estruturados, llms.txt — e meça de novo. Corrigir confabulação não é apertar um botão: é dar ao modelo material melhor do que a imaginação dele.

"A IA não decide mentir sobre a sua marca. Ela completa o que você deixou em branco — e completa com o que parecer plausível, não com o que é verdade."