Alucinação é a IA afirmando, com toda a confiança, algo que não existe — e no Direito ela tem endereço certo: o precedente inventado. O problema saiu da teoria: o banco de dados mundial que rastreia alucinações em peças processuais passou de 1.598 casos em junho de 2026, crescendo cerca de oito casos novos por dia — e no Brasil a conta já chegou a R$ 20 milhões de multa. A boa notícia: alucinação tem causa conhecida, números medidos e protocolo que funciona. Este guia junta os três — por que acontece, quanto cada modelo erra e o método que mantém a IA útil sem transferir o risco para o seu CPF.
Por que a IA inventa (a explicação honesta)
A causa é estrutural, e quem explicou foi a própria OpenAI, no artigo “Why Language Models Hallucinate” (set/2025): os modelos são treinados e avaliados como alunos diante de prova de múltipla escolha — chutar dá mais pontos que dizer “não sei” (OpenAI, arXiv). O modelo aprende que uma resposta confiante e errada é premiada; uma admissão de incerteza, punida. O resultado é uma máquina otimizada para parecer certa.
Junte a isso o mecanismo básico — o modelo gera o texto mais provável, não o mais verdadeiro — e o precedente falso deixa de ser mistério: “REsp 1.234.567, rel. Min. Fulano” é uma sequência estatisticamente perfeita. Ela só não existe.
A consequência prática que ninguém pode esquecer: alucinação não se elimina — se gerencia. Nem os produtos jurídicos pagos escaparam: o estudo de Stanford mediu 17% de alucinação no Lexis+ AI e mais de 33% no Westlaw AI-Assisted Research (Stanford HAI).
Os números de 2026, por modelo
O placar mais citado é o leaderboard da Vectara, que mede alucinação em resumo de documento com fonte fornecida — o cenário mais favorável possível (leaderboard, maio/2026):
Modelo | Taxa de alucinação (resumo com fonte) |
|---|---|
GPT-5.4-nano | 3,1% |
GPT-5.4 / Gemini 2.5 Pro | 7,0% |
Claude Haiku 4.5 | 9,8% |
Claude Sonnet 4.5 / Opus 4.7 | 12,0% |
Gemini 3 Pro (preview) | 13,6% |
Duas leituras honestas desses números. Primeira: são taxas do melhor cenário — com o documento na frente. Perguntando de memória (“qual o precedente sobre X?”), o erro dispara. Segunda, e contraintuitiva: em benchmarks mais difíceis, os modelos “de raciocínio” alucinam mais, não menos — raciocinar em cima de premissa inventada só produz inventividade mais elaborada.
E o dado de campo que fecha o quadro: no dia 31 de março de 2026, 17 decisões judiciais americanas num único dia anotaram suspeita de alucinação em peças (Volokh/Reason).
O acervo brasileiro (que nós acompanhamos caso a caso)
O Brasil montou, em dezoito meses, uma jurisprudência inteira sobre o tema:
TJPR, jun/2026: multa de R$ 20 milhões (2% de causa bilionária) por precedente inexistente do STJ (JOTA).
STJ, mai/2026: o ministro Rogério Schietti identificou um habeas corpus com 16 precedentes errados ou inventados — relator errado, órgão errado, decisão inexistente — e mandou oficiar a OAB (Conjur).
TSE: julgado inventado gera multa por má-fé independentemente de dolo — “foi a IA” não é defesa.
TJSC (fev/2025): multa de 10% do valor da causa + ofício à OAB — o caso que abriu a série.
TRT-8 (2026): R$ 84 mil pelo primo da alucinação, o prompt injection — comando oculto na petição para manipular a IA do tribunal.
A resposta institucional: a OAB-GO criou programa disciplinar específico (retratação + treinamento obrigatório para quem usa “alucinação” em peça), e o Conselho Federal lançou o OperDetector, ferramenta gratuita para identificar conteúdo de IA em peças (jul/2026).
O padrão dos casos é constrangedoramente uniforme: ninguém foi punido por usar IA — todos foram punidos por não conferir.
O protocolo que funciona (6 regras)
1. Jurisprudência não sai de IA generalista. Ponto. Nem do melhor modelo, nem com o melhor prompt. Julgado se pesquisa na base do tribunal e se lê antes de citar. As ferramentas jurídicas dedicadas reduzem o risco, mas não o zeram (17-33%, lembra?) — a conferência continua.
2. Trabalhe com a fonte na frente (grounding). A tabela da Vectara mostra o porquê: com o documento fornecido, o erro cai para um dígito. Suba o processo, o contrato, o acórdão — e mande a IA trabalhar sobre eles. É a lógica do corpus fechado que faz o NotebookLM errar 3× menos que os generalistas em documento jurídico.
3. Instrua o “não sei”. Uma linha no prompt — “se não tiver certeza, escreva ‘não tenho certeza’; se não constar no documento, escreva ‘não consta’” — ataca exatamente o vício de treino que a OpenAI descreveu: você muda a pontuação do jogo, premiando a honestidade. É a regra número 1 dos nossos prompts jurídicos.
4. Exija a citação clicável — e clique. Ferramenta que aponta o trecho (NotebookLM, modos de pesquisa com fonte) transforma conferência de caça em checagem de dois cliques. Link que não abre = afirmação que não existe.
5. Inverta o papel na revisão. Antes de protocolar, rode o texto numa segunda passada com outro chapéu: “Você é o revisor. Liste toda afirmação de fato ou citação deste texto que precisaria de fonte, e marque as que você não pode garantir.” A segunda leitura pega o que a primeira gerou com confiança.
6. O nome no protocolo responde. É a síntese da Recomendação 001/2024 da OAB — “a dependência excessiva de IA é inconsistente com a advocacia” — e de toda a jurisprudência acima: a máquina minuta, o humano responde. Dos dois lados do balcão, aliás: os tribunais que usam IA (MARIA, Galileu, Logos) operam sob a mesma regra de supervisão humana da Resolução CNJ 615/2025. Em 2026 a reação institucional virou infraestrutura: as OABs e o Jusbrasil lançaram uma plataforma de prevenção à manipulação de IAs, e a OAB pôs no ar o OpenDetector — o contexto completo, incluindo os casos de comando oculto em petições, está no nosso guia de prompt injection.
O resumo em uma frase: use a IA como estagiário brilhante e mitômano — aproveite a velocidade, confira cada afirmação. Método completo, com os fluxos de verificação prontos para o escritório, é o que ensinamos na Formação em Inteligência Artificial para o Mundo Jurídico.
