Alucinação de IA em 2026: veja os casos Air Canada e TJSC, entenda onde o erro nasce e monte um processo de verificação simples e barato para proteger o seu negócio digital hoje.
Alucinação de IA foi o que levou um passageiro canadense a pedir um desconto que a companhia aérea não oferecia, e foi a empresa que acabou condenada a responder pela promessa. O chatbot do site informou ao cliente, após a morte da avó dele, que ele poderia pedir o desconto de luto em até 90 dias depois da emissão da passagem. A informação estava errada, a política da empresa dizia outra coisa, e o caso foi parar em um tribunal.
A decisão, tomada em 14 de fevereiro de 2024 pelo Tribunal de Resolução Civil da Colúmbia Britânica, no caso Moffatt contra Air Canada, mudou a conversa sobre inteligência artificial em empresas. A pergunta deixou de ser “a IA é capaz de responder?” e passou a ser “quem responde quando ela erra?”. A resposta do tribunal foi direta: a empresa.
Este artigo parte desse caso e de outro, brasileiro e documentado pelo Tribunal de Justiça de Santa Catarina, para mostrar o que os dois têm em comum, onde a alucinação costuma aparecer no trabalho de um negócio digital e como montar, sem burocracia, um processo de verificação que cabe em qualquer equipe pequena.
O Caso Air Canada: Quando a Alucinação de IA Vira Responsabilidade da Empresa
Segundo o resumo publicado pela American Bar Association, o passageiro procurava uma passagem para Ontário depois do falecimento da avó e perguntou ao chatbot do site sobre o desconto para viagens por luto. O chatbot respondeu que o desconto existia e que o pedido podia ser feito em até 90 dias após a emissão do bilhete. A própria página da política, indicada pelo chatbot, dizia que a tarifa de luto não se aplicava a pedidos feitos depois da viagem.
Quando o passageiro pediu o reembolso, a companhia recusou. A defesa da empresa tinha dois argumentos: que a informação correta estava em outra página do site e que o chatbot seria uma entidade separada, responsável pelos próprios atos.
O tribunal rejeitou os dois. O chatbot foi tratado como parte do site da empresa, e a empresa respondeu por tudo o que foi publicado ali, em páginas fixas ou em respostas automáticas. Também considerou que o cliente não tinha obrigação de conferir o site inteiro para saber qual informação estava certa, e que a companhia não tomou o cuidado razoável para garantir a precisão do chatbot.
O valor foi pequeno, cerca de 650 dólares canadenses em danos, além de juros e custas, segundo o resumo. A própria American Bar Association faz uma ressalva importante: foi uma decisão de um tribunal administrativo, não de um tribunal judicial. O peso do caso está no raciocínio, e não na quantia.
O Segundo Caso: O Recurso com Jurisprudência Inexistente no TJSC
O caso brasileiro é de outra natureza, mas mostra o mesmo mecanismo. Em notícia publicada em 18 de fevereiro de 2025, o Tribunal de Justiça de Santa Catarina informou que a 6ª Câmara Civil multou o autor de um recurso por litigância de má-fé, porque o documento trazia jurisprudências e doutrinas que não existiam ou estavam citadas de forma errada.
O advogado admitiu ter usado o ChatGPT e alegou que o erro foi um “uso inadvertido” da ferramenta. A multa foi de 10% sobre o valor atualizado da causa, a decisão foi unânime e a câmara determinou a comunicação do caso à OAB de Santa Catarina para análise.
O relator destacou a gravidade da conduta, por poder induzir o Judiciário ao erro, e afirmou que a inteligência artificial deve ser usada com “cautela e parcimônia”. Notícias publicadas por outros veículos jurídicos indicam que casos parecidos já apareceram em outros tribunais brasileiros, como o TJPR, o TRT de Mato Grosso e o TSE. Aqui, o foco fica no que o caso de Santa Catarina deixa registrado.
O Que Esses Dois Casos Têm em Comum
À primeira vista, um chatbot de companhia aérea e um recurso judicial parecem situações sem relação. O que os une é a estrutura do erro.
Nos dois casos, a ferramenta produziu um texto que soava correto, e alguém tratou esse texto como fato sem conferir. No primeiro, o erro chegou ao cliente sem nenhuma revisão humana no caminho. No segundo, passou por uma pessoa que tinha o dever de verificar e não verificou.
Nos dois casos, o prejuízo não nasceu da IA errar, e sim de ninguém ter montado um ponto de verificação entre o erro e a consequência. É essa a lição que serve para qualquer negócio digital, grande ou pequeno.
Leitura editorial: a discussão sobre IA costuma se concentrar em qual ferramenta erra menos. Os dois casos sugerem que a pergunta mais útil para uma empresa é outra: qual parte do meu trabalho passa pela IA sem que ninguém confira? A resposta a essa pergunta define o risco, mais do que a escolha do modelo.
O Que É Alucinação de IA, em Linguagem Simples
Alucinação de IA é quando um sistema de inteligência artificial gera uma informação que parece plausível, bem escrita e confiante, mas que é falsa, inventada ou impossível de comprovar. Pode ser um número que não existe, uma lei que ninguém aprovou, um estudo que nunca foi publicado, um link que não leva a lugar nenhum ou uma política de empresa que nunca foi criada.
O ponto que confunde muita gente é o tom. Um texto errado gerado por IA raramente parece errado. Ele vem com estrutura, vocabulário técnico e segurança, e isso é justamente o que faz o leitor baixar a guarda. No caso da Air Canada, o chatbot não hesitou nem sinalizou dúvida: afirmou a regra errada com a mesma firmeza com que afirmaria a correta.
Por que isso acontece, sem entrar em teoria demais
Modelos de linguagem funcionam prevendo a continuação mais provável de um texto, e não consultando um banco de fatos verificados. Quando falta informação, o modelo pode completar a lacuna com algo que soa coerente. Por isso o erro não é um defeito raro de uma ferramenta específica, e sim uma característica do funcionamento que exige um processo de conferência do lado de quem usa.
Onde a Alucinação de IA Costuma Aparecer no Dia a Dia de um Negócio Digital
Leitura editorial: os pontos abaixo reúnem situações típicas de quem usa IA no trabalho. Não são estatísticas, e sim uma lista de lugares onde vale olhar com mais atenção.
Números, datas e percentuais
Um relatório, um post ou uma proposta com um percentual de mercado ou uma data de lançamento gerados pela IA pode circular por semanas sem que ninguém perceba que o número não tem origem. Dado numérico sem fonte conferida é o tipo de erro mais fácil de passar despercebido e mais caro de corrigir depois de publicado.
Citações, leis e decisões
É o território do caso de Santa Catarina. Qualquer referência a lei, norma, decisão judicial, estudo ou autor precisa ser localizada na fonte original antes de ser usada. Se a referência não for encontrada, ela deve ser tratada como inexistente.
Políticas, preços e condições da própria empresa
É o território do caso Air Canada. Quando a IA responde clientes, ela precisa estar ligada ao que a empresa de fato oferece. Uma resposta que se afasta da política real, por menor que seja, cria uma expectativa que o cliente pode cobrar.
Links e fontes
Modelos podem gerar endereços que parecem reais e não existem, ou atribuir a uma fonte conhecida algo que ela nunca disse. Todo link e toda atribuição precisam ser abertos e lidos antes da publicação.
Código e automações
Um trecho de código ou uma regra de automação gerada por IA pode parecer funcionar e falhar em um caso específico. Testar com dados reais, em ambiente separado, evita que o erro chegue ao cliente.
Ponto de Virada 1: Separe as Tarefas por Nível de Risco
O primeiro passo para controlar a alucinação não é desconfiar da IA em tudo. É decidir onde a desconfiança precisa ser máxima.
A decisão que organiza o resto é classificar cada uso da IA em risco baixo, médio ou alto, conforme o dano que um erro causaria. Um rascunho de título para redes sociais é risco baixo: se estiver ruim, você descarta. Um resumo interno de reunião é risco médio: um erro pode confundir a equipe. Uma resposta a cliente sobre preço, prazo ou política, ou um texto com citação legal, é risco alto: um erro vira obrigação ou penalidade.
Como fazer a classificação na prática
Liste os usos de IA da sua equipe em uma tabela simples, com três colunas: tarefa, quem recebe o resultado e o que acontece se estiver errado. Se o resultado sai da empresa, ou se envolve dinheiro, lei, saúde ou promessa, suba o nível de risco. A tabela leva meia hora para fazer e vira o guia de onde a revisão humana é obrigatória.
Para equipes que ainda não têm clareza sobre quais ferramentas estão sendo usadas, o primeiro passo costuma ser mapear o uso real, tema que aprofundamos no artigo sobre Shadow AI.
Ponto de Virada 2: Monte um Processo de Verificação em Três Camadas
Leitura editorial: o processo abaixo é uma proposta prática, montada a partir da lógica dos dois casos, e não um padrão oficial. Ele foi pensado para equipes pequenas, sem departamento jurídico ou de qualidade.
Camada 1: Verificar a origem
Para cada informação factual gerada pela IA, localize a fonte original. Se a IA citou um estudo, abra o estudo. Se citou uma lei, procure o texto da lei em um site oficial. Se citou um número, encontre quem o publicou e em que data. Informação sem fonte localizável entra no texto apenas como hipótese, nunca como fato.
Camada 2: Revisão humana nos usos de risco alto
Defina que nenhum conteúdo de risco alto sai sem a aprovação de uma pessoa nomeada. Nomear a pessoa importa: quando a responsabilidade é de “todo mundo”, ela costuma ser de ninguém. No caso de Santa Catarina, o advogado era a pessoa responsável, e foi ele quem respondeu pela falha.
Camada 3: Registro
Mantenha um registro curto de quais usos de IA existem, quem aprova cada um e quando foi a última revisão. O registro não precisa ser sofisticado. Uma planilha compartilhada resolve. Ele serve para duas coisas: mostrar que existe cuidado razoável, termo que apareceu na decisão do caso Air Canada, e permitir corrigir rápido quando um erro for encontrado.
Como Aplicar o Processo em Chatbots e Atendimento ao Cliente
O caso Air Canada é, antes de tudo, um caso de atendimento. Se o seu negócio usa ou pretende usar um chatbot, vale seguir alguns cuidados inspirados na própria decisão.
Trate qualquer resposta do chatbot sobre preço, prazo, reembolso ou garantia como uma promessa da empresa, porque foi assim que o tribunal a tratou. A técnica que ancora as respostas nos documentos que a empresa autorizou é o RAG, tema do nosso checklist de RAG para negócios. Aqui, o ponto é a decisão de gestão: se a pergunta fugir do que está documentado, o chatbot deve encaminhar para uma pessoa em vez de arriscar uma resposta.
Mantenha as políticas atualizadas e coerentes em todo o site. A defesa da Air Canada, de que a resposta certa estava em outra página, não funcionou. Se duas páginas dizem coisas diferentes, o cliente pode escolher a que mais lhe favorece.
Teste o chatbot periodicamente, fazendo as perguntas mais sensíveis do seu negócio e conferindo as respostas. Quem quer entender como estruturar o atendimento com IA do início ao fim encontra o passo a passo em nosso guia de IA para atendimento ao cliente, e quem vai montar o próprio assistente pode seguir o roteiro de como criar um chatbot com IA.
Como Aplicar o Processo em Conteúdo, Pesquisa e Áreas Reguladas
Para quem produz conteúdo, relatórios ou propostas, a regra mais valiosa é simples: a IA pode escrever o rascunho, mas a pessoa assina o que publica. Todo dado, citação e link do rascunho passa pela camada de verificação de origem antes de ir para o ar.
Em áreas reguladas, como a jurídica, o cuidado precisa ser maior. O caso de Santa Catarina mostra que o profissional continua responsável por cada referência que apresenta. A rotina específica dos escritórios, com pesquisa, minutas e sigilo de dados, está em nosso artigo sobre IA para advocacia. Aqui, o foco é o processo de verificação que serve a qualquer negócio.
Uma prática que ajuda é pedir à IA que indique de onde tirou cada afirmação e, em seguida, conferir essas fontes por conta própria. Se a ferramenta não consegue apontar a origem, ou aponta algo que você não encontra, trate a afirmação como não confirmada.
Vale a Pena Investir em Revisão? O Custo de Não Verificar
A objeção mais comum é de tempo e de custo: revisar tudo anula o ganho de usar IA. A resposta honesta é que depende de onde você coloca a revisão.
Revisar tudo, com a mesma intensidade, de fato consome o ganho. Revisar de forma proporcional ao risco, como propõe a classificação do ponto de virada 1, mantém a maior parte da economia e protege justamente os usos em que o erro custa caro.
Os dois casos deste artigo dão uma noção do tamanho do problema. No caso Air Canada, o valor da condenação foi pequeno, mas, em leitura editorial, o custo de reputação e de exposição pública de um processo é outra conta. No caso de Santa Catarina, houve multa de 10% sobre o valor da causa e comunicação à OAB. Em ambos, o custo de uma conferência prévia seria incomparavelmente menor.
Para ver como a IA entra em uma estratégia maior de automação, com ganhos e controles, o panorama completo está em nosso guia de inteligência artificial e automação.
Conclusão: Voltando ao Passageiro, a Alucinação de IA Pede um Responsável
Voltemos ao começo. O passageiro perguntou ao chatbot sobre um desconto, recebeu uma resposta errada e confiou nela. A empresa tentou se defender dizendo que a informação certa estava em outro lugar e que o chatbot era responsável por si. O tribunal não aceitou, e a decisão deixou uma mensagem que vale para qualquer negócio: quem coloca a IA para falar em seu nome responde pelo que ela diz.
A alucinação de IA não vai desaparecer só porque você decidiu ignorá-la, e também não é motivo para abandonar a tecnologia. O desfecho dos dois casos mostra o caminho: classificar os usos por risco, verificar a origem do que importa, nomear quem aprova o que sai da empresa e manter um registro simples. Com isso, a IA continua rápida, e o erro deixa de chegar ao cliente sem passar por ninguém.
Continue Explorando no Destaque Digital
Se este artigo foi útil, estes conteúdos aprofundam os temas que cruzamos aqui:
- Inteligência Artificial e Automação em 2026: como usar a tecnologia para escalar resultados
- IA para Atendimento ao Cliente em 2026: como automatizar suporte e melhorar a experiência
- Como Criar um Chatbot com IA em 2026: passo a passo para automatizar vendas e atendimento
- IA para Advocacia em 2026: como automatizar pesquisa jurídica sem perder precisão
- Shadow AI: o risco das ferramentas de IA usadas sem controle na empresa
Escrito por Clébio Gomes — Destaque Digital Conteúdo profissional sobre tecnologia, negócios digitais e estratégia online.
