O “manual invisível” da IA
Quando compramos um equipamento, um software ou até um eletrodoméstico existe um hábito saudável: ler o manual, mesmo que só apressadamente. A razão é simples, queremos entender como funciona, ouso normal, quais são os limites, o que é uso indevido e o que esperar do produto.
Porém com Inteligência Artificial, isso não existe. Não há um manual na caixa, não vemos engrenagens ou circuitos, não existe uma etiqueta dizendo “atenção: este recurso é ótimo para X, mas perigoso para Y”.
O que aparece para nós é uma interface bonita, uma caixa de texto e respostas rápidas muitas vezes bem escritas, coerentes, com cara de explicação definitiva e correta.
E quando a resposta sai errada, a conclusão costuma ser direta: “essa IA é ruim”.
Só que, na maior parte das vezes o problema não é a tecnologia em si. Estamos usando IA sem enxergar o seu “manual invisível”. Não entendemos onde ela é genial e onde é ruim, utilizamos sem entender em que pontos ela é forte e em que pontos ela pode inventar com uma confiança perigosa.
Quando algo dá errado, ela “inventa” sozinha ou descreve coisas inexistentes, esse fenômeno tem nome: alucinações de IA. É quando um modelo gera uma resposta plausível, fluida e segura, mas com informações incorretas, imprecisas ou simplesmente inventadas.
No dia a dia, isso é chato, um detalhe. Em Propriedade Industrial (PI), pode ser caro.
O que são “alucinações”
Antes de tudo: alucinação não é a IA “mentindo” de propósito, nem “tendo uma visão”. É um erro bem mais prosaico: a resposta vem com forma impecável, mas com conteúdo frágil. Significa que a resposta veio com forma boa (texto bem montado), porém com conteúdo frágil (fato errado, referência inexistente, detalhe inventado).
Exemplo Real: Você pede apoio para uma busca de anterioridade e recebe algo como: “a patente US1234567B2 descreve exatamente o seu motor”. O texto parece sério. O número faz sentido em formatação. Quando você tenta abrir, descobre que o documento não existe ou é de um tema completamente diferente.
[Geralmente números sequenciais indicam alta probabilidade de ser inventado]
Essa resposta é traiçoeira porque não chega com uma placa avisando “posso estar inventando”. Pelo contrário: chega com a confiança de quem tem certeza.
E em Propriedade Industrial (PI) isso pesa, porque o custo do erro costuma ser alto. Uma alucinação pode virar:
- Pedidos de patente com redação tecnicamente pobre;
- Estratégias de busca baseadas em documentos inexistentes;
- Argumento técnicos que parecem convincentes, mas são inconsistentes;
- Pareceres que citam jurisprudências que a IA “criou” para agradar o usuário; e
- No limite, uma decisão corporativa baseada em premissa errada.
O grande driver das alucinações vem de como os modelos são treinados. Modelos de linguagem (LLMs) são treinados com um volume gigantesco de texto. Eles aprendem primariamente:
- Como as pessoas escrevem;
- Quais termos costumam aparecer juntos;
- Como se monta uma explicação ou um argumento; e
- Como se estrutura um e-mail, um parecer, um resumo, um artigo.
O ponto central é: eles não foram construídos para “saber a verdade” como um banco de dados, mas são muito bons em produzir linguagem que faz sentido.
O motivo por trás disso é estatístico, pois o modelo aprende a estimar a próxima palavra mais provável dado um contexto. Em termos simples: a IA está sempre calculando a probabilidade da próxima palavra, nunca se a frase inteira será verdadeira.
Se você escreve: “A patente protege…”, ela já viu milhões de variações disso e sabe que, depois, podem aparecer coisas como “invenção”, “reivindicações”, “território”, “prazo”, “escopo” e por aí vai. Isso explica por que o texto sai fluido. Mas também explica por que, quando falta base, o modelo pode “completar” com algo que soa certo, mesmo que não seja.
Para uma pessoa experiente, dizer “não sei” é competência, maturidade. É entendido como delimitar escopo, reconhecer limite. No fim, é evitar erro, seu foco principal.
Só que a IA não funciona como um consultor sênior. O comportamento natural dela é continuar respondendo. Diferente desse consultor sênior, que ganha confiança ao admitir que precisa pesquisar, a IA é treinada dar continuidade ao texto. E há um motivo claro, o modelo foi otimizado para ser útil, em que “ser útil” muitas vezes se confunde com “dar uma resposta de qualquer jeito”.
Assim, mesmo quando a resposta deveria ser “depende, não tenho como afirmar, preciso de fonte, preciso de mais contexto” ele acaba indicando uma resposta estatisticamente provável, porém completamente errada. Se o usuário pede algo muito específico e o modelo não tem certeza, ele pode “completar” com algo plausível para manter a fluidez.
O resultado é perigoso: o texto fica ótimo, mas a base pode ser zero. O texto sai bonito. A base pode estar vazia.
Estudo de Caso: Um assistente técnico usou IA para fundamentar um parecer. A IA estruturou o texto perfeitamente, mas “alucinou” uma norma técnica que unificava dois conceitos distintos. O parecer parecia brilhante, mas cairia na primeira contestação técnica por falta de base factual.
Isso acontece com frequência em PI quando pedimos à IA itens exatos em contextos gigantes ou sem definição, como números, datas, prazos e requisitos legais; citações “certinhas” de norma, tribunal, diretriz; classificação, CPC, IPC/CPC, ou detalhes de exame; e/ou comparações de anterioridade com conclusão definitiva.
Tudo isso é terreno fértil para alucinação, pois não há limitação de contexto e informação para o IA se fixar.
Aqui entra a peça-chave: probabilidade da próxima palavra. O modelo calcula, a cada passo: “Dado o que já foi escrito, qual sequência é mais provável?”. O que “mais provável” significa? Significa “mais comum no conjunto de padrões aprendidos”, não “mais verdadeiro”.
Se o seu prompt pede uma resposta no formato de parecer, é provável que o modelo gere: introdução; fundamentação; conclusão; e tom firme.
Mesmo que ele não tenha base factual suficiente para aquela conclusão. Isso explica por que algumas alucinações são tão perigosas: elas vêm com a estética da autoridade.
Por que isso fica ainda mais crítico em Propriedade Industrial
PI é um campo em que “parece certo” não basta. Você precisa de:
- Fato verificável (documento, publicação, número, data);
- Critério técnico (novidade, atividade inventiva, aplicação industrial, suficiência descritiva);
- Contexto jurídico (jurisdição, jurisprudência, prática do escritório, diretrizes locais); e
- Estratégia (escopo vs. risco, custo vs. proteção, timing vs. publicação).
Além disso a PI é cheia de “zonas cinzentas”: muita coisa não é binária, preto ou branco. E isso confunde modelos de linguagem, porque eles tendem a buscar respostas “fechadas” e exatas. Eles gostam de soar conclusivos. E aí o risco aumenta.
Especificamente em Propriedade Industrial, o uso indiscriminado e sem verificação de IAs pode gerar problemas em todas as etapas do processo. Em termos práticos:
- Busca de anterioridade: a IA pode sugerir documentos “perfeitos” que não existem, ou “concluir” similaridade sem ter feito a busca real.
- Redação de Pedido: ela pode gerar uma descrição elegante, mas sem suporte técnico suficiente, ou com generalizações que enfraquecem o conjunto.
- Redigir Reivindicações: a Inteligência Artificial pode propor textos plausíveis, mas com problemas de base, clareza, suporte, antecedente, ou termos que abrem brecha.
- Pareceres técnicos: ela pode construir uma tese muito convincente, mas apoiar em premissas erradas (ou não verificadas).
- Contencioso/perícias: pode sugerir padrões, testes ou referências que soam acadêmicos, mas não se sustentam.
Em resumo: IA pode ajudar muito em PI, mas não pode “decidir” PI sozinha.
Como usar IA em PI sem cair na armadilha das alucinações
A chave é entender que a IA é ótima para linguagem e estrutura, e precisa de controles quando o assunto é verdade, prova e precisão. Separar claramente onde ela brilha e onde ela precisa de freio.
Onde ela costuma entregar alto valor (com baixo risco):
- Estruturar documentos (sumário, tópicos, checklists);
- Melhorar clareza e redação;
- Gerar perguntas para entrevistas com inventores;
- Listar hipóteses técnicas a investigar; e
- Sugerir variações de texto para comunicação interna.
Onde você precisa de cuidado extra (ou deve evitar):
- Citar leis, normas, artigos, jurisprudência, diretrizes específicas;
- Afirmar “isso é patenteável / não é patenteável” como conclusão fechada;
- Resumir o estado da técnica sem busca real; e
- Gerar números, datas e referências bibliográficas sem fonte.
Uma regra simples que funciona bem
Se a informação precisa ser auditável (alguém pode te pedir prova), trate a IA como: assistente de rascunho, não como fonte.
E aí entram bons hábitos:
- Pedir: “se você não tiver certeza, diga que não tem certeza”;
- Exigir: fontes e links verificáveis (e realmente conferir); e
- Preferir prompts com: contexto técnico, objetivo, escopo e restrições.
Em resumo, usar IA para gerar caminhos, e não vereditos.
O “manual” que ninguém lê: entender limites para aplicar bem em partes específicas de PI
O maior erro não é usar IA. É usar IA sem entender onde ela agrega.
Em Propriedade Industrial, as tarefas têm naturezas diferentes: algumas são linguísticas e estruturais (IA brilha); outras são probatórias e factuais (IA exige verificação rigorosa); e outras são técnico-estratégicas (IA pode apoiar, mas não substituir julgamento).
Quando você entende isso, a IA deixa de ser “um gerador de texto” e vira uma ferramenta para: acelerar etapas iniciais; reduzir tempo de formatação e organização; melhorar qualidade de comunicação; e aumentar consistência de processos internos.
Mas sempre com uma premissa: a responsabilidade final é humana. Somente assim conseguimos desenhar caminhos seguros para um uso verdadeiramente apurado da inteligência artificial, especialmente onde a precisão não admite erros.
Alucinações em IA não são “um bug estranho”. São um efeito natural de sistemas que otimizam fluência e probabilidade de próxima palavra, não “verdade”.
Em áreas como Propriedade Industrial, isso importa muito porque PI exige precisão, prova, contexto e estratégia. E justamente por isso, quando usada com método, a IA pode ser uma vantagem competitiva real: mais velocidade com mais controle.
Próximos passos
Quero abrir a conversa: você já viu IA alucinar em contexto técnico, jurídico ou de PI? Onde isso apareceu: em busca, redação, parecer, ou discussão com inventores?
Se você já usa IA no seu trabalho, me conta: qual parte do seu fluxo em PI você quer melhorar primeiro? Para guiar, algumas possibilidades:
- Como reduzir alucinações em busca de anterioridade?
- Como usar IA para entrevistar inventores e captar detalhes técnicos melhores?
- Como criar um “checklist de verificação” para textos gerados por IA?
- Quando faz sentido usar personas (“aja como…”) e quando isso atrapalha?
- Como montar prompts que forçam a IA a declarar incerteza?
Se você comentar uma dessas dúvidas, eu posso te ajudar transformar em um próximo artigo/post, com exemplos práticos.
EXEMPLOS DE PROMPTS PARA MELHORAR SEU USO DE IA EM PI
