Uma aparência bibliográfica não é prova

Na perícia médica e na assessoria técnico-pericial, uma citação produzida por inteligência artificial não deve ser tratada como prova pelo simples fato de parecer bem formatada. O que parece referência pode ser apenas uma construção linguística plausível. A forma seduz; a fonte decide.

A tensão está aí: a IA acelera a busca, organiza texto e ajuda a localizar caminhos de leitura, mas também pode inventar títulos, autores, páginas, DOI, ano, periódico ou até atribuir a um estudo conclusões que ele não sustenta. A pergunta real não é “o texto parece confiável?”, e sim: a fonte existe? diz o que foi atribuído? foi lida no original? está atualizada? responde ao problema técnico em análise? Para responder, não bastam impressões. São necessários dados: identificação completa da referência, acesso ao documento original, comparação entre citação e conteúdo, verificação de método e limites do estudo, e rastreio da origem daquele fragmento bibliográfico. A origem dos dados importa porque uma referência pode vir de uma base confiável, de um resumo secundário, de um texto editorial ou de um sistema automatizado sem validação humana. As hipóteses concorrentes precisam permanecer abertas: a citação pode estar correta, pode estar incompleta, pode estar fora de contexto ou pode simplesmente não existir. O teste é objetivo: localizar a fonte, ler o trecho relevante, verificar se a inferência feita pelo sistema se sustenta e só então decidir se a citação entra na análise. A conclusão proporcional é simples: a IA pode sugerir uma referência; ela não a autentica.

Onde nasce o risco epistemológico

A expressão alucinação de referências por inteligência artificial descreve um problema específico: o sistema produz uma referência com aparência bibliográfica legítima, mas sem garantia de existência, integridade ou pertinência. Isso não é apenas um defeito de estilo. É um risco metodológico.

Em contextos periciais, esse risco ganha peso por três motivos. Primeiro, a análise depende de encadeamento de prova, não de floreio textual. Segundo, o conteúdo citado pode influenciar a formulação de hipótese causal, a leitura de cronologia e a escolha de literatura aplicável. Terceiro, uma referência fictícia pode contaminar uma síntese inteira, dando a sensação de robustez onde há apenas linguagem bem formada.

A bibliotecária que encontra livros sobre o acidente não substitui a investigação do local. A mesma lógica vale para a IA: ela pode ajudar a localizar caminhos, mas não substitui a conferência do material original nem a leitura crítica do conteúdo. Em recuperação de informação, RAG, proveniência e validação humana formam uma cadeia. Se um elo falha, a confiança diminui.

O que precisa ser verificado antes de citar

Antes de aceitar uma referência produzida por IA, a checagem precisa responder a perguntas concretas:

  • a fonte existe de fato?
  • o autor, o título, o periódico e o ano conferem?
  • o trecho atribuído aparece no documento?
  • a conclusão citada é mesmo a conclusão do estudo?
  • o texto é artigo original, revisão, editorial ou comentário?
  • há limitações metodológicas que mudam o alcance da citação?
  • o conteúdo ainda é aplicável ao problema atual?

Essas perguntas evitam um erro comum: tomar a aparência bibliográfica como sinônimo de conteúdo validado. Em perícia, isso pode deslocar o centro da análise do fato para a forma. E forma, sozinha, não prova nada.

A verificação precisa ser feita na fonte primária sempre que possível. Se a referência veio de um resumo, de uma base secundária ou de uma resposta automatizada, o cuidado deve ser redobrado. Não porque a IA seja “inútil”, mas porque ela opera por probabilidade linguística e não por compromisso intrínseco com a existência factual de cada item citado.

Fluxo de validação humana e proveniência

Um fluxo técnico mínimo para uso seguro da IA em pesquisa e redação pericial pode ser descrito assim:

  1. a IA sugere a referência;
  2. a equipe registra a referência como não validada;
  3. localiza-se a fonte em repositório confiável;
  4. confere-se a existência material do documento;
  5. lê-se o trecho relevante no original;
  6. compara-se o que foi dito pela IA com o que o texto realmente afirma;
  7. avalia-se método, contexto e limitações;
  8. decide-se se a referência serve ao ponto técnico;
  9. registra-se a origem da validação;
  10. só então a referência entra na análise.

Esse fluxo preserva a distinção entre dado e inferência. O dado é a existência e o conteúdo da fonte. A inferência é o que se conclui dela. A causalidade ainda exige outro passo: demonstrar que a literatura citada realmente sustenta a relação proposta, sem extrapolação indevida.

Checklist editorial em 14 itens

Antes de publicar um texto que use referência sugerida por IA, este checklist ajuda a reduzir erro:

  1. A referência foi localizada em fonte verificável?
  2. O título corresponde ao documento encontrado?
  3. O autor ou autores conferem?
  4. O periódico, livro ou repositório é identificável?
  5. O ano de publicação confere?
  6. O DOI, quando existir, está correto?
  7. O trecho citado aparece na fonte?
  8. A citação foi reproduzida no contexto correto?
  9. O tipo de publicação foi identificado corretamente?
  10. A conclusão do estudo foi descrita sem exagero?
  11. As limitações do estudo foram consideradas?
  12. A referência responde à pergunta técnica proposta?
  13. Há risco de o texto estar citando uma síntese secundária como se fosse fonte primária?
  14. Se a referência cair, o argumento principal continua de pé?

Esse último item é decisivo. Se o argumento depende inteiramente de uma referência não verificada, o texto ainda não está maduro. O que existe, nesse estágio, é uma hipótese editorial, não uma conclusão consolidada.

Teste editorial antes de transformar citação em argumento

Além do checklist, vale aplicar um teste simples, com nove perguntas:

  1. Eu vi a fonte original?
  2. Eu consigo apontar onde está a informação no documento?
  3. A frase atribuída é literal ou paráfrase?
  4. A paráfrase preserva o sentido?
  5. O estudo foi apresentado no seu contexto real?
  6. O resultado foi ampliado além do que o autor afirma?
  7. Há conflito entre a citação e outras fontes confiáveis?
  8. A referência é atual e aplicável ao tema?
  9. Se eu retirar essa citação, a conclusão técnica ainda se mantém?

Esse teste não elimina toda incerteza, mas separa o que foi verificado do que permanece hipotético. E, em contexto pericial, essa separação é essencial.

Hipóteses concorrentes sobre a origem do erro

Quando uma citação gerada por IA parece convincente, há pelo menos quatro hipóteses concorrentes:

  • a referência existe e foi recuperada corretamente;
  • a referência existe, mas foi interpretada fora do contexto;
  • a referência existe, mas os dados bibliográficos estão incompletos ou errados;
  • a referência não existe e foi fabricada pela IA.

Sem verificação, todas são plausíveis. Por isso, a análise não deve presumir boa-fé automática da máquina nem má-fé automática do sistema. O ponto é outro: automação não transfere responsabilidade epistemológica. Ela apenas reorganiza o trabalho. Quem valida continua sendo humano.

O que pode mudar a conclusão

Há informações que, se surgirem, podem alterar a avaliação final. Por exemplo:

  • o documento original não sustenta a frase atribuída;
  • o estudo foi retirado, corrigido ou substituído por nova versão;
  • a citação foi extraída de revisão secundária e não do texto primário;
  • o contexto metodológico não é compatível com o problema em análise;
  • a literatura posterior relativiza ou contradiz a interpretação inicial.

Também é importante admitir um limite: a ausência de uma referência no momento da checagem não prova, por si só, que ela nunca existiu. Pode haver erro de busca, indexação incompleta ou acesso restrito. Mas ausência documental não equivale automaticamente à ausência do fato. O correto é registrar a incerteza e continuar a busca até esgotar os meios razoáveis de verificação.

Conclusão proporcional

A regra prática é direta: uma citação produzida por IA só entra na análise depois de ser verificada na fonte. Antes disso, ela é apenas uma sugestão de referência, não um suporte técnico confiável.

Isso não significa rejeitar automação. Significa submetê-la ao método. A IA pode ampliar a busca, acelerar a organização e ajudar a mapear literatura. Mas a proveniência, a leitura do original e a validação humana continuam sendo o filtro que separa informação útil de certeza fabricada.

Na perícia médica, isso importa ainda mais porque uma bibliografia incorreta pode desviar a leitura de causalidade, confundindo aparência de rigor com rigor real. O cuidado técnico não é desconfiar de tudo; é verificar o suficiente para saber o que realmente sustenta a análise.

FAQ

1. A IA pode ser usada para encontrar referências?

Sim. Ela pode ser útil como ferramenta de recuperação de informação. O ponto crítico é que a referência sugerida precisa ser checada na fonte antes de entrar na análise.

2. Se a referência existe, isso já basta?

Não necessariamente. Ela precisa ser existente, pertinente, correta no contexto e compatível com a tese que se quer sustentar. Existência não é o mesmo que aplicabilidade.

3. O que fazer quando a fonte não confirma a citação?

A citação não deve ser usada como argumento técnico. O correto é registrar a divergência, reavaliar a hipótese e buscar fontes primárias ou literatura mais adequada.

Para aprofundar esse método de proveniência e validação na prática pericial, veja /pericia-medica.

Conteúdo educativo; não substitui avaliação médica, perícia judicial ou orientação jurídica.