O texto analisa se IA pode fazer verifica\u00e7\u00e3o de fatos e como isso se compara ao m\u00e9todo humano. O autor, atuando como verificador da WIRED, descreve o funcionamento atual dos modelos de linguagem e seus limites na pr\u00e1tica jornal\u00edstica. A reflex\u00e3o acompanha exemplos globais e pesquisas recentes.<\/p>\n
O artigo explica que, hoje, a verifica\u00e7\u00e3o interna da WIRED \u00e9 feita de forma tradicional: anota\u00e7\u00e3o linha a linha, uso de fontes prim\u00e1rias e revis\u00e3o \u00e9tica. O objetivo \u00e9 questionar suposi\u00e7\u00f5es, buscar informa\u00e7\u00f5es novas e manter contatos com pessoas para confirmar dados.<\/p>\n
Segundo o texto, a IA tem atuado principalmente na verifica\u00e7\u00e3o posterior, ou seja, an\u00e1lise de fatos j\u00e1 circulando. Em projetos brit\u00e2nicos como o Full Fact, ferramentas de IA ajudam a identificar afirma\u00e7\u00f5es que merecem apura\u00e7\u00e3o humana. Ainda assim, a presen\u00e7a humana continua essencial.<\/p>\n
Pesquisas sobre confiabilidade de IA mostram n\u00fameros relevantes: estudos indicam que respostas de buscas com IA podem apresentar imprecis\u00f5es em faixas diversas. Benchmarks de verifica\u00e7\u00e3o apontam varia\u00e7\u00f5es de acur\u00e1cia entre modelos, com quedas em alguns cen\u00e1rios e leve vantagem para alguns sistemas.<\/p>\n
O texto compara modelos como Claude, Gemini e Grok em testes espec\u00edficos de verifica\u00e7\u00e3o. Em avalia\u00e7\u00f5es p\u00fablicas, a maioria dos modelos n\u00e3o consegue atingir alta taxa de acerto em perguntas complexas, e h\u00e1 relatos de alucina\u00e7\u00f5es em \u201csitua\u00e7\u00f5es reais\u201d.<\/p>\n
O autor cita ainda opini\u00f5es de executivos e organiza\u00e7\u00f5es de checagem, ressaltando a necessidade de combinar IA com especialistas para manter a confiabilidade. Aproximar-se das ferramentas pode ampliar a capacidade humana, sem abandonar o escrut\u00ednio cr\u00edtico.<\/p>\n","protected":false},"excerpt":{"rendered":"