- A checagem de fatos por IA ainda erra grande parte das vezes; a confiabilidade das LLMs em perguntas do tipo factual é questionável.
- No WIRED, o método humano continua central: checagem linha a linha, fontes primárias e revisão ética e legal, com interação direta com pessoas.
- Ferramentas de IA são usadas para “checagem pós-fato” (análise de veracidade após a publicação) e para triagem de grandes volumes de dados; ainda assim, é necessária intervenção humana.
- Estudos apontam alta taxa de erros: pesquisas indicam mais de sessenta por cento de respostas incorretas em motores de busca alimentados por IA, com variações entre quarenta e cinco a setenta por cento em diferentes avaliações.
- Em testes com modelos específicos, nenhum excedeu cinquenta por cento de precisão em perguntas de resposta única; Gemini 2.5 Pro liderou com cerca de cinquenta e cinco por cento de acerto.
O texto analisa se IA pode fazer verificação de fatos e como isso se compara ao método humano. O autor, atuando como verificador da WIRED, descreve o funcionamento atual dos modelos de linguagem e seus limites na prática jornalística. A reflexão acompanha exemplos globais e pesquisas recentes.
O artigo explica que, hoje, a verificação interna da WIRED é feita de forma tradicional: anotação linha a linha, uso de fontes primárias e revisão ética. O objetivo é questionar suposições, buscar informações novas e manter contatos com pessoas para confirmar dados.
Segundo o texto, a IA tem atuado principalmente na verificação posterior, ou seja, análise de fatos já circulando. Em projetos britânicos como o Full Fact, ferramentas de IA ajudam a identificar afirmações que merecem apuração humana. Ainda assim, a presença humana continua essencial.
Pesquisas sobre confiabilidade de IA mostram números relevantes: estudos indicam que respostas de buscas com IA podem apresentar imprecisões em faixas diversas. Benchmarks de verificação apontam variações de acurácia entre modelos, com quedas em alguns cenários e leve vantagem para alguns sistemas.
Desempenho e percepções
O texto compara modelos como Claude, Gemini e Grok em testes específicos de verificação. Em avaliações públicas, a maioria dos modelos não consegue atingir alta taxa de acerto em perguntas complexas, e há relatos de alucinações em “situações reais”.
O autor cita ainda opiniões de executivos e organizações 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 escrutínio crítico.
Entre na conversa da comunidade