TLDR;

O truque é não pedir que a IA escreva imediatamente, mas antes mandá‑la montar um data room/projeto: encontrar, preservar, inventariar e resumir cada fonte. Um melhor prompt não resolve porque as alucinações vêm do ambiente e das fontes desorganizadas, não de uma “passagem de verificação” dentro do modelo. Na prática, use agentes long‑running (por exemplo 4.7/5.5, Codeex, Claude) para vasculhar pastas, comparar metadados e indicar arquivos autoritativos antes de gerar os documentos.

Resumo

Recentemente, um caso envolvendo o escritório Sullivan & Cromwell mostrou como “alucinações” de IA podem gerar risco corporativo quando fluxos de trabalho organizacionais falham: um pedido judicial foi protocolado com dezenas de citações fabricadas e ninguém da equipe percebeu antes do envio. O problema não é apenas o modelo nem um prompt mais elaborado; é o ambiente de trabalho em torno do modelo. Modelos recentes (4.7 e 5.5) e agentes long-running mudaram o paradigma porque conseguem navegar sistemas de arquivos, abrir e comparar documentos, inspecionar metadados e operar conectores. Por isso, o primeiro comando em projetos sérios não deve ser “faça o documento”, e sim “organize a sala do projeto”: localizar e preservar materiais relevantes, inventariar arquivos, indicar quais são autoritativos, duplicatas, obsoletos ou ausentes, e resumir cada fonte antes de sintetizar. Preparar um data room limpo possibilita execução simultânea e precisa — o autor relata gerar até oito rascunhos ao mesmo tempo usando CodeX — e reduz drasticamente a probabilidade de alucinações em escala, protegendo qualidade e responsabilidade jurídica. Ele recomenda três lições: primeiro organizar e inventariar arquivos; depois identificar fontes autoritativas; por fim pedir a geração de entregáveis, aproveitando as capacidades de 5.5 em tarefas longas e precisas.