Alucinações de Citações por IA
e Como Detectá-las

Uma citação alucinada é uma referência gerada por um sistema de IA que não corresponde a nenhuma publicação real e verificável. Pode ser um artigo totalmente inventado, um título autêntico ligado a um DOI fabricado, ou um artigo real atribuído a autores que nunca o escreveram. O resultado parece confiável — nomes de periódicos reais, títulos plausíveis, DOIs bem formatados — e é exatamente por isso que escapa a uma checagem visual rápida.

Grandes modelos de linguagem como ChatGPT, Claude e Gemini produzem isso porque foram feitos para gerar texto estatisticamente plausível, não para fazer buscas em bases de dados. Ao pedir "três artigos sobre um tema", o modelo monta referências que parecem com o que tais artigos seriam. Ele está completando texto, não recuperando informação.

O risco não se limita aos casos em que você pediu a uma IA para encontrar fontes. Um modelo também pode inserir uma citação enquanto faz outra coisa completamente diferente — polir um resumo, reescrever uma seção de métodos — porque acrescentar uma referência faz o texto soar mais autoritativo. Você não pediu por ela e, a menos que confira a bibliografia contra o corpo do texto, pode não perceber que ela foi adicionada.

É um comportamento medido, não um caso isolado. Vários estudos revisados por pares já o quantificam:

• Walters e Wilder (2023), na Scientific Reports, constataram que uma parcela substancial das citações bibliográficas geradas pelo ChatGPT estavam fabricadas ou continham erros graves o suficiente para enganar um leitor que não as conferisse (doi.org/10.1038/s41598-023-41032-5).
• Topaz e colaboradores (2026) publicaram em The Lancet uma auditoria de integridade de referências abrangendo 2,5 milhões de artigos biomédicos, identificando citações fabricadas em toda a literatura e uma tendência de alta ao longo do tempo (doi.org/10.1016/S0140-6736(26)00603-3).
• Resnik e Hosseini (2026), na Accountability in Research, argumentam que as citações alucinadas podem constituir má conduta científica quando funcionam como dados — por exemplo, em revisões sistemáticas — e o autor deixa de verificar o que a IA produz (doi.org/10.1080/08989621.2026.2645390). Se tal falha chega a ser má conduta depende do padrão jurídico de imprudência (recklessness) — distinto da mera negligência — que Caron et al. (2025) examinam em detalhe (doi.org/10.1080/08989621.2023.2256650).

Para além da academia, o mesmo tipo de falha aparece nos tribunais: uma base de dados pública mantida pelo pesquisador jurídico Damien Charlotin documenta mais de 1.500 decisões judiciais em que a IA generativa produziu citações fabricadas (Charlotin, 2026). São peças processuais — um domínio fora das bases de dados acadêmicas aqui usadas — mas o padrão é idêntico.

Cada estudo revisado por pares citado acima foi conferido com o AiCitationChecker antes de publicar esta página — apropriado, para um artigo sobre citações não verificadas.

As plataformas científicas começaram a tratar o uso descuidado da IA como um problema acionável. Em 2026, o servidor de preprints arXiv anunciou uma fiscalização mais rígida que responsabiliza os autores pela saída de IA não verificada — incluindo referências alucinadas — uma mudança amplamente noticiada pela imprensa científica e de tecnologia. A política não é anti-IA; ela codifica um princípio que sempre esteve implícito: os autores são responsáveis por tudo o que há em seu artigo, qualquer que seja a forma como foi gerado.

A consequência prática é que uma única referência fabricada já não é um deslize inofensivo. Ela pode desencadear uma rejeição imediata, uma investigação de integridade ou uma correção — e, como as citações se propagam, uma referência fabricada citada uma vez pode infiltrar-se em artigos e revisões posteriores. Verificar sua bibliografia antes de submeter passou de boa prática a gestão básica de risco.

Nenhuma ferramenta de verificação cobre todas as disciplinas igualmente. Conferir uma referência significa compará-la com bases de dados acadêmicas como CrossRef e OpenAlex, e sua cobertura varia por área — forte para artigos de periódico com DOI, mais escassa para alguns livros, capítulos e veículos de nicho. Por isso, os resultados podem diferir conforme aquilo em que você trabalha.

É exatamente por isso que toda conta do AiCitationChecker inclui verificações diárias gratuitas: rode suas próprias referências, na sua própria área, e veja como a ferramenta se sai antes de depender dela — ou de pagar qualquer coisa. Preferimos que você confirme que ela serve ao seu trabalho a aceitar nossa palavra.

• Trate cada citação fornecida por IA como não verificada até prova em contrário — uma hipótese preliminar, não um fato.
• Confira cada DOI: confirme que ele resolve para um artigo cujo título, autores e ano realmente correspondem à citação.
• Cruze com bases de dados confiáveis — um artigo autêntico aparece em pelo menos uma de CrossRef, OpenAlex ou PubMed.
• Verifique toda a lista de referências antes de submeter, não apenas as que você sabidamente pediu a uma IA.
• Automatize a primeira passagem para que conferir seja rápido o bastante para você nunca pular essa etapa.

Referências completas das fontes citadas neste artigo:

1. Walters, W. H., & Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports, 13(1), 14045. https://doi.org/10.1038/s41598-023-41032-5
2. Topaz, M., Roguin, N., Gupta, P., Zhang, Z., & Peltonen, L.-M. (2026). Fabricated citations: an audit across 2.5 million biomedical papers. The Lancet, 407(10541), 1779–1781. https://doi.org/10.1016/S0140-6736(26)00603-3
3. Resnik, D. B., & Hosseini, M. (2026). Hallucinated citations produced by generative artificial intelligence may constitute research misconduct when citations function as data in scholarly papers. Accountability in Research. https://doi.org/10.1080/08989621.2026.2645390
4. Caron, M. M., Dohan, S. B., Barnes, M., & Bierer, B. E. (2025). Defining “recklessness” in research misconduct proceedings. Accountability in Research, 32(2), 120–142. https://doi.org/10.1080/08989621.2023.2256650
5. Charlotin, D. (2026). AI Hallucination Cases [base de dados]. https://www.damiencharlotin.com/hallucinations/