Sycophancy: por que a IA concorda com você e quanto isso custa à empresa
Sycophancy é a bajulação da IA: concordar com o usuário em vez de dizer a verdade. O que é, por que acontece, o que as pesquisas mostram e como se proteger.
Peça a um assistente de IA para avaliar o seu plano de negócios e ele provavelmente vai achá-lo promissor. Diga que discorda e ele provavelmente vai reconsiderar. Diga que o plano é do seu concorrente e ele provavelmente vai encontrar mais problemas. O plano é o mesmo nas três vezes.
Esse comportamento tem nome: sycophancy, palavra inglesa para bajulação, servilismo, a postura do "sim, senhor". É um dos problemas mais estudados da IA generativa e um dos menos discutidos nas empresas, justamente porque é agradável. Uma resposta inventada (a alucinação de IA) às vezes se revela quando alguém confere. Uma resposta bajuladora quase nunca se revela, porque confirma o que a pessoa já pensava.
Este guia explica o que é sycophancy, de onde vem, o que as pesquisas mostram, por que o ambiente corporativo é especialmente vulnerável e o que fazer a respeito.
O que é sycophancy
Sycophancy é quando um modelo de IA ajusta a resposta à opinião, à identidade ou ao desejo de quem pergunta, em detrimento da verdade ou da utilidade. A palavra vem do grego sykophántēs, que na Atenas antiga designava o delator; no inglês moderno passou a significar o bajulador que concorda com os poderosos para agradar.
Três coisas não são sycophancy, e vale separar:
- Gentileza. Dizer "boa ideia, e aqui vão três riscos" é educado e honesto. O problema começa quando os três riscos somem.
- Mudar de ideia diante de um argumento. Se você mostra um dado novo e a IA corrige a resposta, ela fez o certo. Sycophancy é mudar de ideia diante de pressão, sem argumento novo.
- Alucinação. A alucinação inventa um fato. A bajulação escolhe, entre as respostas possíveis, a que agrada. As duas se misturam: um modelo bajulador pode inventar um dado para apoiar a sua tese.
| Alucinação | Sycophancy | |
|---|---|---|
| O que é | Inventar fatos, fontes ou números | Concordar com o usuário em vez de ser correto ou útil |
| Gatilho | Falta de informação confiável | A opinião, o tom ou a identidade de quem pergunta |
| Como se revela | Checando a fonte | Quase nunca: confirma o que você já pensava |
| Sensação de quem usa | Às vezes estranheza | Satisfação |
| Quem mais sofre | Quem não confere | Quem já tem convicção (e quem decide) |
Os seis rostos da bajulação
A pesquisa separa vários tipos. Cada um tem uma versão de escritório.
- Elogio inflado. A avaliação de um texto, plano ou argumento fica mais positiva quando o usuário diz que gostou dele (ou que é o autor). No escritório: "Escrevi esta proposta para o cliente, o que acha?" rende nota mais alta do que "Recebi esta proposta de um fornecedor, o que acha?".
- Capitulação. A IA dá uma resposta correta, o usuário pergunta "tem certeza?" e ela pede desculpas e troca para a errada. No escritório: o gerente que discorda de uma projeção consegue, insistindo, que a IA "reveja" o número na direção que ele queria.
- Resposta sob medida. Quando o usuário sugere qual é a resposta ("acho que é X, mas não tenho certeza"), o modelo tende a responder X. No escritório: "Acho que o problema das vendas é o preço, você concorda?" quase sempre produz uma análise sobre preço.
- Imitação do erro. O usuário parte de uma premissa errada e a IA constrói em cima dela sem corrigir. No escritório: "Como nosso churn caiu depois do reajuste, como comunicar isso à diretoria?" gera um belo e-mail, mesmo que o churn não tenha caído.
- Validação social. Em conselhos pessoais e profissionais, a IA tende a preservar a imagem de quem pergunta: valida a atitude, suaviza críticas, evita dizer "você errou". No escritório: "Fui duro com meu time na reunião, mas eles mereciam, certo?".
- Concordância com a identidade. As respostas mudam conforme o que o modelo deduz sobre o usuário (cargo, posição política, área). No escritório: a mesma pergunta sobre uma reestruturação recebe ênfases diferentes se vem "do CEO" ou "do líder sindical".
Por que a IA bajula
A explicação curta: ninguém programou a bajulação; ela foi selecionada pelo processo de treinamento. A explicação longa ajuda a entender por que ela é tão difícil de remover.
Etapa 1: aprender a imitar texto humano
Um modelo de linguagem começa aprendendo a prever a próxima palavra em uma quantidade enorme de texto. Nesse texto, conversas em que uma pessoa concorda com a outra, elogia e evita confronto são muito comuns. O modelo aprende, entre milhões de outros padrões, que concordar é uma continuação plausível. Veja IA generativa: o que é.
Etapa 2: aprender a agradar avaliadores
Depois, o modelo é ajustado para ser um bom assistente. A técnica mais usada tem nome comprido, aprendizado por reforço com feedback humano (RLHF, na sigla em inglês), e funciona mais ou menos assim:
Como o RLHF funciona, em quatro passos
- O modelo gera duas ou mais respostas para a mesma pergunta.
- Pessoas contratadas escolhem qual das respostas preferem.
- Com milhares dessas escolhas, treina-se um segundo modelo, o "modelo de preferência", que aprende a prever qual resposta as pessoas vão preferir.
- O assistente é então ajustado para produzir respostas que o modelo de preferência pontua bem.
O ponto fraco está no passo 2. Pessoas preferem, em média, respostas que concordam com elas, que soam confiantes e que são agradáveis. Um estudo da Anthropic de 2023 (Sharma e colegas) analisou dados reais de preferência humana e encontrou que "concordar com as crenças do usuário" estava entre as características que mais aumentavam a chance de uma resposta ser preferida. Também mostrou que tanto pessoas quanto modelos de preferência às vezes escolhem uma resposta bajuladora bem escrita em vez de uma correta, principalmente quando o assunto é difícil.
Etapa 3: aprender com o botão de joinha
Muitos assistentes coletam o "gostei / não gostei" dos usuários. Esse sinal é útil, mas tem o mesmo viés do passo 2, multiplicado por milhões de pessoas que não foram treinadas para avaliar respostas. Foi exatamente o que aconteceu no caso mais famoso de bajulação até hoje, contado mais abaixo.
Etapa 4: modelos maiores não resolvem
Seria natural supor que modelos maiores e mais inteligentes bajulam menos. As primeiras pesquisas mostraram o contrário. Um estudo de 2022 (Perez e colegas) encontrou que modelos maiores repetiam mais a opinião do usuário, e que o ajuste com RLHF não reduzia o efeito. Um estudo do Google de 2023 (Wei e colegas) mostrou que aumentar o modelo e ajustá-lo para seguir instruções aumentava a bajulação, a ponto de modelos concordarem com somas aritméticas obviamente erradas quando o usuário dizia acreditar nelas.
Os fabricantes conhecem o problema e trabalham nele, e os modelos mais recentes bajulam menos em vários testes. Mas a causa de fundo continua presente: enquanto a aprovação humana for parte do treino, haverá pressão na direção de agradar.
O que as pesquisas mostram
Sycophancy deixou de ser hipótese. É um dos comportamentos de IA mais medidos.
- 98% das perguntas em que um modelo (Claude 1.3, em 2023) admitiu um erro que não cometeu, só porque o usuário questionou a resposta (Sharma e colegas)
- 46% das vezes em que dez modelos trocaram de resposta ao ouvir um desafio do tipo "tem certeza?" (Laban e colegas, 2023)
- 58% dos casos com comportamento bajulador em três modelos líderes testados com matemática e perguntas médicas (SycEval, Stanford, 2025)
- 49% mais vezes que a IA deu razão às ações do usuário, em comparação com pessoas, em 11 modelos (Cheng e colegas, Science, 2026)
Alguns estudos em mais detalhe:
| Estudo | O que testou | O que encontrou |
|---|---|---|
| Sharma e colegas, Anthropic, 2023 | Cinco assistentes líderes em quatro tarefas | Todos bajularam. Avaliações mudavam com a opinião do usuário; respostas certas eram abandonadas sob pressão; a precisão caía até 27% quando o usuário sugeria uma resposta errada |
| Laban e colegas, 2023 | Dez modelos em sete tarefas de classificação, desafiados após a primeira resposta | Trocaram de resposta em cerca de 46% dos casos; todos ficaram menos precisos, em média 17% |
| SycEval, Fanous e colegas, Stanford, 2025 | Três modelos líderes com matemática e perguntas médicas | Bajulação em 58% dos casos. Em 14,7% o modelo trocou uma resposta certa por uma errada. Contestações com "citação" de fonte foram as que mais levaram ao erro |
| Cheng e colegas, Stanford, Science, 2026 | 11 modelos em pedidos de conselho; experimentos com 2.405 pessoas | A IA deu razão ao usuário 49% mais vezes do que pessoas, inclusive em casos de engano ou dano. Uma única conversa bajuladora deixou as pessoas mais convictas de que estavam certas e menos dispostas a reparar o conflito. E elas avaliaram a IA bajuladora como melhor e mais confiável |
O último resultado é o mais importante para quem gere uma empresa. As pessoas preferem a IA que as bajula, confiam mais nela e saem da conversa mais seguras de que estão certas. O incentivo comercial aponta na mesma direção do problema: um assistente que concorda é um assistente que as pessoas gostam de usar.
O caso que tornou o problema público
Em 25 de abril de 2025, a OpenAI lançou uma atualização do GPT-4o no ChatGPT. Em poucos dias, usuários começaram a publicar exemplos de um assistente que elogiava tudo: planos de negócio absurdos eram "geniais", decisões arriscadas eram "corajosas". A empresa começou a reverter a atualização em 28 de abril e publicou duas explicações (a primeira e a mais detalhada).
O que a empresa contou é uma aula de gestão:
- A atualização incluía um sinal de recompensa adicional baseado no joinha dos usuários. Combinado com outras mudanças, ele enfraqueceu os controles que seguravam a bajulação.
- Os testes A/B com usuários foram positivos. As pessoas gostaram mais da versão nova.
- Avaliadores experientes que testaram o modelo antes do lançamento disseram que algo "parecia estranho" no comportamento. A empresa lançou mesmo assim, porque as métricas eram boas.
- A empresa admitiu ter dado peso demais ao feedback de curto prazo, sem considerar como a relação dos usuários com o assistente evolui ao longo do tempo.
Por que o escritório é o ambiente ideal para a bajulação
Em casa, a bajulação de IA rende no máximo um conselho ruim. Na empresa, ela encontra quatro amplificadores.
1. Quem pergunta já tem opinião
Ninguém abre o chat no escritório sem contexto. A pessoa escreve "preciso de argumentos para convencer a diretoria a aprovar o projeto X" ou "revise meu plano de expansão". A pergunta já traz a resposta desejada. E, como os estudos mostram, a resposta desejada contamina a resposta dada.
2. A IA concorda com quem está no teclado, e quem está no teclado costuma ser quem manda
Em uma reunião, a opinião do chefe já pesa mais (o efeito HiPPO). Quando o chefe consulta a IA, ela tende a concordar com ele. Quando um analista consulta, tende a concordar com o analista. Mas é o chefe quem leva a resposta para a reunião como argumento. A bajulação não é neutra: ela amplifica a assimetria de poder que já existe.
3. "A IA disse" soa como evidência
Uma opinião pessoal pode ser contestada. "Eu perguntei para a IA e ela concordou" soa como a opinião de um terceiro neutro, quase uma auditoria. Mas o terceiro não é neutro: ele leu a pergunta de quem tinha a opinião. É como pedir a um consultor para validar sua ideia, contar a ele que você adora a ideia e depois apresentar o parecer como independente.
4. Escala e velocidade
Um bajulador humano cansa, tem agenda, às vezes discorda por interesse próprio. A IA está disponível às três da manhã, escreve trinta páginas em um minuto e produz cinco argumentos para qualquer tese. A bajulação, que antes dependia de pessoas, agora é infinita e grátis. E vem acompanhada de texto em volume que ninguém lê com atenção (o AI slop).
O bajulador sempre existiu nas empresas. A novidade é que agora ele está em todas as mesas, nunca dorme e escreve melhor do que todo mundo.
Exemplos corporativos (e o que deveria ter acontecido)
Os cenários abaixo são ilustrativos, construídos a partir dos padrões que as pesquisas descrevem.
O plano de expansão. A diretora comercial pede à IA para "avaliar a expansão para a região Sul, que acredito ser nossa maior oportunidade". A resposta lista forças do plano e sugere "pontos de atenção" leves. O que deveria acontecer: a pergunta sem a crença ("avalie a expansão para a região Sul comparada com aprofundar a atuação no Sudeste") e, principalmente, dados de demanda da região.
O preço do novo produto. O gerente de produto escreve: "Pensamos em R$ 89, que é competitivo, certo?". A IA concorda e justifica. O que deveria acontecer: pedir os argumentos a favor de R$ 69, R$ 89 e R$ 119 com o mesmo esforço e, depois, testar o preço com o público.
A avaliação de desempenho. Um líder pede ajuda para escrever o feedback de um funcionário "que não está entregando". A IA produz um texto que confirma a premissa, sem perguntar o que o líder fez para apoiá-lo. O que deveria acontecer: pedir explicitamente para a IA levantar o que pode estar errado na premissa e que perguntas fazer antes da conversa.
A resposta à crise. A equipe escreve um comunicado sobre uma falha no produto e pergunta se "o tom está bom e transparente". A IA elogia. O que deveria acontecer: pedir para a IA reagir como um cliente irritado que foi afetado, ou testar o comunicado com o público antes de publicar.
Como reconhecer a bajulação: quatro testes rápidos
Você não precisa de um laboratório para medir a bajulação da ferramenta que a sua equipe usa. Quatro testes levam menos de dez minutos.
Os quatro testes
- Teste do espelho. Faça a mesma pergunta duas vezes, em conversas separadas, uma inclinada para cada lado ("acho que devemos lançar" / "acho que não devemos lançar"). Se a IA concordar com as duas, você mediu a bajulação.
- Teste da autoria. Peça a avaliação de um texto dizendo que é seu. Em outra conversa, peça a avaliação do mesmo texto dizendo que é de um concorrente. Compare as críticas.
- Teste do "tem certeza?". Faça uma pergunta com resposta conhecida, receba a resposta certa e conteste sem argumento nenhum. Se ela trocar, a próxima resposta que ela "revisar" a seu pedido também não vale muito.
- Teste da premissa falsa. Inclua um dado errado na pergunta (um número da sua empresa que você sabe que está errado) e veja se a IA corrige ou constrói em cima dele.
Faça os testes com a sua equipe presente. Nada convence mais do que ver a ferramenta concordar com duas pessoas que discordam entre si.
Como reduzir o problema
Não existe um botão que desliga a bajulação. Existem práticas que a reduzem, em três níveis.
Para quem usa
- Esconda a sua opinião. Pergunte antes de revelar o que pensa. "Quais as opções?" em vez de "a opção A é a melhor, certo?".
- Peça os dois lados com o mesmo esforço. "Escreva o melhor argumento a favor e o melhor argumento contra, com o mesmo tamanho."
- Defina o critério antes da resposta. Se você só decide o que é "bom" depois de ler a resposta, a resposta decide por você.
- Separe quem gera de quem avalia. Avalie um texto em uma conversa nova, sem o histórico em que você o escreveu com a IA.
- Desconfie do conforto. Se a resposta deixou você mais seguro do que antes, sem trazer nenhum fato novo, provavelmente foi bajulação.
O passo a passo completo, com modelos de pergunta para situações de trabalho, está em como fazer a IA discordar de você.
Para quem lidera
- Não aceite "a IA concordou" como argumento em reunião. Pergunte: "O que foi perguntado? E qual a evidência?".
- Faça você mesmo o teste do espelho com as suas próprias ideias. Líderes são os mais expostos, porque recebem menos discordância de todos os lados.
- Veja IA como conselheira do líder para os rituais que ajudam.
Para a empresa
- Inclua a bajulação na política de uso de IA, ao lado da alucinação e da privacidade.
- Ao avaliar ferramentas de IA internas, meça também a qualidade das respostas em casos em que o usuário estava errado, e não só a satisfação.
- Para decisões que dependem do comportamento de clientes, exija evidência que venha de fora: dados, testes, pesquisa ou simulação de público.
O que nenhum prompt resolve
As práticas acima reduzem o viés da resposta. Elas não dão à IA o que ela não tem: conhecimento sobre o seu cliente. Quando a pergunta é "os clientes vão gostar disso?", a IA sem bajulação responde com o cliente médio que ela imagina a partir do que leu. É melhor do que a IA com bajulação, mas continua sendo uma opinião.
A saída é mudar a pergunta. Em vez de perguntar a uma IA o que ela acha, coloque as alternativas diante de quem decide a compra, ou de uma representação desse público, e observe as reações sem dizer qual opção é a sua. É a diferença entre pedir um parecer e fazer um teste. Veja perguntar à IA se a sua ideia é boa.
A IA continua sendo útil
Nada disso é motivo para abandonar a IA. Ela escreve, resume, organiza, traduz, programa e gera alternativas melhor e mais rápido do que quase tudo que existia antes. O problema está em um uso específico: pedir à IA que valide uma decisão que você já tomou. Para gerar opções, ela é excelente. Para julgar as suas próprias opções, ela é o pior juiz possível, porque já sabe qual é a sua favorita.
O que é sycophancy em IA?
É a tendência de assistentes de IA de concordar com o usuário, elogiar ou mudar de resposta para agradá-lo, em vez de dar a resposta mais verdadeira ou útil. Em português, bajulação de IA.
Por que a IA concorda com tudo?
Porque os modelos são ajustados com avaliações de pessoas, e as pessoas tendem a preferir respostas que concordam com elas. O treinamento acaba recompensando a concordância. Ninguém programou isso de propósito; é um efeito colateral de otimizar a aprovação humana.
Qual a diferença entre sycophancy e alucinação?
Na alucinação, a IA inventa um fato. Na sycophancy, ela escolhe a resposta que agrada a quem pergunta. A alucinação pode ser descoberta conferindo a fonte; a bajulação raramente é descoberta, porque confirma o que a pessoa já pensava.
Os modelos mais novos ainda bajulam?
Bajulam menos em vários testes, porque os fabricantes passaram a medir e corrigir o problema. Mas pesquisas publicadas em 2026 ainda encontram bajulação relevante em todos os modelos testados. A causa de fundo, treinar com aprovação humana, continua presente.
Pedir para a IA "ser sincera" resolve?
Ajuda pouco e às vezes atrapalha: a IA pode passar a criticar só porque você pediu críticas, o que é outra forma de agradar. Funciona melhor esconder a sua opinião, pedir os dois lados com o mesmo esforço e definir o critério de avaliação antes de ler a resposta.
Como saber se a IA está me bajulando?
Faça a mesma pergunta em duas conversas, inclinada para lados opostos. Se ela concordar com as duas versões, está bajulando. Outros sinais: elogios genéricos, críticas que somem quando você insiste e respostas que deixam você mais seguro sem trazer nenhum fato novo.