A segunda opinião que sempre concorda com quem pergunta

Uma cliente de longa data do escritório abriu uma conversa com um chat de Inteligência Artificial para descobrir se conseguiria reduzir o percentual de corretagem na venda de uma fazenda. Obtida a resposta que lhe interessava, aproveitou a mesma sessão para perguntar se os honorários advocatícios propostos dias antes eram razoáveis. O caso era de uma assessoria jurídica para a regularização de imóvel rural e para a compra e venda, tratada numa primeira reunião. As mensagens da cliente chegaram para mim por volta das onze da noite, coladas no WhatsApp com a cadência reconhecível de resposta de modelo, com tudo bem concatenado, uma ressalva no meio e o fecho conciliador.

A resposta explicava que a remuneração do advogado não costuma seguir percentual, listava três modelos de cobrança e sugeria uma estrutura que considerava razoável para uma operação daquele porte, com a observação de que aquilo alinhava os interesses das partes sem confundir honorários com comissão de corretagem. O texto tinha forma de parecer.

A conversa, lembre-se, tinha começado com a vendedora tentando reduzir a comissão de um intermediário, e a pergunta sobre o advogado entrou no mesmo fio. O chat respondeu a alguém que já havia declarado querer pagar menos.

O comportamento tem nome na literatura técnica. Sicofância é a tendência do modelo a concordar com o usuário e a preservar a imagem que ele tem de si, mesmo quando isso custa a resposta correta. Em bom português: bajulação. Nada do que foi dito ali pelo chat era invenção. Os três modelos de cobrança existem e a descrição de cada um estava adequada, ainda que a afirmação sobre o percentual seja discutível em um país onde a cobrança de honorários por êxito é corrente. O que veio calibrado foi a posição.

A concordância vem do treinamento

Assistentes de conversa são ajustados com feedback humano: avaliadores comparam pares de respostas, escolhem a melhor, e essa escolha vira sinal de treino. Em trabalho publicado em 2023, Mrinank Sharma e coautores da Anthropic testaram cinco assistentes de ponta em quatro tarefas de texto livre e encontraram o mesmo padrão em todos. A análise dos dados de preferência mostra de onde ele vem. Resposta que coincide com a opinião declarada do usuário tem mais chance de ser escolhida, e tanto o avaliador humano quanto o modelo de preferência preferem, numa parcela não desprezível das vezes, a resposta bajuladora bem escrita à resposta correta.

Em abril de 2025 o efeito ficou ainda mais visível. Uma atualização do GPT-4o passou a endossar quase tudo que o usuário trazia, com relatos de aprovação a plano de negócio inviável e a decisão de interromper medicação. A OpenAI retirou a versão do ar quatro dias depois e publicou uma explicação. Um sinal de recompensa novo, construído sobre os votos de polegar para cima e para baixo dos usuários, tinha se sobreposto às salvaguardas anteriores.

O tamanho do desvio foi medido na Universidade Stanford. O benchmark ELEPHANT, de Myra Cheng, Dan Jurafsky e coautores, comparou onze modelos com respostas humanas em pedidos de conselho e em relatos de conflito com culpa evidente de quem narra. Os modelos preservaram a autoimagem do usuário 45 pontos percentuais acima dos humanos. Apresentado o mesmo conflito ora pela versão de um lado, ora pela do outro, os onze deram razão aos dois em 48% dos casos.

O que muda na mesa de negociação

Acontece que o cliente que chega para falar com o advogado levando a resposta do chatbot chega convencido de ter ouvido um terceiro sem interesse no resultado. Ouviu um interlocutor supostamente neutro, mas que na realidade ajustou a resposta ao que o usuário mesmo havia dito querer. A conversa sobre honorários muda de natureza, e o advogado passa a desmontar um parecer que a outra parte considera independente antes de conseguir discutir critério de cobrança.

Dentro do escritório, nos casos mais importante, o efeito é o mesmo e a percepção é menor. A tese que o advogado já preferia volta descrita como consistente, e a minuta escrita às pressas volta elogiada na estrutura. A concordância do chat chega fundamentada, com vocabulário técnico e ressalva no lugar certo, vestido por uma retórica difícil de discordar. E é isso que a torna difícil de identificar.

O desvio tem direção, e é aí que ele escapa. Um erro distribuído ao acaso aparece na conferência de rotina. A confirmação da expectativa de quem perguntou passa direto, porque revisar quase sempre nasce de desconfiar, e ninguém desconfia do texto que diz aquilo que já se pensava.

O que dá para escrever na instrução

Mudar a forma da pergunta funciona melhor do que simplesmente pedir isenção. Magda Dubois publicou em 2026 experimentos controlados que isolaram o efeito do enquadramento. A bajulação é maior diante de afirmação do que de pergunta, cresce conforme o usuário demonstra convicção e aumenta quando a frase é construída em primeira pessoa. Instruir o modelo a converter a afirmação em pergunta antes de responder reduziu a siconfância mais do que o pedido direto para não bajular.

Esse antídoto cabe em poucas linhas fixas no arquivo de instruções do escritório. A abertura avaliativa fica proibida, do tipo "excelente pergunta", porque o elogio inicial calibra o texto que vem depois. A objeção mais forte tem de aparecer antes de qualquer concordância. O que veio do documento fica separado do que é inferência, com menção expressa ao que não foi conferido. Por fim, nenhum parecer sai sem que a mesma análise seja refeita pela posição da parte contrária. Do lado de quem escreve o prompt vale disciplina equivalente: perguntar se o valor é compatível com a prática do mercado, sem informar antes que ele parece alto.

É bem verdade que nenhuma dessas linhas elimina o problema. O estudo de Stanford avaliou as mitigações já existentes e registrou eficácia limitada, com resultado promissor apenas na intervenção sobre o próprio modelo, que não está ao alcance de quem escreve o prompt. A inclinação continua no treinamento. O que essas linhas fazem é encarecer a concordância automática o suficiente para que ela tenha de se justificar. Na consultoria iAdv isso virou critério de leitura antes de virar regra escrita: a resposta que chega pronta, bem redigida e favorável é a primeira que vai para conferência. O modelo responde a quem perguntou, mas a gente precisa fazer com que ele responda à pergunta.