A maioria das PME que usa inteligência artificial para gerar textos, responder a clientes ou analisar dados já se deparou com um problema: o sistema inventa informação. Uma resposta errada sobre um prazo de entrega, um conselho financeiro impreciso ou uma recomendação médica fabricada podem custar clientes e criar responsabilidades legais. A partir de 2 de agosto de 2026, a verificação de outputs de IA deixa de ser uma boa prática e passa a ser uma obrigação legal para qualquer empresa que utilize ou forneça modelos de IA de uso geral na União Europeia. E a maioria das empresas ainda não tem um processo para isso.
O que é a verificação de outputs e porque é que o AI Act a exige
O Artigo 55 do Regulamento Europeu de Inteligência Artificial (AI Act) impõe três obrigações que mudam a forma como as empresas devem olhar para os sistemas de IA. A primeira é a avaliação contínua dos riscos sistémicos que os outputs do modelo podem causar — não basta uma análise inicial, é preciso monitorizar o que o sistema produz em tempo real. A segunda, explicitamente mencionada no Código de Conduta para IA de Uso Geral publicado em abril de 2026, obriga a “medidas adequadas para avaliar e mitigar o risco de alucinações nos outputs”. É a primeira vez que uma grande regulação nomeia diretamente as alucinações como um risco de conformidade.
Na prática, isto significa que se a sua empresa usa um chatbot baseado num modelo como o GPT ou o Claude para atendimento ao cliente, precisa de ter um mecanismo que verifique se as respostas são factualmente corretas, se não contêm conselhos ilegais ou se não induzem o utilizador em erro. Não chega ter uma política de utilização responsável ou um aviso de que “a IA pode cometer erros”. A regulação exige verificação ativa e mitigação em produção.
O que diferencia esta abordagem das práticas atuais
Até agora, a maioria das empresas que adotou IA generativa focou-se em dois aspetos: a qualidade do prompt e a revisão manual ocasional. Algumas implementaram filtros básicos de conteúdo, mas a verificação sistemática e automatizada dos outputs — especialmente em tempo real — é rara fora de setores muito regulados. O AI Act vem colmatar essa lacuna ao exigir que a avaliação de riscos seja feita ao nível do output, e não apenas na fase de treino ou de configuração do modelo.
Isto implica uma mudança de mentalidade: em vez de confiar que o modelo “normalmente acerta”, a empresa passa a ter de provar que cada interação crítica foi validada. Ferramentas de IA para marketing e vendas que geram automaticamente descrições de produtos ou respostas a clientes terão de incluir uma camada de verificação que detete inconsistências, informações desatualizadas ou alegações infundadas. É uma diferença semelhante à que existe entre ter um carro com airbags e ter um carro que monitoriza ativamente a estrada e trava sozinho — a segunda opção é prevenção ativa, não apenas mitigação de danos.
O que isto significa para PMEs portuguesas
Para uma PME portuguesa com 5 a 50 colaboradores, o impacto prático pode ser menor do que parece — se for bem gerido. A obrigação de verificação de outputs aplica-se sobretudo a quem fornece modelos de IA de uso geral, mas também a quem os utiliza em contextos de risco elevado (como saúde, finanças ou decisões legais). A maioria das PME que usa IA para tarefas administrativas, marketing ou atendimento não estará no grupo de risco sistémico, mas terá de demonstrar que tomou medidas proporcionais.
Isso pode traduzir-se em adotar ferramentas de validação já integradas em plataformas de automação ou em definir processos internos de revisão por amostragem. O custo pode ser residual se a empresa já utiliza serviços que incluem verificações automáticas — por exemplo, algumas soluções de inteligência artificial para negócios já oferecem camadas de segurança que filtram alucinações. O importante é documentar o que se faz e porquê, para responder a uma eventual auditoria.
O erro que a maioria comete
O erro mais comum é acreditar que ter a papelada em ordem — políticas de IA, avaliações de impacto, documentação do modelo — é suficiente. A maioria das empresas concentra-se em compilar dossiers de conformidade e esquece-se de que o AI Act exige monitorização contínua dos outputs. Resultado: investem tempo e dinheiro em documentos que não protegem contra o risco real, que é o sistema dizer algo errado a um cliente ou a um regulador. A conformidade não é um evento único; é um processo que corre a par da operação.
Riscos e limitações
Implementar uma verificação de outputs eficaz não é trivial. Exige integração técnica com os sistemas de IA, definição de métricas de qualidade e, muitas vezes, supervisão humana para casos ambíguos. Para PME sem equipa de IT interna, pode ser necessário recorrer a consultoria externa ou a ferramentas especializadas que ainda estão a amadurecer. Além disso, a própria regulação ainda está a ser detalhada — as orientações práticas da Comissão Europeia sobre o que constitui “medidas adequadas” só deverão ser publicadas no final de 2026. Portanto, há um risco de investir agora em soluções que depois não se alinhem totalmente com os requisitos finais. Esta exigência também não se aplica a todos os usos de IA: se a sua empresa usa IA apenas para tarefas internas de baixo risco, como gerar resumos de reuniões, o esforço de conformidade pode ser desproporcionado.
Veredito Descomplicar®
A verificação de outputs de IA é uma exigência que veio para ficar e que, bem aplicada, protege a reputação e a operação das PME. Para a maioria das empresas portuguesas, o caminho mais sensato é começar por identificar os pontos de contacto com o cliente onde a IA gera conteúdo e avaliar o risco de uma alucinação causar dano. Se esse risco for baixo, documente a decisão e mantenha uma revisão periódica. Se for elevado, invista em ferramentas de validação ou em processos de supervisão humana. Não espere pelo dia 2 de agosto para agir — a preparação leva tempo e a autorregulação é sempre mais barata do que uma coima.
