KPMG recua e tira do ar estudo de IA após descoberta de erros gerados por algoritmo

A KPMG decidiu retirar de circulação um relatório internacional sobre o uso de inteligência artificial depois que empresas citadas no documento apontaram que as descrições de seus projetos simplesmente não existiam na prática. O estudo, publicado em outubro de 2025 e focado em “agentic AI”, pretendia mostrar como grandes organizações estariam transformando operações com agentes inteligentes, mas acabou se tornando um exemplo de como a própria IA pode comprometer a credibilidade de pesquisas corporativas.

A revisão externa do material ficou a cargo do grupo de pesquisa GPTZero, especializado em identificar uso indevido de IA generativa em textos acadêmicos e corporativos. Ao analisar o relatório da KPMG, os pesquisadores concluíram que boa parte das referências bibliográficas e dos estudos de caso trazia sinais claros de alucinações geradas por modelos de linguagem. De um total de 45 citações listadas, apenas cinco apontavam corretamente para as fontes mencionadas, enquanto o restante era composto por referências distorcidas, incompletas ou que não puderam ser associadas a nenhum trabalho real.

O problema não ficou restrito às notas de rodapé. Empresas que aparecem como cases de sucesso no relatório, como UBS, o serviço público de saúde do Reino Unido, as ferrovias federais suíças e a agência Transport for London, contestaram publicamente as descrições sobre o nível de automação e o uso de agentes de IA em suas operações. Segundo essas organizações, o documento atribuiu a elas soluções que nunca foram implementadas ou inflou projetos ainda experimentais, o que reforçou a suspeita de que o conteúdo foi construído com apoio intenso de ferramentas generativas sem checagem humana adequada.

A crítica da GPTZero é que o relatório parece ter misturado trechos de fontes reais com extrapolações e “citações no feeling”, expressão usada pelos pesquisadores para descrever referências que soam plausíveis, mas não têm lastro em estudos concretos. Em vários casos, títulos de pesquisas foram parafraseados, nomes de autores apareceram trocados e datas foram alteradas, o que dificulta qualquer auditoria séria sobre os dados apresentados. Em outras passagens, afirmações categóricas sobre a adoção de agentes de IA em ambientes domésticos e corporativos não traziam evidências ou detalhamento metodológico.

Frente à repercussão, a KPMG retirou o estudo de seus canais oficiais e afirmou que abriu uma investigação interna para entender como o material foi aprovado. Em comunicado, a consultoria reforçou que possui diretrizes de uso responsável de IA e que espera de suas equipes supervisão humana rigorosa na validação de conteúdo e na verificação de fontes independentes antes da publicação de qualquer relatório. A empresa não detalhou qual foi o peso exato das ferramentas generativas na produção do texto, mas admitiu que o documento não deveria ter sido divulgado na forma em que estava.

O episódio se soma a uma série de casos recentes em que grandes consultorias e órgãos públicos enfrentam questionamentos por depender demais de IA em atividades de pesquisa. Em 2025, por exemplo, o governo australiano exigiu que a Deloitte devolvesse parte do valor de um relatório de conformidade depois de identificar citações incorretas e trechos supostamente fabricados por sistemas generativos. Para especialistas, esses incidentes mostram que, sem governança clara, a promessa de ganho de produtividade com IA se converte facilmente em risco reputacional.

Apesar do constrangimento, o caso KPMG tende a aumentar a pressão do mercado por padrões mais rígidos de auditoria de conteúdo produzido com apoio de IA. Ferramentas como as da própria GPTZero, que rastreiam sinais de alucinação e citações artificiais, começam a ser vistas não só como mecanismos de controle acadêmico, mas como peça central de compliance em relatórios estratégicos. Para as empresas que querem falar sobre inteligência artificial sem serem surpreendidas por erros gerados por máquina, o recado é direto: mais do que adotar modelos avançados, será necessário investir em processos humanos de revisão que não terceirizem o julgamento crítico para algoritmos.