Um agente de IA inventa informação quando falta o dado e nada o impede de completar a lacuna com algo que soa plausível. O que impede é a combinação de três coisas: uma fonte atual e única para cada tipo de dado (catálogo integrado à loja, políticas escritas numa base de conhecimento), uma regra clara de que dado da loja só sai dessas fontes e um jeito definido de responder quando a informação não existe. Com isso no lugar, o agente diz com segurança o que sabe e não preenche o que não sabe.
Por que a IA inventa
Modelos de linguagem são treinados para produzir a próxima frase mais provável. Quando alguém pergunta "esse produto tem versão sem perfume?" e a resposta não está em lugar nenhum, a frase mais provável é um "sim" ou um "não" bem escrito. O modelo não tem um freio natural para "eu não sei".
No e-commerce, isso aparece de formas bem concretas: um prazo de entrega que a loja não pratica, um cupom que já venceu, uma política de troca mais generosa que a real, um tamanho que está esgotado, uma indicação de uso que a marca nunca fez.
E o custo é da loja. Em 2024, um tribunal do Canadá condenou a Air Canada a pagar a diferença de tarifa a um passageiro porque o chatbot do site informou uma regra de reembolso que a empresa não tinha. A companhia argumentou que não respondia pelo que o chatbot dizia, e o tribunal não aceitou (Moffatt v. Air Canada, 2024 BCCRT 149). O que o agente diz no seu WhatsApp é a loja falando.
Os sete pontos que impedem a IA de inventar
1. Ligue o agente ao catálogo da loja, não a um arquivo exportado
Preço, estoque e variantes mudam todo dia. Uma planilha exportada no mês passado vira fonte de erro na semana seguinte. O agente precisa consultar a plataforma de e-commerce (Shopify, VTEX) na hora de responder, ou um catálogo sincronizado com ela.
Regra prática: estoque nunca deve estar escrito à mão nas instruções do agente. Instrução envelhece; o catálogo é atualizado.
2. Escreva as políticas numa base de conhecimento, uma versão só
Troca, devolução, frete, prazos, formas de pagamento, garantia, endereço de lojas. Cada política num texto curto e atual, numa base que o agente consulta a cada pergunta (é o que se chama de RAG: buscar o trecho relevante e colocar na resposta).
Duas versões da mesma política, uma no FAQ do site e outra num PDF antigo, garantem resposta contraditória. Antes de subir material, apague o que está vencido.
3. Deixe claro o que é fonte e o que não é
O agente precisa de uma lista fechada do que vale como fato da loja: catálogo, base de conhecimento, instruções da marca, cupons ativos, resultado de uma consulta feita naquele momento. Todo o resto serve para entender o cliente, não para afirmar dado da loja.
O caso mais traiçoeiro é o próprio histórico da conversa. Um preço que o agente informou há duas semanas é uma foto do passado. Se o cliente volta e pergunta "aquele preço ainda vale?", o agente confere no catálogo de hoje. Se o cupom não está ativo, ele diz que essa condição não está valendo agora, em vez de repetir o valor antigo.
4. Separe fato, associação e senso comum
Proibir tudo deixa o agente inútil. Ele precisa saber em que terreno está:
- Fato da loja: preço, estoque, prazo, política, cupom, link. Só sai da fonte, literalmente. Se não está escrito, não afirma.
- Associação: ligar o que o cliente disse a um atributo escrito no produto. "Minha pele é clara" com uma base cujo nome é "Tom 02, Baunilha" permite sugerir os tons mais claros da linha, como sugestão. Não permite afirmar que a marca indica aquele tom para pele clara.
- Senso comum: o que qualquer pessoa sabe. Gel é mais leve que creme, P é menor que M. Aqui o agente responde direto, sem ressalva.
Alguns assuntos não aceitam associação nenhuma: preço e desconto, estoque e prazo, políticas, existência de um produto ou de uma variante e qualquer tema de saúde (alergia, gravidez, medicamento, restrição alimentar). Nesses, vale só o que está escrito. Em saúde, quando não houver informação, o agente orienta procurar um profissional.
5. Defina como responder quando a informação não existe
Um agente que abre metade das respostas com "infelizmente não tenho essa informação" é tão ruim quanto um que inventa. A regra que funciona:
- o cliente não perguntou aquele dado: não mencione que ele falta;
- perguntou, mas dá para ajudar sem ele: ajude direto;
- perguntou exatamente aquilo e a resposta depende disso: diga uma vez, no meio da frase, e siga com o que dá para fazer.
Exemplo: o cliente pergunta se cabe um notebook de 15 polegadas numa bolsa e a medida interna não está cadastrada. Em vez de "não tenho essa informação", o agente responde que a bolsa tem divisória acolchoada e alça reforçada, que a medida exata fica devendo, e pergunta o modelo do notebook para ajudar a decidir.
6. Proíba promessa de ação que o agente não executa
"Vou verificar e te retorno", "já encaminhei para o financeiro", "vou te avisar quando chegar". Se o agente não consegue fazer, a frase é uma invenção tão grave quanto um preço errado. Ou ele tem a ferramenta para executar (criar o carrinho, consultar o pedido), ou passa para uma pessoa. Veja quando o agente de IA deve passar a conversa para um humano.
7. Audite as respostas
Não dá para corrigir o que não se vê. Leia amostras de conversas toda semana, com atenção às respostas sobre preço, prazo e política. Cada erro achado vira uma de três correções: informação que falta na base, informação errada na fonte ou regra que precisa ficar mais clara.
Erros comuns
- Subir um PDF de 80 páginas e dar por resolvido. Material longo e antigo é onde moram as contradições.
- Escrever "não invente" no prompt e parar aí. Sem fonte boa e sem regra de lacuna, o modelo continua completando.
- Pôr estoque, preço ou promoção nas instruções fixas. Vence em dias e passa a valer mais que o catálogo.
- Proibir tudo. O agente passa a dizer "não sei" para pergunta de senso comum e o cliente conclui que ele não sabe nada.
- Não revisar depois do go-live. Catálogo e políticas mudam; a base precisa acompanhar.
Como a ztgrowth faz
O agente da ztgrowth responde a partir da base de conhecimento da marca (catálogo, FAQ, políticas e PDFs entram no contexto da resposta) e da integração nativa com Shopify e VTEX, que valida estoque em tempo real. Ele consulta em vez de inventar.
As regras acima estão no próprio agente: uma lista fechada de fontes que valem como fato da loja; o histórico da conversa tratado como foto do passado; a separação entre fato, associação e senso comum, com os assuntos em que associar é proibido; a regra de como responder quando falta o dado; e a proibição de prometer ação que ele não executa.
A qualidade é auditável: cada conversa tem score, insights agregados e drill-down no caso individual, dentro do Data Insights.
Perguntas frequentes
Dá para garantir que a IA nunca vai errar?
Não. Dá para reduzir muito o erro com fonte boa e regra clara, e para encontrar rápido o que escapar com auditoria. Quem promete zero erro não está medindo.
O que é RAG?
É a técnica de buscar, a cada pergunta, os trechos relevantes da base de conhecimento da marca e colocá-los no contexto da resposta. O agente responde com o texto da loja na frente, não com o que o modelo aprendeu na internet.
A IA pode responder sobre saúde, alergia ou contraindicação?
Só com o que está escrito pela marca. Sem informação, o agente não deduz: orienta procurar um profissional. Vale revisar com o time jurídico ou regulatório o que entra na base sobre esses temas.
Preciso de time técnico para montar a base de conhecimento?
Não. A base é feita de textos que o time de atendimento já conhece: políticas, FAQ, fichas de produto. O trabalho maior é editorial, deixar uma versão só e atual de cada assunto.
Como saber se o agente está inventando?
Lendo conversas, com foco em preço, prazo e política, e comparando com a fonte. Uma ferramenta de qualidade por conversa acelera isso, mas a leitura semanal não sai da rotina.
Se você está comparando ferramentas, o comparativo agente de IA ou chatbot de fluxo mostra onde cada uma corre esse risco. Para ver o agente em detalhe, conheça a IA conversacional da ztgrowth.