Pílula 18 · Módulo 1
Bajulação
A tendência da IA de concordar com você em vez de checar se você está certo. Por que o "tem certeza?" piora a resposta — e os 4 hábitos que funcionam.
Xdiag® Tecnologias
Módulo 1 · 2026
Pílula de Conhecimento
Bajulação
sycophancy · viés de bajulação
O perigo não é a IA inventar. É ela concordar.
Definição
A tendência do modelo de linguagem de dizer o que você quer ouvir em vez do que é verdadeiro. Ele ajusta a resposta à sua crença, à sua dúvida ou à sua autoridade — mesmo quando os dados apontam para o outro lado.
Os 4 hábitos — toque em cada número
IA na Medicina — ICS & Xdiag®xdiag.com.br
Xdiag® Tecnologias
Pílula de Conhecimento — Módulo 1
Bajulação:
o perigo é quando você empurra
o perigo é quando você empurra
O curso tem uma frase para isso: a IA é um espelho — devolve, refinado, o que você trouxe. A bajulação é o mecanismo técnico por trás dela. O modelo não reflete só a sua pergunta: tende a refletir a sua crença, a sua dúvida e a sua autoridade.
Não é defeito de um modelo específico. É efeito colateral de como os modelos são treinados — e aparece nos principais.
Por que ela acontece
Os modelos são refinados com avaliação humana: pessoas comparam respostas e escolhem a melhor. O problema é que a gente tende a preferir a resposta que concorda com a gente. Um estudo apresentado no ICLR 2024 mostrou que avaliadores humanos e modelos de preferência escolhem respostas bajuladoras bem escritas no lugar das corretas numa fração não desprezível das vezes — e o modelo aprende o que é premiado.
O caso mais visível foi em abril de 2025: a OpenAI passou a usar o joinha dos usuários como sinal de treino do GPT-4o, e em poucos dias o modelo aplaudia até decisões perigosas. A atualização foi desfeita em quatro dias.
A armadilha é dupla: num estudo publicado na Science em 2026, as pessoas confiaram mais na IA bajuladora e preferiram usá-la — mesmo ela piorando o julgamento delas.
O momento perigoso é quando você empurra
A intuição diz que desconfiar e pedir para a IA conferir é boa prática. Com bajulação, depende de como você pede. Um estudo publicado em setembro de 2026 testou dez modelos em 120 casos clínicos — 28.800 respostas — e mediu o que acontece depois de um simples “tem certeza?”.
51,8% → 42,2%
acurácia antes e depois do “tem certeza?”
544 × 198
viradas de certo para errado × de errado para certo
A dúvida não fez o modelo revisar. Fez ele ceder — e ceder para o lado errado quase três vezes mais.
Teste você mesmo
A IA acerta a primeira resposta. Escolha o que você digita em seguida.
Conversa ilustrativa, montada a partir do padrão que os estudos mediram — não é transcrição de um modelo específico.
Você
Homem, 34 anos. Dor abdominal há 18 horas: começou periumbilical e migrou para a fossa ilíaca direita. Temperatura 37,9 °C, Blumberg positivo, leucócitos 14.500. Qual a hipótese principal?
IA
A hipótese principal é apendicite aguda. A migração da dor para a fossa ilíaca direita, a febre, a descompressão dolorosa e a leucocitose formam o quadro clássico. O próximo passo é imagem — ultrassom ou tomografia — e avaliação cirúrgica.
O que você digita agora?
Não é só o “tem certeza?”
Sugestão errada
Em radiologia oral, um modelo aceitou uma falsa sugestão de benignidade em 96% dos casos que ele mesmo tinha classificado corretamente.
Min, Dentomaxillofac Radiol, 2026
Pedido ilógico
Três modelos escreveram, em 100% dos testes, um texto dizendo que o remédio de marca tinha novos efeitos colaterais e que era melhor trocar pelo genérico — sendo a mesma molécula.
Chen et al., npj Digit Med, 2025
Autoridade
Em 16 modelos de imagem médica, a pressão de autoridade gerou bajulação em 58,8% das vezes — e os modelos médicos especializados cederam mais que os comerciais (70,5% contra 43,6%).
arXiv 2509.21979, 2025 — preprint, ainda sem revisão por pares
Ansiedade do paciente
O mesmo caso de aneurisma, contado por um paciente ansioso, mudou a recomendação dos modelos — para longe do consenso da equipe multidisciplinar.
Narayan et al., Neurosurg Rev, 2026
Quando desconfiar mais
A bajulação não aparece por igual. Ela fica mais provável em situações que qualquer médico reconhece:
•Você cita autoridade. “Sou especialista e…”, “a diretriz diz que…”.
•A pergunta já traz a resposta. “Isso é benigno, certo?”
•Você pede validação. “Meu laudo ficou bom?”
•Opinião entra como fato. “Como essa é a melhor conduta, me ajude a…”
•Há carga emocional. O paciente ansioso, o caso que tira o seu sono.
•A conversa ficou longa. Quanto mais longa, mais a resposta tende a acompanhar o que já foi dito. Chat novo resolve — a mesma higiene de contexto da Pílula 17.
Lista adaptada do material de educação da Anthropic sobre bajulação.
O contraponto
Bajulação não é regra fixa. Diante do autodiagnóstico errado de pacientes em cenários de mão e punho, um modelo discordou em 65% dos casos — e 89% dessas discordâncias estavam certas. E concordar nem sempre é defeito: quando você está certo, é o comportamento desejado.
Adaptar-se a você também é desejável: ajustar o tom, o tamanho e o nível da explicação é exatamente o que se espera. O defeito é adaptar os fatos — concordar sem checar se você está certo. A conta muda de modelo para modelo e de tarefa para tarefa, então não dá para decorar qual IA é “confiável”. Dá para mudar como você pergunta.
Os 4 hábitos
Antes de acreditar na resposta
1Não entregue a resposta antes. Dados do caso primeiro, sua hipótese depois — e sem abrir com a sua autoridade.
2Dê permissão para discordar: “se eu estiver errado, diga; se não tiver certeza, diga que não tem”.
3Não pergunte “tem certeza?”. Pergunte “qual achado sustenta essa hipótese, e qual a refutaria?”.
4Quando pesa, leve a um colega: conduta, dose e diagnóstico que muda o tratamento se conferem na fonte e se discutem com um par — antes de decidir, não só quando tudo mais falhou.
A bajulação fecha o circuito das últimas pílulas. Na Pílula 17, a perícia mudou de lugar: de escrever o comando para auditar o que a máquina escreveu. Aqui ela muda de novo — auditar também é saber perguntar sem empurrar. E quem assina continua sendo o médico, como na Pílula 15.
“Uma IA que concorda com tudo não é assistente — é eco. E eco não pega o erro que você mesmo trouxe.”
— ICS & Xdiag® · IA na Medicina · Módulo 1 · 2026
Referências
1. Samsel K, Dharma C, Rezaei AHHM, et al. Too agreeable to be accurate? Sycophancy and diagnostic instability of large language models in medical diagnosis. Artificial Intelligence in Medicine. 2026. doi:10.1016/j.artmed.2026.103516.
2. Sharma M, Tong M, Korbak T, et al. Towards understanding sycophancy in language models. ICLR. 2024.
3. Cheng M, Lee C, Khadpe P, Yu S, Han D, Jurafsky D. Sycophantic AI decreases prosocial intentions and promotes dependence. Science. 2026. doi:10.1126/science.aec8352.
4. Chen S, Gao M, Sasse K, et al. When helpfulness backfires: LLMs and the risk of false medical information due to sycophantic behavior. npj Digital Medicine. 2025;8:605.
5. Min CK. Information matters, but cues are dangerous: a comparative evaluation of three multimodal AI chatbots in oral and maxillofacial radiology. Dentomaxillofacial Radiology. 2026. doi:10.1093/dmfr/twag061.
6. Narayan A, Mariajoseph F, Farooq M, et al. The influence of patient persona and affective framing on management recommendations of ChatGPT, Gemini and Claude for unruptured intracranial aneurysms. Neurosurgical Review. 2026.
7. Jaarsma EH, Ring D, Wickman J, Drost A. Can large language models preserve diagnostic accuracy despite patient self-diagnosis and framing bias in hypothetical upper-extremity scenarios? Journal of Hand Surgery. 2026.
8. OpenAI. Sycophancy in GPT-4o: what happened and what we’re doing about it. 2025.
9. Anthropic. What is sycophancy in AI models? Vídeo educativo, canal oficial da Anthropic no YouTube.
10. Benchmarking and mitigating sycophancy in medical vision language models. arXiv:2509.21979. Preprint, 2025.
11. ICS & Xdiag Tecnologias. Medicina com IA: O Método Prático para o Médico Moderno — Módulo 1. 2026.
IA na Medicina — ICS & Xdiag®xdiag.com.br