Em dezembro de 2025, a consultora EY publicou um relatório de 44 páginas sobre cibersegurança que parecia legítimo, com linguagem técnica e referências numeradas. No entanto, uma análise revelou que 16 das 27 fontes citadas não existiam, incluindo links para artigos inexistentes e uma referência falsa à McKinsey. Este caso não é isolado: a Deloitte teve de revisar um relatório de 1,6 milhões de dólares encomendado por um governo provincial canadiano após erros gerados por IA, e o escritório Sullivan & Cromwell pediu desculpas por submeter peças judiciais com citações legais inventadas.

O problema das fontes falsas não começou com a IA. Há décadas, a pressão para publicar na ciência tem distorcido a produção de conhecimento, favorecendo estudos com resultados positivos e desincentivando a reprodução de pesquisas. Na psicologia social, muitos estudos influentes falharam quando replicados, não por fraude, mas por amostras pequenas e metodologias frágeis. A IA não criou este problema, mas acelerou-o ao permitir que modelos gerem referências plausíveis que ninguém verifica.

A falha crítica está na confiança excessiva em marcas de prestígio. Quando grandes consultoras ou revistas publicam, assume-se que a verificação já foi feita. A IA corrói essa lógica ao produzir conteúdos com aparência de autoridade que não correspondem a fontes reais. O risco é que esses erros alimentem novos modelos de IA, propagando desinformação em escala. A solução exige o retorno a práticas básicas: verificar fontes primárias e questionar dados antes de os citar.