Ambiguidade
Definição em uma frase: uma entrada ou saída que admite mais de uma leitura válida; o modelo escolhe uma delas e a resposta pode não ser a que foi pedida.
Explicação curta
Ambiguidade não é o modelo “errar o fato” — é o pedido não determinar qual resposta é a correta. Duas pessoas (ou duas execuções) podem interpretar o mesmo texto de formas diferentes e ambas conseguem defender que responderam ao pedido.
Na Alucinação e comportamentos, o bullet associa ambiguidade a prompt ruim — “geralmente”, não sempre. É a falha mais barata de corrigir: muitas vezes o problema está na pergunta, não no modelo.
Na Erros Inerentes à Arquitetura, o recorte é explícito: ambiguidade do pedido — a formulação do input não determina a resposta correta. Não é a ambiguidade da linguagem natural em geral, embora essa seja a razão pela qual o pedido consegue ser ambíguo.
Os três lugares onde a ambiguidade aparece
| Lugar | Exemplo | Quem resolve |
|---|---|---|
| No pedido | ”faça um resumo das vendas” — resumo de quê? para quem? em quanto espaço? | quem escreve o prompt |
| No domínio | ”média de vendas por mês” — média por venda, por dia ou total do mês? | quem conhece a regra de negócio |
| Na saída | texto que pode ser lido como recomendação ou como constatação | formato/estrutura da resposta |
Por que acontece
- Linguagem natural é subespecificada por natureza: o modelo precisa preencher lacunas para continuar o texto.
- O modelo resolve a ambiguidade sozinho, escolhendo a continuação mais provável — não pergunta “o que você quis dizer?” por padrão.
- Falta de exemplo de saída: sem um modelo do formato desejado, cada execução inventa um critério.
- Perda de Contexto pode criar ambiguidade retroativa: a regra que resolvia o pedido estava no histórico e sumiu.
Como detectar
- Teste das duas respostas: dá para responder de duas formas e ambas “cabem” no pedido? Então há ambiguidade.
- Teste da paráfrase: reescrever o pedido sem mudar o sentido muda a resposta? Se muda, o critério não estava no pedido.
- Perguntar o critério: “o que faria uma resposta ser considerada errada?” Se não há resposta objetiva, o prompt está aberto demais.
Como mitigar
| Controle | O que fazer |
|---|---|
| Especificar o contrato | dizer objetivo, público, formato, tamanho e o que não fazer |
| Dar exemplo | um exemplo de entrada/saída vale mais que um adjetivo (“resumo curto”) |
| Saída estruturada | schema obriga campos e reduz interpretações livres |
| Pedir clarificação | instruir o modelo a perguntar quando faltar dado crítico |
| Testar com paráfrases | o mesmo pedido escrito de 3 jeitos deve produzir a mesma decisão |
Ambiguidade se combate antes da inferência. Depois que o modelo escolheu uma leitura, o máximo que se faz é detectar e corrigir — não “desambiguar” a resposta.
Exemplo
“Faça um resumo das vendas” pode significar: (a) total por mês; (b) média por venda; (c) comparação com o mês anterior; (d) texto executivo para a diretoria. Quatro respostas defensáveis, uma pergunta. O modelo não errou o cálculo — ele respondeu a uma pergunta que não estava escrita.
Confusões e aparências
- ❌ Não é imprecisão: a resposta pode ser exata para uma das leituras.
- ❌ Não é Alucinação: não há fato inventado; há critério ausente.
- ✅ É ausência de contrato: o pedido não define o que conta como resposta correta.
Autoavaliação
- P: Por que “seja mais específico no prompt” não é resposta suficiente? R: porque especificidade sem critério de correção só aumenta o texto; o que resolve é definir o que a saída precisa conter e como será validada.
- P: Como ambiguidade e inconsistência se relacionam? R: uma pergunta ambígua permite que cada execução escolha uma leitura — o resultado aparece como Inconsistência entre execuções.
Onde vi isso
- Visto em: Alucinação e comportamentos · Erros Inerentes à Arquitetura · Ambiguidade e riscos na IA
- Aprofundamento: Engenharia de prompt e contexto
Ver também
Atualizado em 2026-10-22