Todas as IAs erraram a mesma pergunta fiscal — e ninguém percebeu até checarmos a lei

Era uma terça-feira à noite e eu estava olhando para três abas do navegador — ChatGPT, Claude, Gemini — todas me dizendo a mesma coisa. As três estavam erradas.

A pergunta era bastante simples: de acordo com a nova Omnibus Budget Reconciliation Act, um contribuinte pode deduzir os juros de um empréstimo para carro pessoal? Todos os modelos disseram que sim. Cada modelo explicou a disposição corretamente — as datas, os requisitos do veículo, até mesmo os limites de renda. E cada modelo posicionou a dedução na seção errada do código tributário, o que significava que o aconselhamento financeiro derivado era um lixo.

Não ligeiramente impreciso. Não «bem, depende da interpretação». Simplesmente errado. O tipo de erro que, se um CPA seguisse, desencadearia uma auditoria do IRS. O tipo de erro que poderia custar a um aposentado milhares de dólares em sobretaxas inesperadas no prêmio do Medicare. E a parte assustadora? Se você já não soubesse a resposta, nunca perceberia. A IA parecia perfeita.

Aquele momento mudou minha forma de pensar sobre IA em conformidade. Não porque eu estivesse surpreso com o fato de um modelo de linguagem alucinar — todos sabemos que eles fazem isso. O que me abalou foi que todos os três alucinaram exatamente da mesma maneira, exatamente pelo mesmo motivo. Eles haviam aprendido a resposta errada na internet, e a internet estava tão uniformemente equivocada que não restava nenhum sinal para que os modelos se autocorrigissem.

Começamos a chamar esse fenômeno de Erro de Consenso. E assim que o compreendemos, não conseguimos mais deixar de vê-lo.

O que é o Erro de Consenso e por que você deveria se importar?

A maioria das pessoas que trabalham com IA está familiarizada com as alucinações — momentos em que um modelo inventa uma citação, fabrica uma estatística ou afirma com confiança algo que não é verdade. Elas são assustadoras, mas também são um tanto aleatórias. Frequentemente você consegue detectá-las porque parecem estranhas ou porque uma rápida busca no Google revela a fabricação.

O Erro de Consenso é diferente. É o que acontece quando uma IA fornece a resposta errada não por falta de dados, mas porque os dados em que foi treinada são avassaladora e confiantemente incorretos. O modelo não está adivinhando no escuro. Ele está refletindo a opinião majoritária da internet de volta para você — e a opinião majoritária por acaso é legalmente falsa.

Quando a própria internet está errada, toda IA treinada nela herda a mesma ilusão. O Erro de Consenso não é uma falha pontual — é uma característica de como os modelos de linguagem aprendem.

Pense na matemática por um momento. Se 90% dos artigos na web sobre uma determinada disposição tributária a descrevem incorretamente — usando linguagem simplificada, fundindo duas seções diferentes do código ou apenas copiando os erros uns dos outros —, então os pesos internos do modelo convergem para a resposta errada com alta confiança. Mesmo que a lei real exista nos dados de treinamento, ela aparece uma ou duas vezes em linguagem jurídica densa, enquanto a interpretação incorreta aparece milhares de vezes em prosa acessível e otimizada para SEO.

O modelo faz o que foi projetado para fazer: prever o próximo token mais provável. E o token mais provável é o errado.

A dedução de empréstimos para carros que quebrou três IAs

Deixe-me guiá-lo pelo caso específico, porque os detalhes importam.

A OBBBA criou uma nova categoria chamada «Qualified Passenger Vehicle Loan Interest» — uma dedução temporária para juros pagos em empréstimos de veículos de passeio novos, montados nos EUA, disponível para os anos fiscais de 2025 a 2028. Até aí, tudo bem. Toda IA acertou essa parte.

É aqui que tudo desmorona. A dedução foi adicionada à Seção 63 do IRC, que rege a Renda Tributável. Ela não foi adicionada à Seção 62 do IRC, que rege a Renda Bruta Ajustada (AGI). Em matéria tributária, essa distinção é tudo.

Uma dedução da Seção 62 — «acima da linha» (above the line) — reduz seu AGI. Seu AGI determina a elegibilidade para dezenas de outros benefícios: planos de pagamento de empréstimos estudantis, pisos de dedução de despesas médicas, a tributação de benefícios da Previdência Social e sobretaxas no prêmio do Medicare. Reduza seu AGI e você desbloqueará uma cascata de economias derivadas.

Uma dedução da Seção 63 — «abaixo da linha» (below the line) — reduz sua Renda Tributável. Ela ainda economiza dinheiro na sua conta de impostos federais, mas não faz absolutamente nada ao seu AGI. Nenhum desses benefícios derivados é afetado.

Cada um dos principais LLMs disse aos usuários que essa dedução reduziria seu AGI. Todos eles. Porque era isso que o ecossistema de conteúdo financeiro dizia. Artigos explicativos amplamente compartilhados e otimizados para SEO estamparam manchetes como «Juros de empréstimo de carro agora são dedutíveis!» sem especificar onde no cálculo do imposto ela se aplicava. A distinção entre a Seção 62 e a Seção 63 é aparentemente entediante demais para criadores de conteúdo focados em cliques.

Mas para o contribuinte que segue esse conselho? As consequências são reais.

Um aposentado que declarar incorretamente um AGI mais baixo pode enfrentar sobretaxas inesperadas de IRMAA do Medicare. Um mutuário em um plano de pagamento de empréstimo estudantil baseado na renda pode perder a elegibilidade para pagamentos mais baixos. Um contribuinte em um estado como o Arizona, que vincula seu imposto de renda ao AGI federal, pode enfrentar uma auditoria estadual. Escrevi sobre toda a cascata de consequências financeiras na versão interativa da nossa pesquisa — os efeitos em cascata são piores do que a maioria das pessoas imagina.

Por que o RAG não resolveu isso?

Já posso ouvir a objeção: «Basta usar RAG. Recupere a lei em vigor. Problema resolvido».

Nós tentamos. Não resolveu.

A Geração Aumentada por Recuperação (Retrieval-Augmented Generation ou RAG) — a técnica em que você insere documentos relevantes na janela de contexto do modelo junto com a pergunta do usuário — é a resposta atual da indústria para as alucinações. E para muitos casos de uso, ela ajuda. Mas para o raciocínio jurídico, ela apresenta três fraquezas estruturais que surgiram imediatamente em nossos testes.

Em primeiro lugar, a legislação tributária não se lê como uma narrativa. A OBBBA não diz «esta é uma dedução below-the-line». Ela diz «A Seção 163(h) é alterada inserindo após o parágrafo (3) o seguinte novo parágrafo...». O modelo precisa reconstruir o estado lógico do código tributário a partir de uma série de emendas. Quando o trecho recuperado diz «dedução permitida», mas não declara explicitamente sua posição no fluxo de cálculo, o modelo preenche a lacuna com o viés do seu treinamento — as postagens de blogs.

Em segundo lugar, a busca vetorial encontra o que é semelhante, não o que é relevante por omissão. Uma consulta sobre deduções de empréstimos para automóveis recupera parágrafos sobre deduções de empréstimos para automóveis. Ela não recupera o parágrafo da Seção 62 que define o AGI — porque esse parágrafo não menciona empréstimos para automóveis. Ele apenas os exclui ao não listá-los. No direito, a ausência de algo em uma lista tem significado. Na busca por similaridade vetorial, a ausência é invisível.

Em terceiro lugar — e isso é o que me tira o sono à noite —, o RAG resolve a recuperação, não o raciocínio. Você pode colocar a legislação correta na frente do modelo, e ele ainda a interpretará mal se seus pesos internos estiverem enviesados por milhões de exemplos incorretos de treinamento. Ele se torna um leitor enviesado, vendo o que espera ver e não o que o texto realmente diz.

O RAG coloca o documento certo diante da IA. Mas um leitor enviesado com o livro certo ainda chega à conclusão errada.

Depois de semanas testando diferentes estratégias de recuperação, tamanhos de trechos e configurações de prompts, minha equipe teve uma discussão que esclareceu tudo. Um dos nossos engenheiros queria continuar refinando o pipeline de RAG — melhores embeddings, divisão de trechos mais precisa, instruções explícitas para «usar apenas o texto recuperado». Nossa consultora jurídica olhou para ele e disse: «Você está tentando fazer óculos melhores para alguém que não sabe fazer contas». Ela estava certa. O problema não era o que o modelo conseguia ver. Era sobre o que o modelo conseguia raciocinar.

O que acontece quando a IA lê a lei de forma errada?

O caso da OBBBA também inclui regras de eliminação gradual (phase-out) que agravam o problema. A dedução é limitada a 10.000 dólares por ano e reduzida em 200 dólares para cada 1.000 dólares em que a renda do contribuinte exceder 100.000 dólares (declaração individual) ou 200.000 dólares (declaração conjunta). Aos 150.000 ou 250.000 dólares respectivamente, a dedução desaparece completamente.

Quando testamos isso com um contribuinte hipotético que ganhava 125.000 dólares, os modelos tiveram dificuldades. Alguns ignoraram completamente a eliminação gradual. Outros aplicaram uma curva de redução copiada do Crédito Tributário por Filhos (Child Tax Credit) — uma disposição completamente diferente com cálculos distintos. Os modelos estavam fazendo correspondência de padrões com estruturas familiares em vez de calcular a regra real.

Este é o problema da «Alucinação Aritmética» sobreposto ao Erro de Consenso. O modelo não apenas erra a estrutura jurídica — ele também erra os cálculos. E quando você comprime esses modelos para implantação eficiente por meio de quantização, as habilidades de raciocínio se degradam mais rapidamente do que as habilidades linguísticas. O modelo soa mais confiante enquanto se torna menos preciso. Essa é uma combinação perigosa em qualquer área. Na conformidade tributária, é um passivo grave.

Há outra dimensão que a maioria das pessoas ignora completamente. A OBBBA também criou a Seção 6050AA, que impõe novos requisitos de reporte aos credores. Qualquer empresa que receba 600 dólares ou mais em juros sobre um empréstimo de veículo qualificado deve apresentar uma declaração informativa ao IRS. Quando perguntamos aos modelos o que os bancos e cooperativas de crédito precisam fazer sobre a nova lei, eles se concentraram quase exclusivamente na dedução do mutuário — porque era sobre isso que o ecossistema de conteúdo escrevia. A obrigação de conformidade do credor mal foi registrada. Para uma empresa de fintech que usa IA para resumir mudanças regulatórias, essa omissão poderia significar não conformidade sistemática e penalidades sob as Seções 6721 e 6722 do IRC.

A arquitetura que realmente funciona

Após o desastre do empréstimo de carro, passei um mês convencido de que toda a abordagem de usar modelos de linguagem para conformidade estava fundamentalmente falha. Então construímos algo que mudou minha opinião — não sobre os LLMs, mas sobre como eles deveriam ser usados.

A percepção foi simples, uma vez que a enxergamos: pare de pedir à IA para raciocinar sobre a lei. Deixe-a fazer aquilo em que é boa — entender linguagem — e entregue o raciocínio a algo que realmente consiga operar lógica.

Esta é a ideia central por trás da IA neuro-simbólica: uma arquitetura híbrida que combina a fluência linguística das redes neurais com o rigor determinístico dos sistemas de lógica simbólica. Construímos o que chamamos de Motor Tributário Determinístico, e ele funciona em três etapas.

A primeira etapa é o Analisador de Intenção. É aqui que o LLM atua, fazendo o que os LLMs fazem de melhor. Um usuário envia uma fatura, digita uma pergunta ou conecta um extrato bancário. A camada neural extrai entidades estruturadas: tipo de veículo, data de compra, valor do empréstimo, local de montagem, renda do contribuinte. Ela não decide nada sobre o tratamento tributário. Ela apenas traduz a realidade humana desordenada em dados limpos.

A segunda etapa é a Âncora da Verdade. É aqui que a camada simbólica assume o controle. Codificamos o código tributário — não como texto a ser «lido», mas como lógica executável usando linguagens especializadas como Catala (desenvolvida pelo INRIA para a administração tributária do governo francês) e PROLEG (um sistema de raciocínio jurídico baseado em Prolog). A lei torna-se um programa. A Âncora da Verdade consulta um Grafo de Conhecimento, aplica as regras codificadas, verifica fatos ausentes e calcula o resultado determinístico. Se o veículo foi montado no México, a dedução é negada. Se a renda exceder o limite de phase-out, a redução é calculada até o último centavo. Sem probabilidade. Sem adivinhação.

A terceira etapa é o Gerador de Respostas. Outra camada neural, porém restrita. Ela recebe a saída do solucionador lógico — «Dedução: NEGADA. Motivo: Phase-out excedido no nível de renda de US$ 135.000» — e a traduz em linguagem clara e legível por humanos. O LLM torna a resposta legível. Ele tem zero liberdade para tornar a resposta diferente.

Não pedimos à IA para adivinhar a lei. Nós a ensinamos a calcular a lei. A camada neural cuida da linguagem. A camada simbólica cuida da verdade. Nenhuma tenta fazer o trabalho da outra.

Esse desacoplamento é o que elimina o Erro de Consenso. A camada neural pode «saber», a partir de seu treinamento, que sites financeiros populares dizem que os juros de empréstimos de carros reduzem o AGI. Mas nunca é solicitado a ela que faça essa determinação. Ela apenas deve extrair os detalhes do veículo. A decisão reside na camada simbólica, que não tem acesso ao Reddit — apenas à lei codificada.

Para a arquitetura técnica completa e a análise formal, incluindo como o Catala lida com a lógica de exceção por padrão e como o Answer Set Programming verifica a consistência em uma declaração de imposto completa, publicamos um artigo de pesquisa detalhado.

Por que isso importa além de uma única dedução tributária?

Serei honesto sobre uma coisa. Quando comecei a explicar o Erro de Consenso para as pessoas, a resposta mais comum era: «Tudo bem, mas esse é um caso isolado. Na maioria das vezes, a IA acerta».

Essa resposta compreende mal a natureza do problema. A dedução de empréstimo de carro da OBBBA não é um caso especial. Ela é típica. Cada vez que o Congresso aprova uma nova disposição, o ecossistema de conteúdo gera milhares de interpretações simplificadas e por vezes incorretas antes mesmo de o IRS emitir orientações. Cada vez que um estado se desvincula do tratamento tributário federal, a internet fica para trás. Cada vez que uma decisão judicial altera a interpretação de uma lei existente, a interpretação antiga persiste nos dados de treinamento por anos.

O Erro de Consenso não é um caso isolado. É o estado padrão para qualquer área do direito que seja complexa, tenha mudado recentemente ou seja mal compreendida por redatores generalistas. Ou seja: a maior parte do direito tributário.

A implicação mais ampla diz respeito ao que esperamos da IA em áreas de alto risco. O paradigma atual — fornecer ao LLM mais contexto, melhores prompts, janelas maiores — é uma melhoria incremental em uma arquitetura fundamentalmente inadequada. Você está pedindo a um mecanismo de correspondência de padrões que execute raciocínio formal. Às vezes ele tem sorte. Na conformidade tributária, «às vezes» não é suficiente.

De caixa-preta a caixa de vidro

Há mais uma coisa que importa enormemente para qualquer pessoa que já tenha se sentado diante de um auditor: a rastreabilidade.

Quando um LLM padrão diz a um contribuinte «sim, você pode deduzir isso», e o IRS posteriormente discorda, qual é a trilha de auditoria? O modelo previu que «sim» era o próximo token mais provável dado o contexto. Essa não é uma resposta que você possa apresentar a um auditor fiscal.

No nosso Motor Neuro-Simbólico, cada determinação produz um caminho em grafo:

Deduction_Allowed = True porque Loan_Date está dentro da janela de 2025–2028 (verificado), Vehicle_Type é Passenger (verificado), Assembly_Location é US (verificado), Income está abaixo do limite de phase-out (verificado), Rule_Reference é IRC § 163(h)(4).

Cada nó nessa cadeia é auditável. Cada fato pode ser rastreado até um documento de origem. Cada regra pode ser rastreada até uma seção específica do código. Se algo mudar — uma nova decisão do IRS, uma disposição alterada —, você atualiza o Grafo de Conhecimento e o solucionador lógico, e cada determinação afetada é automaticamente sinalizada para revisão.

Isso transforma a IA de algo em que se precisa confiar pela fé em algo que você pode verificar sob demanda. As pessoas sempre me perguntam se essa abordagem é mais lenta ou mais cara do que apenas usar um LLM. A resposta honesta: a codificação inicial da lei exige trabalho real. Mas uma vez codificada, executar uma determinação é quase instantâneo, e o custo de verificar 100% das transações se aproxima do custo de verificar 1%. Isso não é uma melhoria marginal em relação às auditorias tradicionais baseadas em amostragem. É uma categoria diferente de garantia.

A pergunta que ninguém está fazendo ainda

Isto é o que mais me incomoda. O setor de serviços financeiros está em uma corrida para implantar assistentes de IA, preparadores de impostos com IA e monitores de conformidade com IA. O marketing diz «potencializado por IA». As letras miúdas dizem «não constitui aconselhamento tributário». E, no meio disso, milhões de pessoas estão obtendo respostas que soam autoritativas, citam legislações reais, fazem referência a datas e valores reais em dólares — e posicionam a dedução na seção errada do código tributário.

Não estamos em um mundo onde a IA está obviamente errada e os humanos conseguem perceber. Estamos em um mundo onde a IA está sutilmente errada de maneiras que exigem profunda experiência no domínio para detectar. Isso é mais perigoso do que uma falha óbvia, porque corrói o instinto de checar novamente.

A questão não é se a IA deve ser usada na conformidade tributária. Ela com certeza deve — a complexidade do código superou a capacidade humana de aplicá-lo de forma consistente. A questão é se estamos dispostos a construir sistemas de IA que respeitem a natureza do domínio em que operam. O direito tributário é determinístico. Ele tem respostas certas e respostas erradas, definidas pela lei, não pela opinião popular. Uma arquitetura que trata a verdade jurídica como uma distribuição de probabilidade sempre será vulnerável ao Erro de Consenso, não importa o tamanho do modelo ou a inteligência do prompt.

No direito tributário, popularidade não é sinônimo de verdade. Uma resposta repetida dez mil vezes na internet não é mais correta do que a lei que a contradiz uma única vez.

Construímos a Veriprajna porque acredito que a era do «confie, mas verifique» já acabou para a IA em conformidade. Os sistemas que conquistarem a confiança corporativa serão aqueles que verificam primeiro e falam depois — aqueles em que a lógica é auditável, a matemática é determinística e a confiança da IA é respaldada por algo mais duradouro do que a probabilidade de tokens.

A lei não se importa com o que a internet pensa. Sua IA também não deveria se importar.