Startup Probably capta US$ 9 milhões para tornar a IA tão precisa quanto código comum

A startup americana Probably fechou uma rodada seed de US$ 9 milhões. O dinheiro será usado no desenvolvimento de sistemas de IA que evitam alucinações e erros factuais antes que a resposta chegue ao usuário. O principal objetivo é alcançar uma precisão comparável à de sistemas determinísticos, ou seja, o código de software comum.

Por que alucinações são mais que um incômodo

Os grandes modelos de linguagem "alucinam" com frequência: afirmam com confiança fatos errados, citam estudos que não existem e inventam citações. Segundo diversas estimativas independentes, até os modelos comerciais mais avançados erram em 10–20% das afirmações factuais específicas. Além disso, é extremamente difícil para o usuário saber quando o modelo acerta e quando está inventando, pois ele soa igualmente confiante nos dois casos. Isso cria um risco sistêmico que limita a aplicação da IA em cenários reais de negócios.

As empresas são forçadas a escolher entre duas opções ruins: contratar pessoas para verificar cada resposta da IA ou restringir o uso dos modelos a tarefas em que o erro não é crítico. Para a medicina, a advocacia, o compliance financeiro e o setor público, isso significa, na prática, que sistemas de IA autônomos são inviáveis: o custo de um erro é alto demais.

Uma nova meta: precisão determinística

A Probably estabelece uma meta nada trivial: atingir a precisão de sistemas determinísticos. Isso é fundamentalmente diferente de como os LLMs atuais funcionam. Um programa determinístico sempre dá o mesmo resultado para os mesmos dados de entrada: uma calculadora nunca "decide" inventar a resposta de 2 + 2. Um modelo de linguagem funciona de outro jeito: gera texto probabilístico que pode soar convincente, mas não precisa ser correto.

A equipe da Probably constrói uma arquitetura em que a IA não apenas gera uma resposta, mas a verifica antes de enviá-la. Princípios-chave:

• Separação clara entre conhecimento confiável e suposições do modelo
• Verificação de cada afirmação factual antes que ela chegue ao usuário
• Um "não sei" explícito em vez de um fato inventado
• Transparência: o sistema explica a fonte de cada afirmação
• Tolerância zero a erros factuais na resposta final

Essa abordagem é oposta à que a maioria dos desenvolvimentos de LLMs seguiu nos últimos anos. Os modelos foram ajustados com ênfase em "utilidade" e "persuasão", o que muitas vezes entrava em conflito com a precisão.

Mercado e concorrência

A IA confiável atrai hoje muito capital de risco. Atuam nesse nicho a Vectara, a Cohere com foco em arquiteturas RAG corporativas, algumas startups em modo stealth e projetos acadêmicos de grandes universidades. As grandes empresas, OpenAI, Anthropic e Google, também investem na redução de alucinações, mas para elas a precisão é apenas uma entre muitas características do produto, e não o principal diferencial. A Probably constrói tudo em torno de uma única ideia.

Os US$ 9 milhões da rodada seed dão à equipe de um ano e meio a dois anos para provar que a arquitetura funciona e captar o próximo financiamento. O nome da empresa é uma ironia deliberada sobre a natureza probabilística dos modelos de linguagem e, ao mesmo tempo, uma declaração de intenção de superá-la.

O que isso significa

Se a Probably conseguir resolver de forma convincente o problema das alucinações, abrirá à IA o caminho para setores regulados, como saúde, serviços jurídicos e compliance financeiro, onde hoje os sistemas autônomos são inaceitáveis por causa da imprecisão. Para as empresas, isso significa a possibilidade de eliminar a cara camada de verificação humana e delegar de fato tarefas de responsabilidade a uma máquina, não da boca para fora, mas com garantias mensuráveis de precisão.