Existe uma diferença silenciosa entre um sistema que gera uma resposta e um sistema que presta contas por ela. O primeiro produz um texto plausível. O segundo mostra a origem de cada afirmação que fez.
A alucinação não é um defeito ocasional que se resolve trocando por um modelo maior. É a consequência natural de um sistema treinado para produzir a continuação mais provável de um texto — não a mais verificável. Fluência e veracidade são propriedades diferentes, e otimizar uma não garante a outra.
Para quem faz uma pergunta casual, uma resposta convincente e sem fonte basta. Para uma instituição que decide sobre um processo, um laudo, uma licitação ou um direito, ela é inutilizável — porque uma decisão que não pode ser justificada até a origem não é uma decisão defensável.
Uma resposta que você não pode auditar até a fonte não é uma resposta — é uma opinião com aparência de fato.
A pergunta que separa uma ferramenta de apoio à decisão de um gerador de texto convincente não é “a resposta está certa?”. É: “consigo checar de onde ela veio, por conta própria, sem ter de confiar em quem respondeu?”
A verificabilidade não é um traço de personalidade do modelo. É uma propriedade da arquitetura em volta dele.
Num pipeline de recuperação aumentada, a resposta não surge do nada: ela é montada a partir de trechos concretos, recuperados do acervo da própria organização. O ponto decisivo é o que o sistema faz com esses trechos depois de usá-los. Descartá-los devolve apenas o texto final — e, com ele, a obrigação de confiar. Devolvê-los junto da resposta transforma cada afirmação em algo rastreável.
No Orion Core, a resposta e suas fontes são um único contrato de dados, não duas etapas separadas. Cada resposta do pipeline retorna, além do texto, o conjunto exato de trechos que a fundamentaram — e cada trecho carrega sua procedência: o arquivo de origem, a página, o identificador do documento e do fragmento, e o grau de relevância com que foi recuperado. Retornar as fontes é o comportamento padrão, não uma opção que alguém precisa lembrar de ativar.
Em termos concretos: cada trecho recuperado chega com seu conteúdo, seu score e seus metadados de origem — filename, page_number, doc_id, chunk_id — e a resposta os devolve acoplados ao texto gerado. A verificação deixa de depender de confiar no modelo e passa a depender de abrir o documento citado e conferir.
A diferença entre confiar e verificar é a diferença entre uma citação e uma promessa.
Isso inverte o ônus. Num sistema opaco, cabe ao usuário provar que a resposta está errada. Num sistema que cita a fonte, a própria resposta já traz consigo os meios de ser conferida — e uma afirmação sem lastro no acervo fica imediatamente visível como tal.
Citar a fonte não é um recurso de conforto. É o que torna a IA utilizável onde a decisão tem consequência.
Numa organização que lida com documentos sensíveis — um órgão público, um setor jurídico, uma área de saúde — a pergunta “por que o sistema respondeu isso?” não é retórica. Ela aparece numa auditoria, numa contestação, numa revisão de processo. Um sistema que só devolve texto obriga o operador a defender por inferência algo que ele não consegue reconstruir. Um sistema que devolve a procedência responde com evidência: esta afirmação vem deste parágrafo, na página X do documento Y.
Isso também muda o que acontece quando a fonte está errada. Se a resposta aponta o documento que a originou, um erro deixa de ser um mistério do modelo e vira um problema localizável no acervo — corrigível na origem, para todas as respostas futuras. Sem rastreabilidade, o mesmo erro é indistinguível de uma alucinação, e nada garante que não se repita.
É a mesma disciplina do Insight anterior, um nível abaixo. A observabilidade responde “o que o sistema fez”. A citação da fonte responde “por que devo confiar nesta resposta específica”. Ambas recusam a mesma ideia: a de que um sistema que influencia decisões possa pedir confiança sem oferecer como ser verificado.