Inteligência artificial no jornalismo financeiro: Bloomberg enfrenta dificuldades com resumos de IA falhos

Será que as implementações de IA são adequadas para o uso diário? O início conturbado da Bloomberg com resumos automatizados

A integração da inteligência artificial no jornalismo apresenta desafios complexos para as empresas de mídia, como demonstra o caso recente da Bloomberg. O serviço de notícias financeiras vem experimentando resumos gerados por IA para seus artigos desde janeiro de 2025, mas já teve que corrigir pelo menos 36 resumos errôneos. Essa situação evidencia as dificuldades de implementação de sistemas de IA em processos editoriais, principalmente no que diz respeito à precisão, confiabilidade e credibilidade do conteúdo automatizado. As seções a seguir examinam os problemas específicos da Bloomberg, contextualizam-nos dentro dos desafios gerais da IA ​​e discutem possíveis soluções para a integração bem-sucedida da IA ​​no jornalismo.

Adequado para:

• Ai confiável: o cartão Trump da Europa e a chance de assumir um papel de liderança na inteligência artificial

A problemática entrada da Bloomberg no conteúdo gerado por IA

A propensão a erros dos resumos de IA

A Bloomberg, uma das principais empresas globais de notícias financeiras, começou a usar marcadores gerados por IA como resumos no início de seus artigos no início de 2025. No entanto, desde o lançamento em 15 de janeiro, a empresa teve que corrigir pelo menos três dezenas desses resumos automatizados, o que indica problemas significativos com a precisão do conteúdo gerado por IA. Esses problemas são particularmente preocupantes para uma empresa como a Bloomberg, conhecida por sua precisão na cobertura financeira e cujas informações muitas vezes podem influenciar diretamente as decisões de investimento. A necessidade de inúmeras correções mina a confiança na confiabilidade dessa nova tecnologia e levanta questões sobre a implementação prematura de sistemas de IA no jornalismo.

Um erro particularmente significativo ocorreu quando a Bloomberg noticiou as tarifas automotivas planejadas pelo presidente Trump. Embora o artigo original afirmasse corretamente que Trump poderia anunciar as tarifas naquele mesmo dia, o resumo gerado por IA continha informações incorretas sobre o cronograma de uma medida tarifária mais ampla. Em outro caso, um resumo gerado por IA afirmou erroneamente que o presidente Trump imporia tarifas ao Canadá já em 2024. Tais erros demonstram as limitações da IA ​​na interpretação de notícias complexas e os riscos da publicação de conteúdo automatizado e não verificado.

Além de datas incorretas, os erros também incluíam números imprecisos e atribuições errôneas de ações ou declarações a indivíduos ou organizações. Esses tipos de erros, frequentemente chamados de "alucinações", representam um desafio particular para os sistemas de IA, pois podem soar plausíveis e, portanto, são difíceis de detectar sem uma revisão humana minuciosa. A frequência desses erros na Bloomberg ressalta a necessidade de processos de revisão robustos e levanta questões sobre a maturidade da tecnologia de IA utilizada.

Reação da Bloomberg aos problemas de IA

Em um comunicado oficial, a Bloomberg enfatizou que 99% de seus resumos gerados por IA atendem aos padrões editoriais. A empresa afirma que publica milhares de artigos diariamente e, portanto, considera a taxa de erro relativamente baixa. A Bloomberg diz que valoriza a transparência e corrige ou atualiza os artigos conforme necessário. Também ressaltou que os jornalistas têm total controle sobre a publicação ou não de um resumo gerado por IA.

Em um ensaio de 10 de janeiro, baseado em uma palestra na City St. George's, Universidade de Londres, John Micklethwait, editor-chefe da Bloomberg, descreveu as razões para os resumos gerados por IA. Ele explicou que os clientes os apreciam porque conseguem captar rapidamente a essência de uma notícia, enquanto os jornalistas são mais céticos. Ele reconheceu que os repórteres temem que os leitores possam se basear exclusivamente nos resumos e negligenciar a história principal. No entanto, Micklethwait enfatizou que o valor de um resumo gerado por IA depende inteiramente da qualidade da notícia original — e, para isso, a expertise humana continua sendo crucial.

Um porta-voz da Bloomberg disse ao The New York Times que o feedback sobre os resumos foi, em geral, positivo e que a empresa continua trabalhando para aprimorar a experiência. Essa declaração sugere que, apesar dos problemas encontrados, a Bloomberg pretende manter sua estratégia de usar IA para resumos, mas com maior foco na garantia da qualidade e no aprimoramento da tecnologia utilizada.

Inteligência artificial no jornalismo: um tema relevante para toda a indústria

Experiências de outras empresas de mídia com IA

A Bloomberg não é a única empresa de mídia a experimentar a integração da IA ​​em seus processos jornalísticos. Muitas organizações de notícias estão tentando descobrir a melhor maneira de incorporar essa nova tecnologia em seu trabalho de reportagem e editorial. A rede de jornais Gannett usa resumos semelhantes gerados por IA para seus artigos, e o The Washington Post desenvolveu uma ferramenta chamada "Ask the Post" que gera respostas para perguntas a partir de artigos publicados pelo jornal. Essa ampla adoção demonstra o significativo interesse da indústria da mídia em tecnologias de IA, apesar dos riscos e desafios associados.

Outras empresas de mídia também têm enfrentado problemas com ferramentas de IA. No início de março, o Los Angeles Times removeu sua ferramenta de IA de um artigo de opinião depois que a tecnologia descreveu a Ku Klux Klan como algo diferente de uma organização racista. Esse incidente ilustra que os desafios enfrentados pela Bloomberg não são isolados, mas sintomáticos de problemas mais amplos com a integração da IA ​​ao jornalismo. Um padrão emerge, no qual a tecnologia ainda não está madura o suficiente para funcionar de forma confiável sem supervisão humana, especialmente ao lidar com tópicos sensíveis ou complexos.

Esses exemplos ilustram a tensão entre o desejo de inovação e eficiência por meio da IA, por um lado, e a necessidade de manter os padrões jornalísticos e a precisão, por outro. As empresas de mídia precisam encontrar um equilíbrio: querem se beneficiar das vantagens da IA ​​sem arriscar a confiança de seus leitores ou comprometer princípios jornalísticos fundamentais. As experiências da Bloomberg e de outras organizações de notícias servem como lições importantes para todo o setor sobre as oportunidades e limitações da IA ​​no jornalismo.

Adequado para:

• Um dos motivos para a hesitação no uso da IA: 68% dos gerentes de RH reclamam da falta de conhecimento em IA nas empresas.

O desafio específico no jornalismo financeiro

No setor financeiro, onde a Bloomberg atua como um dos principais serviços de notícias, as exigências por precisão e confiabilidade são particularmente elevadas. O impacto de informações falsas pode ter consequências financeiras significativas, visto que investidores e especialistas financeiros baseiam suas decisões nessas notícias. Essa responsabilidade específica torna a integração de tecnologias de IA ao jornalismo financeiro um desafio ainda maior do que em outras áreas da reportagem.

Curiosamente, a “IA generalista” superou a IA especializada da Bloomberg justamente em seu domínio: a análise de relatórios financeiros. A Bloomberg teria investido pelo menos US$ 2,5 milhões no desenvolvimento de sua própria IA financeira, mas menos de um ano após seu lançamento, no final de março de 2023, ficou claro que modelos de IA de propósito geral, como o ChatGPT e o GPT-4, apresentavam melhores resultados nessa área. Isso ilustra o ritmo acelerado do desenvolvimento da inteligência artificial e a dificuldade que as empresas enfrentam para acompanhar as soluções especializadas à medida que os modelos de propósito geral se tornam cada vez mais poderosos.

Beneficie-se da ampla experiência quíntupla da Xpert.Digital em um pacote de serviços abrangente | P&D, XR, RP e Otimização de Visibilidade Digital - Imagem: Xpert.Digital

A Xpert.Digital possui conhecimento profundo de diversos setores. Isso nos permite desenvolver estratégias sob medida, adaptadas precisamente às necessidades e desafios do seu segmento de mercado específico. Ao analisar continuamente as tendências do mercado e acompanhar os desenvolvimentos da indústria, podemos agir com visão e oferecer soluções inovadoras. Através da combinação de experiência e conhecimento, geramos valor acrescentado e damos aos nossos clientes uma vantagem competitiva decisiva.

Mais sobre isso aqui:

• Utilize a experiência 5x do Xpert.Digital num único pacote - a partir de apenas 500€/mês

Desafios fundamentais da IA ​​generativa

O problema das alucinações em modelos de IA

Um dos desafios mais fundamentais dos sistemas de IA, também destacado nos resumos da Bloomberg, é o problema das "alucinações" — a tendência dos modelos de IA de gerar informações plausíveis, mas factualmente incorretas. Esse problema surge quando os sistemas de IA produzem conteúdo que extrapola as informações que lhes são fornecidas ou quando interpretam dados de forma equivocada. Tais alucinações são particularmente problemáticas no jornalismo, onde a precisão factual e a confiabilidade são primordiais.

Os problemas enfrentados pela Bloomberg são precisamente essas alucinações: a IA "inventou" datas como a data de implementação das tarifas automotivas de Trump ou afirmou falsamente que Trump já havia imposto tarifas ao Canadá em 2024. Esses tipos de erros evidenciam as limitações da tecnologia de IA atual, especialmente quando se trata da interpretação precisa de informações complexas.

Especialistas apontam que alucinações podem ser desencadeadas por diversos fatores, incluindo a forma como os comandos e textos de treinamento são codificados. Grandes Modelos de Linguagem (LLMs, na sigla em inglês) associam conceitos a uma série de números, conhecidos como codificações vetoriais. Para palavras ambíguas como "banco" (que pode se referir tanto a uma instituição financeira quanto a um assento), pode haver uma codificação para cada significado, a fim de evitar ambiguidade. Qualquer erro na codificação e decodificação de representações e textos pode fazer com que a IA generativa alucine.

Transparência e rastreabilidade das decisões de IA

Outro problema fundamental dos sistemas de IA é a falta de transparência e rastreabilidade em seus processos de tomada de decisão. Com alguns métodos de IA, não é mais possível entender como uma determinada previsão ou resultado é gerado, ou por que um sistema de IA chegou a uma resposta específica para uma determinada pergunta. Essa falta de transparência, frequentemente chamada de "problema da caixa preta", dificulta a identificação e a correção de erros antes que se tornem públicos.

A rastreabilidade é particularmente importante em áreas como o jornalismo, onde as decisões sobre o conteúdo devem ser transparentes e justificáveis. Se a Bloomberg e outras empresas de mídia não conseguirem entender por que sua IA gera resumos incorretos, será difícil implementar melhorias sistêmicas. Em vez disso, dependerão de correções reativas após os erros já terem ocorrido.

Este desafio também é identificado como significativo por especialistas dos setores empresarial e acadêmico. Embora seja principalmente um desafio técnico, ele também pode levar a resultados problemáticos do ponto de vista social ou jurídico em certas áreas de aplicação. No caso da Bloomberg, isso poderia resultar em perda de confiança dos leitores ou, na pior das hipóteses, em decisões financeiras baseadas em informações imprecisas.

Dependência da qualidade e abrangência dos dados

Além disso, as aplicações baseadas em IA dependem da qualidade dos dados e dos algoritmos. Dado o tamanho e a complexidade dos dados utilizados, erros sistemáticos nos dados ou nos algoritmos muitas vezes passam despercebidos. Este é outro desafio fundamental que a Bloomberg e outras empresas precisam superar ao implementar sistemas de IA.

O problema com o volume de dados — a IA só consegue considerar "janelas de contexto" relativamente pequenas ao processar comandos ou solicitações — diminuiu consideravelmente nos últimos anos, mas continua sendo um desafio. O modelo de IA do Google, "Gemini 1.5 Pro 1M", já consegue processar uma solicitação de 700.000 palavras ou uma hora de vídeo — mais de sete vezes o melhor modelo GPT atual da OpenAI. Mesmo assim, os testes mostram que, embora a inteligência artificial consiga pesquisar dados, ela tem dificuldades para compreender as relações dentro deles.

Adequado para:

• Redução de custos e otimização da eficiência são os princípios de negócios dominantes-AI e a escolha do modelo de IA certo

Soluções e desenvolvimentos futuros

Monitoramento humano e processos editoriais

Uma solução óbvia para os problemas enfrentados pela Bloomberg é o aumento da supervisão humana sobre o conteúdo gerado por IA. A Bloomberg já enfatizou que os jornalistas têm total controle sobre a publicação ou não de um resumo gerado por IA. No entanto, esse controle precisa ser exercido de forma eficaz, o que significa que os editores devem ter tempo suficiente para revisar os resumos de IA antes da publicação.

Implementar processos editoriais robustos para revisar conteúdo gerado por IA é crucial para minimizar erros. Isso pode envolver exigir que todos os resumos de IA sejam revisados ​​por pelo menos um editor humano antes da publicação, ou submeter certos tipos de informação (como dados, figuras ou atribuições) a verificações particularmente rigorosas. Embora tais processos aumentem a carga de trabalho e, portanto, reduzam alguns dos ganhos de eficiência da IA, eles são necessários para manter a precisão e a credibilidade.

Aprimoramentos técnicos em modelos de IA

O desenvolvimento tecnológico contínuo dos próprios modelos de IA é outra abordagem importante para a resolução de problemas atuais. As alucinações já diminuíram significativamente com o GPT-4 em comparação com seu antecessor, o GPT-3.5. O modelo mais recente da Anthropic, "Claude 3 Opus", apresenta ainda menos alucinações em testes iniciais. A taxa de erro dos modelos de fala deverá em breve ser menor do que a de um ser humano médio. No entanto, diferentemente do que estamos acostumados a ver em computadores, é provável que os modelos de fala de IA não sejam isentos de erros num futuro próximo.

Uma abordagem técnica promissora é a "Mistura de Especialistas": vários modelos pequenos e especializados são conectados a uma rede de portas. A entrada do sistema é analisada pela porta e, se necessário, repassada a um ou mais especialistas. Finalmente, as respostas são combinadas em uma única resposta abrangente. Isso evita a necessidade de ativar sempre o modelo inteiro em toda a sua complexidade. Esse tipo de arquitetura poderia potencialmente melhorar a precisão, empregando modelos especializados para tipos específicos de informação ou domínios.

Expectativas realistas e comunicação transparente

Por fim, é importante ter expectativas realistas em relação aos sistemas de IA e comunicar de forma transparente sobre suas capacidades e limitações. Os sistemas de IA atuais são definidos especificamente para um contexto de aplicação particular e não são, de forma alguma, comparáveis ​​à inteligência humana. Essa compreensão deve orientar a implementação da IA ​​no jornalismo e em outras áreas.

A Bloomberg e outras empresas de mídia devem comunicar de forma transparente o uso de IA e deixar claro que o conteúdo gerado por IA pode apresentar falhas. Isso poderia ser alcançado por meio da rotulagem explícita do conteúdo gerado por IA, processos transparentes de correção de erros e comunicação aberta sobre as limitações da tecnologia utilizada. Tal transparência pode ajudar a manter a confiança do leitor, mesmo quando erros ocorrem.

Por que a integração da IA ​​no jornalismo falha sem humanos?

A experiência da Bloomberg com resumos gerados por IA destaca os complexos desafios da integração da inteligência artificial ao jornalismo. Os pelo menos 36 erros que precisaram ser corrigidos desde janeiro demonstram que, apesar do seu potencial, a tecnologia ainda não está suficientemente madura para ser usada de forma confiável sem uma supervisão humana rigorosa. Os problemas enfrentados pela Bloomberg não são exclusivos da empresa, mas refletem desafios fundamentais da IA, como alucinações, falta de transparência e a dependência de dados de alta qualidade.

A integração bem-sucedida da IA ​​no jornalismo exige diversas abordagens: processos editoriais robustos para revisão de conteúdo gerado por IA, aprimoramentos técnicos contínuos nos próprios modelos de IA e comunicação transparente sobre as capacidades e limitações da tecnologia utilizada. A experiência da Bloomberg pode servir como uma lição valiosa para outras empresas de mídia que planejam implementações semelhantes de IA.

O futuro do jornalismo impulsionado por IA depende de quão bem aproveitarmos os ganhos de eficiência e as capacidades inovadoras da IA ​​sem comprometer os padrões jornalísticos. A chave está em uma abordagem equilibrada que veja a tecnologia como uma ferramenta para apoiar jornalistas humanos, e não para substituí-los. Como John Micklethwait, da Bloomberg, observou acertadamente: “Um resumo gerado por IA só é tão bom quanto a matéria em que se baseia. E, para essas matérias, as pessoas ainda importam.”

☑️ Apoio às PME em estratégia, consultoria, planeamento e implementação

☑️ Criação ou realinhamento da estratégia digital e digitalização

☑️ Expansão e otimização dos processos de vendas internacionais

☑️ Plataformas de negociação B2B globais e digitais

☑️ Desenvolvimento de negócios pioneiro

Konrad Wolfenstein

Ficarei feliz em servir como seu conselheiro pessoal.

Você pode entrar em contato comigo preenchendo o formulário de contato abaixo ou simplesmente ligando para +49 89 89 674 804 (Munique) .

Estou ansioso pelo nosso projeto conjunto.

Xpert.Digital é um hub para a indústria com foco em digitalização, engenharia mecânica, logística/intralogística e energia fotovoltaica.

Com nossa solução de desenvolvimento de negócios 360°, apoiamos empresas conhecidas, desde novos negócios até o pós-venda.

Inteligência de mercado, smarketing, automação de marketing, desenvolvimento de conteúdo, PR, campanhas por email, mídias sociais personalizadas e nutrição de leads fazem parte de nossas ferramentas digitais.

Você pode descobrir mais em: www.xpert.digital - www.xpert.solar - www.xpert.plus