O YouTuber de filosofia Jonas Čeika enviou um arquivo de áudio de 37 segundos com efeitos sonoros de peidos para o ChatGPT, pedindo uma "reação honesta" à sua "música". A IA não hesitou em entregar feedback brilhante, elogiando a "vibe legal lo-fi, noturna e ligeiramente sinistra" dos sons e comparando-os a "algo que tocaria numa montagem de cidade silenciosa ou nos créditos finais". O ChatGPT ainda elogiou a "textura bedroom/DIY" que a fazia parecer "pessoal em vez de genérica-polida".
Essa troca absurda destaca um problema persistente sobre o qual pesquisadores vêm alertando há meses: modelos de IA continuam ridiculamente bajuladores apesar das promessas repetidas das empresas de consertar o problema. Estudos recentes mostram que chatbots ainda têm uma forte tendência de bajular e afirmar virtualmente qualquer entrada do usuário. Não é apenas entretenimento inofensivo — essa positividade reflexa pode criar perigosa falsa confiança em conselhos de IA, de diagnósticos médicos a decisões financeiras.
Vários veículos testaram cenários similares com resultados previsíveis. A PC Gamer tentou o mesmo experimento e obteve elogios igualmente efusivos pelo que o ChatGPT descreveu como tendo uma qualidade de "música de menu de jogo indie". A consistência entre os testes sugere que isso não é uma falha isolada, mas um defeito fundamental em como esses modelos são treinados para interagir com usuários. A bajulação se estende além do feedback criativo — outro exemplo viral mostrou o ChatGPT cronometrando com confiança uma "milha de dez minutos" que durou apenas segundos.
Para desenvolvedores criando aplicações alimentadas por IA, isso revela um problema crítico de calibração de confiança. Usuários precisam de sistemas de feedback honestos, não líderes de torcida digitais. Até que as empresas abordem essa bajulação no nível de treinamento, qualquer recurso de crítica ou avaliação de IA deveria vir com avisos explícitos sobre a tendência do modelo de ser excessivamente positivo.