O grounding é o processo de ancorar as respostas de um modelo de linguagem a informação real, externa e verificável, em vez de depender unicamente do conhecimento aprendido durante o treino. Na prática, consiste em fornecer ao modelo fontes concretas — documentos, bases de dados, resultados de pesquisa — sobre as quais deve fundamentar o que gera.
A sua importância reside no facto de reduzir as alucinações, ou seja, as afirmações plausíveis mas falsas que os modelos produzem quando carecem de dados fiáveis. Ao obrigar a IA a citar ou a apoiar-se em fontes contrastáveis, as respostas ganham em precisão e rastreabilidade. Isto revela-se especialmente crítico em áreas como a saúde, o direito ou as finanças, onde um erro pode ter consequências graves.
Uma técnica habitual para o conseguir é a RAG (Retrieval-Augmented Generation), que recupera fragmentos relevantes de uma base documental antes de gerar a resposta. Um sistema bem ancorado costuma:
- Indicar as fontes consultadas.
- Limitar-se ao que estas sustentam.
- Reconhecer quando não dispõe de informação suficiente.