Erros que Cometi Usando IA na Dissertação (e o Que Aprendi)

O que ninguém conta sobre usar IA na pesquisa

Olha só: quando comecei a usar ferramentas de IA no mestrado, achei que tinha descoberto um atalho genial. Afinal, ficava horas olhando para o cursor piscando na tela em branco. Com a IA, as palavras vinham. O texto crescia. Parecia que estava funcionando.

Não estava.

Não da forma que eu imaginava. E levei tempo, alguns constrangimentos com minha orientadora e uma crise de confiança no meu próprio trabalho para entender onde tinha errado. Esse post é o que eu queria ter lido antes de começar.

Não vou vender aqui a promessa de “IA que escreve sua dissertação”. Vou te contar onde fui ingênua, o que aprendi e o que mudou na forma como trabalho desde então. Porque errar é parte da pesquisa, mas errar sozinha, sem conversa, é desperdício.

O primeiro erro: confiei no texto sem ler de verdade

O processo era mais ou menos assim: pedia para a IA desenvolver um conceito, ela entregava três parágrafos bonitos, eu revisava a superfície (ortografia, concordância) e colava no rascunho. Parecia ótimo.

O problema apareceu quando minha orientadora pediu para eu defender aquele trecho em uma reunião. Ela fez três perguntas simples sobre o conceito que eu tinha “escrito”. Eu não sabia responder. O texto estava lá, tecnicamente correto, mas eu não havia internalizado nada. Era como copiar uma resposta do colega na prova: o papel passa, mas o aprendizado não acontece.

A IA produziu um texto que soava acadêmico. Mas eu não tinha feito o trabalho de compreensão que a escrita científica exige. E quando precisei ser autora de verdade, o vazio apareceu.

O que mudou: passei a usar a IA como ponto de partida para pensamento, não como produto final. Ela sugere, eu questiono, reescrevo com minhas palavras, verifico nas fontes. O texto que aparece no documento final tem passado por mim de verdade.

O segundo erro: acreditei nas referências

Esse foi o mais grave.

Em um momento de pressa (sempre é em um momento de pressa), pedi para a IA listar referências sobre um tema específico. Ela entregou seis citações, com autores, títulos, anos e revistas. Eu conferi os títulos no Google Acadêmico, alguns apareceram, e fiquei satisfeita.

No dia em que fui montar a lista de referências completa, encontrei o problema: três das citações eram falsas. Os autores existiam, as revistas existiam, mas aqueles artigos específicos nunca tinham sido publicados. A IA tinha construído referências plausíveis que simplesmente não existiam no mundo real.

Se eu tivesse enviado aquilo para um periódico, teria um problema sério de credibilidade.

Desde então: qualquer referência que veio de sugestão de IA, eu verifico no portal original ou no DOI antes de incluir no texto. Sem exceção. A IA pode ajudar a encontrar caminhos de busca, mas a responsabilidade pela veracidade das fontes é minha.

O terceiro erro: deixei a IA construir meu argumento

Tem uma diferença enorme entre usar IA para organizar um argumento que você já tem e pedir para ela construir o argumento por você.

No segundo caso, o que aparece é um argumento genérico, que soa razoável, mas não tem a marca da sua pesquisa. Não tem a especificidade do seu campo, não carrega as tensões teóricas do seu objeto, não dialoga com o debate particular que você está adentrando.

Eu percebi isso quando meu capítulo de discussão ficou genérico demais. Minha orientadora disse algo que ficou: “está muito bem escrito, mas parece que poderia ser de qualquer dissertação”. Era exatamente isso. A IA não conhece a sua pesquisa. Ela conhece a forma de pesquisa. E forma sem conteúdo específico é casca vazia.

O argumento central precisa vir de você. A IA pode ajudar a estruturar, dar consistência lógica, sugerir caminhos que você não viu. Mas o núcleo do raciocínio científico tem que ser seu.

O quarto erro: não contei para ninguém

Durante um tempo, senti que usar IA era uma espécie de trapaça. Então não falei com minha orientadora, não perguntei ao programa, fui usando nas bordas do trabalho e fingindo que não estava fazendo.

Esse silêncio criou um problema duplo: por um lado, não consegui orientação sobre como usar bem (porque não fazia a pergunta); por outro lado, fui desenvolvendo uma relação meio clandestina com uma ferramenta que poderia ser abertamente útil se eu soubesse onde os limites estavam.

Quando finalmente conversei com minha orientadora, a resposta foi muito menos dramática do que eu esperava. Ela tinha diretrizes claras sobre o que era ok e o que não era. Poderíamos ter tido essa conversa muito antes.

Se você está usando IA e não sabe exatamente o que é permitido no seu programa: pergunte. A conversa pode ser menos dramática do que o silêncio que você está mantendo.

O que o Método V.O.E. mudou nessa relação

Quando comecei a trabalhar com o Método V.O.E., uma das coisas que ficaram mais claras foi a distinção entre o que é Visão (o argumento central, a perspectiva do pesquisador), Organização (a estrutura que sustenta esse argumento) e Escrita (a forma como tudo isso se comunica).

A IA pode ajudar muito na Organização e em parte da Escrita. Mas a Visão, que é o núcleo do trabalho científico, essa parte é intransferível. Não dá para terceirizar a perspectiva.

Quando entendi isso, minha relação com as ferramentas ficou mais tranquila. Deixei de sentir que estava fazendo algo errado ao usar IA para estruturar um capítulo, e passei a ser mais cuidadosa sobre quando ela estava começando a substituir o que era meu papel fazer.

O que funciona (e o que ainda não funciona)

Deixa eu ser honesta sobre onde IA realmente me ajudou:

Ajudou a sair do branco. Quando não consigo começar a escrever, peço para a IA gerar um esboço e uso isso como algo para discordar, corrigir, reescrever. O branco some, o pensamento começa.

Ajudou na consistência textual. Quando o rascunho está pronto, usar IA para revisar coesão, coerência e clareza é genuinamente útil. Ela pega coisas que você não vê depois de ler o mesmo texto pela décima vez.

Ajudou em buscas de conceitos. Pedir “me explique o conceito X como ele aparece em teoria Y” pode ser um bom ponto de entrada antes de ir para as fontes primárias.

O que ainda não funciona bem: síntese bibliográfica confiável, argumento específico para uma pesquisa particular, e qualquer coisa que dependa de conhecer o campo com profundidade. Para isso, não tem substituto para ler as fontes.

A questão ética que fica embaixo de tudo

Existe uma conversa que a academia ainda está aprendendo a ter. Não é só sobre plágio técnico ou regras de citação. É sobre o que significa ser pesquisadora.

Quando você passa anos desenvolvendo a capacidade de observar um fenômeno, construir categorias de análise, dialogar com a literatura e articular um argumento original, isso não é só um procedimento. É uma forma de pensar que você está construindo. E essa forma de pensar é o que te torna pesquisadora, não só alguém que produziu um documento.

Se você usa IA de um jeito que pula esse processo de construção, você pode produzir um documento, mas não necessariamente se forma como pesquisadora. E a diferença aparece, às vezes muito depois, quando você precisa usar esse pensamento em contextos que a IA não vai estar.

Não estou aqui para dizer que não se deve usar IA. Uso, e continuo usando. Mas os erros que cometi me ensinaram que existe uma diferença entre usar a ferramenta como suporte ao pensamento e usá-la como substituto dele. Essa fronteira não está nas regras do programa. Está em você.

Fechando sem moralismo

Faz sentido errar. Faz sentido experimentar, se perder um pouco, entender na prática onde os limites estão. O problema não é ter usado IA de forma equivocada em algum momento, é continuar usando do mesmo jeito sem questionar.

Se você reconhece algum dos erros que descrevi aqui, boa notícia: reconhecer é o primeiro passo. A partir dali, você pode calibrar.

Se quiser conversar sobre como abordar isso com sua orientadora ou entender melhor os limites que fazem sentido para a sua pesquisa, os recursos do blog podem ser um bom começo.