Inteligência Artificial na Pós: Ajuda ou Ameaça?

A pergunta que todo mundo está fazendo, mas poucas pessoas respondem direito

Vamos lá. Toda vez que o assunto IA na pesquisa aparece, a conversa vai para um de dois extremos. De um lado, quem acha que IA vai resolver tudo, escrever dissertações, analisar dados, substituir orientadores. Do outro, quem acha que IA é sempre trapaça, que usar qualquer ferramenta automática é desonestidade acadêmica.

Os dois extremos erram porque partem da pergunta errada. “Ajuda ou ameaça” é uma pergunta binária para um fenômeno que é bem mais complexo. E enquanto a academia debate a abstração, pesquisadoras reais estão tomando decisões práticas toda semana: uso ou não uso, declaro ou não declaro, peço ao orientador ou evito o assunto?

Esse texto é sobre o que vejo acontecendo na prática, não no debate teórico.

O que mudou de verdade nos últimos dois anos

Quem está na pós-graduação hoje está em um momento historicamente diferente de quem entrou há cinco anos. Não é exagero.

Antes de 2023, “usar IA na pesquisa” significava basicamente usar algoritmos específicos como método de análise, ou usar ferramentas de análise de texto como NLP. Coisa técnica, de quem trabalhava com dados computacionais.

Depois de 2023, qualquer pessoa com internet tem acesso a ferramentas que escrevem texto, resumem artigos, respondem perguntas, organizam ideias, traduzem documentos. Isso mudou o que está ao alcance de todo pesquisador, independente de área.

E a academia não estava preparada para isso. As normas, as políticas institucionais, as expectativas dos orientadores, os critérios dos periódicos, tudo estava desenhado para um mundo onde essas ferramentas não existiam.

Resultado: um vácuo de regras no momento exato em que as decisões mais concretas precisam ser tomadas.

O que pesquisadoras de verdade fazem com IA

Posso te falar o que ouço e vejo com frequência. Não é dado científico, é observação de quem conversa muito com pessoas na pós.

Muita gente usa IA para revisão de escrita. Não para escrever o texto, mas para pegar um parágrafo que ficou confuso e pedir sugestões de como deixar mais claro. Isso é diferente de pedir que a IA escreva o parágrafo do zero.

Muita gente usa IA para busca e síntese de literatura. Ferramentas como Elicit, Consensus ou o próprio ChatGPT com acesso à web para ter uma visão rápida do que existe sobre determinado tema antes de mergulhar nas bases de dados tradicionais. Ainda assim, a leitura primária dos artigos é obrigatória.

Muita gente usa IA para superar o bloqueio inicial. Quando você está há horas olhando para um documento em branco sem conseguir escrever a primeira frase, conversar com uma IA sobre o tema, fazer perguntas, explorar ângulos, pode desbloquear. A escrita que você produz depois é sua, mas o processo de chegar lá teve IA como interlocutora.

Algumas pessoas usam IA de forma que cruzaria a linha da má conduta: pedir que a IA escreva seções inteiras sem reescrita ou curadoria, usar IA para gerar citações que depois não verifica, apresentar como análise própria algo que foi inteiramente gerado por algoritmo.

A diferença entre os usos legítimos e os problemáticos não é tecnológica. É sobre responsabilidade intelectual.

O que torna o uso de IA problemático (e por que importa)

Olha só o que está em jogo aqui. A pós-graduação não existe para você produzir um documento chamado dissertação. Existe para você desenvolver competências de pesquisadora: formular perguntas, revisar literatura criticamente, escolher e aplicar métodos, analisar dados com honestidade, argumentar com base em evidências, assumir responsabilidade pelos resultados.

Quando você usa IA de forma que substitui o exercício dessas competências, o problema não é apenas ético. É que você sai da pós-graduação sem ter desenvolvido o que deveria. E isso vai aparecer: na defesa, nas publicações, na vida profissional.

Um orientador que percebe que a pesquisadora não consegue explicar as escolhas metodológicas porque foram geradas por IA, não consegue defender os argumentos do texto porque não os formulou de verdade, não consegue responder perguntas sobre a análise porque não a fez pessoalmente. Esse é o custo real de usar IA de forma a substituir o processo em vez de apoiá-lo.

O que o medo da IA revela

Do outro lado, existe uma postura de medo que também merece atenção. Pesquisadoras que evitam qualquer ferramenta nova, que rejeitam IA categoricamente sem examinar o que ela pode e o que não pode fazer, que têm receio de declarar qualquer uso por medo de punição.

Esse medo tem raízes reais. As políticas institucionais são ambíguas ou inexistentes. Orientadores têm posições muito diferentes entre si. O que um orientador considera aceitável pode ser visto como fraude por outro.

Mas o medo que paralisa também tem custo. Você continua fazendo buscas manuais ineficientes quando ferramentas de IA poderiam te dar uma visão de campo em uma hora. Você passa horas em correção gramatical que poderia ser feita em minutos. Você evita explorar ideias com uma ferramenta que poderia funcionar como interlocutora intelectual.

A postura mais saudável não é nem a adoção entusiástica sem critério, nem a rejeição por medo. É a curiosidade crítica: entender o que a ferramenta faz, como funciona, quais os limites, e decidir conscientemente quando e como usar.

Como eu penso sobre isso no meu próprio trabalho

Vou ser direta sobre como penso sobre IA no meu trabalho acadêmico e de produção de conteúdo. Uso IA como interlocutora intelectual, não como escritora. Uso para explorar ângulos de um tema antes de decidir o que quero argumentar. Para revisar se um parágrafo está claro para alguém de fora da área. Para busca rápida de literatura quando preciso de uma orientação inicial.

Não uso para gerar argumentos que depois apresento como meus sem retrabalho crítico. Não uso para escrever análises de dados. Não uso para produzir qualquer conteúdo que tenha meu nome sem que eu tenha lido, refletido e me responsabilizado pelo que está escrito.

A pergunta que faço é: se eu precisar defender cada escolha intelectual desse texto ou dessa pesquisa, consigo? Se a resposta for não em algum ponto, há um problema.

O Método V.O.E. parte dessa premissa de intencionalidade: cada escolha de processo deve ser explicável e defensável. Isso vale para IA como vale para qualquer outra escolha metodológica.

A conversa com o orientador

Uma coisa prática que muita mestranda evita: a conversa direta com o orientador sobre uso de IA.

É compreensível o receio. Mas evitar a conversa cria situações piores. Se você usa IA sem saber se o orientador aceita, e ele descobre, a situação é muito mais difícil do que teria sido a conversa prévia.

A abordagem que recomendo é franca e específica: “Tenho usado IA para [especificar o uso concreto]. Gostaria de saber sua posição sobre isso e se há formas de uso que você considera adequadas ou inadequadas para nossa pesquisa.”

Essa conversa tende a produzir respostas mais produtivas do que você imagina. Muitos orientadores ainda estão formando opinião sobre o tema e apreciam a iniciativa de discutir abertamente.

Quando IA atrapalha sem você perceber

Existe um problema mais sutil que não costuma aparecer nas discussões: o uso de IA que não é fraude mas que enfraquece o processo de aprendizagem sem você perceber.

Quando você pede que a IA estruture um argumento que você ainda não articulou completamente, e aceita a estrutura sem o esforço de pensar o que você realmente quer dizer, você pulou uma etapa. Não é trapaça no sentido convencional, porque o texto que aparece no final ainda vai ser reescrito por você. Mas você perdeu a oportunidade de desenvolver sua própria forma de organizar pensamento.

A escrita acadêmica não é só produto. É processo. É o momento onde você descobre o que realmente pensa sobre um tema, onde percebe os buracos no seu argumento, onde a inconsistência entre o que você coletou e o que quer afirmar fica evidente. Delegar esse processo para IA, mesmo que parcialmente, tem custo.

Não estou dizendo para nunca usar IA no processo de escrita. Estou dizendo para perceber quando o uso está substituindo o pensamento em vez de apoiá-lo.

A diferença é sutil mas real: usar IA para testar se uma ideia já está articulada é diferente de pedir que ela articule a ideia por você. Usar IA para verificar se um parágrafo está claro para leitores de fora da área é diferente de pedir que ela reescreva o parágrafo porque você não sabe como melhorá-lo.

O que vai ficar, o que vai mudar

Daqui a dez anos, o debate atual sobre “IA na pesquisa: sim ou não?” vai parecer antiquado, da mesma forma que hoje parece antiquado o debate de vinte anos atrás sobre “pesquisa na internet: confiável ou não?”

O que vai ficar é a necessidade de julgamento crítico, de responsabilidade intelectual, de ser a pessoa que assina o trabalho e que consegue defendê-lo. IA vai continuar evoluindo, as ferramentas vão mudar, as normas vão se consolidar.

A pesquisadora que desenvolve agora a capacidade de usar novas tecnologias com discernimento vai ter vantagem real. Não porque usa IA, mas porque aprendeu a pensar criticamente sobre ferramentas, a questionar resultados, a assumir responsabilidade pelo processo.

Ajuda ou ameaça? As duas coisas, dependendo do uso. Mas principalmente: é a realidade do momento. E realidades mudam mais facilmente quando a gente as entende.