IA na ciência: o que muda (e o que não muda) na pesquisa

Você já deve ter ouvido alguém dizer que a IA vai substituir o pesquisador. Ou o contrário: que é só ferramenta, sem impacto real na ciência. Marco Antonio Zago, presidente da Fapesp, publicou um ensaio no The Conversation Brasil defendendo uma terceira posição, mais incômoda que as duas anteriores. A inteligência artificial é um conjunto de técnicas que analisa volumes de dados muito além da capacidade humana, reconhece padrões difíceis de perceber por métodos tradicionais e acelera etapas que antes levavam anos. Ela muda a velocidade e a escala da pesquisa. Não muda o que conta como ciência. Se você está no meio de uma dissertação, tese ou artigo agora, essa distinção decide onde vale a pena investir tempo aprendendo a ferramenta, e onde ela simplesmente não chega.

O que aconteceu

Zago escreve a partir de uma posição pouco comum: não é um cientista da computação torcendo pela tecnologia, é o presidente de uma das maiores agências de fomento do país descrevendo o que já vê acontecer nos projetos que a Fapesp financia. O argumento central do ensaio é que a IA “realiza em minutos análises que, de outro modo, levariam anos”, ao processar volumes de dados milhares de vezes maiores do que um pesquisador conseguiria sozinho.

Mas ele separa isso da estrutura da ciência, que continua sendo identificar um problema, formular uma pergunta, testar por método e interpretar à luz do que já se sabe. Segundo o ensaio, a etapa mais nobre do trabalho científico continua sendo formular a pergunta certa, e é justamente aí que a IA não substitui ninguém: ela só entrega resposta útil quando recebe pergunta bem construída.

O texto também nomeia onde o impacto já é concreto: saúde (estudos populacionais, análise de imagens médicas), genômica, clima, agricultura, novos materiais e astronomia, todas áreas que trabalham com grandes volumes de dados.

Por que isso importa pra você

Esse ensaio não é sobre um edital ou uma ferramenta nova. É sobre onde alocar sua energia quando todo mundo ao seu redor está ansioso com IA. O texto de Zago dá uma régua prática pra isso, dependendo de onde você está:

Se você está escrevendo dissertação ou tese agora

1. Use IA pra tarefa operacional (organizar dados, gerar versão preliminar, mapear literatura), não pra decidir o que a pesquisa significa.
2. Documente como usou: quais parâmetros, em qual etapa, qual foi seu papel de fato. O ensaio trata isso como exigência de transparência, não burocracia extra.
3. Mantenha a interpretação dos resultados com você. É o ponto do texto que o validador de mérito continua sendo humano.

Se você está formulando um projeto de pesquisa

• A pergunta de pesquisa continua sendo o gargalo intelectual. IA não formula pergunta boa por você.
• Considere se a área que você trabalha depende de grande volume de dados. Se sim, o ganho de velocidade é real e vale investir tempo aprendendo a ferramenta certa.
• Se sua área não trabalha com grandes volumes de dados, vale perguntar onde exatamente a ferramenta ajudaria antes de forçar o uso.

Se você está revisando artigos ou orientando

A IA pode ajudar a identificar inconsistência num manuscrito mais rápido. Mas, segundo o texto, ela não substitui revisão por pares nem o julgamento centrado em mérito, que continua sendo tarefa de pesquisador qualificado.

O ponto que mais me chama atenção nesse ensaio

Zago escreve que “regulamentar em excesso carrega o risco de engessamento de um campo em rápida transformação”, e que o caminho mais produtivo é transparência em vez de regra rígida. Acho essa posição honesta, porque reconhece uma tensão real: ninguém quer usar IA de forma opaca, mas também ninguém quer perder tempo preenchendo formulário de justificativa pra cada prompt.

O que fica claro no texto é que a governança da inteligência artificial na pesquisa ainda está sendo desenhada, por universidades, agências de fomento e periódicos, e cada instituição está resolvendo isso de um jeito diferente. Se você está numa pós-graduação, vale a pena checar se seu programa já tem orientação escrita sobre uso de IA. Se seu programa ainda não tem, isso deixa a decisão mais na sua mão, sem retaguarda institucional.

Não significa que você precisa ficar paralisada esperando a regra sair. Significa documentar o que você fez, do jeito que faria se alguém perguntasse depois. Essa é uma prática que sustenta qualquer Método V.O.E. (Velocidade, Organização, Execução Inteligente) de pesquisa: a velocidade que a IA te dá só vale se a organização do processo acompanha.

Próximos passos

Se esse ensaio te deixou com mais pergunta do que resposta (é normal, o texto é mais provocação do que manual), aqui vai o que fazer com isso ainda essa semana:

1. Liste as etapas do seu projeto onde IA já entra hoje, mesmo informalmente, e escreva como você a usou em cada uma.
2. Pergunte ao seu orientador ou coordenador de programa se existe orientação institucional sobre uso de IA em pesquisa.
3. Se sua área trabalha com grande volume de dados, pesquise se algum dos Centros de Pesquisa em Inteligência Artificial apoiados pela Fapesp tem interface com o seu tema.
4. Releia a seção de metodologia do seu projeto e marque onde a pergunta de pesquisa está clara, e onde ela ainda depende de ferramenta pra ser formulada de verdade.

Se você quer entender melhor como essa mudança se conecta com os critérios de avaliação da pós-graduação, vale ler IA, CAPES e Qualis: Como a Avaliação da Pós Vai Mudar.

Fonte: Ensaio: inteligência artificial transforma o modo de produzir conhecimento, mas não muda fundamentos da ciência, The Conversation Brasil