A ciência está mais inteligente ou mais artificial com a IA?

Quem usa inteligência artificial na pesquisa publica, em média, três vezes mais artigos. A ciência, como projeto coletivo, está cobrindo um raio de temas quase 5% menor do que cobria antes da IA se popularizar.

Foi isso que mostrou, em janeiro de 2026, um estudo publicado na Nature por pesquisadoras e pesquisadores da Universidade de Tsinghua e da Universidade de Chicago. A equipe analisou 41,3 milhões de artigos científicos publicados entre 1980 e 2025, em seis grandes áreas das ciências naturais. A Extensão do Conhecimento é o conceito que os autores criaram pra medir isso: a variedade de temas explorados por um conjunto de artigos, e é ela que revela o paradoxo do título. Se você usa IA na sua pesquisa, ou está pensando em começar, esse dado muda a pergunta que vale fazer. Ela deixa de ser “isso me deixa mais produtiva” e passa a ser “o que eu paro de perguntar quando confio demais nisso”.

O que aconteceu

O estudo divide a história da inteligência artificial na ciência em três eras: o aprendizado de máquina clássico, de 1980 a 2014; o aprendizado profundo, de 2015 a 2022; e a IA generativa, a partir de 2023. Em todas elas, o mesmo padrão aparece: quem adota a tecnologia ganha em produtividade individual, mas a ciência como um todo perde em diversidade temática.

Os números individuais são generosos. Pesquisadoras e pesquisadores que usam IA recebem quase cinco vezes mais citações do que os demais e assumem a liderança de projetos mais cedo na carreira. É a parte da notícia que costuma virar manchete: a IA torna cientistas mais produtivos e mais visíveis.

Só que o próprio estudo evita ficar nessa conclusão simples. Quando os autores comparam amostras aleatórias de artigos, os que usam IA cobrem um espaço temático quase 5% menor do que os que não usam, um padrão que se repete em mais de 70% das mais de 200 subáreas analisadas. A explicação mais provável é a disponibilidade de dado: a IA funciona melhor onde já existe muito dado estruturado, o que puxa pesquisadores pra campos maduros e afasta questões mais arriscadas, com menos dado pronto.

James Evans, professor de sociologia e ciência de dados na Universidade de Chicago e um dos autores do artigo, chama esse efeito de “multidão solitária”: artigos que se concentram nos mesmos tópicos populares, mas conversam menos entre si. O estudo mede isso também: 22% menos engajamento cruzado entre pesquisadores que trabalham com IA.

Por que isso importa pra você

Esse paradoxo não fica só no nível macro da ciência como um todo. Ele desce pra decisões concretas, dependendo de onde você está na sua trajetória de pesquisa.

Se você já está no programa e usa IA no dia a dia

1. Você provavelmente vai publicar mais rápido: o ganho de produtividade é real, e o estudo confirma que ele se traduz em citação e visibilidade.
2. Vale perguntar em que campo você está pesquisando: se é uma área com muito dado estruturado (as que a IA processa melhor), você está no grupo que mais se beneficia, mas também no mais sujeito à concentração temática que o estudo descreve.
3. Documentar a pergunta original antes de rodar qualquer ferramenta ajuda: se a IA te levar pra um caminho mais fácil de validar, você ainda sabe qual era a pergunta que valia a pena perseguir.

Se você está terminando dissertação ou tese

1. A IA ajuda mais na revisão e no polimento do que na formulação do problema: é isso que os pesquisadores ouvidos na reportagem repetem. Buckeridge, da USP, cita o inglês mais polido dos manuscritos dos orientandos desde 2023 como ganho real.
2. A aprendizagem pelo fazer continua insubstituível: analisar dado, revisar literatura e planejar experimento são habilidades que se aprendem errando, não terceirizando pra ferramenta.

Se você orienta

1. Equipes que usam IA têm menos pesquisadores juniores: a média cai de 2,89 para 1,99 por equipe (31% a menos), o que muda o tipo de treino que quem está começando recebe.
2. O papel do orientador muda de foco: Helder Nakaya, da USP, resume assim: cada vez mais estimular a reflexão e a pergunta certa, porque a técnica tende a ser automatizada.

O que os três recortes têm em comum: a IA não é neutra sobre onde você olha. Ela empurra pra onde já existe dado, consenso e caminho testado. Faz sentido usar essa força a seu favor, mas vale saber que ela existe.

Como usar a IA sem estreitar o alcance da sua pesquisa

Fabio Cozman, diretor do Centro de Inteligência Artificial da USP (C4AI), oferece uma saída que não é proibir a ferramenta. “A IA é uma ferramenta útil e poderosa. Se ela for usada pra ficar repetindo soluções, ela vai aumentar essa concentração”, diz. “Mas cabe a nós valorizar menos a repetição e o número de publicações e valorizar aquilo que é novo, mesmo quando não deu certo.”

Na prática, isso significa inverter a pergunta que você faz pra IA. Em vez de “qual é a resposta mais provável aqui”, vale experimentar “que dado eu ainda não tenho, e essa ferramenta ajuda a coletar”. É a diferença entre usar IA pra processar o que já existe e usar IA pra ir atrás do que ainda não foi mapeado. James Evans defende essa mudança de foco: sair da compressão de informação existente e migrar pra coleta de dado novo.

Isso NÃO substitui o julgamento de qual pergunta vale a pena fazer. Esse julgamento continua sendo seu, e é ele que separa usar IA como atalho pra confirmar o que o campo já espera de usar IA como ferramenta pra abrir uma pergunta nova. Antes de rodar a próxima busca ou o próximo resumo automático, vale perguntar: essa ferramenta está te ajudando a ver mais longe, ou só confirmando o que já era mais fácil ver?

Vale pra qualquer etapa: revisão de literatura, análise de dado, redação. A IA acelera a parte técnica. A escolha do que vale investigar continua sendo trabalho intelectual seu, e é exatamente essa parte que o estudo mostra estar encolhendo quando a tecnologia entra sem critério.

Por que esse dado me deixa cautelosa, não assustada

Quando li esse estudo pela primeira vez, a parte que mais me chamou atenção não foi o ganho de produtividade. Foi o índice de Gini: 0,75 na distribuição de citações entre artigos que usam IA, contra 0,69 nos demais. Quanto mais perto de 1, mais concentrada a atenção em poucos trabalhos. O motivo é o incentivo, não a IA em si: se publicar com IA garante mais citação e carreira mais rápida, o sistema empurra todo mundo pro mesmo lugar, e ninguém precisa “querer” isso pra que aconteça.

É aqui que entra a parte prática do Método V.O.E. (Velocidade, Organização, Execução Inteligente): a Execução Inteligente significa saber onde a IA acelera de verdade (revisão, formatação, primeira leitura de literatura extensa) e onde ela empobrece a pergunta, se você deixa ela decidir sozinha o que vale investigar.

Você não precisa decidir usar ou não usar IA. O que muda é notar, toda vez que recorre a ela, se está escolhendo o tema mais interessante ou só o que a ferramenta processa melhor. Essa diferença não aparece em nenhuma métrica de produtividade, mas é o que separa ciência que expande da “multidão solitária” que o estudo descreveu.

Próximos passos

Se esse assunto te interessa, aqui vai um checklist pra aplicar ainda essa semana:

1. Mapeie onde você já usa IA na sua pesquisa e pergunte se é revisão e formatação (baixo risco) ou formulação do problema (maior risco de estreitar o seu próprio olhar).
2. Leia o artigo original na Nature se você trabalha com bibliometria ou avaliação de produção científica: o índice de Gini e o conceito de “extensão do conhecimento” valem revisão detalhada.
3. Converse com seu orientador ou orientanda sobre em que etapa a IA está entrando no trabalho de vocês, e se isso está deslocando alguma etapa de aprendizado.
4. Se você orienta, reveja quanto tempo de pesquisador júnior da sua equipe está indo pra tarefa técnica automatizável, e quanto vai pra formulação de pergunta.

Se você quer ir mais fundo em como se apoiar na IA sem abrir mão do rigor e do seu próprio julgamento, dá uma olhada em Como usar IA sem comprometer sua autoria intelectual.

Fonte: A ciência está mais inteligente ou mais artificial com a IA?, Pesquisa FAPESP