Revisão Bibliográfica ABNT com IA: Como Fazer Direito

Revisão bibliográfica com IA: o que é possível e o que não é

Vamos lá. “Usar IA para fazer minha revisão bibliográfica” é uma frase que esconde três perguntas completamente diferentes. Você quer que a IA busque os artigos? Que ela leia e sintetize? Que ela formate as referências na ABNT? Cada uma dessas tarefas tem uma resposta diferente, e confundir as três é o caminho mais rápido para entregar um capítulo cheio de problemas.

Esse post divide o problema em partes. O que a IA faz bem na revisão bibliográfica, onde ela erra de forma perigosa, e como usar ferramentas de forma produtiva sem comprometer o rigor do trabalho.

O que é revisão bibliográfica (e por que ela não é só buscar artigos)

Antes de falar de ferramentas, vale alinhar o conceito. A revisão bibliográfica é o processo de mapear, ler, avaliar e sintetizar o que já foi produzido sobre um tema. Ela serve a dois propósitos: mostrar que você conhece o campo onde sua pesquisa se insere, e identificar onde ainda há lacunas que justificam o que você vai pesquisar.

Isso significa que a revisão bibliográfica não é uma lista de resumos de artigos. É uma construção argumentativa: você está mostrando como os estudos se relacionam, onde concordam, onde há tensão, e o que ainda está em aberto.

Essa distinção importa porque muda o que você pode e não pode delegar. Buscar artigos é uma tarefa técnica. Ler e avaliar cada artigo é uma tarefa intelectual. Construir o argumento da revisão é uma tarefa de autoria. Ferramentas de IA podem ajudar na primeira, ajudam um pouco na segunda com supervisão, e não substituem a terceira.

O problema central: alucinações em referências bibliográficas

Antes de qualquer outra coisa sobre IA e revisão bibliográfica, este ponto precisa ficar claro: modelos de linguagem como ChatGPT e Claude podem gerar referências bibliográficas que não existem.

Não é um bug raro. É um comportamento frequente, especialmente quando o modelo é solicitado a “listar os principais autores sobre X” ou “citar estudos que mostram Y”. O modelo produz texto que tem a estrutura de uma referência bibliográfica real — nome de autor, título, revista, ano, DOI — mas o artigo pode não existir, ou o título pode ser parcialmente inventado, ou o DOI pode levar a um artigo diferente.

Isso se chama alucinação, e na revisão bibliográfica é um problema grave. Uma referência inventada que não é detectada antes da submissão pode comprometer a credibilidade do trabalho inteiro.

A regra prática: nunca use uma referência bibliográfica gerada por IA sem verificar a existência do artigo na base de dados. Sem exceção.

Onde a IA realmente ajuda: organização e síntese do que você já leu

O uso produtivo e legítimo de IA na revisão bibliográfica começa depois que você já fez o trabalho de busca e leitura. Você tem um conjunto de artigos que leu, anotou, e entende. Agora você precisa construir a narrativa da revisão.

É aqui que modelos como Claude ou ChatGPT podem ser úteis como interlocutores. Você pode, por exemplo, descrever para o modelo os principais argumentos de três ou quatro artigos e pedir que ele ajude a identificar as tensões ou convergências entre eles. Ou você pode descrever o argumento que está construindo e pedir que o modelo aponte onde a lógica está com lacunas.

Esse uso funciona porque você está trazendo o conteúdo — o modelo está ajudando a organizar o que você já sabe. A autoria intelectual da síntese continua sendo sua.

Outro uso prático: você escreveu um parágrafo da revisão que está confuso, com muitas ideias sobrepostas. Pede ao modelo que ajude a clarificar a estrutura sem alterar o conteúdo. Isso é revisão de clareza, não de conteúdo — um uso ético e produtivo.

Ferramentas de busca com componente de IA

Para a etapa de busca bibliográfica, há ferramentas especializadas que combinam acesso a bases de dados com capacidade de síntese. Algumas relevantes:

O Elicit é uma ferramenta de pesquisa que busca em bases científicas (principalmente Semantic Scholar) e resume os abstracts dos artigos encontrados. Você descreve sua pergunta de pesquisa e ele retorna papers relevantes com um resumo gerado automaticamente. É útil para uma primeira varredura, especialmente para literatura em inglês.

O Consensus tem proposta similar: busca em literatura científica e tenta responder perguntas de pesquisa com base nos estudos encontrados. Mais focado em perguntas de efeito (funciona ou não funciona?) do que em mapeamento teórico.

O Connected Papers não usa IA generativa, mas é muito útil: a partir de um artigo central, ele constrói um mapa visual de artigos relacionados por citação. É uma forma rápida de identificar os textos seminais de uma área e a rede de trabalhos que se conectam ao seu tema.

Limitação importante: a cobertura de literatura em português nas ferramentas de IA estrangeiras é muito menor do que para inglês. Para pesquisa em Ciências Humanas e Sociais brasileiras, as ferramentas de busca tradicionais — Scielo, Portal CAPES, Google Scholar, Biblioteca Digital de Teses e Dissertações — continuam sendo o ponto de partida mais confiável.

ABNT e a formatação de referências: use os gerenciadores, não a IA

Para a formatação das referências bibliográficas na ABNT, a recomendação é clara: use um gerenciador de referências como Zotero ou Mendeley, não IA generativa.

O motivo é simples. O Zotero e o Mendeley foram construídos para aplicar normas bibliográficas de forma consistente. Eles têm estilos ABNT atualizados (verifique a data do estilo), aplicam as regras de pontuação, ordem dos elementos, uso de itálico, e formatação de DOI de forma automática. Você insere os dados do artigo (ou importa via DOI ou de bases de dados) e a saída já está formatada.

A IA generativa não foi construída para isso. Ela pode produzir uma referência que parece correta na estrutura geral mas erra em detalhes de pontuação, ordem dos sobrenomes, ou tratamento de autores corporativos. E ela não vai avisar quando errar.

Se você ainda não usa um gerenciador de referências, o Zotero é gratuito, tem extensão para Chrome que importa referências diretamente das páginas de periódicos, e tem o estilo ABNT disponível para instalação. O investimento em aprender a usar o Zotero nos primeiros trabalhos se paga durante todo o mestrado e doutorado.

O que fazer quando a referência está incompleta

Um cenário real: você tem uma citação de segunda mão (alguém citou um texto que você não tem acesso), ou você tem dados parciais de um artigo (título, autor, mas não o ano ou a revista). Pode a IA ajudar aqui?

Com cautela. Você pode fornecer os dados que tem e pedir ao modelo que sugira onde encontrar o artigo completo ou como verificar os dados faltantes. O modelo pode sugerir a busca em Google Scholar com os dados disponíveis, ou indicar que o DOI pode ser encontrado em determinada base.

O que não fazer: pedir ao modelo que “complete” a referência. Se ele não tem acesso à base de dados, vai inventar os dados faltantes com a mesma fluência de quando fornece dados corretos. A referência vai ter aparência de completa e vai estar errada.

A solução legítima para referência incompleta é verificar nas fontes primárias: Google Scholar, Crossref (search.crossref.org), ou a base de dados da área.

Revisão sistemática e IA: um cuidado extra

A revisão sistemática tem exigências adicionais em relação à bibliográfica comum: protocolo registrado, critérios de inclusão e exclusão explícitos e pré-definidos, extração de dados padronizada, e documentação de cada etapa do processo de seleção.

IA pode ajudar a organizar e sintetizar os dados extraídos, mas as etapas de definição de critérios, triagem de títulos e abstracts, e avaliação de qualidade dos estudos precisam ser feitas por humanos — pelo menos dois revisores, nos protocolos mais rigorosos. Isso não é exigência arbitrária. É o que garante que os resultados são reproduzíveis por outros pesquisadores.

Para revisões sistemáticas, ferramentas como Rayyan (para triagem de artigos em dupla cega) e Covidence são mais adequadas do que soluções genéricas de IA generativa.

Um fluxo de trabalho que funciona

Para quem quer integrar ferramentas de IA na revisão bibliográfica sem abrir mão do rigor, um fluxo que faz sentido:

Faça a busca nas bases de dados apropriadas para sua área (Scielo, Portal CAPES, PubMed, Scopus — dependendo do campo). Salve os resultados no Zotero ou Mendeley. Organize por relevância e comece a leitura a partir dos mais centrais para o seu tema.

Use o Connected Papers para mapear a rede de textos relacionados ao seu artigo central. Isso frequentemente revela textos seminais que não apareceram na busca inicial.

Enquanto lê, faça anotações nos próprios artigos ou num sistema de notas (um diário de pesquisa, uma planilha, o Obsidian, o Notion — o que funcionar para você). O que o artigo argumenta, quais evidências usa, com quem concorda e discorda.

Depois de ter lido um conjunto suficiente de artigos, use o Claude ou ChatGPT como interlocutor para ajudar a organizar a síntese — mas trazendo o conteúdo das anotações, não pedindo que o modelo gere a síntese do zero.

Use o Zotero para formatar todas as referências na ABNT ao final.

Esse fluxo preserva o rigor nas etapas que exigem rigor e usa as ferramentas onde elas genuinamente ajudam.

A revisão bibliográfica no Método V.O.E.

No Método V.O.E. — Validação, Organização e Execução — a revisão bibliográfica entra na fase de Validação. Antes de escrever, você valida que sua pergunta de pesquisa é relevante (o que já existe na literatura?), que seu recorte é original (onde está a lacuna?), e que sua abordagem metodológica é coerente com o que o campo usa.

Essa função da revisão — como ferramenta de validação, não apenas como capítulo de texto — muda o que você está buscando quando lê. Você não está acumulando referências para mostrar que leu bastante. Você está construindo o argumento de que sua pesquisa é necessária e possível.

Ferramentas de IA podem ajudar a processar informação mais rapidamente. Mas a decisão de que lacuna você vai preencher, e por quê isso importa, é uma decisão intelectual que só você pode tomar.

Faz sentido? Para aprofundar o processo de escrita da revisão em si, o post sobre escrita acadêmica produtiva trata de como transformar suas leituras em texto sem travar.