IA na Pesquisa Científica

A Inteligência Artificial deixou de ser apenas um tema de pesquisa para se tornar também uma ferramenta de trabalho dentro da própria pesquisa científica. Ela já aparece na revisão bibliográfica, na organização de referências, na análise de grandes volumes de dados, na simulação de cenários, na escrita preliminar de textos e até no apoio à interpretação de resultados. Isso não significa que a IA substituiu o pesquisador. Significa que ela entrou no laboratório, na biblioteca, no notebook e no fluxo de trabalho acadêmico.

Esse avanço é positivo, mas exige cuidado. Na ciência, não basta chegar a uma resposta interessante; é preciso mostrar como se chegou a ela. A pesquisa científica depende de método, rastreabilidade, verificação, revisão por pares e responsabilidade intelectual. Quando uma ferramenta de IA participa do processo, mesmo que apenas como apoio textual, ela passa a fazer parte da metodologia de trabalho. Por isso, o uso da IA precisa ser declarado, explicado e tratado com a mesma seriedade que damos a qualquer instrumento usado em uma pesquisa.

A nova política de integridade científica do CNPq

Em março de 2026, o CNPq publicou a Portaria nº 2.664/2026, instituindo a Política de Integridade na Atividade Científica. O documento tem como finalidade garantir a integridade em atividades científicas apoiadas pelo Conselho, com base em ações de educação, prevenção, apuração e sanção. A política vale para proponentes, beneficiários, servidores, consultores, membros de comitês, usuários da Plataforma Lattes e demais agentes ligados às bases e serviços do CNPq. (Serviços e Informações do Brasil)

O ponto que mais chama atenção para quem trabalha com tecnologia é que a norma não proíbe o uso de Inteligência Artificial Generativa. Pelo contrário, ela reconhece que essas ferramentas já estão presentes no processo científico. O que a diretriz exige é transparência: o pesquisador deve declarar o uso de IA generativa em qualquer fase da pesquisa, seja na concepção, na redação, na análise de dados ou na submissão, informando qual ferramenta foi usada e com qual finalidade. (Serviços e Informações do Brasil)

Esse detalhe muda bastante a forma como devemos pensar a IA no ambiente acadêmico. Usar uma ferramenta para resumir artigos, organizar hipóteses, sugerir estruturas de texto ou auxiliar na limpeza de dados pode ser aceitável, desde que isso seja informado com clareza. O problema começa quando o pesquisador esconde esse uso, apresenta como próprio algo que foi produzido automaticamente ou deixa de verificar se a saída da IA está correta.

Transparência, autoria e responsabilidade

A diretriz também reforça um princípio essencial: a IA não é autora. Ela pode auxiliar, sugerir, reorganizar, comparar e acelerar tarefas, mas a responsabilidade final continua sendo humana. O texto analisado destaca que é vedada a submissão de conteúdo gerado por Inteligência Artificial Generativa como se fosse de autoria humana. Além disso, os autores permanecem integralmente responsáveis pelo conteúdo final, inclusive por eventuais plágios, erros ou imprecisões produzidos pela ferramenta. (ABCD)

Esse ponto é fundamental porque muitos modelos de IA produzem respostas convincentes, mas nem sempre verdadeiras. Eles podem inventar referências, distorcer conceitos, simplificar demais um fenômeno ou combinar informações incompatíveis. Em uma conversa comum, isso já é problemático. Em um artigo científico, um relatório técnico, uma dissertação ou uma proposta de fomento, esse tipo de erro pode comprometer a credibilidade do trabalho inteiro.

Outro ponto importante da política é a valorização da honestidade intelectual, da veracidade na autoria e dos créditos científicos. O CNPq integrou à política um conjunto de princípios que envolvem responsabilidade em todas as fases da pesquisa, respeito aos participantes, observância às normas éticas, promoção da inclusão, segurança no uso de recursos e cumprimento das diretrizes científicas institucionais. (Serviços e Informações do Brasil)

Na prática, isso significa que a IA deve ser usada como ferramenta de apoio, não como atalho para fugir do esforço intelectual. Um bom pesquisador pode usar IA para ampliar sua produtividade, mas não para terceirizar sua responsabilidade. Há uma diferença enorme entre pedir ajuda para organizar uma hipótese e entregar uma conclusão sem análise crítica. Também há diferença entre usar IA para revisar a clareza de um texto e permitir que ela invente argumentos sem validação bibliográfica.

Um exemplo prático de uso responsável

Um exemplo simples ajuda a entender isso. Imagine uma pesquisa sobre sensores aplicados à manutenção preditiva. A IA pode ajudar a comparar métodos, sugerir palavras-chave, organizar uma tabela de tecnologias, gerar um esboço de metodologia e até apontar possíveis limitações do estudo. Mas a escolha dos sensores, a validação dos dados, a interpretação estatística, a revisão das fontes e a conclusão científica continuam sendo responsabilidade do pesquisador.

Cuidado com pareceres, confidencialidade e dados sensíveis

A política também toca em um ponto sensível: o uso de IA em pareceres científicos. Segundo a divulgação da norma, o uso de Inteligência Artificial na elaboração de pareceres não é recomendado, pois envolve riscos de imparcialidade, confidencialidade e qualidade da avaliação. Isso faz sentido, porque pareceres podem conter dados inéditos, projetos ainda não publicados, hipóteses estratégicas e informações sigilosas. Enviar esse material para uma ferramenta externa pode violar a confiança do processo científico. (ABCD)

Também precisamos falar sobre dados. Nem todo dado de pesquisa pode ser enviado para qualquer plataforma de IA. Dados sensíveis, informações pessoais, resultados inéditos, segredos industriais, códigos proprietários, prontuários, entrevistas e bases ainda não publicadas exigem proteção. O pesquisador precisa saber diferenciar uma consulta genérica, como “explique o conceito de regressão logística”, de uma operação arriscada, como enviar uma base de dados confidencial para uma IA pública sem autorização.

Rastreabilidade e reprodutibilidade

Aqui entra um aspecto que ainda será muito debatido: a rastreabilidade. Declarar que uma IA foi usada é necessário, mas talvez ainda não seja suficiente. Em pesquisas mais rigorosas, pode ser importante registrar a versão da ferramenta, o tipo de modelo, os prompts principais, os dados inseridos, os limites adotados e as etapas em que houve revisão humana. Isso aproxima o uso da IA do conceito de reprodutibilidade científica, que é uma das bases da ciência moderna.

Perguntas para orientar o uso responsável

O uso responsável da IA na pesquisa científica, portanto, passa por três perguntas simples:

1. A IA está ajudando ou substituindo meu raciocínio?
2. Eu consigo explicar exatamente onde ela foi usada?
3. Eu revisei, validei e assumi responsabilidade pelo resultado final?

Quando a resposta a essas perguntas é clara, a IA pode se tornar uma aliada poderosa. Quando não é, ela vira risco metodológico.

A diretriz como oportunidade

A nova diretriz do CNPq deve ser vista como um alerta, mas também como uma oportunidade. Ela não fecha a porta para a inovação. Ao contrário, cria um caminho mais seguro para que pesquisadores brasileiros usem IA sem comprometer a confiança na ciência. Em vez de tratar a tecnologia como ameaça, a política aponta para um uso mais maduro: declarar, justificar, revisar e responsabilizar-se.

O papel da IA na formação científica

Para quem está começando na pesquisa, especialmente em tecnologia, engenharia, computação, saúde, educação ou ciências sociais aplicadas, essa discussão é urgente. A IA pode acelerar a formação de hipóteses, ajudar na leitura de artigos complexos, melhorar a organização de ideias e reduzir barreiras técnicas. Mas ela não elimina a necessidade de estudar, comparar fontes, entender métodos e desenvolver pensamento crítico.

No fundo, a questão não é se devemos ou não usar Inteligência Artificial na ciência. A questão é como usá-la sem enfraquecer a própria ideia de ciência. A pesquisa científica sempre incorporou novas ferramentas: microscópios, computadores, simuladores, bancos de dados, linguagens de programação, sensores e instrumentos estatísticos. A IA é mais uma dessas ferramentas, mas com uma diferença importante: ela também produz linguagem, interpretações e argumentos. Por isso, exige ainda mais vigilância.

Conclusão

A melhor postura é tratar a IA como uma assistente técnica, não como uma autoridade científica. Ela pode sugerir caminhos, mas não deve decidir por nós. Pode ajudar a escrever melhor, mas não deve ser usada para esconder ausência de domínio. Pode acelerar análises, mas não pode substituir validação. Pode contribuir para a ciência, desde que a ciência continue sendo conduzida com método, ética e responsabilidade humana.

Pontos-chave da diretriz do CNPq

• A Portaria nº 2.664/2026 institui a Política de Integridade na Atividade Científica do CNPq.
• A política se baseia em educação, prevenção, apuração e sanção.
• O uso de Inteligência Artificial Generativa não é proibido.
• O uso de IA deve ser declarado em qualquer fase da pesquisa.
• A declaração deve indicar a ferramenta utilizada e a finalidade do uso.
• A IA não deve ser apresentada como autora.
• O pesquisador continua responsável por erros, plágio, imprecisões e conclusões.
• O uso de IA em pareceres científicos não é recomendado.
• A política reforça honestidade intelectual, veracidade de autoria, integridade dos dados e transparência.
• Infrações podem gerar sanções, incluindo advertência, suspensão de bolsas, interrupção de benefícios, impedimento de participação em ações de fomento e ressarcimento ao erário, conforme a gravidade do caso. (ABCD)

Referências

• CNPq — CNPq institui Política de Integridade na Atividade Científica, que estabelece normas e boas práticas de atuação.
• ABCD/USP — CNPq institui Política de Integridade na Atividade Científica.
• PPGARTES/Unespar — Nova portaria do CNPq define limites para o uso de inteligência artificial.

Não deixe de me pagar um café, faz um PIX: consultoria@carlosdelfino.eti.br de qualquer valor.