IA na pesquisa acadêmica: novas ferramentas e uma velha questão metodológica
O uso de inteligência artificial na produção científica trouxe à tona um problema antigo da academia: a verificação de fontes. Casos de referências inventadas por chatbots voltaram a mobilizar pesquisadores e reacender o debate sobre autoria, rigor e confiabilidade no trabalho acadêmico.
Ferramentas de IA generativa, capazes de produzir textos em segundos, passaram a ser utilizadas por estudantes e cientistas em diferentes etapas da pesquisa. O ganho de produtividade, porém, veio acompanhado de riscos: modelos de linguagem podem criar citações, autores e estudos que simplesmente não existem, apresentando informações falsas com aparência de verdade.
O problema das fontes fictícias
As chamadas alucinações de sistemas de IA — quando a ferramenta gera conteúdo incorreto ou inexistente — colocam em xeque a integridade de trabalhos científicos. Referências fabricadas podem passar despercebidas em revisões e chegar ao público, comprometendo a credibilidade de periódicos e instituições.
Para especialistas no tema, o fenômeno não cria um dilema totalmente novo, mas atualiza uma exigência clássica do método científico: conferir cada fonte citada. A novidade está na escala e na facilidade com que informações falsas podem ser produzidas e incorporadas a textos acadêmicos.
Autoria e responsabilidade em debate
Outro ponto do discussão é a questão da autoria. Até que ponto o uso de IA em um artigo deve ser declarado? Quem responde por erros cometidos pela ferramenta? Essas perguntas seguem sem consenso entre revistas científicas, universidades e agências de fomento, que adotam critérios distintos para o uso de tecnologias generativas na pesquisa.
O debate envolve ainda a regulação do uso dessas ferramentas e seus impactos sobre a democracia e a circulação de informação — tema abordado na coluna IA, Regulação e Democracia do portal.
Rigor metodológico segue essencial
Apesar dos alertas, a conclusão comum entre observadores é que a tecnologia não substitui a responsabilidade do pesquisador. A verificação de fontes, a revisão por pares e a transparência sobre o uso de ferramentas digitais continuam sendo pilares fundamentais para garantir a qualidade da ciência em um cenário de adoção crescente da inteligência artificial.