A pergunta mais comum quando se fala em inteligência artificial generativa na universidade costuma ser: “qual ferramenta eu devo usar?”

É uma pergunta compreensível, mas é uma pergunta pequena perante todo contexto que podemos usar.

A pergunta melhor é outra: que tipo de trabalho intelectual eu quero qualificar com apoio da IA?

Essa mudança parece simples, mas muda tudo. Porque, quando começamos pela ferramenta, ficamos reféns da novidade da semana. Hoje é ChatGPT, amanhã é Gemini, depois NotebookLM, Claude, Copilot, Perplexity, Elicit, Scite, Consensus ou qualquer outro nome que aparecer com promessa de resolver metade da vida acadêmica antes do café.

Spoiler: não resolve.

A IA generativa não substitui o método. Ela amplifica o método.

E aí mora o ponto central desta série.

Um pesquisador sem método, usando IA, apenas erra mais rápido. Um pesquisador com método, usando IA, pode ler melhor, comparar melhor, organizar melhor, escrever melhor e comunicar melhor. A diferença não está na máquina. Está na cabeça de quem pergunta.

IA Generativa para Ciência Prática

Este texto abre a série IA Generativa para Ciência Prática, voltada a pesquisadores, professores, estudantes de graduação e pós-graduação, orientadores, gestores acadêmicos e pessoas interessadas em compreender como a IA generativa pode apoiar a vida científica real.

Não se trata de uma série sobre uma ferramenta específica.

O foco não é ensinar “truques” para usar ChatGPT, NotebookLM, Gemini ou qualquer plataforma da moda. Ferramenta muda. Método permanece. A academia já tem problemas suficientes sem transformar cada atualização tecnológica em nova religião institucional.

O objetivo aqui é discutir o uso prático da IA generativa em atividades como:

• formulação de perguntas de pesquisa;
• leitura crítica de artigos científicos;
• revisão de literatura;
• organização de fontes;
• comparação entre documentos;
• escrita científica;
• orientação de estudantes;
• comunicação científica;
• gestão do conhecimento;
• ética acadêmica;
• aplicação da ciência a problemas sociais, territoriais e ambientais.

No meu caso, esse debate dialoga diretamente com temas que atravessam minha atuação como professor e pesquisador: Administração, Comunicação, Marketing, Empreendedorismo, Sustentabilidade, Economia Azul, Cidades Costeiras, Hospitalidade, políticas públicas e ciência aplicada ao território.

A IA generativa interessa menos como brinquedo tecnológico e mais como instrumento de trabalho intelectual.

A IA generativa não é uma secretária obediente

Durante muito tempo, tratamos tecnologias digitais como ferramentas de execução: editor de texto para escrever, planilha para calcular, buscador para localizar informação, gerenciador bibliográfico para organizar referências.

A IA generativa entra em outro lugar. Ela conversa, sugere, resume, compara, reescreve, classifica, simula argumentos, propõe estruturas e encontra padrões aparentes.

Isso é poderoso. Também é perigoso.

É poderoso porque ajuda o pesquisador a sair da paralisia diante do excesso de informação.

É perigoso porque pode dar a ilusão de compreensão onde existe apenas fluência verbal.

E fluência verbal, em ciência, não é evidência. Texto bonito não salva argumento fraco. Aliás, às vezes piora, porque embala a fragilidade com papel de presente.

A própria comunidade científica internacional tem tratado esse tema com cautela. A revista Nature, por exemplo, reconhece que ferramentas de IA podem ter usos legítimos na pesquisa, mas defende regras claras, transparência e limites para evitar abusos. A UNESCO também publicou orientações específicas sobre IA generativa em educação e pesquisa, chamando atenção para ética, supervisão humana, formação crítica e proteção de dados.

No campo editorial, o ICMJE recomenda que os autores declarem o uso de tecnologias assistidas por IA na produção de trabalhos submetidos, explicando como elas foram utilizadas. Também afirma que chatbots e outras ferramentas de IA não devem ser listados como autores, pois não podem responder pela integridade, originalidade e precisão do trabalho.

Em português bem direto: a IA pode ajudar, mas quem assina continua sendo a gente.

E gente que assina precisa responder pelo que escreveu.

O primeiro erro: pedir resumo de tudo

A cena é clássica.

O pesquisador baixa dez artigos, joga os arquivos em alguma ferramenta e pede:

“Resuma esses textos.”

Não é proibido. Mas é pobre.

Resumo é o andar térreo do uso da IA. Serve para uma primeira aproximação, mas raramente gera pensamento novo. O resumo informa “sobre o que o texto fala”. A pesquisa exige mais.

A pesquisa quer saber:

• o que o texto sustenta;
• contra quem ou contra qual tradição ele argumenta;
• que método foi utilizado;
• que evidência foi apresentada;
• que conceito foi mobilizado;
• que lacuna permanece aberta;
• que limite os próprios autores reconhecem;
• que contribuição efetiva o texto oferece ao campo.

A IA deve ser usada menos como uma máquina de resumo e mais como uma parceira de interrogatório intelectual.

Em vez de perguntar:

“Resuma este artigo.”

Pergunte:

“Qual é a pergunta central deste artigo, qual evidência sustenta a resposta e quais são os limites metodológicos declarados pelos autores?”

Ou:

“Compare estes três artigos e identifique onde eles concordam, onde divergem e qual lacuna permanece aberta para uma nova pesquisa.”

Ou ainda:

“Quais conceitos aparecem de forma recorrente nestes textos e quais deles parecem mais disputados teoricamente?”

Perceba a diferença.

A primeira pergunta pede compressão. As outras pedem análise.

E a ciência não vive de compressão. Vive de análise, comparação, dúvida e método.

Antes do prompt vem o pensamento

Há uma pequena indústria contemporânea de “prompts milagrosos”.

“Use este prompt e escreva um artigo científico em 10 minutos.”

“Este comando vai transformar sua tese em livro.”

“Copie e cole este prompt secreto que os pesquisadores não querem que você saiba.”

Calma, não é assim..

Prompt bom ajuda. Mas o prompt não substitui clareza intelectual.

Antes de escrever qualquer comando para uma IA, o pesquisador deveria responder para si mesmo:

1. Qual é minha tarefa intelectual agora?
2. Que tipo de resposta eu preciso?
3. Qual material de base será usado?
4. Que critérios vou usar para avaliar a resposta?
5. O que eu não posso delegar à ferramenta?

Esse pequeno roteiro já elimina boa parte do uso improvisado da IA.

A IA generativa funciona melhor quando entra dentro de um fluxo de trabalho, não quando vira uma tentativa desesperada de resolver a bagunça inteira de uma vez.

O ponto de partida: a tarefa intelectual

Para começar a usar IA generativa na ciência prática, sugiro abandonar a lógica:

“Qual ferramenta uso?”

E adotar a lógica:

“Qual tarefa intelectual preciso realizar?”

Na vida acadêmica, algumas tarefas são recorrentes:

• transformar uma ideia vaga em pergunta de pesquisa;
• levantar palavras-chave e descritores;
• organizar fontes;
• ler artigos;
• comparar autores;
• mapear conceitos;
• identificar lacunas;
• desenhar a estrutura de um artigo;
• revisar clareza de texto;
• adaptar a linguagem científica para públicos não acadêmicos.

Cada uma dessas tarefas exige um tipo diferente de pergunta para a IA.

Se o objetivo é formular uma pergunta de pesquisa, a IA pode ajudar a testar recortes, variáveis, unidades de análise e viabilidade. Mas a decisão final precisa ser humana, porque envolve julgamento teórico, contexto institucional, acesso a dados e relevância científica.

Se o objetivo é ler artigos, a IA pode ajudar a decompor argumento, método e resultados. Mas quem precisa decidir se o artigo é bom, fraco, relevante ou periférico é o pesquisador.

Se o objetivo é escrever, a IA pode melhorar clareza, coesão e estrutura. Mas não pode assumir autoria intelectual. Quem assina precisa responder pelo que está escrito.

Isso parece óbvio. Mas, na prática, muita gente está usando IA como se fosse orientador, revisor, estatístico, tradutor, parecerista e coautor invisível.

Aí já não é inovação.

É uma roleta acadêmica.

Um protocolo simples para começar

Para iniciar esta série, proponho um protocolo de cinco movimentos.

1. Defina a tarefa antes de abrir a ferramenta

Não comece digitando qualquer coisa.

Comece escrevendo para si mesmo:

“Neste momento, quero usar IA para quê?”

Exemplos:

• entender um artigo difícil;
• comparar duas abordagens teóricas;
• transformar um tema amplo em problema de pesquisa;
• revisar a clareza de um parágrafo;
• preparar perguntas para orientar um aluno;
• adaptar um resultado científico para LinkedIn, blog ou Substack.

A tarefa define o prompt.

O prompt não deve nascer do vazio.

2. Faça curadoria das fontes

A qualidade da resposta depende da qualidade do material de entrada.

Se você entrega à IA textos ruins, PDFs ilegíveis, referências soltas, versões desatualizadas e documentos sem contexto, não espere milagres.

Ciência não aceita “entra bagunça, sai epistemologia”.

Não é assim que a banda toca.

Uma boa curadoria envolve:

• selecionar fontes relevantes;
• separar artigos científicos de textos opinativos;
• identificar documentos oficiais;
• nomear arquivos de forma compreensível;
• registrar data, autoria e origem;
• manter notas próprias junto das fontes;
• distinguir evidência, interpretação e opinião.

Esse ponto é decisivo.

A IA não deve substituir a biblioteca mental do pesquisador. Ela deve operar sobre uma biblioteca bem organizada.

3. Faça perguntas melhores

A IA generativa responde melhor quando é interrogada com precisão.

Perguntas fracas geram respostas genéricas. Perguntas boas geram material analítico.

Compare:

“Fale sobre Economia Azul.”

Com:

“A partir destes cinco artigos, identifique como o conceito de Economia Azul é definido, quais dimensões de sustentabilidade aparecem, quais atores institucionais são mencionados e quais lacunas existem para estudos sobre cidades costeiras brasileiras.”

A segunda pergunta tem escopo, corpus, critérios e finalidade.

É outro jogo.

Para pesquisas em Administração, Comunicação, Marketing, Empreendedorismo, Sustentabilidade, Economia Azul e Cidades Costeiras, isso é especialmente importante, porque esses campos lidam com conceitos híbridos, contextos territoriais e múltiplos atores.

A IA pode ajudar a organizar esse emaranhado.

Mas quem dá sentido ao território é o pesquisador.

4. Audite a resposta

Toda resposta da IA deve ser tratada como hipótese de trabalho, não como verdade pronta.

Auditar significa perguntar:

• de onde veio esta afirmação?
• a fonte realmente diz isso?
• há citação verificável?
• o conceito foi simplificado demais?
• autores diferentes foram misturados?
• a IA inventou uma referência?
• a conclusão é sustentada pelos dados?
• há contradições entre os documentos?

Este é o ponto em que muita gente se complica.

A IA escreve com segurança até quando está errada. É o aluno que apresenta seminário sem ter lido o texto, mas com voz firme. Quem nunca viu, que atire o primeiro PowerPoint.

A diferença é que, na ciência, segurança retórica não basta.

É preciso rastreabilidade.

Essa preocupação aparece também na Política de Integridade na Atividade Científica do CNPq, que trata especificamente do uso de inteligência artificial generativa na pesquisa científica. O CNPq não proíbe genericamente o uso de IA, mas exige declaração, responsabilidade dos autores e cuidado com plágio, imprecisões e pareceres científicos.

Ou seja: usar IA não é o problema.

O problema é usar sem método, sem declarar, sem verificar e sem assumir responsabilidade.

5. Transforme conhecimento em produto útil

A IA pode ajudar não apenas na pesquisa, mas também na comunicação científica.

Um artigo pode virar:

• roteiro de aula;
• texto de blog;
• post de LinkedIn;
• ensaio para Substack;
• material de orientação;
• checklist para alunos;
• roteiro de vídeo;
• pauta de podcast;
• guia para gestores públicos;
• síntese para comunidade não acadêmica.

Aqui existe uma oportunidade enorme para universidades públicas, pesquisadores e programas de pós-graduação: transformar conhecimento científico em linguagem socialmente útil sem empobrecer a complexidade.

No caso de pesquisas ligadas ao território,como cidades costeiras, sustentabilidade, hospitalidade, turismo, portos, Economia Azul e políticas públicas, essa ponte é ainda mais importante.

A ciência não pode falar apenas consigo mesma.

Quando fala apenas consigo mesma, vira condomínio fechado de citações.

O que nunca deveríamos delegar à IA

Há tarefas que a IA pode apoiar.

Há tarefas que ela não deve assumir.

Eu não delegaria à IA:

• a escolha final da pergunta de pesquisa;
• a definição do problema científico;
• o julgamento sobre relevância teórica;
• a decisão metodológica central;
• a interpretação final dos dados;
• a responsabilidade ética;
• a autoria;
• a decisão sobre o que deve ou não ser publicado.

Essas tarefas pertencem ao pesquisador.

A IA pode sugerir caminhos. Pode tensionar argumentos. Pode apontar lacunas aparentes. Pode ajudar a organizar material. Pode revisar a linguagem. Pode simular objeções. Pode ajudar a enxergar padrões.

Mas ela não tem compromisso com a verdade científica.

Ela não conhece o campo como experiência vivida.

Ela não responde perante banca, periódico, aluno, comunidade, agência de fomento ou sociedade.

Quem responde é o autor.

Um exercício prático para começar hoje

Escolha um tema real de pesquisa ou orientação.

Por exemplo:

“Economia Azul e desenvolvimento sustentável em cidades costeiras brasileiras.”

Agora faça três rodadas de uso da IA.

Primeira rodada

“Transforme este tema em cinco possíveis perguntas de pesquisa, indicando para cada uma: objeto, recorte territorial, método possível e principal dificuldade.”

Segunda rodada

“Compare as cinco perguntas e diga quais são mais viáveis para um artigo científico de revisão de literatura e quais exigiriam pesquisa de campo.”

Terceira rodada

“Aponte quais conceitos eu precisaria definir antes de iniciar essa pesquisa e sugira palavras-chave em português, inglês e espanhol.”

Depois disso, não aceite a resposta como produto final.

Use como material de reflexão.

Corte o que for genérico. Corrija o que estiver impreciso. Acrescente sua experiência. Verifique termos. Consulte bases científicas. Converse com orientandos. Volte às fontes.

Esse é o uso maduro da IA: ela acelera o ciclo de pensamento, mas não elimina o pensamento.

O método CLARO para uso inicial da IA na ciência

Para tornar esse começo mais prático, proponho um pequeno protocolo que podemos chamar de CLARO.

C — Contextualizar

Qual é a finalidade do uso da IA nesta etapa?

A ferramenta será usada para leitura exploratória, organização de ideias, comparação de fontes, revisão linguística, comunicação científica ou outra finalidade?

Sem contexto, a IA vira papagaio estatístico com crachá de consultor.

L — Limitar

O que a IA pode fazer nesta tarefa?

E o que deve permanecer sob decisão exclusivamente humana?

Nem tudo que pode ser automatizado deve ser terceirizado.

A — Auditar

As informações geradas foram verificadas?

As referências existem?

As citações correspondem ao texto original?

Os conceitos foram usados corretamente?

A resposta da IA deve ser auditada como qualquer outro material de trabalho científico.

R — Registrar

O uso da IA foi documentado?

Foi registrada a ferramenta utilizada, a etapa da pesquisa, a finalidade e o tipo de revisão humana feita sobre o resultado?

Esse registro facilita a transparência em artigos, relatórios, projetos, pareceres e trabalhos acadêmicos.

O — Observar as normas

Foram consultadas as regras da universidade, do programa de pós-graduação, do periódico, da agência de fomento ou do comitê responsável?

As normas variam. E variam bastante.

O que um periódico aceita, outro pode restringir. O que uma disciplina permite, outra pode considerar inadequado. O que serve para revisão linguística pode não servir para análise de dados, parecer científico ou manipulação de material confidencial.

Por onde começar, afinal?

Comece pequeno.

Não tente automatizar sua vida acadêmica inteira.

Comece com uma tarefa concreta:

• ler melhor um artigo;
• formular melhor uma pergunta;
• organizar melhor uma revisão;
• revisar melhor um texto;
• explicar melhor uma ideia.

Depois crie seus próprios protocolos.

Registre prompts que funcionaram. Guarde respostas úteis. Compare versões. Monte uma biblioteca de boas perguntas.

Aos poucos, você deixará de “usar IA” e passará a integrar IA ao seu método de trabalho intelectual.

Essa distinção é fundamental.

Usar IA é abrir uma ferramenta.

Integrar IA ao método é redesenhar a forma de pesquisar, ensinar, orientar e comunicar conhecimento.

A universidade não precisa entrar em pânico diante da IA generativa. Também não deve tratá-la como brinquedo inevitável ou salvação tecnológica.

O caminho mais inteligente é outro: apropriação crítica, método claro, transparência e responsabilidade.

No fundo, a IA generativa nos obriga a voltar a uma pergunta antiga, quase clássica:

O que significa pensar bem?

Talvez a maior contribuição da IA para a ciência não seja escrever textos mais rápidos.

Talvez seja nos obrigar a explicitar melhor nossos próprios critérios de leitura, pergunta, evidência, autoria e responsabilidade.

A provocação é simples: a IA generativa não vai substituir o pesquisador sério. Mas pode expor, com certa crueldade, quem nunca teve método.

E isso, convenhamos, já é uma revolução considerável.

Para continuar a leitura no blog

Este texto conversa com outros conteúdos já publicados aqui no blog. Para seguir a trilha, recomendo começar por estes:

• Política de Integridade do CNPq: como usar IA na pesquisa científica — para aprofundar a discussão sobre declaração de uso, responsabilidade autoral e integridade científica no contexto brasileiro.
• Inteligência Artificial na Publicação Científica: Ética, Autoria e Boas Práticas — leitura essencial para compreender por que IA não pode ser autora e por que o pesquisador continua responsável pela versão final do trabalho.
• As 6 Perguntas que Estruturam o Pensamento Científico: Who, What, When, Where, Why e How — ótimo ponto de partida para transformar inquietações em perguntas de pesquisa mais claras.
• Socrateando e perguntando por aí — porque antes de pedir boas respostas à IA, precisamos reaprender a formular boas perguntas.
• Métodos de pesquisa: saiba quais as alternativas iniciais para se fazer Ciência — para lembrar que nenhuma ferramenta substitui a escolha metodológica bem justificada.
• Como elaborar um projeto de pesquisa científico — indicado para estudantes, orientandos e pesquisadores em fase inicial de estruturação de projetos.
• Redes Sociais na Internet: comunicar e divulgar Ciência — para quem deseja transformar pesquisa acadêmica em comunicação científica acessível, sem empobrecer o conteúdo.
• Empreendedorismo Azul: um Oceano de oportunidades — para conectar IA, inovação, sustentabilidade, Economia Azul e territórios costeiros.
• Pesquisa Científica: Guia Prático para Iniciantes (e Não Tão Iniciantes) — uma leitura complementar para organizar melhor o caminho entre curiosidade, problema, método e produção científica.

Referências externas para aprofundar

Para quem quiser acompanhar o debate internacional sobre IA generativa, autoria, integridade e publicação científica, vale consultar também:

• Nature — Tools such as ChatGPT threaten transparent science; here are our ground rules for their use — importante editorial sobre transparência, autoria e limites do uso de ferramentas generativas na ciência.
• UNESCO — Guidance for Generative AI in Education and Research — documento de referência sobre uso responsável da IA generativa em educação e pesquisa.
• ICMJE — Use of AI by Authors — orientação sobre declaração de uso de IA por autores e sobre a impossibilidade de listar IA como autora.
• ICMJE — Use of AI by Reviewers — recomendação sobre confidencialidade, revisão por pares e uso de IA por avaliadores.
• ICMJE — Editors’ Role in Ensuring Responsible Use of AI — orientação sobre o papel dos editores na gestão responsável do uso de IA em periódicos científicos.
• CNPq — Política de Integridade na Atividade Científica — referência brasileira fundamental para pesquisadores, bolsistas, orientadores, pareceristas e instituições científicas.