Ferramentas de inteligência artificial (IA) baseadas em grandes modelos de linguagem têm trazido vantagens para os pesquisadores, que precisam lidar com uma profusão de informações ao mesmo tempo em que necessitam produzir um volume cada vez maior de artigos científicos para se manterem relevantes.
Mas, na avaliação de Mauro Piacentini, um dos fundadores da revista Cell Death and Differentiation – importante publicação do grupo Nature voltada à biologia celular –, a IA tem trazido também uma quantidade nunca vista de estudos de baixa qualidade ou mesmo fraudulentos.
Segundo ele, isso aumenta a carga de trabalho dos editores de revistas sérias, que precisam checar com ainda mais cuidado a validade dos dados, além de contribuir para o aumento da quantidade de periódicos predatórios, que publicam artigos duvidosos, interessados apenas nos lucros das taxas de publicação.
“A questão não é se a inteligência artificial vai se tornar parte do processo de publicação científica, mas se será usada para produzir ciência melhor em vez de simplesmente mais artigos”, resumiu Piacentini, membro do corpo editorial da revista e professor da Universidade de Roma “Tor Vergata”, em palestra ministrada na última quarta-feira (11/11) durante as Escolas Interdisciplinares FAPESP 2026.
Para o editor, a IA representa uma oportunidade única de melhorar os estudos científicos, mas também significa um sério desafio para a integridade da pesquisa. Por isso, é preciso diferenciar o que deve do que não deve ser feito por ferramentas de inteligência artificial.
Mauro Piancentini em palestra ministrada nas Escolas Interdisciplinares FAPESP 2026, em 11/11 (foto: Erika Faria/Temporal Filmes)
No processo de revisão, por exemplo, ele acredita que há potencial para fazer uso de IA na checagem da metodologia, das estatísticas e das referências apresentadas – não é raro que as últimas sejam totalmente inventadas, contou.
Por outro lado, deixar a revisão apenas para a IA traz sérios riscos, como avaliações superficiais, imprecisas ou simplesmente genéricas. “Já cheguei a receber de dois revisores diferentes dois pareceres iguais sobre um trabalho”, disse Piacentini, lembrando que não apenas os autores, como também os revisores podem fazer mau uso da IA. Ao mesmo tempo, essas ferramentas podem auxiliar na detecção de fraudes, como duplicação e manipulação de imagens, plágio e inconsistência de dados.
“Uma distinção fundamental precisa ser ressaltada: a IA pode ajudar a avaliar um manuscrito, mas não pode, de forma independente, estabelecer a validade dos resultados experimentais”, reforçou.
Como fazer bom uso da IA
Além dos problemas relacionados ao mau uso da IA, o pesquisador deu exemplos de boas formas de utilizá-la na produção de artigos científicos, como busca por literatura e síntese de informações, rápida identificação de publicações relevantes, resumo de grandes quantidades de literatura científica e identificação de lacunas de pesquisa ou mesmo tendências científicas emergentes.
Na redação de artigos e na comunicação científica, o pesquisador destacou benefícios facilmente obtidos em ferramentas como o ChatGPT, que ajudam a melhorar a gramática, a clareza e a legibilidade do texto. A IA também pode auxiliar na escrita em língua estrangeira, na tradução, na adaptação de conteúdos para diferentes audiências e no refinamento de argumentos, desde que haja supervisão humana.
Para a etapa de análise e visualização de dados, o pesquisador lembrou que a IA ajuda a interpretar estatísticas, reconhecer padrões em repositórios complexos e produzir figuras, diagramas e resumos gráficos.
O editor alerta, contudo, que essas facilidades podem levar à perda do senso crítico. Ao depositar confiança excessiva em hipóteses e interpretações geradas pela IA, cria-se uma confusão entre explicações plausíveis e resultados validados experimentalmente. Com isso, corre-se o risco de priorizar a produtividade em detrimento da profundidade e da originalidade dos trabalhos científicos.
Existem ainda os riscos relacionados à confidencialidade e à segurança da pesquisa, como a exposição de manuscritos ainda não publicados ou de dados confidenciais. No caso de estudos clínicos, é preciso considerar ainda os perigos de alimentar ferramentas de inteligência artificial com dados sensíveis de pacientes.
Por isso, o pesquisador defende a criação de novos métodos para verificar a procedência dos artigos, a integridade dos dados e a autenticidade das imagens. “É preciso educação e treinamento para o uso responsável de IA. O desafio é distinguir o progresso científico genuíno da produção automática de conteúdo”, concluiu.
Mais informações sobre as Escolas Interdisciplinares FAPESP 2026 em: fapesp.br/escolasfapesp2026.
André Julião, de Itatiba | Agência FAPESP





