Radar Perene / Arquivos / ciência

IA na pesquisa: o que os periódicos já regulam

◦ Metodologia v2.2 dos índices (working papers com DOI). Ver metodologia.

Ciência

Em poucos anos, a publicação científica passou de "isso não é problema nosso" a um corpo de regras surpreendentemente convergente sobre inteligência artificial. A velocidade impressiona porque o sistema que produziu essas regras é o mesmo que leva anos para avaliar um artigo. E o conteúdo delas interessa a qualquer leitor de pesquisa — inclusive de pesquisa de mercado —, porque define o que, daqui em diante, uma assinatura embaixo de um estudo significa. Este artigo descreve o estado das regras; ele fala sobre o tema, não é um manual de uso de ferramenta alguma.

A regulação dos periódicos sobre IA generativa converge, hoje, em três pontos: uma IA não pode ser autora de artigo científico; o uso relevante de IA na preparação do trabalho deve ser declarado; e a responsabilidade integral pelo conteúdo — inclusive pelo que a ferramenta errou — permanece com os autores humanos.

A convergência não foi coordenada por nenhuma autoridade central, o que a torna mais notável. Editoras concorrentes, comitês de ética e associações chegaram, em pouco tempo, a formulações quase idênticas — sinal de que os três pontos tocam algo estrutural na definição de ciência, e não uma preferência de estilo.

O que o levantamento da casa encontrou

Ao preparar esta trilha, a casa comparou as políticas públicas de IA de um conjunto de grandes editoras científicas internacionais, dos comitês de ética de publicação e de periódicos de economia e finanças — as políticas são documentos abertos, publicados nas páginas de instruções a autores. Três camadas se distinguem no que se exige.

A primeira camada é a proibição de autoria, hoje praticamente universal. O fundamento declarado é sempre o mesmo: autoria científica implica responsabilidade — poder responder pelo trabalho, aprovar a versão final, ser cobrado por erro ou fraude — e um sistema computacional não responde, não aprova e não pode ser cobrado. A questão rende mais do que parece e é o tema do próximo artigo desta trilha.

A segunda camada é o disclosure, onde mora a variação real entre políticas. O consenso cobre o centro: uso de IA que afete o conteúdo — redação de trechos, geração ou análise de dados, produção de código relevante para os resultados — deve ser declarado, tipicamente na seção de métodos ou em nota específica. As bordas divergem: parte das políticas isenta explicitamente a revisão gramatical e de estilo, tratando-a como equivalente aos corretores que os processadores de texto já embutiam; outra parte pede declaração de qualquer uso. Imagens geradas por IA recebem o tratamento mais duro — vedação quase geral em figuras científicas, com exceções pontuais para trabalhos sobre a própria tecnologia.

A terceira camada é a menos conhecida e talvez a mais reveladora: as regras para pareceristas. Diversas políticas proíbem que o revisor submeta um manuscrito alheio a ferramentas de IA, por uma razão anterior à qualidade do parecer — confidencialidade. O manuscrito em avaliação é documento sigiloso, e inseri-lo numa ferramenta de terceiros é compartilhá-lo com quem não deveria lê-lo. A regra lembra que a integridade do sistema não depende só dos autores.

Por que a régua é responsabilidade, não tecnologia

Lidas em conjunto, as políticas revelam um critério comum que raramente é enunciado: nenhuma delas regula a tecnologia em si — regulam a rastreabilidade da responsabilidade. A pergunta implícita em cada cláusula é sempre "quem responde por esta frase, este dado, esta figura?". É o mesmo princípio que organiza o resto da ética de publicação, de plágio a fabricação de dados; a IA não criou um problema novo de natureza, criou uma escala nova de um problema velho — texto plausível sem dono claro.

Para o leitor de pesquisa de mercado, a consequência prática é dupla. De um lado, um estudo publicado sob essas regras carrega uma declaração implícita: os autores afirmam ter verificado o que assinam, seja qual for a ferramenta usada no caminho. De outro, a literatura que circula fora dos periódicos — relatórios, materiais comerciais, posts — não está sujeita a regra nenhuma dessas, e a assimetria entre os dois mundos aumentou: o texto revisado por pares e o texto solto na internet nunca estiveram tão distantes em garantias de procedência.

Registre-se, com honestidade, o limite das regras: disclosure depende de quem declara, e a fiscalização é imperfeita — assunto que desemboca na questão dos detectores, também tratada no próximo artigo. Regras de publicação não impedem conduta ruim; encarecem-na e dão base para a sanção quando descoberta. É o que regras de integridade sempre fizeram.

Perguntas frequentes

Os periódicos proíbem o uso de IA na pesquisa?

Em geral, não — proíbem a autoria por IA e exigem declaração dos usos que afetam o conteúdo. A distinção entre proibir a ferramenta e exigir responsabilidade pelo resultado é o eixo de praticamente todas as políticas vigentes.

Onde se declara o uso de IA num artigo?

Depende do periódico: seção de métodos, nota dedicada ou carta de submissão. As instruções a autores de cada periódico — documentos públicos — especificam o formato.

Corrigir a gramática com IA exige declaração?

As políticas divergem exatamente aí. Parte isenta a revisão de linguagem; parte pede declaração de qualquer uso. Autores prudentes tratam a política do periódico de destino como a régua, não o costume geral.

Essas regras valem para working papers?

Repositórios costumam exigir menos formalmente, mas a lógica da responsabilidade é a mesma — e as normas dos periódicos alcançam o trabalho quando ele segue para revisão. As práticas de integridade nascem melhor no estágio de working paper do que enxertadas depois.

---

A proibição de autoria parece o ponto pacífico das políticas — até se perguntar o que exatamente define um autor, e como alguém verificaria a violação. É o tema que fecha esta trilha: Autoria e detecção de IA em ciência.

Leituras da casa: a leitura de hoje está no Diário.

Leia também: Autoria e detecção de IA em ciência · O que é peer review — e por que um estudo revisado vale mais · Reprodutibilidade em finanças: por que quase ninguém testa