IA na pesquisa acadêmica: normas recentes exigem transparência e supervisão

CNPq tornou obrigatória a declaração do uso de inteligência artificial em todas as etapas da pesquisa e o Conselho Nacional de Educação aprovou diretrizes sobre IA na educação, impondo transparência e supervisão humana com efeitos imediatos sobre práticas de pesquisa e políticas institucionais.

Contexto

A adoção acelerada de ferramentas generativas de IA na produção acadêmica conflita com problemas metodológicos antigos, como a atribuição indevida de autoria e a falha na verificação de fontes. Casos recentes internacionais — incluindo um artigo com referências inexistentes em periódico de ética acadêmica e um levantamento em periódicos biomédicos que identificou milhares de citações fabricadas — evidenciam que as “alucinações” das IAs têm impacto real sobre a fidedignidade bibliográfica. No Brasil, essa crise começou a ser enfrentada institucionalmente por normas que, embora distintas em força normativa, convergem em pontos centrais: transparência sobre o uso de IA, responsabilização do pesquisador e exigência de supervisão humana. Essas medidas chegam em um momento em que o uso de assistentes automáticos já é corrente em atividades de redação, revisão e busca bibliográfica.

A controvérsia importa porque toca o núcleo da atividade científica: método, autoria e confiança nas referências. Proibir a IA seria uma resposta simplista e possivelmente contraproducente; permissividade irrestrita coloca em risco a integridade do acervo científico. O desafio é desenhar salvaguardas que permitam ganhos de produtividade sem sacrificar verificabilidade e responsabilidade intelectual.

O que foi decidido

A principal intervenção normativa recente foi a Portaria do CNPq que institui política de integridade na atividade científica, exigindo que pesquisadores declarem, em qualquer etapa do desenvolvimento e submissão de trabalhos, o uso de IA generativa, indicando a ferramenta e a finalidade adotadas, vedando a apresentação de conteúdo gerado por IA como se fosse humano e proibindo a utilização dessas ferramentas na elaboração de pareceres sobre projetos de terceiros. Complementarmente, o Conselho Nacional de Educação aprovou um parecer com diretrizes para utilização de IA na educação, reforçando princípios de transparência e de supervisão por responsável humano.

Essas decisões têm por fundamento a necessidade de preservar a autoria intelectual, garantir a verificabilidade das fontes e alinhar práticas institucionais ao princípio da responsabilidade científica. Na prática, as normas deslocam para o pesquisador a obrigação de não só declarar o uso, mas também de aferir e atestar a veracidade das referências, de evitar a atribuição indevida de autoria e de assegurar que avaliações de terceiros não sejam realizadas com apoio automatizado não declarado.

Base normativa e precedentes

• Portaria 2.664/2026, CNPq — institui Política de Integridade na Atividade Científica; exige declaração do uso de IA generativa, indicação da ferramenta e finalidade; veda a apresentação de conteúdo gerado por IA como humano e proíbe uso em pareceres sobre terceiros.
• Parecer CNE/CP 15/2026, Conselho Nacional de Educação — diretrizes para uso de IA na educação, centradas em transparência, supervisão humana e responsabilidade institucional.
• Lei 13.709/2018 (LGPD) — relevância indireta no tratamento de dados pessoais em pesquisas que envolvam bases contendo informações identificáveis; obriga cuidados com bases e processamento automatizado.
• Normas internas de periódicos e boas práticas de pesquisa — a editorialização científica e políticas de revistas acadêmicas apontam para verificação de referências e declaração de contribuições; a adoção de rotinas editoriais de checagem bibliográfica torna-se mais urgente.
• Jurisprudência e práticas acadêmicas consolidadas — embora não exista ainda consolidação judicial ampla sobre IA na pesquisa, a abordagem regulatória recente alinha-se ao princípio geral de responsabilidade do autor pela veracidade e originalidade do trabalho.

Impacto prático

• Para pesquisadores: obrigação de documentar com precisão o uso de IAs (ferramenta, versão, finalidade), de checar e validar todas as referências e de não atribuir autoria a conteúdo produzido por IA; risco disciplinar e reputacional ampliado caso haja falhas na verificação.
• Para orientadores e comitês de ética: necessidade de incorporar avaliações do uso de IA em protocolos de pesquisa e orientações de dissertações e teses, além de adaptar formulários de avaliação e declarações de autoria.
• Para revistas e editoras: pressão para fortalecer políticas editoriais, implantação de procedimentos de verificação bibliográfica e, possivelmente, exigência de declarações padronizadas sobre IA no manuscrito.
• Para instituições e agências de fomento: necessidade de revisar normas de integridade, critérios de avaliação e relatórios de pesquisa para incorporar a rastreabilidade do uso de IA; potencial exigência de auditoria metodológica em projetos financiados.
• Para revisores e avaliadores: vedação expressa do uso de IAs na elaboração de pareceres sobre projetos de terceiros exige que agências e periódicos implementem controles e declarações de conflitos tecnopedagógicos.

O que observar

• As declarações exigidas não eliminam a necessidade do método: informar que uma ferramenta foi usada não substitui a verificação documental e a sustentação intelectual do trabalho. Auditorias institucionais e checagens editoriais terão papel crescente.
• Lacunas operacionais persistem: falta padronização de como registrar o uso (metadados mínimos), critérios para qualificar quando a IA constitui contribuição intelectual relevante e procedimentos para fiscalizar o cumprimento das normas.
• Riscos de enforcement: sem capacidade institucional de verificação (editoras e agências), a eficácia das regras dependerá de sanções reputacionais e disciplinares; é previsível aumento de retratações e investigações em periódicos.
• Intersecção com LGPD: pesquisas com dados pessoais exigem atenção adicional sobre bases e modelos usados para treinar ou operar IAs, bem como sobre transferências e anonimização.
• Tecnologia em evolução: ferramentas de detecção de texto gerado por IA e de verificação bibliográfica devem ser integradas às rotinas acadêmicas, mas têm limites de acurácia e podem gerar falsos positivos/negativos.
• Próximos passos regulatórios: espera-se padronização de orientações por agências de fomento, regulamentos universitários e manuais editoriais; organismos reguladores poderão modular sanções e elaborar checklists mínimos para submissão de trabalhos.

A implementação prática dessas normas exigirá adaptação institucional, investimentos em verificação e formação de pesquisadores para que a IA seja adotada como ferramenta de apoio, sem fragilizar a base verificável e responsável do conhecimento científico.