Peer review e IA: gerar papers ficou fácil, mas quem vai revisá-los?
Equipe colaborando em um ambiente de escritório moderno com visualização de fluxo de dados.
A ciência enfrenta um gargalo histórico, expondo uma crise estrutural na área do peer review agora ferramentas generativas aceleram a escrita acadêmica. Consequentemente, o volume de manuscritos cresce rapidamente. No entanto, a quantidade de especialistas disponíveis não acompanha esse ritmo. A reportagem recente da Ars Technica destaca esse descompasso. Afinal, se, por um lado, gerar texto científico ficou barato, por outro lado, verificar a validade dessa ciência continua caro. E especialistas dedicam horas voluntárias para avaliar cada pesquisa. Portanto, logo será preciso repensar o modelo atual de publicações científicas.
O peer review já estava sobrecarregado antes da IA
O sistema de revisão por pares já mostrava exaustão há anos e a cultura do “publish or perish” (em tradução livre, “publique ou pereça”) impulsionou o volume de submissões. Pesquisadores precisam publicar constantemente para garantir financiamento. Além disso, as universidades exigem publicações para conceder estabilidade e esse cenário gerou uma avalanche de artigos científicos. Editores de periódicos acadêmicos, que já lutavam para encontrar revisores qualificados, agora precisam multiplicar esforços. No entanto, ainda assim o trabalho de revisão exige muito tempo e as instituições raramente recompensam esse esforço. Logo, a sobrecarga estrutural antecede os grandes modelos de linguagem, mas a IA apenas serve como mais um motor para acelerar uma tendência pré-existente.
O que a IA mudou
A adoção de ferramentas generativas transformou a rotina dos laboratórios e pesquisadores agora utilizam algoritmos para otimizar fluxos de trabalho.
Produzir texto ficou mais barato
A inteligência artificial reduz drasticamente o esforço de redação, já que autores usam IA para estruturar ideias e traduzir textos e modelos generativos também ajudam a formatar referências rapidamente. Assim, a barreira de entrada para submeter manuscritos caiu, pois um pesquisador consegue finalizar mais artigos em menos tempo. Isso não significa que a ciência produzida seja ruim porque ferramentas de IA apenas eliminam o atrito da escrita. Assim, o volume total de submissões dispara nas revistas científicas naturalmente.
Verificar ciência continua caro
Produzir palavras custa pouco atualmente com a ajuda da IA. Porém, validar o rigor científico exige esforço humano especializado. Um revisor precisa checar metodologias e analisar dados brutos. Além disso, deve avaliar a originalidade da pesquisa. Nenhuma ferramenta substitui o pensamento crítico de um cientista experiente. Portanto, a verificação continua sendo um processo artesanal e demorado, então o tempo dos especialistas se tornou o recurso mais escasso da ciência.
Por que revisores não acompanham o crescimento de papers
O número de artigos cresce exponencialmente. Enquanto isso, o grupo de revisores qualificados cresce de forma linear e editores precisam enviar dezenas de convites para conseguir duas avaliações. Muitos cientistas recusam os pedidos por falta de tempo inclusive. E, aliás, muitos já estão sobrecarregados com suas próprias pesquisas e aulas.
Além disso, o pior é que o sistema depende inteiramente de trabalho voluntário. Consequentemente, o tempo médio de revisão aumenta a cada ano, mas a matemática atual do meio acadêmico simplesmente não fecha.
Peer review e IA: a tecnologia pode ajudar a revisar?
Muitos editores buscam soluções tecnológicas para o gargalo. Afinal, a relação entre peer review e IA oferece algumas saídas práticas. Algoritmos conseguem realizar verificações preliminares com eficiência, identificam plágio e checam a formatação das referências. Ferramentas também apontam falhas estatísticas básicas nos dados. Dessa forma, a automação pode reduzir o trabalho repetitivo. Editores ganham tempo para focar na qualidade científica. Contudo, a tecnologia atua apenas como um suporte inicial.
O risco de automatizar a própria verificação
Delegar a avaliação crítica para algoritmos também traz riscos enormes no entanto. Modelos de linguagem podem gerar alucinações convincentes e não compreendem o contexto profundo de uma descoberta inédita. Além disso, a IA pode aprovar metodologias falhas que parecem corretas. Então, substituir revisores humanos compromete a integridade do registro científico, pois a validação exige intuição e experiência prática de laboratório. Portanto, a inteligência artificial não deve tomar decisões finais de publicação e a supervisão humana rigorosa permanece indispensável.
Modelos alternativos de revisão científica
O modelo tradicional precisa evoluir para sobreviver à demanda. A comunidade científica já testa novas abordagens de avaliação.
Open review
A revisão aberta traz transparência ao processo editorial e as revistas publicam os pareceres junto com o artigo final. Isso incentiva avaliações mais construtivas e cuidadosas. Além disso, o modelo reconhece publicamente o trabalho do revisor. Assim, leitores conseguem entender como a pesquisa evoluiu até a publicação.
Revisão pós-publicação
Plataformas de preprints mudaram a dinâmica da divulgação. Autores compartilham seus achados antes da revisão formal e a comunidade científica avalia o trabalho publicamente em fóruns. Esse modelo acelera a disseminação do conhecimento e erros graves costumam ser identificados rapidamente por outros especialistas.
Triagem assistida
Editores usam IA para filtrar submissões inadequadas e agoritmos analisam se o artigo se encaixa no escopo da revista. Essa triagem inicial rejeita manuscritos fora do padrão rapidamente. Assim, os revisores humanos recebem apenas trabalhos com potencial real. Logo, esse processo poupa o tempo valioso dos especialistas.
O que universidades precisam mudar nos incentivos
A raiz do problema reside nas métricas de avaliação acadêmica. Universidades precisam parar de premiar apenas a quantidade de publicações e devem valorizar a qualidade e o impacto real. Além disso, as instituições precisam reconhecer o trabalho de revisão. Pelo menos, avaliar artigos deveria contar pontos na progressão da carreira acadêmica. Afinal, financiar a ciência exige também financiar a verificação dessa ciência. Logo, somente uma mudança cultural profunda salvaria o ecossistema de publicações, independente da IA.
