Muito além do debate sobre transparência no uso da inteligência artificial, está em jogo a capacidade da ciência de produzir interpretações originais, desafiar paradigmas e resistir à padronização imposta pelas grandes plataformas digitais 

O editorial publicado na revista Evidence-Based Dentistry parte de um dado que merece atenção: mais da metade dos pareceristas científicos já utiliza ferramentas de inteligência artificial durante o processo de revisão por pares, embora grande parte das editoras ainda mantenha políticas ambíguas, restritivas e de difícil fiscalização. O texto defende que a IA já é uma realidade incontornável e propõe que o debate deixe de ser centrado na proibição para passar a ser orientado por mecanismos de transparência, governança e uso responsável.

Entretanto, há uma dimensão importante que o editorial apenas tangencia e que merece ser aprofundada: as implicações desse processo para a própria produção da ciência crítica.

Em primeiro lugar, é preciso reconhecer que a revisão por pares não é um exercício meramente linguístico. Um parecer de qualidade resulta da trajetória intelectual do pesquisador, de seu acúmulo teórico, de sua experiência metodológica e, sobretudo, de sua capacidade de formular perguntas incômodas. O bom parecerista não apenas identifica erros estatísticos ou problemas formais, mas é capaz de perceber silêncios, pressupostos ideológicos, conflitos de interesse e limitações epistemológicas que frequentemente escapam a uma leitura superficial.

É justamente nesse ponto que reside o principal problema da crescente delegação dessa atividade aos grandes modelos de linguagem. Essas ferramentas são treinadas para reconhecer padrões estatísticos presentes em grandes massas documentais. Em consequência, tendem a reproduzir aquilo que já é dominante, consensual e amplamente aceito na literatura científica. A originalidade, a ruptura teórica e a crítica às estruturas estabelecidas deixam de aparecer como virtudes e passam a ser interpretadas como desvios em relação ao padrão.

Em outras palavras, existe o risco concreto de que a IA funcione como um poderoso mecanismo de normalização da produção científica.

Esse risco é particularmente preocupante nas ciências sociais, humanas e ambientais, áreas em que grande parte das contribuições mais relevantes nasceu justamente do questionamento dos paradigmas vigentes. Pensadores que hoje são referências internacionais provavelmente teriam seus trabalhos classificados como excessivamente especulativos, pouco alinhados ao consenso ou insuficientemente convencionais caso fossem avaliados por sistemas treinados predominantemente sobre a literatura dominante.

Há ainda um aspecto estrutural que o editorial menciona apenas de forma indireta: a utilização crescente da IA não decorre apenas da busca por eficiência, mas da intensificação das condições de trabalho na academia. Pesquisadores são pressionados a publicar mais artigos, orientar mais estudantes, captar mais recursos, participar de mais bancas, assumir mais funções administrativas e, simultaneamente, produzir pareceres gratuitos para um sistema editorial altamente lucrativo. Nesse contexto, a IA surge como uma prótese cognitiva destinada a compensar a sobrecarga de trabalho.

O problema é que essa solução individual pode produzir um efeito coletivo perverso. Quanto mais a atividade intelectual é parcialmente terceirizada para sistemas algorítmicos, menor tende a ser o exercício cotidiano das competências analíticas que caracterizam o pensamento científico. A revisão por pares deixa de ser um espaço privilegiado de aprendizado, reflexão e confronto de ideias para transformar-se em uma atividade de edição e validação de textos previamente organizados pela inteligência artificial.

Existe também uma dimensão política pouco explorada no editorial. Os grandes modelos de linguagem são produtos de poucas corporações multinacionais que controlam infraestrutura computacional, bases de dados e recursos financeiros inacessíveis à maior parte da comunidade científica. A incorporação crescente dessas ferramentas ao processo editorial amplia a dependência da ciência em relação a plataformas privadas cujos critérios de treinamento, seleção de dados e funcionamento permanecem em grande medida opacos.

Nesse sentido, o problema não é apenas metodológico ou ético, mas também epistemológico. Se a produção, a avaliação e a circulação do conhecimento passam a ser mediadas por tecnologias desenvolvidas por um número reduzido de empresas, cria-se uma nova forma de concentração do poder científico, na qual determinados estilos de escrita, formas de argumentação e referências bibliográficas tendem a ser privilegiados em detrimento de perspectivas periféricas, dissidentes ou contra-hegemônicas.

Paradoxalmente, o próprio uso massivo da IA pode enfraquecer aquilo que mais se espera da revisão por pares: a diversidade de interpretações. Se milhares de pareceristas recorrem aos mesmos sistemas, treinados sobre os mesmos conjuntos de dados e programados para produzir respostas semelhantes, corre-se o risco de uma progressiva homogeneização do julgamento científico. O pluralismo metodológico e teórico, condição indispensável para o avanço da ciência, pode dar lugar a uma padronização algorítmica da crítica.

Por isso, embora o editorial tenha razão ao defender que a simples proibição da IA é ineficaz e provavelmente contraproducente, a discussão não deveria limitar-se à transparência do seu uso. É igualmente necessário preservar espaços em que o exercício da leitura crítica, da dúvida metodológica e da imaginação teórica continue sendo uma atividade genuinamente humana.

A ciência avança precisamente porque alguém é capaz de enxergar o que ainda não está consolidado, de formular perguntas que os consensos existentes não conseguem responder e de desafiar as interpretações dominantes. Uma inteligência artificial, treinada para reproduzir padrões, pode auxiliar tarefas técnicas e operacionais, mas dificilmente substituirá a capacidade de produzir estranhamento diante do aparentemente óbvio.

Em uma época marcada pela crescente automatização da produção acadêmica, talvez o maior desafio não seja impedir o uso da IA, mas evitar que ela transforme a ciência em um exercício de reprodução do consenso, justamente quando o mundo necessita, mais do que nunca, de pensamento crítico, criatividade intelectual e disposição para questionar as estruturas de poder que moldam tanto a sociedade quanto o próprio conhecimento científico.