Em 2025, um periódico especializado em ética acadêmica publicou um artigo com referências bibliográficas que não existiam. A ironia é evidente, mas o episódio expõe um problema cada vez mais frequente na pesquisa científica que é o uso inadequado de inteligência artificial.
O artigo, publicado no Journal of Academic Ethics, da Springer Nature, continha ao menos 19 referências a trabalhos inventados ou com combinações incorretas de títulos, autores e dados bibliográficos. As inconsistências foram identificadas por uma pesquisadora que tentou consultar as obras citadas e, após ser questionado, o autor reconheceu que a lista havia sido gerada pelo ChatGPT. [1]
Outro estudo, publicado na The Lancet em maio de 2026, analisou cerca de 2,5 milhões de artigos biomédicos e identificou 4.046 referências fabricadas em 2.810 trabalhos. [2] Segundo a publicação, a frequência aumentou mais de 12 vezes desde 2023, sobretudo a partir de meados de 2024, período que coincide com a popularização das ferramentas de escrita assistida por IA.
Diante desse cenário, proibir o uso de inteligência artificial na pesquisa pode parecer a solução mais simples. Contudo, precisamos enfrentar alguns tabus sobre essas ferramentas e compreender quais riscos efetivamente apresentam. A tecnologia já integra a atividade acadêmica e pode reduzir significativamente o tempo dedicado a tarefas operacionais, além de contribuir para a qualidade dos trabalhos. A questão é como utilizá-la sem comprometer a integridade científica e a responsabilidade dos pesquisadores.
No Brasil, começam a surgir parâmetros institucionais para o uso de inteligência artificial na educação e na pesquisa, com graus distintos de força normativa.
Em 1º de setembro de 2026, o Conselho Nacional de Educação aprovou o Parecer CNE/CP 15/2026, com diretrizes para a utilização da inteligência artificial na educação brasileira. Já o CNPq publicou a Portaria 2.664, de 6 de março de 2026, que instituiu sua Política de Integridade na Atividade Científica e tornou obrigatória a declaração do uso de IA generativa em qualquer etapa da pesquisa, da concepção à submissão, com indicação da ferramenta e da finalidade. A norma também veda apresentar como humano conteúdo gerado por IA e proíbe o uso dessas ferramentas na elaboração de pareceres sobre projetos de terceiros.
As iniciativas convergem quanto à transparência no uso das ferramentas, à responsabilidade do pesquisador e à importância da supervisão humana. Apesar disso, ainda existe uma lacuna sobre como o pesquisador pode efetivamente utilizar a tecnologia. Informar que um texto foi produzido com apoio de IA não garante a veracidade das fontes nem a contribuição intelectual do autor. A declaração de uso é necessária, mas não substitui o método.
A discussão sobre autoria e sobre as chamadas “alucinações” (ou “confabulações”) da inteligência artificial, especialmente a invenção de referências bibliográficas, retoma problemas metodológicos há muito debatidos na academia. Embora a tecnologia apresente novos desafios, as questões de integridade científica, autoria intelectual e verificação das fontes não são propriamente novas.
A utilização de ghostwriters, por exemplo, é conhecida na produção de trabalhos acadêmicos, inclusive dissertações e teses. Guardadas as diferenças, essa prática se aproxima do uso de IA para produzir integralmente um trabalho a partir de instruções do pesquisador. Em ambos os casos, há uma falsa atribuição de autoria, na medida em que o trabalho é apresentado como resultado de uma contribuição intelectual que não foi efetivamente realizada por quem o assina. Trata-se de uma prática incompatível com os princípios de integridade científica e com os requisitos de autoria exigidos para o reconhecimento acadêmico de uma pesquisa, especialmente quando destinada à obtenção de titulação.
Por outro lado, a produção acadêmica nunca foi uma atividade inteiramente individual ou isolada. Pelo contrário, a construção coletiva do conhecimento é um dos elementos fundamentais da atividade científica. Os espaços acadêmicos são ambientes de troca, nos quais pesquisadores discutem hipóteses, compartilham referências, confrontam perspectivas e submetem seus argumentos à crítica de colegas e orientadores.
É justamente por meio do diálogo e do confronto de ideias que hipóteses são reformuladas, argumentos são fortalecidos e novas perspectivas de pesquisa são construídas. Essas contribuições podem influenciar significativamente a estrutura e o conteúdo de um trabalho sem que isso comprometa sua autoria, desde que a elaboração intelectual e a responsabilidade pela pesquisa permaneçam com quem a assina.
A inteligência artificial pode cumprir função semelhante. Dialogar com uma ferramenta para explorar hipóteses, organizar argumentos, identificar objeções ou solicitar sugestões de autores e referências não é, por si só, incompatível com a atividade acadêmica. Trata-se de apoio ao processo de pesquisa, capaz de ampliar as possibilidades de reflexão e facilitar o acesso a informações relevantes.
O problema surge quando as respostas são incorporadas sem verificação. Se um colega sugere um autor ou menciona uma teoria, cabe ao pesquisador localizar a obra, ler o texto original e compreender sua contribuição ao argumento. O mesmo cuidado se aplica à IA, com uma dificuldade adicional que é o fato de a ferramenta apresentar referências inexistentes com a mesma segurança e fluidez com que apresenta informações corretas.
Nesse sentido, um texto gerado por IA não deve ser tratado como fonte de conhecimento, mas como resultado de uma interação cujas informações precisam ser verificadas. A ABNT NBR 10520:2023 disciplina a citação de citação, o apud, utilizada quando o pesquisador não teve acesso ao documento original, e exige a identificação da fonte intermediária. Esse tipo de referência, contudo, está sujeito a distorções e interpretações equivocadas.
Uma resposta gerada por IA funciona, portanto, como uma fonte secundária (ou terciária) cuja origem não é clara. Quando o pesquisador a utiliza sem consultar os documentos originais, perde a capacidade de verificar se a afirmação foi feita pelo autor citado, em qual contexto e com quais ressalvas.
Outro aspecto importante é escolher a ferramenta adequada a cada atividade. Modelos de linguagem de uso geral podem ajudar a revisar textos e organizar ideias, mas não devem ser tratados como bases de jurisprudência ou referências acadêmicas.
Para localizar decisões judiciais, ferramentas integradas a bases jurídicas, como as do Jusbrasil, oferecem resultados mais adequados, desde que os documentos sejam conferidos. Para trabalhar com materiais selecionados, o NotebookLM facilita a localização de passagens e a comparação entre documentos fornecidos pelo pesquisador, sem dispensar a conferência no original. A escolha da ferramenta integra o método, sendo necessário definir sua finalidade, as bases utilizadas e suas limitações.
Assim, escrever notas metodológicas para identificar as ferramentas, suas finalidades e as etapas em que foram empregadas assume importância crescente. Em pesquisas com classificação automatizada de documentos, também devem ser registrados os critérios adotados, os procedimentos de revisão e as limitações da ferramenta.
Preservar os prompts e o histórico das interações favorece a rastreabilidade e permite que orientadores, pareceristas ou comissões de integridade examinem o procedimento, respeitados os cuidados de confidencialidade e proteção de dados. O mesmo vale para tabelas, gráficos e sínteses produzidos com apoio de IA.
O desafio, portanto, é compreender de que forma as diretrizes metodológicas tradicionais devem ser adaptadas a esse novo contexto, incorporando as novas possibilidades de uso da inteligência artificial na pesquisa acadêmica. Essas ferramentas podem representar ganhos significativos para a produção científica, tanto em eficiência quanto em qualidade.
Assim, em vez de concentrarmos a discussão apenas nas restrições que devem ser impostas ao seu uso, esse cenário pode representar uma oportunidade para revisitarmos questões relacionadas à autoria, à integridade científica e ao rigor metodológico que há muito são debatidas na academia, mas nem sempre enfrentadas de maneira adequada.
[1] TRAVIS, Kate. The case of the fake references in an ethics journal. Retraction Watch, 2 dez. 2025.
[2] TOPAZ, Maxim; ROGUIN, Nir; GUPTA, Priyanka; ZHANG, Zhihong; PELTONEN, Laura-Maria. Fabricated citations: an audit across 2.5 million biomedical papers. The Lancet, v. 407, 2026.