A inteligência artificial generativa está obrigando universidades, agências de fomento e periódicos científicos a reconsiderarem uma questão que, na realidade, antecede a própria IA: estamos avaliando pesquisadores pela contribuição que oferecem ao conhecimento ou pela quantidade de produtos acadêmicos que conseguem gerar?
Uma matéria publicada pelo The Washington Post, em 23 de setembro de 2026, tornou essa discussão especialmente atual. O jornal relata o caso do professor Nicholas Polson, da University of Chicago, que aparece como autor ou coautor de mais de 200 trabalhos em aproximadamente nove meses de 2026, além de numerosos livros. Polson reconheceu ao jornal o uso de inteligência artificial como instrumento para acelerar seu trabalho.
O episódio ganhou dimensão ainda maior quando a plataforma SSRN retirou 257 trabalhos associados ao pesquisador e bloqueou as contas utilizadas para as submissões. Segundo a SSRN, conforme relatado pelo Washington Post, embora vários trabalhos não apresentassem declaração de uso de IA, a preocupação principal estava relacionada ao padrão extraordinário de submissões. É importante registrar que os críticos citados pela reportagem não acusaram Polson de fraude; levantaram questões sobre transparência, qualidade, escala de produção e capacidade do sistema científico de avaliar adequadamente volumes dessa magnitude.
O episódio oferece um contraponto histórico particularmente interessante.
John Nash: 27 páginas podem mudar uma área do conhecimento
Em 1950, John Forbes Nash Jr. apresentou em Princeton sua célebre tese Non-Cooperative Games, com apenas 27 páginas.
Mais impressionante ainda é observar alguns de seus artigos. Equilibrium Points in N-Person Games, publicado em 1950 nos Proceedings of the National Academy of Sciences, ocupava somente duas páginas — 48 e 49. A contribuição contida nesses trabalhos tornou-se parte dos fundamentos da moderna teoria dos jogos.
Nash não construiu sua relevância científica pela produção de centenas de artigos anuais. Alguns poucos trabalhos excepcionalmente originais foram suficientes para alterar profundamente diferentes áreas da matemática e da economia.
Décadas depois, em 1994, receberia, juntamente com John Harsanyi e Reinhard Selten, o Prêmio em Ciências Econômicas em memória de Alfred Nobel.
O exemplo de Nash nos obriga a fazer uma pergunta incômoda:
Quantas páginas são necessárias para produzir uma ideia científica importante?
A resposta evidentemente não pode ser determinada pelo número de páginas.
Gregor Mendel: poucos trabalhos e o nascimento de uma nova ciência
Gregor Mendel oferece exemplo ainda mais radical.
Sua produção científica formal foi pequena quando comparada aos padrões atuais. Seus trabalhos fundamentais sobre hibridização vegetal surgiram das experiências realizadas com ervilhas e estabeleceram princípios que posteriormente se tornariam fundamentos da genética.
O significado de suas descobertas sequer foi reconhecido plenamente em sua época. Somente décadas depois seus resultados seriam redescobertos e sua importância compreendida.
Temos, portanto, uma situação histórica extraordinária:
uma quantidade muito pequena de trabalhos foi suficiente para contribuir para o nascimento de uma área inteira da ciência.
O caso de Mendel também demonstra que impacto científico não necessariamente ocorre imediatamente após a publicação. Uma descoberta pode permanecer praticamente ignorada durante anos e posteriormente transformar uma disciplina.
Da escassez de produção à abundância quase ilimitada
Nash e Mendel trabalharam em um ambiente no qual produzir, escrever, calcular, revisar e publicar exigia enorme esforço humano.
A inteligência artificial altera radicalmente essa equação.
Ferramentas generativas podem hoje auxiliar na busca bibliográfica, programação, análise de dados, tradução, revisão linguística, estruturação de textos e elaboração de versões preliminares de manuscritos.
Isso representa uma extraordinária oportunidade para a ciência.
Pesquisadores poderão dedicar menos tempo a tarefas repetitivas e mais tempo à formulação de problemas, experimentação, interpretação dos resultados e criação científica.
Mas existe também um risco.
Se o sistema acadêmico continuar premiando principalmente quantidade de publicações, enquanto a IA reduz drasticamente o custo de produção de manuscritos, poderemos produzir uma inflação de trabalhos científicos sem correspondente crescimento do conhecimento.
O caso apresentado pelo Washington Post funciona, portanto, como um sinal de alerta. O próprio debate relatado pelo jornal inclui o receio de que uma avalanche de trabalhos possa sobrecarregar periódicos e sistemas de revisão por pares.
O paradoxo da ciência na era da IA
Estamos chegando a uma situação paradoxal.
Durante décadas, a comunidade acadêmica criou indicadores para medir produtividade científica: número de artigos, número de citações, índice h, fator de impacto das revistas e diferentes métricas bibliométricas.
Esses indicadores têm utilidade e não devem simplesmente ser abandonados.
Entretanto, foram construídos em uma época em que produzir um artigo científico representava, em média, um esforço humano muito maior.
A inteligência artificial modifica o custo de produção.
Se máquinas conseguem auxiliar decisivamente na geração de textos, códigos, análises preliminares e referências, a quantidade de documentos produzidos torna-se progressivamente menos capaz de distinguir produtividade intelectual de produtividade textual.
É justamente aqui que Nash e Mendel se encontram, simbolicamente, com o episódio relatado pelo Washington Post.
De um lado:
poucos trabalhos → enorme contribuição científica.
De outro, a nova possibilidade:
centenas de trabalhos → contribuição que ainda precisa ser avaliada individualmente.
Não se trata de afirmar que publicar muito seja necessariamente ruim ou que publicar pouco seja necessariamente sinal de excelência.
A conclusão é outra:
quantidade e qualidade são dimensões diferentes.
Precisamos rever a avaliação científica
A questão interessa diretamente ao Brasil.
CAPES, CNPq, FAPESP, universidades e demais instituições de pesquisa precisam acompanhar cuidadosamente essa transformação.
A avaliação da ciência na era da IA deverá atribuir peso crescente a pelo menos cinco dimensões:
- Originalidade — o trabalho apresenta efetivamente uma nova pergunta, método, evidência ou interpretação?
- Rigor — os métodos e resultados podem ser examinados e, quando aplicável, reproduzidos?
- Contribuição — o trabalho modifica de alguma maneira relevante o conhecimento existente?
- Transparência — dados, métodos, limitações e utilização de ferramentas de IA estão adequadamente declarados?
- Impacto científico e social — a pesquisa influencia outros trabalhos, tecnologias, políticas públicas, formação de pessoas ou solução de problemas relevantes?
Indicadores quantitativos continuariam fazendo parte da avaliação, mas não poderiam substituir o julgamento científico.
Uma mudança ainda mais profunda: da resposta para a pergunta
A IA introduz ainda outra transformação.
Se sistemas artificiais se tornam progressivamente melhores em responder perguntas, resumir literatura, escrever código, analisar informações e produzir textos, formular uma pergunta científica verdadeiramente nova e relevante pode tornar-se uma das capacidades humanas mais valiosas da pesquisa.
Nesse cenário, formar pesquisadores não poderá significar simplesmente ensiná-los a produzir mais artigos.
Será necessário formar pessoas capazes de identificar problemas relevantes, formular hipóteses originais, distinguir correlação de causalidade, avaliar criticamente resultados produzidos por máquinas e assumir responsabilidade intelectual pelo conhecimento publicado.
Quantos artigos são suficientes?
Talvez essa seja a pergunta errada.
John Nash mostrou que uma tese de 27 páginas e alguns trabalhos extraordinários podem transformar a matemática e a economia.
Gregor Mendel mostrou que poucos trabalhos podem ajudar a fundar uma nova área científica.
A inteligência artificial, por sua vez, demonstra que poderemos entrar numa época em que produzir centenas de manuscritos será tecnicamente possível.
Por isso, a pergunta que universidades e agências de pesquisa deveriam fazer não é simplesmente:
“Quantos artigos este pesquisador publicou?”
Mas:
“O que de novo aprendemos por causa do trabalho deste pesquisador?”
Essa diferença parece pequena.
Na era da inteligência artificial, poderá ser uma das diferenças fundamentais entre produzir publicações e produzir conhecimento.
Prof. Dr. Helio Dias
Presidente do IVEPESP
Instituto para a Valorização da Educação e da Pesquisa do Estado de São Paulo
Av. Paulista, nº 1636, Conjunto 4, 15º Pavimento
Cerqueira César – São Paulo/SP
CEP 01310-200
E-mail: [email protected]
Referência principal
WALLACK, Todd. Using AI, a professor wrote 200 papers this year. Researchers are alarmed. The Washington Post, 23 set. 2026.