A publicação do artigo “Artificial intelligence tools expand scientists’ impact but contract science’s focus”, na revista Nature (Hao et al., 2026), introduz uma das discussões mais relevantes da atualidade sobre o impacto da inteligência artificial no desenvolvimento científico. O estudo apresenta um resultado aparentemente paradoxal: as ferramentas de IA aumentam significativamente a produtividade e o impacto dos pesquisadores individuais, mas podem, simultaneamente, reduzir a diversidade e a capacidade exploratória da ciência como empreendimento coletivo.
A pesquisa, conduzida por pesquisadores da Universidade de Chicago e colaboradores, analisou dezenas de milhões de publicações científicas produzidas ao longo de várias décadas, investigando como a adoção crescente de ferramentas baseadas em inteligência artificial está modificando a dinâmica da produção científica mundial.
O paradoxo da eficiência científica
Os resultados apresentados pelos autores são impressionantes. Pesquisadores que incorporam ferramentas avançadas de IA em seus processos de investigação apresentam aumentos substanciais em produtividade, impacto e reconhecimento acadêmico. Em média, esses pesquisadores produzem mais artigos, recebem mais citações e conseguem ampliar significativamente sua influência em suas respectivas áreas de atuação.
No entanto, quando a análise é realizada no nível do sistema científico como um todo, emerge um fenômeno preocupante: a diversidade temática da pesquisa tende a diminuir. Em outras palavras, a IA parece estimular a convergência de pesquisadores para áreas já consolidadas, mais estruturadas e mais ricas em dados, reduzindo o investimento intelectual em temas emergentes, controversos ou ainda pouco explorados.
Esse resultado sugere que a inteligência artificial atua como um poderoso mecanismo de amplificação do conhecimento existente, mas não necessariamente como um motor de descoberta de novos paradigmas científicos.
O risco da convergência intelectual
A explicação proposta pelos autores é relativamente intuitiva. Os modelos atuais de inteligência artificial são treinados a partir do conhecimento já acumulado pela humanidade. Consequentemente, eles operam melhor em contextos onde há abundância de dados, literatura consolidada e padrões previamente identificáveis.
Como resultado, a IA tende a favorecer perguntas como:
“Como podemos melhorar ou otimizar o conhecimento já existente?”
em detrimento de perguntas mais disruptivas, tais como:
“Estamos investigando os problemas corretos?”
Historicamente, entretanto, muitas das grandes revoluções científicas surgiram precisamente em áreas periféricas, pouco financiadas ou inicialmente desacreditadas. A relatividade, a mecânica quântica, a teoria da informação e a própria inteligência artificial nasceram, em grande medida, fora dos consensos científicos predominantes de suas épocas.
A preocupação central do artigo é que uma ciência excessivamente assistida por IA possa tornar-se mais eficiente, porém menos capaz de gerar rupturas paradigmáticas.
Implicações para o sistema científico brasileiro
As conclusões do estudo possuem relevância especial para o Brasil. Nosso sistema nacional de ciência e tecnologia já apresenta elevada concentração de recursos, pesquisadores e incentivos em determinadas áreas consideradas estratégicas ou consolidadas.
A adoção massiva de ferramentas de inteligência artificial pode ampliar essa tendência, estimulando pesquisadores, programas de pós-graduação e agências de fomento a priorizarem:
- temas com maior disponibilidade de dados;
- linhas de pesquisa mais facilmente publicáveis;
- áreas com maior potencial de citação;
- agendas já consolidadas internacionalmente.
Esse processo pode criar um paradoxo institucional importante: ao mesmo tempo em que aumentamos nossa produtividade científica, podemos reduzir nossa capacidade de produzir conhecimento genuinamente novo e disruptivo.
O desafio para a pós-graduação e para as agências de fomento
Os resultados apresentados pela Nature sugerem que universidades, programas de pós-graduação e agências de financiamento precisarão desenvolver estratégias capazes de equilibrar dois objetivos simultâneos:
Maximizar os ganhos proporcionados pela IA:
- revisão automatizada da literatura;
- geração assistida de hipóteses;
- mineração de grandes bases de dados;
- análise estatística avançada;
- aceleração dos ciclos de pesquisa.
Preservar a diversidade intelectual:
- financiamento de pesquisas exploratórias;
- incentivo à interdisciplinaridade;
- proteção institucional a projetos de alto risco;
- valorização da originalidade científica;
- estímulo à investigação de temas emergentes.
A oportunidade estratégica
Paradoxalmente, a própria inteligência artificial pode oferecer parte da solução. Em vez de ser utilizada apenas para identificar tendências consolidadas, futuras gerações de sistemas de IA poderão ser projetadas para identificar lacunas, inconsistências e territórios intelectuais ainda pouco explorados.
A pergunta estratégica deixa então de ser:
“O que todos os pesquisadores estão estudando?”
e passa a ser:
“O que ninguém está estudando e deveria estar?”
Considerações finais
O principal mérito deste estudo é deslocar o debate sobre inteligência artificial na ciência da questão puramente tecnológica para uma questão epistemológica e institucional.
A pergunta mais importante não é se a IA torna a ciência mais eficiente. As evidências indicam que sim.
A questão fundamental passa a ser se a ciência produzida com auxílio da inteligência artificial continuará preservando as características que historicamente permitiram os maiores avanços do conhecimento humano: a curiosidade, a diversidade intelectual, a capacidade de questionar consensos e a disposição para explorar territórios ainda desconhecidos.
Para o Brasil, essa reflexão é particularmente relevante. Em um contexto de recursos escassos e crescente competição internacional, a inteligência artificial deverá ser incorporada como instrumento de ampliação da capacidade científica nacional, mas sem comprometer aquilo que constitui a essência da atividade científica: a busca permanente pelo novo.
Referência
Hao, Q., Xu, F., Li, Y., Evans, J. et al. Artificial intelligence tools expand scientists’ impact but contract science’s focus. Nature, v. 649, p. 1237–1243, 2026.
Prof. Dr. Helio Dias
Presidente do IVEPESP
https://ivepesp.org.br/membro/helio-dias/