No Novo Paradigma da Publicação, a IA é Indispensável

Os modelos tradicionais de publicação estão se reformando rapidamente à medida que o apoio crescente ao acesso aberto continua a disparar. No ano passado, as submissões aumentaram 30%, segundo a Springer Nature. Mas essa demanda está se mostrando uma espada de dois gumes, já que artigos retractados atingiram um recorde histórico na última década, e revistas estão inundadas com artigos gerados por IA e pesquisas fabricadas.

Naturalmente, isso está causando gargalos que prejudicam editores, pesquisadores e revisores. As publicações têm dificuldade em cumprir os cronogramas editoriais porque os revisores se apressam para avaliar os artigos, e os autores ficam aguardando meses, senão anos, para serem publicados. O modelo atual de revisão por pares nunca foi concebido para sustentar essa escala de demanda.

Nesse contexto, é crucial reconhecer o papel da IA como uma ferramenta de apoio essencial para fortalecer os processos de revisão por pares existentes e ajudar a indústria a superar suas maiores barreiras.

Por que os Processos Tradicionais estão Falhando

A revisão por pares é trabalho não remunerado. Os revisores oferecem seu tempo como um gesto de boa vontade para as comunidades acadêmicas e científicas. As exigências são altas, e as recompensas são menos atraentes com todas as pressões se acumulando. Devido ao aumento da demanda e ao excesso de tensões, menos revisores estão aceitando convites para avaliar artigos. Além disso, encontrar revisores é um desafio crescente para os editores, o que agrava os atrasos e prolonga os prazos de publicação.

Ao mesmo tempo, os acadêmicos enfrentam um ambiente de ‘publicar ou perecer’. Para progredir profissionalmente, espera‑se que tenham trabalhos publicados em um cenário cada vez mais congestionado. Essa é uma expectativa universal em todo o mundo, e há pressão para se destacar em meio ao ruído, além da tensão de atender à demanda resultante. Esses fatores estão por trás da crise da revisão por pares, onde o sistema atual, como está, não é sustentável.

Para esclarecer, as ferramentas de IA não devem ser adotadas no processo de revisão por pares para substituir o julgamento humano, mas sim para fortalecê‑lo. Autores e editores esperam um certo nível de respeito e dedicação no processo de revisão, como ocorre com a pesquisa.

No entanto, pequenos erros podem passar despercebidos com facilidade, especialmente quando os revisores se apressam para analisar um grande número de artigos. Para ilustrar, um estudo constatou que, em 2020, mais de 100 milhões de horas – o equivalente a 15.000 anos – foram gastas em revisões por pares globais.

Ainda assim, isso não torna esses erros uma norma aceitável. O que pode parecer um descuido insignificante, como uma falha minúscula nos dados, pode prejudicar a percepção dos leitores sobre a qualidade da pesquisa.

IA como Ferramenta de Apoio, Não como Substituta

As ferramentas de IA sinalizam erros sutis que poderiam passar despercebidos. Erros de citação, omissões de dados e possíveis sobreposições com a literatura existente são apenas alguns exemplos de pequenos, porém significativos, erros que os revisores podem perder.

Essas ferramentas foram projetadas para lidar com tarefas de baixo risco, permitindo que os revisores se concentrem nos aspectos mais avançados da edição, como análise especializada e avaliação contextual. Uma ferramenta está limitada aos dados que recebe, mas um revisor humano com expertise especializada pode contextualizar a pesquisa em um nível muito mais amplo e informado. Além disso, um algoritmo não pode substituir o raciocínio sutil dos especialistas da área, nem deveria. Contudo, ele pode aliviar parte das cargas de baixo risco que eles enfrentam.

A IA pode ajudar os revisores a oferecer feedback mais claro e perspicaz, mas somente quando usada com sabedoria. Ela pode auxiliar na confirmação de citações, destacar questões metodológicas, detectar dados ausentes e identificar semelhanças com pesquisas publicadas anteriormente. Outro motivo pelo qual atrai os revisores é o potencial da busca habilitada por IA para mantê‑los atualizados com novos conhecimentos.

Crucialmente, porém, líderes da indústria, como editores seniores da Elsevier, endossam a importância do equilíbrio. Eles a consideram uma ferramenta útil para melhorar a qualidade da revisão, mas apenas quando aplicada de forma ética e sempre sob supervisão humana.

Abordando as Implicações Mais Amplas da Adoção da IA

Preocupações abundam na comunidade acadêmica. Muito recentemente, pesquisadores descobriram que o fluxo de submissões pós‑ChatGPT aumentou 42%, mas a qualidade da escrita infelizmente sofreu um revés. O mesmo estudo também apontou preocupações sobre como a IA está sendo usada para orientar decisões editoriais quando empregada em revisões por pares.

Além disso, diretrizes e regulamentações ainda estão tentando alcançar a tecnologia para garantir que as ferramentas sejam usadas de forma ética e moderada. Indivíduos e publicações precisam compreender os riscos associados. O uso indevido dessas ferramentas garante viés, alucinações, conclusões incorretas e percepções falsas.

A comunidade de publicação acadêmica também está preocupada com privacidade e confidencialidade. Os autores tendem a sentir‑se inseguros quando ferramentas externas são integradas ao processo de revisão, especialmente em situações onde a pesquisa contém dados sensíveis. Essa ansiedade em relação a possíveis vazamentos é compreensível, dado o tempo e esforço que os autores dedicam à sua pesquisa.

Por essas razões, as percepções sobre IA no processo de revisão são bastante fracas. Uma pesquisa conjunta da KPMG e da Universidade de Melbourne constatou que 46% das pessoas estão dispostas a confiar na IA. Esta investigação também revelou que uma maioria esmagadora (70%) acredita que a regulamentação é necessária.

Esses fatores precisam ser abordados, o que requer treinamento e transparência sobre como a IA é aplicada, independentemente da extensão de seu uso nas revisões por pares. Qualquer pessoa que use IA no processo de revisão deve compreender as melhores práticas e aplicar pensamento crítico ao longo de todo o processo. Revisores e equipes editoriais precisarão desenvolver suas competências em IA e alfabetização de dados, o que inclui ser capaz de interpretar o comportamento dos modelos, reconhecer limitações e mitigar riscos como alucinações.

A transparência é fundamental para as estratégias de adoção, e publicações e revisores precisam estar preparados para esclarecer e justificar a implementação da IA. Auditorias rotineiras podem ajudar a confirmar a precisão e a confiabilidade. Também é crucial que as publicações especifiquem como os modelos são treinados e quais dados os orientam. No meio acadêmico, os autores devem sempre demonstrar seus métodos de pesquisa e raciocínio. O mesmo nível de divulgação deve ser aplicado ao uso da IA.

A segurança dessas ferramentas também não pode ser ignorada. A criptografia de dados adiciona uma camada de proteção cibernética muito necessária contra ameaças de terceiros, como possíveis tentativas de invasão. Novamente, auditorias são uma parte vital do fortalecimento da segurança, pois são projetadas para identificar pontos cegos antes que causem danos.

O setor está em uma encruzilhada, podendo escolher rejeitar a tecnologia na tentativa de manter os modelos tradicionais de avaliação de pesquisas ou adotá-la. A primeira opção significa que é apenas uma questão de tempo até que o processo desmorone diante da demanda. A segunda, porém, capacita e permite que editores e revisores não apenas acompanhem o ritmo, mas se mantenham à frente da demanda crescente.