IA e a Democratização da Ciência: Mito ou Realidade?

O discurso que me incomoda

Toda vez que uma nova ferramenta de IA aparece, alguém diz: “isso vai democratizar o acesso à ciência.” E eu entendo o entusiasmo. A ideia é bonita. Mas acho que a gente precisa parar e examinar o que essa palavra realmente significa neste contexto.

Democratizar o quê, exatamente? Para quem? Com quais condições?

Tenho uma posição sobre isso. Não é pessimismo, é leitura de contexto.

O que a IA realmente oferece

Vamos começar pelo que é real. As ferramentas de IA, bem usadas, podem fazer algumas coisas que antes exigiam habilidades técnicas específicas ou tempo considerável:

Traduzir e sumarizar artigos em outros idiomas. Isso é significativo para pesquisadores com acesso limitado a conteúdo em inglês, francês ou alemão.

Ajudar na estruturação de argumentos e na revisão textual. Quem nunca teve acesso a feedback de escrita frequente pode encontrar nisso um suporte real.

Automatizar partes do processo de análise de dados, reduzindo a curva de aprendizado para quem não tem formação estatística sólida.

Mapear literature rapidamente, o que pode ajudar quem está em programas com menos apoio de bibliotecários especializados.

Essas contribuições existem. São reais. Mas elas não são igualmente distribuídas.

Onde o discurso tropeça

O discurso da democratização supõe que as ferramentas estão disponíveis para todos e que todos têm as condições de usá-las. Nenhuma das duas premissas é totalmente verdadeira.

Sobre o acesso às ferramentas: as versões mais potentes das principais ferramentas de IA generativa são pagas. O ChatGPT-4, o Claude Pro, o Copilot com recursos avançados — todos têm planos pagos que fazem diferença na qualidade do que se consegue fazer. Para o pesquisador em Brasília ou São Paulo com bolsa CAPES, o custo pode ser gerenciável. Para o professor-pesquisador em uma instituição menor no Norte ou Nordeste, sem bolsa, sem apoio institucional para assinaturas, esse custo representa uma barreira real.

Sobre as condições de uso: não basta ter acesso à ferramenta. É preciso saber como usá-la bem. Isso implica letramento digital específico, familiaridade com prompt engineering, capacidade de avaliar criticamente os outputs gerados. Quem tem mais acesso a treinamentos, a comunidades de prática, a orientadores já acostumados com essas ferramentas sai na frente. De novo: os que já tinham mais vantagem ampliam a vantagem.

Sobre a infraestrutura: modelos de linguagem mais pesados exigem conexão estável e computação razoável. Em regiões com infraestrutura digital precária, isso limita o acesso.

A assimetria que a IA pode ampliar

Aqui está o risco que eu acho mais sério: a IA pode ampliar as desigualdades que já existem na academia brasileira, não reduzi-las.

O Brasil tem uma diferença histórica e estrutural entre os programas de pós-graduação de diferentes categorias. Os programas nota 6 e 7 concentram recursos, infraestrutura, orientadores seniores, acesso a colaborações internacionais. Os programas nota 3 e 4, que existem em maior número e em regiões mais periféricas, partem de condições muito mais limitadas.

Se as ferramentas de IA são adotadas mais rapidamente e com mais qualidade nos programas que já têm mais recursos, o gap aumenta. A pesquisa produzida nos centros mais conectados vai ter mais apoio tecnológico. A dos demais, não.

Isso não é uma previsão catastrófica. É uma tendência que precisa ser reconhecida e enfrentada ativamente.

O que uma democratização real exigiria

Para que a IA realmente democratize o acesso à ciência brasileira, precisaria acontecer mais do que a disponibilidade das ferramentas. Precisaria de escolhas políticas deliberadas.

Primeiro, políticas de acesso. Negociações institucionais para que universidades e institutos de pesquisa públicos tenham acesso subsidiado às principais ferramentas. O que o modelo de acesso ao Portal de Periódicos CAPES fez para artigos científicos, algo parecido precisaria ser pensado para ferramentas de IA de pesquisa.

Segundo, letramento integrado à formação. Programas de pós-graduação precisam incluir formação em uso ético e crítico de IA como parte do currículo, não como iniciativa individual do pesquisador mais antenado. E essa formação precisa ser acessível a pesquisadores de todas as regiões.

Terceiro, diretrizes nacionais claras. A ausência de políticas claras sobre o uso de IA na pesquisa gera um vácuo que é preenchido de forma desigual: quem tem mais acesso a discussões internacionais vai adotar as melhores práticas; quem não tem vai ficar para trás ou vai usar de forma mais arriscada.

Quarto, atenção às assimetrias existentes. Qualquer iniciativa de incorporação de IA na ciência brasileira precisa olhar especificamente para os grupos e regiões que partem em desvantagem, para que a ferramenta reduza o gap em vez de ampliar.

O que significa “acesso” de verdade

Tem uma distinção importante que o debate sobre democratização frequentemente ignora: acesso à ferramenta não é o mesmo que acesso ao conhecimento de como usá-la bem.

Imagine dois pesquisadores com acesso ao mesmo modelo de linguagem. Um deles tem orientador que usa a ferramenta, colegas que trocam dicas, participou de um workshop no departamento e leu sobre prompt engineering. O outro tem o mesmo acesso à ferramenta mas nenhum desses contextos. Os resultados que cada um vai conseguir são completamente diferentes.

Isso é o que os economistas chamam de capital social e cultural: os recursos que facilitam o uso eficaz de algo, além do acesso ao próprio recurso. E esses recursos são distribuídos de forma muito desigual na academia brasileira.

Por isso, pensar em democratização apenas como “dar acesso à ferramenta” é insuficiente. O acesso real pressupõe capacidade de uso eficaz. E construir essa capacidade exige políticas de formação, não apenas de licenciamento.

Os casos onde a democratização já está acontecendo

Seria desonesto falar só dos riscos sem reconhecer onde a promessa já começa a se concretizar.

Pesquisadores em regiões com menos acesso a cursos de idiomas estão usando ferramentas de IA para traduzir e sumarizar artigos internacionais que antes permaneceriam inacessíveis. Isso é democratização real.

Pesquisadores com dificuldades de escrita — não por falta de pensamento, mas por barreiras específicas de linguagem ou de formação anterior — estão encontrando na IA um suporte para estruturar ideias que antes ficavam presas. Isso também é democratização real.

Estudantes de graduação em cursos de menor prestígio, que nunca tiveram acesso a tutoria individualizada de escrita, estão usando ferramentas de IA para ter feedback imediato sobre seus textos. Isso tem valor concreto.

Esses casos existem e precisam ser reconhecidos. Mas eles coexistem com as assimetrias que descrevi. As duas coisas são verdadeiras ao mesmo tempo.

Por que eu ainda tenho esperança

Falei de riscos e condições. Mas termino com o que me parece possível.

A IA pode ser, de fato, uma ferramenta democratizante — mas só se for tratada como política pública, não como mercado. Quando instituições assumem a responsabilidade de garantir acesso equitativo, quando programas de formação chegam onde precisam chegar, quando as regras do jogo são definidas com clareza e justiça, a tecnologia pode cumprir a promessa que o discurso já antecipou.

O problema não é a ferramenta. É a governança.

E essa conversa, sobre como a ciência brasileira quer lidar com a IA, precisa incluir as vozes que geralmente ficam de fora das decisões. Os pesquisadores das instituições menores, das regiões periféricas, dos programas que lutam todo ano pela sobrevivência. São eles que mais têm a ganhar com uma democratização real. E são eles que mais têm a perder com a ilusão de uma democratização que não chega.

Isso importa. Faz sentido?