Perplexity na Pesquisa Acadêmica: O Que Considerar

Uma ferramenta real, com limites reais

Olha só: o Perplexity ganhou bastante atenção entre pesquisadores porque faz algo que o Google não faz, ele responde perguntas em linguagem natural com referências visíveis. Você pergunta, ele responde e mostra de onde tirou a informação. Isso parece ótimo para pesquisa acadêmica.

E em parte é. Mas “em parte” é a expressão-chave aqui.

Antes de entender onde o Perplexity ajuda e onde ele complica, é necessário entender o que ele de fato é.

O que o Perplexity é, tecnicamente

O Perplexity é um motor de busca com geração de respostas por IA. Ele rastreia a web em tempo real, seleciona fontes que considera relevantes para a sua pergunta e gera uma resposta sintetizada com links para as fontes usadas.

Isso o diferencia de modelos como o ChatGPT, que responde a partir do que aprendeu no treinamento, sem acesso à web em tempo real (exceto quando usa plugins de busca). O Perplexity, por padrão, ancora as respostas em conteúdo atual da internet.

A consequência prática: o Perplexity alucina menos referências do que versões antigas do ChatGPT, porque está citando fontes que realmente existem na web. Mas isso não significa que essas fontes são confiáveis do ponto de vista científico.

O problema central: fontes da web não são literatura científica

Esse é o ponto que mais pesquisadores precisam entender antes de usar o Perplexity em qualquer etapa do trabalho acadêmico.

A web contém literatura científica, sim. Mas também contém blogs, sites de divulgação científica, notícias, posts de redes sociais, sites comerciais e tudo o mais que existe online. O Perplexity não distingue automaticamente entre um artigo publicado num periódico revisado por pares e um texto publicado num blog de saúde.

Quando você usa o Perplexity para pesquisar um tema acadêmico, as fontes que aparecem podem ser uma mistura de periódicos científicos, preprints sem revisão, sites de divulgação e fontes de qualidade variada. A ferramenta não foi projetada para filtrar exclusivamente literatura peer-reviewed.

Para pesquisa acadêmica, isso é um problema fundamental. A validade das afirmações que você faz na sua dissertação, tese ou artigo depende da qualidade das fontes que a sustentam.

Onde o Perplexity genuinamente ajuda

Dito isso, existem usos legítimos e úteis do Perplexity na rotina de pesquisa. A questão é saber quais são esses usos.

Exploração inicial de um tema novo. Quando você está começando a entender uma área ou subárea que ainda não conhece bem, o Perplexity pode dar uma visão geral rápida dos conceitos principais, das discussões em andamento e dos termos técnicos usados na área. Isso não substitui a leitura da literatura, mas pode acelerar a etapa de orientação inicial.

Identificação de termos de busca. Uma limitação real de quem começa a pesquisar numa área nova é não saber quais termos usar nas bases de dados. O Perplexity pode ajudar a identificar a terminologia técnica que aparece nos estudos da área, o que melhora as buscas que você vai fazer depois no PubMed, Scopus ou Web of Science.

Entender conceitos técnicos de outras áreas. Pesquisa interdisciplinar frequentemente exige que você entenda conceitos de áreas adjacentes. O Perplexity pode ser um ponto de entrada rápido antes de buscar a literatura primária.

Verificar se um tópico tem literatura disponível. Se você está avaliando se um tema tem produção científica suficiente para sustentar uma pesquisa, uma busca no Perplexity pode dar uma indicação preliminar, que depois precisa ser confirmada nas bases de dados.

Onde o Perplexity não deveria entrar no seu fluxo de pesquisa

Na construção da revisão de literatura. A revisão de literatura de uma dissertação, tese ou artigo precisa ser feita em bases de dados científicas, com estratégia de busca documentada e critérios de inclusão e exclusão definidos. O Perplexity não substitui esse processo.

Para citar dados, estatísticas ou resultados de estudos. Mesmo que o Perplexity cite uma fonte para um dado específico, você precisa ir à fonte original e verificar se o dado está correto e se a fonte é o que ele diz ser. Usar dados do Perplexity sem essa verificação é usar dados não verificados.

Para afirmar que um consenso científico existe. O Perplexity pode te dizer que “estudos mostram X”, mas isso não quer dizer que há um consenso científico estabelecido sobre X. Consenso científico é determinado pelo conjunto da literatura revisada criticamente, não por uma síntese gerada automaticamente.

Para gerar referências bibliográficas. Mesmo que o Perplexity apresente referências com aparência correta, cada uma precisa ser verificada manualmente: o artigo existe, foi publicado onde diz, e os dados citados estão realmente nele.

A questão da integridade: o que declarar e o que não declarar

Com a multiplicação de ferramentas de IA na pesquisa, muitos programas de pós-graduação e periódicos estão pedindo que autores declarem o uso de IA no processo de pesquisa e escrita.

Usar o Perplexity como ferramenta de busca exploratória provavelmente não precisa de declaração formal, da mesma forma que usar o Google não precisa. Mas usar a resposta gerada pelo Perplexity como base para afirmações no trabalho, sem verificação das fontes, é um problema de integridade independentemente de declaração.

A diferença está em como você usa a ferramenta: como ponto de entrada para depois ir às fontes primárias, ou como substituto do processo de pesquisa? O primeiro é defensável. O segundo compromete a qualidade do trabalho.

O que o Perplexity não vai te dar que a pesquisa bibliográfica real dá

Quando você faz uma revisão de literatura sistemática ou integrativa usando bases como PubMed, Scopus ou Web of Science, você documenta o processo: quais termos usou, quais filtros aplicou, quantos resultados obteve, quais critérios usou para incluir ou excluir estudos.

Esse processo documentado é o que torna a revisão reproduzível e confiável. Outro pesquisador pode refazer a mesma busca e verificar se chegaria a resultados similares.

O Perplexity não oferece isso. As respostas variam a cada consulta, as fontes selecionadas mudam e não há como documentar a estratégia de busca de forma que outra pessoa possa reproduzir. Para qualquer finalidade acadêmica formal, isso é uma limitação fundamental.

Como incorporar o Perplexity sem comprometer a pesquisa

Se você vai usar o Perplexity na sua rotina de pesquisa, o princípio é simples: use-o para explorar, não para concluir.

Perguntas que fazem sentido no Perplexity: “Quais são os principais debates na área de saúde mental de trabalhadores de enfermagem?” ou “Quais metodologias são usadas em pesquisas sobre burnout em profissionais de saúde?”

As respostas dão um mapa inicial. Depois, você vai às bases de dados com os termos que identificou e faz a busca real.

O que não faz sentido: usar a resposta do Perplexity diretamente como embasamento teórico, citar fontes que o Perplexity mencionou sem verificar cada uma, ou substituir a leitura dos artigos originais pela síntese que a ferramenta gerou.

Se você quer aprofundar a discussão sobre uso ético de IA na pesquisa, tem mais conteúdo sobre isso aqui no blog e no /sobre você encontra mais sobre a perspectiva que orienta esse trabalho.

Uma ferramenta no lugar certo

O Perplexity é uma ferramenta útil. Mas “útil” não significa “substitui o processo de pesquisa”. Ferramentas de IA que respondem perguntas em linguagem natural são boas para orientação inicial e não são boas para construção de literatura científica.

Pesquisadoras que entendem essa distinção conseguem aproveitar o que essas ferramentas oferecem sem comprometer o rigor do trabalho. As que não entendem correm o risco de construir pesquisa sobre bases frágeis, o que aparece na qualificação, na defesa e nas revisões de parecer.

Faz sentido?