O futuro da ciência e da pesquisa qualitativa na era da IA acelerada

A pesquisa qualitativa não está condenada pela inteligência artificial, mas está sendo pressionada por uma combinação perigosa de produtivismo acadêmico, mercantilização da escrita científica e expansão de tecnologias voltadas à aceleração textual. O problema central não é a existência da IA, e sim a sua captura por uma lógica de mercado que promete substituir tempo de pesquisa, reflexividade metodológica e densidade epistemológica por velocidade, padronização e aparência de competência. Esse texto em parte é produto de experiência de lecionar a disciplina Métodos de Pesquisa Qualitativa, para mestrandos e doutorandos em administração na UFSC, além da experiência de produção e orientação de pesquisas com base em epistemologia da complexidade desde meados da década de 1980.

Um mal-estar que não é individual

Em muitos ambientes acadêmicos, cresce a sensação de que a ciência está sendo empurrada para uma economia da aceleração, na qual publicar rapidamente parece mais importante do que pesquisar bem. Esse mal-estar é especialmente forte entre quem trabalha com métodos qualitativos, porque esse tipo de pesquisa exige imersão, escuta, contextualização, dúvida, retorno ao campo e interpretação cuidadosa dos sentidos produzidos pelos sujeitos pesquisados. A entrada no campo de pesquisa é, em si mesma, com frequência, um desafio que não pode ser superado por qualquer manipulação tecnológica.

Não se trata de nostalgia nem de resistência irracional à tecnologia. Trata-se de reconhecer que há uma diferença decisiva entre usar ferramentas digitais como apoio e aceitar a propaganda de que um artigo científico pode ser produzido em minutos sem perda substantiva de qualidade, autoria e responsabilidade intelectual. E de fato já é possível encontrar nas redes sociais quem venda curso de IA para produção de artigo científico em 3 minutos, ou mesmo em 10 horas.

O que a pesquisa qualitativa realmente exige

A pesquisa qualitativa trabalha com aspectos da realidade que não podem ser adequadamente reduzidos a números, escalas ou variáveis isoladas, porque se volta para significados, experiências, motivações, crenças, conflitos e práticas sociais situadas. Em geral, isso envolve entrevistas em profundidade, ou combinação de mais de um tipo de entrevista com aplicação de questionário de múltipla escolha, observação (sistemática, assistemática, participante, não participante, etc), trabalho de campo, análise documental, grupo focal, histórica de vida, construção de confiança com interlocutores, diários de pesquisa e sucessivos movimentos de interpretação.

Além disso, pesquisas qualitativas sérias exigem explicitação epistemológica. Não basta aplicar técnicas: é preciso dizer como o conhecimento é concebido, como o pesquisador se posiciona diante do objeto ou fenômeno, como lida com mediações de poder, historicidade, contextualização cultural/estrutural, linguagem e desigualdade, descrição do método (caminho) percorrido durante a pesquisa.

Esse é um ponto decisivo. Quem promete "escrever artigo científico" em poucas horas normalmente confunde três coisas distintas: pesquisa, análise/interpretação e redação. A IA pode até ajudar em tarefas de organização, revisão de linguagem e estruturação preliminar, mas não substitui a experiência de campo, a escuta situada, a interpretação teórica/epistemológica, nem responsabilidade ético-política de cada pesquisador.

O novo regime da aceleração

A expansão recente da IA generativa encontrou um ambiente já marcado por forte pressão por produtividade, métricas de impacto, internacionalização compulsória e sobrecarga de publicação. Nesse contexto, surgem ofertas comerciais que prometem resolver a angústia acadêmica com fórmulas de desempenho: artigos em poucas horas, projetos em tempo recorde, domínio imediato da escrita científica por meio de prompts e modelos prontos. Vivemos um tempo em que a IA é vendida como um recurso mágico para leigos.

Essas promessas não são neutras. Elas traduzem a ciência em linguagem de mercado e reduzem a escrita acadêmica a uma operação de montagem textual. O problema é que a forma do artigo pode até ser simulada com rapidez, mas a substância da pesquisa não nasce de templates.

Para a pesquisa qualitativa, esse deslocamento é particularmente grave. Quando a escrita passa a ser tratada como produto rápido, o trabalho invisível da investigação desaparece: o tempo de entrada no campo, as dificuldades de acesso, as mudanças de hipótese ou questão central de pesquisa, os impasses éticos, as ambiguidades dos depoimentos e a reflexividade metodológica deixam de aparecer como núcleo da ciência e passam a ser vistos como obstáculos à performance.

Três cenários para o futuro

1. Cenário de degradação

No pior cenário, a lógica da aceleração se impõe de forma ampla. A IA passa a ser usada como ghostwriter (escritor fantasma, que vende seus direitos autorais), a escrita científica se torna cada vez mais genérica, os textos se multiplicam sem densidade empírica e a diferença entre investigação e montagem textual fica progressivamente borrada. Nesse ambiente, a pesquisa qualitativa corre o risco de ser caricaturada: em vez de interpretação rigorosa de experiências sociais, passa a parecer apenas opinião bem redigida.

2. Cenário de resistência qualificada

Num segundo cenário, grupos de pesquisa, programas de pós-graduação, revistas e orientadores constroem critérios mais claros para o uso da IA. A tecnologia pode ser aceita como apoio à organização, à revisão de linguagem e à exploração preliminar de ideias, mas permanece vedada como substituta da autoria, da análise/interpretação e da produção de dados. Nesse caso, a pesquisa qualitativa preserva sua integridade porque reafirma o valor do campo, da escuta e da reflexão epistemológica como dimensões insubstituíveis.

3. Cenário de reconfiguração criativa

Há ainda um cenário mais promissor, no qual a IA é incorporada de forma criticamente delimitada. Em vez de produzir ilusões de competência, ela serviria para ampliar a reflexividade do pesquisador: ajudar a organizar material, testar classificações provisórias, sugerir contrastes analíticos e apoiar revisões textuais, sempre sob controle humano rigoroso.  Nesse cenário, a pesquisa qualitativa não desaparece; ela se torna ainda mais exigente quanto à explicitação do percurso metodológico e da responsabilidade autoral. Pesquisador sério saber situar-se na história da ciência, posicionar-se epistemologicamente e gerar um método (caminho) apropriado para cada projeto de pesquisa.

O que precisa ser defendido

O futuro da ciência não será decidido apenas pela tecnologia, mas pelos critérios institucionais e culturais que a comunidade acadêmica aceitar ou recusar. Se prevalecer a lógica segundo a qual tudo deve ser rápido, escalável e vendável, a ciência perderá espessura pública e a pesquisa qualitativa será uma das primeiras a sofrer, justamente porque depende de tempo, relação intersubjetiva e contexto.

Por isso, é necessário defender pelo menos cinco princípios.

•   A pesquisa não se reduz à redação; escrever não é o mesmo que investigar.

• A autoria científica exige responsabilidade intelectual integral, inclusive sobre qualquer uso de IA.

• Métodos qualitativos exigem tempo de campo, reflexividade e explicitação epistemológica.

• A formação universitária não pode ser substituída por pacotes comerciais de aceleração.

• A IA deve ser tratada como ferramenta auxiliar e objeto de crítica, não como solução mágica para a crise da ciência.

Uma tarefa pública e pedagógica

Há uma tarefa pedagógica urgente diante de estudantes de graduação, mestrado e doutorado: mostrar que a boa pesquisa continua sendo um trabalho de atenção, rigor, abertura ao inesperado e responsabilidade com o mundo estudado. Em vez de prometer maravilhas, a universidade precisa formar discernimento para distinguir apoio técnico de fraude intelectual, agilidade legítima de superficialidade, e uso crítico de submissão à lógica da mercadoria.

A ciência talvez esteja entrando numa nova etapa de conflito entre reflexão e aceleração. Nesse conflito, a pesquisa qualitativa pode desempenhar um papel estratégico, porque lembra algo que a publicidade da IA procura esconder: compreender a realidade social continua sendo muito mais difícil, lento e valioso do que simplesmente produzir texto sobre ela. A pesquisa qualitativa requer o que W. Mills chamou de “artesanato intelectual”, uma expressão que envolve a elaboração de ideias com base num determinado estilo de vida e num modo de trabalho, em que o pesquisador se envolve pessoalmente e de forma contínua em cada etapa de sua produção, articulando uma visão de mundo, experiência de vida, leitura, observação e escrita em um ofício reflexivo, crítico e autocrítico, no qual teoria, método e biografia se transformam mutuamente.

P.S.: Usei IA Perplexity Pro no levantamento de informações e Copilot na elaboração da imagem que ilustra esse artigo, tendo revisado a versão final, sobre a qual assumo inteira responsabilidade.