Quem decide o financiamento para a pesquisa científica: cientistas ou algoritmos?

Introdução

Geraint Rees & James Wilsdon discutem na revista Nature o impacto crescente da inteligência artificial (IA), especialmente dos chamados “agentes de IA”, nos sistemas de financiamento científico. Esses agentes, baseados em modelos de linguagem avançados, são capazes de planejar, escrever, revisar e até submeter propostas de financiamento com mínima intervenção humana. Treinados com dados de publicações científicas, critérios de editais e propostas previamente financiadas, esses sistemas conseguem gerar múltiplas ideias e convertê-las rapidamente em aplicações altamente competitivas. Embora isso represente um ganho significativo de produtividade, os autores alertam que essa transformação pode comprometer o funcionamento tradicional dos sistemas de avaliação de projetos.

Principais resultados

Os autores apresentam evidências de aumento significativo no número e na qualidade das propostas submetidas às agências de fomento entre 2022 e 2025. Dados de 12 organizações internacionais indicam crescimento médio de 57% nas submissões, com alguns programas registrando aumentos superiores a 100%. Paralelamente, há indícios de maior uso de IA na produção científica e na elaboração de propostas de financiamento, com estudos mostrando aumento de padrões textuais associados a modelos de linguagem.

Esse cenário gera um problema central: a dificuldade crescente de distinguir propostas, já que muitas passam a atender igualmente bem aos critérios de avaliação. Além disso, os agentes de IA não apenas melhoram a redação, mas também otimizam propostas para maximizar as chances de sucesso, produzindo conteúdos altamente alinhados às expectativas dos avaliadores. Como resultado, o sistema pode deixar de avaliar ideias originais e passar a avaliar a capacidade dos algoritmos de reproduzir padrões previamente bem-sucedidos.

Os autores também destacam limitações das respostas atuais das agências, como a proibição do uso de IA, considerada ineficaz e difícil de aplicar. Há ainda impactos potenciais na revisão por pares, com o uso crescente de IA também por revisores.

Conclusões e perspectivas

O artigo conclui que o sistema tradicional de financiamento científico está sob pressão e pode se tornar inviável se não houver adaptação. Como alternativas, os autores sugerem mudanças estruturais, como maior foco na trajetória dos pesquisadores, entrevistas, avaliação de portfólio e limitação do número de submissões.

Também propõem o desenvolvimento de sistemas “nativos de IA”, capazes de analisar múltiplas dimensões dos pesquisadores e prever o impacto científico com maior precisão. No entanto, esses sistemas trazem desafios importantes, como riscos de viés, necessidade de transparência e aceitação pela comunidade científica.

Os autores defendem que a IA não deve ser apenas restringida, mas incorporada de forma estratégica, com o objetivo de tornar o sistema de financiamento mais eficiente, justo e orientado à inovação científica de alto impacto.