---
title: "O Risco da Pasteurização: Como os LLMs Estão Padronizando a Ciência"
author: "Ricardo Pupo Larguesa"
date: "2026-03-17 12:00:00-03"
category: "Opinião"
url: "http://aintuicao.scale.press/portal/aintuicao/post/2026/03/17/o-risco-da-pasteurizacao-como-os-llms-estao-padronizando-a-ciencia/md"
---

O uso de LLMs na academia virou um segredo de polichinelo. Todo mundo usa, poucos admitem a extensão desse uso e quase ninguém discute o efeito colateral de longo prazo na originalidade das ideias. Um [reportagem de hoje](https://www1.folha.uol.com.br/colunas/marceloleite/2026/03/pesquisadores-alertam-para-pasteurizacao-da-ciencia-com-ia.shtml) da Folha de São Paulo de um estudo antigo da revista Nature("AI and the transformation of social science research", de 2024) traz um alerta sobre o que estão chamando de pasteurização da ciência. Basicamente, ao delegarmos a escrita, e por consequência, parte do encadeamento lógico, para modelos que operam via previsão estatística do próximo token, estamos achatando a curva de inovação.

## O triunfo da média estatística

Modelos de linguagem são, por definição, máquinas de presumir o provável. Eles foram treinados no consenso da internet e da literatura existente. Quando um pesquisador usa o ChatGPT para estruturar um argumento ou polir um abstract, o modelo tende a empurrar o texto para o centro gravitacional do que já foi dito. O resultado é uma produção acadêmica que parece escrita pela mesma pessoa, com as mesmas metáforas gastas e a mesma estrutura previsível. Perde-se o estilo, a nuance e o pensamento lateral que geralmente nasce do esforço cognitivo de colocar uma ideia complexa no papel.

Na Fatec, vejo isso acontecer na base. Alunos que deveriam estar exercitando a capacidade de síntese e crítica acabam se tornando editores de texto gerado. O problema não é a ferramenta em si, mas a perda do atrito necessário para o aprendizado profundo. Se o caminho para publicar um paper fica fácil demais, o incentivo para buscar o novo, o estranho e o contraintuitivo diminui. A ciência avança pelos outliers, não pela média das distribuições de probabilidade.

## A IA como muleta ou alavanca

Existe uma diferença brutal entre usar IA para organizar referências ou sugerir sinônimos e usá-la para construir a narrativa da pesquisa. No meu livro [Engenharia de Prompt para Devs](https://www.casadocodigo.com.br/products/livro-engenharia-de-prompt), bato muito na tecla de que a técnica deve servir para expandir a capacidade humana, não para substituí-la. Se o pesquisador vira apenas um apontador de prompts, a ciência vira um gerador de lero-lero sofisticado. Precisamos de IA que nos ajude a testar hipóteses absurdas e a cruzar dados que olhos humanos não veem, e não de IAs que escrevam o que já sabemos de um jeito bonitinho.

Para quem está no mercado, esse fenômeno também é um risco. Na [T2S](http://t2s.com.br), quando montamos squads de IA, o foco é na resolução de problemas complexos que o arroz com feijão dos LLMs não resolve. Se o seu projeto de IA é apenas uma casca sobre uma API que cospe o óbvio, você está apenas contribuindo para esse ruído global. O desafio agora é recuperar a intencionalidade. A IA deve ser o microscópio, não o olho que enxerga.

## Conclusão: A pesquisa está sendo tracionada pela IA

A grande verdade é que a IA potencializa o trabalho de bons pesquisadores enquanto ajuda a proliferar trabalhos mediocres de pesquisados mediocres. Mas, por outro lado, temos aprópria IA para filtrar o conteúdo e nos entregar o que queremos, da forma que queremos. Se bem instruída, claro.

Sem um esforço consciente de originalidade, a ciência vai virar um grande loop de feedback onde a IA lê o que a IA escreveu. Mas os avanços recentes nos mostram que a pesquisa, na verdade, está ganhando uma tração nunca antes vista na história.

Conecte-se comigo para discutirmos mais sobre os limites da IA na vida real: [https://linktr.ee/ricardo.pupo](https://linktr.ee/ricardo.pupo).