IA escreve, mas não testemunha: o que isso ensina sobre voz

Você está terminando a redação de um artigo e falta só o abstract. Abre o ChatGPT, cola o texto, pede um resumo de 200 palavras. Funcionou. Mas essa mesma ferramenta, se usada pra escrever o parágrafo de discussão que carrega sua interpretação dos dados, comete outro tipo de erro. A diferença entre essas duas situações é o assunto do episódio mais recente do podcast Silicon Spiritualities, do Gospel Coalition, com a teóloga Rachel Gilson.

Gilson trabalha com desenvolvimento teológico na organização Cru e passou o último ano orientando o uso de IA por missionários. Voz autoral é o traço de um texto que revela quem o escreveu, a experiência, a posição e a história de uma pessoa específica, algo que nenhuma ferramenta de IA reproduz porque não tem vida própria de onde falar. Se você pesquisa, publica ou orienta, essa distinção decide onde a IA ajuda e onde ela some com algo que devia ser seu.

O que aconteceu

No episódio, o apresentador Christopher Watkin apresenta a Gilson um cenário hipotético: um estudante que nunca usou IA nos próprios trabalhos, vê os colegas tirando notas melhores com ela, e ouve de orientadores de carreira que quem não sabe usar IA vai perder espaço para quem sabe. Gilson responde sem minimizar a ansiedade, mas também sem endossar o pânico: a ferramenta ainda não escreve de forma convincente na voz de ninguém, e é isso que continua valendo algo.

Gilson relata um caso prático do próprio trabalho: sua equipe recebeu a ordem de cortar um documento organizacional de 13 para 6 páginas até segunda-feira. Colaram o texto numa IA, pediram o corte, e passaram dois dias editando o resultado. Funcionou porque o documento não tinha autor único, era uma síntese de ideias coletivas, e ali a ferramenta fez o trabalho pesado sem substituir voz de ninguém.

Por que isso importa pra você

A pergunta que Gilson propõe fazer antes de colar qualquer texto numa IA é direta: este texto precisa ser meu, ou ele é uma síntese de outras pessoas que eu só estou organizando? A resposta muda dependendo do tipo de texto acadêmico que você tem na mão.

1. Documento coletivo sem autor único (ata de reunião de grupo de pesquisa, síntese de levantamento bibliográfico já feito por você, resumo de projeto pra órgão de fomento): usar IA pra reduzir ou reorganizar é legítimo, porque não existe voz autoral pessoal sendo apagada.
2. Abstract de artigo já escrito: Gilson descreve o próprio caso, um artigo aceito por um periódico que pediu abstract, ela testou a IA pra gerar um rascunho de algumas centenas de palavras e depois revisou. Ela argumenta que funcionou porque o abstract resume, não argumenta: “não é o coração do argumento”.
3. Testemunho, posição pessoal, interpretação de dados: aqui Gilson traça a linha. Ela cita o próprio exemplo, escrever sobre sua posição pessoal diante de algo, e diz que isso precisa ser seu, do brainstorm à edição final.
4. Proposta de pesquisa ou pergunta de investigação: Gilson recusa explicitamente pedir à IA que gere temas de pesquisa a partir do que ela já publicou, porque isso tiraria dela o próprio ato de pensar qual pergunta a interessa.

Se você está escrevendo uma dissertação, pode valer a pena aplicar o mesmo teste em escala menor: essa parte do texto é testemunho ou é síntese? A resposta pode mudar seção por seção.

Uma alegoria do teatro bíblico sobre integridade

Gilson recorre a um episódio do livro de Atos para nomear o risco central: Ananias e Safira, o casal que mentiu à comunidade sobre o valor que havia contribuído. Ananias e Safira é o episódio bíblico em que um casal apresenta como próprio um valor que na verdade era menor do que declarado, e o texto trata essa mentira como falta grave. Gilson usa esse episódio pra nomear a tentação central da IA na escrita: apresentar como seu um trabalho que, na verdade, foi produzido por outra coisa.

A prática que ela adota para resolver isso é simples, e é uma prática que pode valer a pena levar para a rotina de qualquer programa de pós: uma nota de rodapé dizendo qual ferramenta ajudou em qual parte do texto. Não é confissão de fraqueza, é o que evita que a pergunta “isso é seu?” precise ser feita depois, em situação de suspeita.

Watkin propõe um teste ainda mais direto, que funciona bem pra qualquer situação de escrita acadêmica: se a pessoa que vai ler esse texto soubesse exatamente como ele foi produzido, isso mudaria a opinião dela sobre o texto? Se a resposta é sim, há um problema de transparência que precisa ser resolvido antes da entrega, não depois que alguém perguntar.

Não significa que você precisa banir a IA do seu processo de escrita. Significa perguntar, texto por texto, qual parte é síntese de material que já existe e qual parte é a sua leitura, a sua posição, o argumento que só você poderia ter construído daquele jeito.

Próximos passos

1. Antes de colar um texto numa IA, pergunte: este parágrafo é síntese ou é argumento meu? Síntese pode passar pela ferramenta. Argumento, não.
2. Adote a prática da nota de transparência. Uma linha informando onde e como você usou IA custa pouco e evita qualquer questionamento posterior sobre autoria.
3. Releia sua introdução e sua discussão com o teste de Watkin em mente: se a banca soubesse como cada trecho foi escrito, isso mudaria a avaliação?
4. Se seu programa ainda não tem política clara sobre uso de IA em dissertações e teses, essa é uma pergunta legítima para levar ao seu orientador antes de precisar dela.

A ferramenta pode organizar, sintetizar, cortar excesso. O que ela não faz é testemunhar a partir da sua experiência de pesquisa, e é exatamente essa parte que continua sendo, only, sua. Se esse tipo de questão sobre uso ético de tecnologia na pesquisa te interessa, vale conferir Google testa IA para reduzir tráfego. E os dados são, que discute um caso parecido de limite entre delegar decisão e manter controle sobre o processo.

Fonte: AI and Work: What Happens When AI Can Do Your Job Better?, The Gospel Coalition