Este texto é inspirado por uma onda de escritos recentes relacionados à IA de pessoas que respeito: Dan Williams, Alex Imas, Ben Ansell, Tibor Rutar, scott cunningham, Kevin Munger, Hollis Robbins, Claude (sim!) Blattman, Kevin Bryan, Andy Hall, Kelsey Piper, Sean Westwood e muitos outros. Então, estou continuando a tradição de escrever opiniões que incomodam mas são necessárias.
Estudo imigração e opinião pública, não IA. Mas passei os últimos meses observando a IA transformar meu próprio fluxo de trabalho de pesquisa e tenho algumas coisas a dizer aos meus colegas. Pela primeira vez na vida, genuinamente não sei como será a academia em cinco anos.1 Mesmo que o progresso estagne completamente e fiquemos presos nos modelos atuais para sempre, as mudanças já em curso transformarão meu campo de pesquisa acadêmica e publicação além do reconhecimento. O status quo é insustentável. Pode levar tempo, porque a academia é a instituição mais disposicionalmente conservadora do planeta. Mas vai mudar.
Aqui estão dez teses para meus colegas, a maioria dos quais ainda parece alheia.
1. A IA já consegue fazer pesquisa em ciências sociais melhor do que a maioria dos professores.
Isso não é hipérbole. Tibor Rutar recentemente descreveu a geração de um artigo de pesquisa completo usando apenas prompts de IA, produzindo um trabalho que ele considera publicável em periódicos do primeiro quartil. Paul Novosad supostamente obteve resultados semelhantes em 2-3 horas. Yascha Mounk afirma que o Claude pode produzir um artigo de teoria política com qualidade publicável em menos de duas horas com feedback mínimo. Scott Cunningham estima que a criação de manuscritos agora custa basicamente cerca de 100 dólares em serviços de edição mais uma assinatura do Claude.
E isso vai muito além de processar números ou executar código pré-existente de Stata. Sim, o que estou alegando aqui é que LLMs produzem excelentes revisões de literatura e geram recombinações frutíferas de ideias existentes. Sejamos honestos: acadêmicos não têm sido particularmente bons em escrever também, e a IA pode tornar suas ideias muito mais acessíveis às pessoas que realmente precisam delas. Mas o uso eficaz requer investimento: Aziz Sunderji descreve a construção de um arquivo de instruções de ~200 linhas codificando seu fluxo de trabalho de pesquisa, julgamentos e guarda-corpos comportamentais. Isso requer habilidade.
2. O artigo acadêmico é um formato que está com os dias contados.
Sean Westwood disse sem rodeios: “A IA faz revisões de literatura melhor. A IA fará revisão por pares. Os usuários vão ler resumos de IA. A verdadeira ciência é a pergunta, o plano de pré-análise e a análise. O artigo de 30 páginas é apenas embrulho vestigial.” Ele foi criticado no Bluesky por dizer isso. Mas está absolutamente certo, e a reação confirma seu ponto: o campo não consegue nem discutir o óbvio sem cerrar fileiras. Arthur Spirling também está certo de que precisamos de conversas sobre o que é um artigo, o que “revisão” significa e o papel correto da IA generativa. Talvez seja bom se a IA finalmente nos empurre a superar um sistema onde universidades gastam dinheiro dos contribuintes para pagar editoras comerciais para produzir muito lentamente PDFs2 atrás de paywalls com resultados desatualizados de pesquisas financiadas publicamente.
3. O sistema comercial de periódicos pode não sobreviver a isso.
O artigo mais recente de Cunningham modela a matemática. Se a criação de manuscritos cai para algumas horas e ~100 dólares, as submissões podem aumentar cinco vezes enquanto as vagas nos periódicos permanecem fixas. As taxas de rejeição na triagem iriam de ~50% para ~90%. O modelo de receita colapsa. A revisão por pares, já sobrecarregada, se torna impossível em escala. Kevin Munger defende taxas de submissão, revisores pagos, revisão pós-publicação e triagem assistida por LLM. A questão é se os periódicos se adaptam ou são contornados. Minha aposta é que a maioria será contornada.
4. Acadêmicos aplicam padrões duplos absurdos à IA.
Alucinar conteúdo é preocupante, e pesquisadores devem sempre verificar suas fontes. Mas assim como com carros autônomos, precisamos de um ponto de referência: escritores humanos vêm citando artigos superficialmente com base no resumo há séculos. Periódicos já publicam estudos com erros de dados, resultados com p-hacking e descobertas não replicáveis a taxas alarmantes. Uma estimativa coloca a parcela de artigos publicados genuinamente úteis em cerca de 4%. Um LLM que ocasionalmente alucina uma citação está competindo contra um sistema que rotineiramente produz ciência de baixa qualidade vestida com jargão suficiente para passar na revisão. Se aplicássemos o mesmo ceticismo à pesquisa produzida por humanos que aplicamos aos produtos da IA, fecharíamos metade dos periódicos amanhã.
5. Acadêmicos juniores enfrentam a maior disrupção e oportunidade.
Estas são provavelmente más notícias para acadêmicos juniores tentando avançar suas carreiras no meio dessa reviravolta. Jason Fletcher argumenta que a lógica estratégica da titularidade não mudou — sobreviva à seleção primeiro — mas a IA altera fundamentalmente como você chega lá. Os custos de preparação para ensino caem. Limpeza de dados e depuração são delegados à IA. O gargalo muda de execução para verificação e pensamento original.
Gauti Eggertsson observa que os retornos sobre pensamento conceitual e ideias originais agora são relativamente mais altos em comparação com o trabalho técnico pesado. Um acadêmico júnior com boas ideias e Claude Code agora pode produzir pesquisa a um ritmo que teria exigido um laboratório inteiro há alguns anos. Mas todos os outros também podem, e os critérios de avaliação ainda não acompanharam.3
6. Não visualizo mais um papel de assistente de pesquisa no meu fluxo de trabalho.
Ainda acho inestimável ter mentorados e coautores. Mas o papel deles está mudando rápido. Não vou contratar alguém para limpar dados, rodar regressões ou redigir revisões de literatura quando a IA faz tudo isso mais rápido e a custo negligível. O que quero dos colaboradores é pensamento original, expertise de domínio e desafio intelectual. Esta é uma perda genuína para o modelo tradicional de aprendizagem, e não tenho uma resposta limpa para como substituí-lo. O framework complementar de Fletcher — a IA produz análises iniciais, pesquisadores humanos replicam independentemente do zero — aponta em uma direção promissora. Mas está claro que a tendência de aumento de coautoria nas ciências sociais, por exemplo, pode se reverter muito em breve.
7. Muito da oposição à IA é proteção de status disfarçada de princípio.
Recentemente me perguntei no Twitter quanto do desprezo pelos sinais reveladores da IA é basicamente uma nova versão de policiamento gramatical — pessoas impondo marcadores de status através de controle linguístico. Kevin Bryan disse claramente: “Entendo o desejo por pesquisa artesanal, feita à mão, com as matrizes invertidas à mão. Mas nosso trabalho é avançar a fronteira do conhecimento, não a autorrealização.”
Dan Williams escreveu de forma persuasiva sobre como a desinformação sofisticada floresce dentro de instituições onde quase todos compartilham os mesmos vieses. Acho que algo semelhante está acontecendo com a negação da IA. Muitos acadêmicos — especialmente aqueles concentrados no Bluesky4 e, eu suspeito, aqueles que estão completamente offline — estão em completa negação sobre o que já está acontecendo. Chris Blattman passou de cético do Claude Code a construir um kit completo de ferramentas de IA para fluxo de trabalho em questão de semanas. Robert Wright recentemente entrevistou Alex Hanna e Emily Bender argumentando que LLMs são inúteis. Pessoas inteligentes afirmando que uma ferramenta que milhões acham útil é fundamentalmente defeituosa. Essa atitude arrogante é exatamente por que os populistas estão vencendo, e se aplica à negação da IA tanto quanto à política.
8. As preocupações produtivas são sobre segurança e verificação.
Meu desafio para qualquer um que descarte as capacidades da IA: passe uma semana sozinho em uma sala com o Claude Code ou Codex. Não o chatbot — o agente. A maioria das pessoas ainda pensa em IA como um mecanismo de busca que às vezes inventa coisas. Elas não têm ideia do que sistemas de IA agêntica podem fazer.
Focar em se LLMs “realmente entendem” ou produzem conhecimento “real” é uma indulgência filosófica que desvia das coisas que vale a pena se preocupar. Como verificamos alegações geradas por IA em escala? Como prevenimos p-hacking? A equipe de Andy Hall descobriu que agentes de IA são surpreendentemente resistentes ao p-hacking bajulador — mas podem ser manipulados com esforço modesto. Como protegemos dados sensíveis quando ferramentas de IA acessam repositórios institucionais? Como garantimos que respondentes de pesquisas online são reais? Estes são problemas solucionáveis de engenharia e design institucional, do tipo que Hollis Robbins chama de desafios da “última milha” — coisas que vivem nas bordas da expertise, no contextual e no incerto. Debater se o Claude é “realmente” inteligente é como debater se uma calculadora “realmente” faz matemática enquanto seu concorrente termina o conjunto de problemas.
9. Estamos prestes a ter ciência muito melhor.
Há alguns pontos positivos, contudo. No meu próprio território, imigração: agora podemos catalogar automaticamente mudanças de política e opinião entre países e sugerir correções em tempo real. Podemos construir algoritmos para combinar melhor refugiados e migrantes com comunidades de destino. Podemos garantir que pesquisa e evidências sejam acessíveis a formuladores de políticas e eleitores que nunca leem um periódico acadêmico.
Mais concretamente, Yamil Velez e Patrick Liu vêm construindo designs experimentais gerados por IA desde 2022; experimentos personalizados no Qualtrics agora podem ser criados em 15 minutos via prompts. O trabalho de Velez aponta para algo ainda maior: a IA não apenas acelera métodos de pesquisa existentes, ela torna possíveis formas inteiramente novas de pesquisas interativas e adaptativas — designs que teriam sido impraticáveis de programar manualmente. David Yanagizawa-Drott foi ainda mais longe, lançando um projeto para produzir 1.000 artigos de economia com IA — não como façanha, mas como teste de estresse do que acontece quando o custo de gerar pesquisa cai para perto de zero.
Falantes não nativos de inglês também devem se beneficiar enormemente: pesquisadores no Cairo, São Paulo e Jacarta agora podem produzir prosa que se lê tão bem quanto qualquer coisa vinda de Cambridge ou Stanford. Eggertsson suspeita que a IA corroerá o monopólio que as principais universidades dos EUA desfrutam há muito tempo, já que sua vantagem repousava parcialmente na transmissão de conhecimento que agora é quase instantânea. Se você se importa em democratizar a ciência, isso importa mais do que a maioria das coisas em que as universidades gastam dinheiro.
10. Tirando os cenários apocalípticos, a IA é genuinamente empolgante.
Sim, há riscos reais. O deslocamento de empregos para alguns acadêmicos (e a maioria das outras pessoas) não é hipotético. As preocupações com alinhamento e segurança são genuínas, mesmo que improváveis de se concretizar nos piores cenários. Levo isso a sério e temo um pouco nosso futuro incerto.
Mas aqui está o que fico pensando: a IA é útil e divertida. Minha sensação é que o grupo “a IA agêntica está nos tornando burros” provavelmente está certo sobre algumas coisas. Mas também notei que minha barreira de procrastinação subiu. Em vez de doomscrolling, agora enrolo tentando projetos paralelos no Claude Code. Pode ser a forma mais produtiva de não-trabalho que existe. Tenho feito vibecoding de alguns projetos bem empolgantes nas últimas semanas. Fiquem ligados.
O sábio Yiqing Xu aconselha que devemos todos pausar por um mês para reavaliar e redesenhar nosso fluxo de trabalho, depois retomar. Concordo. O retorno será grande. Tranque-se em uma sala com o Claude Code e veja o que acontece.
P.S. Esta publicação foi inteiramente gerada e publicada no Substack por IA agêntica usando meu novo fluxo de trabalho com Claude Code (Opus 4.6). Façam disso o que quiserem.
P.P.S. Isto é, inteiramente gerada com base nas minhas publicações artesanais em redes sociais e pensamentos sobre o tema, feitos à mão. Então quem a escreveu, realmente? Vocês me digam.
Matthew Yglesias recentemente descreveu como a incerteza sobre IA lhe deu bloqueio de escritor, porque toda análise de política de médio prazo agora colapsa em argumentos sobre a trajetória da IA. Reconheço o sentimento. ↩
Claro, agora sabemos que precisamos usar Markdown, não PDF. ↩
Em uma nota relacionada: estou atualmente contratando um pós-doc em Notre Dame. O anúncio explicitamente pede interesse em ferramentas de IA agêntica. Suspeito que isso se tornará padrão nos critérios de contratação dentro de alguns anos. ↩
Desculpem, mas tenho que concordar com Nate Silver — o Blueskyismo é absolutamente real. ↩