Como Usar a IA para o Engajamento Público

Como usar IA para pesquisa e análise de dados já é assunto razoavelmente bem discutido, e a questão da escrita com IA segue polêmica, mas pelo menos gera um debate animado a respeito. Já usar IA para chegar ao público ou para facilitar seu fluxo de trabalho como divulgador é um terreno praticamente intocado. Depois de um ano experimentando esses usos, minha sensação é que o limite está na imaginação, não na capacidade. Em maio, dei uma palestra sobre minha experiência no Machine Collaborators, uma série de workshops sobre como pesquisadores trabalham com IA. O que vem a seguir é a versão escrita dela, um texto mais prático do que costumo publicar por aqui, e foi pensado de propósito para ser útil até para quem não quer terceirizar nem uma linha da sua preciosa escrita para a máquina.

Assine agora

Passei a primavera argumentando em três textos diferentes que os acadêmicos precisam acordar para a IA, mudei de ideia sobre detectores quando o Pangram se mostrou eficaz e depois insisti ainda mais na ideia de que a escrita com IA pode ser legítima em muitos contextos. Como contei à The Chronicle of Higher Education, algumas pessoas pediam minha demissão por esses pensamentos blasfemos, enquanto outras me mandavam mensagens privadas para perguntar sobre o meu setup (às vezes as mesmíssimas pessoas). Mas até os críticos mais afiados com quem debati, pelo menos fora do Bluesky, costumam admitir que a IA tem sido boa para fazer pesquisa — só não para escrever sobre ela, ainda. Então quero deixar a questão da escrita de lado e partir de uma premissa mais amigável.

Digamos que você fez sua pesquisa, escreveu o artigo e conseguiu publicá-lo. Agora ele está parado em um periódico que pouca gente lê. Você gostaria que mais pessoas — especialmente as influentes — lessem sobre o seu trabalho e seus resultados. Com um guia de estilo próprio e a verificação adequada, um agente de IA pode assumir boa parte dessa carga de divulgação, criando textos acessíveis, complementos de dados e materiais de preparação para entrevistas. Este texto é um passeio por onde começar.

Meus leitores acadêmicos talvez lembrem que defendi o engajamento público científico de forma mais completa, sobretudo em contraste com o “ativismo acadêmico”, em um texto anterior. Em resumo: escrever para públicos não acadêmicos, necessariamente diversos, coloca suas ideias à prova e evita que boa pesquisa fique invisível. Mas não quero fingir que a atual estrutura de incentivos da academia estimule esse tipo de engajamento fora do campo. A não ser que você esteja em uma escola de políticas públicas, o engajamento público costuma contar pouco nos processos de promoção. Pular essa etapa tem sido um uso defensável do seu tempo escasso, principalmente se você não gosta disso. Pelo menos, era assim até os agentes de IA aparecerem.

Escrever um texto para o grande público a partir de uma pesquisa que eu já tinha feito costumava me tomar cerca de uma semana. Com alguma ajuda agêntica, hoje leva menos de um dia, sem nenhuma perda de qualidade. A régua do “vale a pena fazer” cai junto, e todo um conjunto de projetos que antes nunca fazia sentido — como um site traduzido ou um rastreador automático de ideias — de repente passa a fazer. Os limites, de novo, estão quase todos na sua criatividade.

O setup básico de que você precisa por enquanto (3º trimestre de 2026)

Uma das razões de eu ter demorado a publicar justamente este texto é que o prazo de validade de qualquer dica concreta sobre IA é curtíssimo, dada a velocidade com que essas ferramentas evoluem. A única dica duradoura que aprendi é que você pode simplesmente conversar com seu agente de IA e pedir que ele faça as coisas por você, do mesmo jeito que pediria a um assistente (de pesquisa) humano. Nessa linha, passei a acreditar no princípio geral de que, se é ético terceirizar alguma coisa para o seu assistente humano, deveria ser igualmente ético terceirizá-la para o seu assistente de IA. Com a sua própria verificação, isso vale tanto para montar esboços quanto para resumir fontes, coletar dados e até escrever respostas protocolares de e-mail a pedidos administrativos. A analogia do assistente, porém, é só o piso.¹ Os agentes de hoje também são programadores competentes e designers razoáveis, então, uma vez cobertas as tarefas rotineiras, o mesmo setup pode encarar projetos bem mais ambiciosos, como os complementos interativos de pesquisa que descrevo no fim deste texto.

Pessoas razoáveis ainda discordam sobre quanta escrita de fato dá para terceirizar para a IA, mas ajuda pensar nisso como um contínuo, e não como uma questão de tudo ou nada. Aqui vai um bom exemplo de Archie Hall, que parte do meu próprio argumento contra o Pangram de algum tempo atrás.² Archie e eu não concordamos exatamente sobre onde traçar a linha (o amarelo/laranja dele é o meu verde), mas, mesmo para quem é ainda mais conservador do que ele, há um monte de coisa empolgante a fazer para melhorar o engajamento público da sua pesquisa.

Aqui vão algumas coisas específicas que todo cientista social quantitativo pode achar úteis. É tudo bem básico, mas já vi gente que ainda confunde Codex com ChatGPT, então vale ser explícito:

• Pague por pelo menos um modelo premium. As ferramentas agênticas sérias (eu uso Claude Code e OpenAI Codex) exigem assinaturas de uns 100 a 200 dólares por mês, e as versões gratuitas vão te dar uma ideia errada do que é possível.³

• Use um sistema agêntico, não um chatbot. Ou seja, não use o Claude ou o ChatGPT no navegador, mesmo que você tenha uma pasta de projeto. Você precisa de uma “ferramenta agêntica” que tenha acesso ao seu computador para trabalhar diretamente nos seus arquivos até a tarefa terminar, fazendo mudanças no mundo real, como atualizar o seu site.

• Crie uma conta no GitHub se ainda não tiver uma. Os agentes funcionam melhor em pastas com histórico de versões, e você vai querer poder desfazer as coisas. Aqui vai um bom guia para iniciantes.

• Converse com o seu agente quando não entender alguma coisa, de preferência ditando. As dúvidas de configuração que antes exigiam um amigo programador agora são respondidas, com paciência e detalhe, pela própria ferramenta.

• Mantenha e atualize periodicamente um arquivo comum de instruções como o CLAUDE.md ou o AGENTS.md. Toda correção que você faz duas vezes entra ali uma vez, e assim o agente para de repetir o erro.

• Sempre verifique o resultado, especialmente qualquer coisa destinada ao público, tanto com IA (sim) quanto pessoalmente. Mais sobre isso abaixo.

Por que você ainda precisa de um agente e por que um chatbot com pasta de projeto não é a mesma coisa

Vale dizer mais algumas palavras sobre isso, porque parte das pessoas que leram este texto antes ainda não estava convencida de usar um agente. Elas já conversam com o Claude ou o ChatGPT no navegador todos os dias, mantêm pastas de projeto com seus artigos carregados e perguntam, com razão, do que mais um pesquisador precisaria.

A diferença está no que acontece depois que o modelo termina de pensar. Tudo o que você faz dentro de uma janela de chat é apenas informação: você ainda precisa levar a resposta para algum lugar e agir por conta própria. O que você faz com um agente vira ação que afeta o mundo real à sua volta, como atualizar e publicar o seu site, corrigir e subir o seu código ou enviar um convite por e-mail.

Usar uma pasta de projeto, por mais útil que seja, não basta. E não se trata só de copiar e colar menos da janela do chatbot. Subir seus artigos e materiais relevantes para a pasta de projeto muda o que o chatbot sabe; um agente muda o que a IA consegue de fato fazer com os arquivos que você compartilha. Como o agente também tem acesso ao seu computador e ao terminal, dá para fazer coisas mais sofisticadas, como a skill de escrita que descrevo mais adiante, que vive em arquivos que o agente lê e atualiza toda vez que escreve. O mesmo vale para o navegador: um agente operando dentro dele, com os seus logins e permissões, alcança muito mais do que a navegação embutida da própria IA. Minha sugestão, de novo, é simplesmente testar em uma tarefa concreta (por exemplo, escrever uma preparação para entrevista) e comparar você mesmo com o resultado de um chatbot (por exemplo, Claude Fable 5 vs. Claude Code Fable 5). Mas a empreitada de construir e atualizar o seu próprio site, descrita a seguir, é o candidato perfeito para ver a diferença na prática.

O passo zero é sempre construir um site pessoal com ajuda de IA

Tudo o que vem a seguir pressupõe que você tenha um endereço na web sob o seu controle, o que, para a maioria dos acadêmicos, significa um site pessoal. Se você é pesquisador e ainda não tem um, providencie um o quanto antes, e essa é a primeira coisa que dá para pedir a um agente. Criei meu site na mão, com Jekyll e o template AcademicPages, uns sete anos atrás. Hoje estou preso a ele, pelo menos emocionalmente, mas já existem boas opções para quem vai começar do zero.

Seu site pode ser hospedado de graça no GitHub Pages ou em um domínio próprio (no Squarespace, por exemplo), o que custa uns 10 dólares por ano. Na época, sem saber programar, levei uma eternidade para deixar o site do jeito que eu queria, mesmo com a ajuda de vários guias. Com IA agêntica, a coisa toda pode levar uma única noite. Daí em diante, o site praticamente se edita sozinho. Cada pequena melhoria custa uma tarde. Você descreve a mudança em linguagem comum, como acrescentar etiquetas à sua lista de publicações, e o agente implementa o recurso sozinho. A única coisa que resta a você, além de verificar localmente se os novos recursos realmente funcionam, é dar o commit e publicar as mudanças.

Todos os outros acréscimos que você conseguir imaginar, como destaques de publicações na página inicial ou uma barra lateral com eventos futuros, são possíveis — o limite, como não canso de repetir aqui, é só a sua criatividade. Nenhum deles justificaria contratar um desenvolvedor web (ainda mais com nossos orçamentos acadêmicos minguados), mas, juntos, deixam o site bem mais útil para o jornalista ou colega que passa por ali.

Mas o meu acréscimo pós-agêntico favorito é a tradução automática do site: alexanderkustov.org agora existe em inglês e em outros 11 idiomas. Não é perfeito, e levei um tempo para montar tudo, ajustando com base nas traduções para os idiomas que eu mesmo falo, mas cumpre bem o papel de SEO. Se um repórter na Alemanha, no México ou no Japão pesquisar no Google algo sobre opinião pública e imigração no próprio idioma, pode esbarrar na minha pesquisa e entrar em contato (o que já aconteceu várias vezes).

Não houve verba nem agência de tradução humana — meu agente de IA traduziu o site, e hoje rodo uma verificação automática semanal que compara as páginas em inglês com as 11 traduções e lista tudo o que saiu de sincronia. Mesmo que eu tivesse contratado tradutores humanos certificados no começo, não teria como pagá-los para atualizar as traduções com regularidade (e não peço às pessoas que trabalhem de graça).⁴

O que fazer com os artigos e as ideias que você já tem

Depois que seus artigos estão publicados na internet, o agente de IA consegue acompanhar o que acontece com eles. Todo mundo conhece o Google Scholar — ele mostra quem cita seus artigos acadêmicos, mas não mostra quem linka para os seus textos de divulgação. Então montei meu próprio substituto com Google Alerts para o meu nome e os principais títulos, uma ferramenta de backlinks (com o Ubersuggest, por exemplo) e uma varredura agendada que roda todo domingo de manhã e reúne novas menções e backlinks em um único relatório que leio tomando café.

Um setup parecido, descobri, também ajuda a registrar suas ideias de pesquisa e todos os textos relevantes espalhados por várias plataformas que ajudam a desenvolver essas ideias. Tenho uma fila inteira de coisas que me ocorrem no banho ou em conversas com colegas, com um rastreador para cada ideia e uma fórmula de pontuação que leva em conta o mérito subjetivo, o envolvimento esperado e a oportunidade do momento. Quando eu empaco, o agente me diz o que escrever em seguida e sugere leituras sobre o tema em Substacks recentes e periódicos acadêmicos que acompanho. Você não precisa fazer exatamente assim, mas eu uso o Obsidian para organizar e ler todas essas notas em markdown em um só lugar, sincronizando com o meu agente quando necessário.

O mesmo repositório também me permite testar ideias a baixo custo antes de me comprometer com elas. Quando estou em dúvida sobre um enquadramento, costumo experimentá-lo primeiro como publicação em rede social e, se emplacar, peço ao agente que leia as respostas e resuma as objeções, que muitas vezes viram a seção de contra-argumentos do texto final. Só depois disso uma proposta vai para algum veículo, e a essa altura eu já sei como o argumento funciona diante de um público real.

Criando o seu guia de estilo pessoal e uma skill de escrita

Depois que o seu site estiver de pé, com todos os artigos de acesso livre salvos em PDF e reunidos em um só lugar, peça ao seu agente de IA que os converta para Markdown, extraia cada figura e tabela como arquivo próprio e publique tudo isso no site ao lado do PDF. Acredite se quiser: hoje o primeiro leitor do seu artigo costuma ser uma máquina; você quer que o seu trabalho seja legível para a IA, para que a IA possa recomendá-lo ao humano que fez a busca.

Você também pode usar essas mesmas versões limpas em .md (markdown) dos seus artigos para criar o seu “banco de escrita”, uma fonte autorizada sobre o que você pensa para o agente seguir, o que é muito útil quando você quer preparar novos slides ou um resumo acessível da sua pesquisa. Dá para colocar nesse banco tudo o que você já escreveu, salvo como arquivos de texto simples (.md) em uma pasta que o agente possa ler: ensaios, artigos de opinião, papers publicados, capítulos de livro, até transcrições de palestras, com a sua voz já presente nesse corpus.

Você também vai precisar de um guia de estilo próprio, porque a escrita de LLM é genérica por padrão. O meu começou como um único arquivo CLAUDE.md e foi crescendo por acúmulo. Eu o “treinei” com meus próprios textos publicados, corrigi os primeiros rascunhos que ele produziu e depois pedi que anotasse as correções como regras. A escrita de IA tem, sim, padrões reconhecíveis, e hoje o meu guia proíbe os cacoetes que todo mundo já identifica, como a construção “não é X, é Y” e os parágrafos artificialmente curtos. As proibições se sustentam porque essas regras ficam guardadas em um arquivo que o agente lê toda vez.

Com o tempo, aquele arquivo único virou o que o Claude chama de skill, uma pequena pasta de instruções que o agente carrega sempre que escreve como eu; o diagrama abaixo mostra o setup completo. O banco de escrita alimenta um perfil de voz (o que eu digo e o que nunca digo, até o ritmo das frases), enquanto o guia de estilo guarda as regras. Antes de eu ver qualquer rascunho, rodam duas verificações: uma varredura mecânica que sinaliza construções proibidas e uma leitura nova, feita por um segundo agente que enxerga apenas o texto final e o livro de regras, porque o agente que escreveu o rascunho é cego para os próprios cacoetes. Minhas correções voltam então para o guia como novas regras, e é esse ciclo que faz o sistema inteiro melhorar.

O mesmo agente também pode servir de revisor, que talvez seja a parte mais subestimada do setup. Antes de qualquer coisa sair, peço uma crítica do rascunho a partir de perspectivas que decididamente não são as minhas: um restricionista que me acha ingênuo quanto à fiscalização, digamos, ou um leitor comum que nunca ouviu falar em “opinião termostática”. Você pode citar autores específicos em cujo julgamento confia, ou simplesmente descrever direções ideológicas, e os comentários que voltam, embora irregulares, sempre pegam a objeção que esqueci de responder. Para textos de divulgação, em que nenhum parecer de parecerista vem te salvar, esse tipo de leitura adversarial é o substituto mais próximo que encontrei.

Com essas duas peças no lugar, você pode pedir o que quiser a partir de um artigo pronto: um documento de preparação para entrevista, uma proposta de artigo de opinião, um post para redes sociais, uma apresentação de slides, um roteiro de texto para o Substack ou até, se tiver coragem, o rascunho de um relatório de políticas públicas completo. Para a minha palestra no Machine Collaborations, rodei tudo isso em um dos meus artigos mais tristemente pouco lidos, um estudo de 2020 que mostra que maiorias absolutas ou relativas na maior parte dos 30 países pesquisados querem tanto menos imigração para o próprio país quanto menos emigração dele, e a rodada produziu, entre outras coisas, três enquadramentos genuinamente diferentes para um ensaio futuro em que eu não tinha pensado.

Ou digamos que um jornalista procure você por causa de um artigo que você escreveu anos atrás para perguntar o que ele diz sobre os acontecimentos atuais. Com um setup desses, você consegue produzir um bom rascunho do que pode dizer com segurança, quase certamente melhor e mais preciso do que aquilo que você improvisaria na hora.

O que fazer com o slop e as alucinações

Sempre que descrevo esse fluxo de trabalho a colegas, a primeira preocupação que ouço é que ele vai apenas produzir mais slop. Não me entenda mal: muito texto gerado por IA em uma tacada só merece o rótulo (assim como boa parte da escrita humana). Mas tudo no setup descrito aqui parte da premissa de que você já tem pesquisa legítima revisada por pares e textos de divulgação editados. O agente está aqui apenas para reembalar ou contextualizar suas próprias afirmações sob uma nova luz, a serviço daquele seu primeiro rascunho humano de merda. Assim como no caso de contar com assistentes humanos entusiasmados demais, a responsabilidade pelo que sai com o seu nome continua sendo sua. Se o resultado vai soar como slop depende da verificação, da edição e de todo o trabalho duro extra que você faz antes de apertar publicar.

Essa verificação não é opcional, porque os modelos ainda inventam coisas, e muita gente hoje defende que a alucinação é o maior gargalo da pesquisa assistida por IA. Aprendi isso do jeito difícil. Meu fluxo de trabalho uma vez rebatizou meu coautor, James Dennison, de “Mick Dennison”, um primeiro nome inventado do nada, mesmo com o correto ali, nos próprios arquivos com que ele estava trabalhando. Em outras ocasiões, atribuiu uma conta de paródia (@GovAmyKlobuchar) à senadora de verdade e me entregou uma URL do LinkedIn adivinhada a partir do padrão do meu nome.

Então o que eu faço na prática? Mando o modelo checar três vezes cada nome, data, referência e link; exijo que ele cole o resultado da verificação, para eu ver o que foi de fato consultado; e depois confiro pessoalmente o que importa. Pode ser exagero, mas também peço rotineiramente ao Codex que verifique o que o Claude Code fez, e vice-versa.

No campo das alucinações, no que toca a referências e suas atribuições, Steven Denney escreveu o melhor tratamento prático que conheço. A solução de Denney é o que você montaria para um assistente de pesquisa humano rápido, porém desleixado. Instruções reutilizáveis conferem cada citação no Crossref e pelo DOI, e uma pasta de projeto guarda os PDFs originais ao lado das versões legíveis por máquina, para que as afirmações sejam checadas contra todas as fontes originais disponíveis com a menor chance de erro possível.

Preciso admitir que, mesmo com todas essas checagens e com os modelos mais novos (uso o Fable 5 e o GPT 5.6), o sistema não é perfeito. Meu agente Claude parece gostar tanto da regra de três que insiste em enfiar tríades nos meus rascunhos, ainda que meu próprio guia de estilo as proíba explicitamente, e continuou fazendo isso neste mesmo texto depois de eu pedir que parasse, vez após vez.

O que o futuro reserva para o engajamento público científico?

Se tudo isso deu vontade de experimentar, comece pegando um dos seus artigos prontos e pedindo a um agente que crie um material a partir dele, como uma preparação para entrevista, no seu próprio estilo. Você ajusta o resultado até soar como você e salva as instruções que levaram até ali, para que o próximo saia melhor e mais rápido.

Você talvez note que deixei de fora, de propósito, a minha própria skill formal de escrita. É porque ela codifica a minha voz, e você, caro leitor, deve desenvolver a sua. O jeito mais simples de fazer isso é apontar o seu agente para este próprio texto e pedir que ele implemente o setup que descrevo, com as variações que fizerem sentido para o que você quer fazer.

O que estou descrevendo logo será o piso, e não o teto, da capacidade agêntica. Por exemplo, o cientista político Andy Hall, de Stanford, revelou esta semana que pretende publicar boa parte da sua pesquisa original diretamente no Substack. Essa divulgação rápida vai permitir que ele discuta e promova suas pesquisas mais recentes não só com outros acadêmicos, mas também com formuladores de políticas e jornalistas, pulando os comentários “muitas vezes arbitrários” dos pareceristas de periódicos. Ele é franco sobre os custos de dispensar a revisão por pares, e é claro que essa opção é mais fácil para quem tem estabilidade e para outras pessoas em posições seguras. Para trabalhos de interesse imediato, porém, a conta pende cada vez mais para a velocidade, e já vejo mais pesquisadores — eu inclusive — fazendo a mesma escolha.

A fronteira que hoje me parece mais empolgante é a interatividade. Até pouco tempo atrás, um recurso interativo de dados era algo que só uma redação com os recursos do The New York Times podia bancar, enquanto os periódicos acadêmicos seguem defasados demais para qualquer coisa além de um PNG estático. Com um agente, qualquer pesquisador já pode publicar um complemento interativo para um artigo publicado. O Modelslant.com, o complemento ao vivo que Sean Westwood, Justin Grimmer e Andy Hall construíram para o working paper deles sobre a inclinação política percebida dos modelos de IA, deixa os leitores explorarem os rankings por conta própria, e o laboratório de Hall hoje mantém uma prateleira inteira de protótipos parecidos. Nada disso, porém, exige mais necessariamente os recursos de um laboratório de Stanford, e o seu próprio artigo pouco lido é exatamente o tipo de candidato para o qual um complemento desses foi feito.

O fecho do meu primeiro texto sobre IA continua valendo: tranque-se em uma sala com o Claude Code e uma tarefa tediosa de engajamento público ou de pesquisa que você nunca teve tempo de fazer, e veja o que acontece. As ferramentas específicas deste guia possivelmente vão parecer datadas dentro de um ano, mas a mudança de fundo não vai a lugar nenhum. O custo marginal de escrever seriamente para o grande público despencou, e os pesquisadores que continuam calados entregam a conversa a autores com informação pior. Você pode ainda não gostar de IA nem de escrita assistida por IA, mas, se tem algo que vale a pena dizer, ficar em silêncio sem usar as melhores ferramentas disponíveis é uma escolha ativa sua.

Compartilhar

Muitíssimo obrigado a Mike Riggs, Jannik Reigl, Jeff Fong e, claro, ao Claude e ao Codex pelas sugestões úteis ao rascunho.