Como declarar o uso de IA em um artigo de pesquisa

Dois usos da mesma ferramenta podem criar obrigações de relato muito diferentes. Uma pesquisadora que pede ao ChatGPT para polir três frases da introdução mudou o texto do manuscrito. Um pesquisador que pede a um LLM para classificar 2.000 respostas de questionário mudou o fluxo de trabalho da pesquisa, e talvez os resultados. Esses casos não deveriam ser relatados com a mesma frase.

A dificuldade é que as políticas dos periódicos ainda não se estabilizaram em um formato universal. ICMJE, Elsevier, JAMA Network, CDC e Nature Portfolio apontam na mesma direção geral: declarar o uso de IA, manter humanos responsáveis, e dar mais detalhes quando a IA afeta o próprio estudo. A localização e a redação exatas ainda dependem do periódico.

Use o papel da ferramenta como princípio de classificação. A IA que melhora a redação costuma ser uma declaração de preparação do manuscrito. A IA que toca coleta de dados, codificação, análise, produção de imagens, software ou resultados pertence ao método da pesquisa.

O que a IA de fato mudou?

A primeira decisão de relato é se a IA mudou a linguagem do artigo ou o processo que gerou a evidência por trás dele. A assistência de redação muitas vezes pode ser descrita brevemente, sujeita às instruções do periódico de destino. A IA usada como instrumento de pesquisa precisa de detalhe metodológico suficiente para que o leitor entenda o que foi feito e como a saída foi verificada.

A tabela é apenas um ponto de partida. A política da Elsevier, por exemplo, diz que verificações básicas de ortografia, gramática e pontuação não precisam da sua declaração de IA, enquanto mudanças substantivas na estrutura das frases ou na organização precisam. Ela também diz que a IA usada como parte do processo de pesquisa deve ser descrita nos Métodos. O ICMJE recomenda agradecimento para assistência de escrita com IA e relato em Métodos para IA usada em coleta de dados, análise ou geração de figuras.

Por isso é arriscado copiar uma declaração de outro artigo. O outro artigo pode ter usado IA com outra finalidade, sido submetido a outro periódico ou seguido uma versão mais antiga da política.

Onde a declaração deve entrar?

O uso de IA pode aparecer em vários lugares: um agradecimento, uma declaração específica de IA, a seção de Métodos, uma legenda de figura, material suplementar, o formulário de submissão ou a carta de apresentação. As instruções para autores do periódico decidem a localização final.

O padrão entre as principais políticas é prático. Se a ferramenta ajudou a escrever ou revisar o manuscrito, o periódico pode querer uma declaração curta que nomeie a ferramenta, a finalidade e a revisão humana. O ICMJE diz que a assistência de escrita com IA deve ser relatada na seção de agradecimentos e declarada na submissão. A Elsevier pede uma declaração separada para os usos de preparação do manuscrito cobertos por sua política.

Quando a IA faz parte do estudo, um agradecimento curto não basta. A seção de Métodos é onde os leitores procuram os materiais e procedimentos que produziram o resultado. Um LLM que codificou transcrições de entrevistas, gerou variáveis, escreveu scripts de análise ou produziu estímulos experimentais faz parte desse procedimento.

Uma declaração vaga cria o tipo errado de transparência:

ChatGPT foi usado durante a preparação do manuscrito.

Essa frase nomeia uma ferramenta, mas não diz se a ferramenta corrigiu pontuação, reescreveu o resumo, resumiu fontes, gerou código ou classificou respostas de participantes. Uma declaração útil nomeia a ação.

Para assistência de redação, a declaração pode dizer que uma ferramenta de IA foi usada para melhorar a legibilidade em seções específicas e que os autores revisaram e editaram todas as mudanças. Para uso de pesquisa, a declaração pertence a uma descrição metodológica mais completa.

O que entra nos Métodos quando a IA faz parte do estudo?

O relato nos Métodos deve incluir os detalhes de IA que poderiam mudar o resultado ou que outro pesquisador precisaria para entender o fluxo de trabalho. Em estudos que usam LLMs, a orientação da JAMA Network pede que autores relatem a plataforma ou programa, ferramenta, versão, fabricante, datas de uso, prompts, sequência de prompts e revisões de prompts quando esses detalhes se aplicam.

Suponha que um LLM classificou respostas abertas de questionário em cinco categorias. “Usamos ChatGPT para classificar as respostas” deixa decisões demais escondidas. Um leitor não consegue saber qual modelo foi usado, o que o modelo viu, se o prompt definia as categorias, se humanos revisaram a saída ou se os autores repetiram os casos incertos.

Registre estes detalhes enquanto o estudo estiver em andamento:

1. A ferramenta ou serviço usado.
2. O modelo e a versão, quando disponíveis.
3. A data ou intervalo de datas de uso.
4. Se o acesso foi por site, API, modelo local ou sistema institucional.
5. Os prompts exatos ou templates de prompt que afetaram as saídas.
6. Configurações relevantes, como temperatura ou restrições de saída.
7. Que dados, documentos ou variáveis foram fornecidos ao modelo.
8. Quantas execuções foram realizadas e como as saídas foram selecionadas ou combinadas.
9. Como as saídas foram verificadas, editadas, testadas ou adjudicadas.

A data importa porque serviços de IA online mudam. Dois artigos podem dizer “ChatGPT” e significar modelos, camadas de segurança, configurações de recuperação, interfaces e comportamentos de saída diferentes. Se o método depende da resposta do modelo, uma data não é detalhe administrativo. Ela faz parte da descrição do instrumento.

Prompts importam quando mudá-los poderia mudar o resultado. Se um modelo atribuiu rótulos de sentimento, extraiu eventos adversos, gerou casos sintéticos ou respondeu perguntas que viraram dados, o prompt faz parte do método. Prompts longos podem ir para material suplementar, apêndice ou repositório se o periódico permitir.

Como execuções repetidas e configurações do modelo devem ser relatadas?

Relate configurações e execuções repetidas quando elas poderiam afetar a saída. Para uma edição simples de linguagem, temperatura do modelo ou comportamento de amostragem raramente ajudam um leitor a avaliar o artigo. Para um experimento em que as respostas do modelo são os dados, essas configurações podem se tornar o equivalente de uma condição de ensaio.

Sistemas generativos podem dar saídas diferentes para a mesma instrução. Se você rodou o modelo cinco vezes e selecionou a resposta mais clara, essa seleção é uma escolha metodológica. Se pediu que o modelo votasse entre execuções, isso também é uma escolha metodológica. Se uma codificadora humana resolveu conflitos entre rótulos de IA e rótulos manuais, a regra de resolução pertence aos Métodos.

O alvo de reprodutibilidade costuma ser a transparência do processo, não texto idêntico. Um futuro pesquisador talvez não consiga obter a mesma frase exata de um modelo online meses depois. Ainda assim, deve conseguir ver qual modelo foi usado, o que ele recebeu, quais instruções seguiu, quais saídas foram retidas, e como os autores decidiram se a saída era aceitável.

Para código assistido por IA, relate as mesmas coisas que um revisor esperaria de código escrito à mão: o que o código fazia, como foi testado, onde pode ser acessado se for compartilhado, e quais saídas produziu. A assistência de IA não relaxa o padrão de reprodutibilidade. Ela acrescenta mais uma pergunta de proveniência.

Como os autores devem verificar a saída da IA?

A revisão humana precisa ser descrita quando afeta o registro final da pesquisa. O ICMJE alerta que a saída de IA pode ser incorreta, incompleta ou enviesada, e deixa a responsabilidade com os autores humanos. A orientação do CDC também pede que autores relatem supervisão humana, incluindo se fontes, dados extraídos, código ou resultados foram verificados de forma independente.

Escreva o procedimento de verificação em termos que um leitor consiga auditar. “Toda a saída foi revisada” é mais fraco do que “dois autores revisaram independentemente 10% das respostas codificadas por IA, resolveram discordâncias por discussão, e revisaram manualmente cada resposta atribuída à categoria de incerteza.” A segunda versão dá ao leitor um processo.

O mesmo princípio se aplica fora das tarefas de classificação. Se código gerado por IA foi usado, diga se testes foram executados e se as saídas numéricas foram reproduzidas de forma independente. Se a IA resumiu artigos, diga se os artigos originais foram lidos e comparados ao resumo. Se a IA sugeriu citações, cite a evidência original, não a declaração gerada.

Uma ferramenta de IA nunca é a fonte de uma afirmação científica. Se ela diz que estudos anteriores encontraram um efeito, o artigo ainda precisa localizar esses estudos, lê-los e citar a fonte original apenas se ela sustentar a frase. Referências fabricadas são a falha óbvia. A falha mais silenciosa é um artigo real ligado a uma afirmação que ele nunca fez.

O que os autores devem fazer sobre privacidade e dados confidenciais?

Não envie material sensível, protegido, confidencial ou não publicado a um serviço público de IA a menos que o serviço, a instituição, a aprovação ética e os termos de consentimento permitam esse uso. A declaração depois da submissão não repara uma violação de privacidade.

Verifique as entradas antes de verificar a redação da declaração. Dados de participantes, informações de pacientes, transcrições de entrevistas, resultados não publicados, documentos de colaboradores, rascunhos de propostas e material protegido por direitos autorais podem criar problemas separados. A política da Elsevier pede que autores considerem privacidade de dados, propriedade intelectual e os termos da ferramenta. A orientação do CDC diz que pesquisadores não devem inserir dados sensíveis, protegidos ou não públicos em ferramentas públicas de IA.

As perguntas úteis são concretas:

• O serviço retém o material enviado?
• O provedor pode usar as entradas para treinamento ou melhoria do produto?
• Quem pode acessar os dados?
• A instituição permite esta ferramenta para este tipo de informação?
• O consentimento ou a aprovação ética cobriu esse processamento?
• Os identificadores foram removidos, e essa remoção basta para este conjunto de dados?

Se a resposta não estiver clara, pare antes de enviar material. Uma declaração de IA redigida com cuidado diz ao periódico o que aconteceu. Ela não torna o uso permitido.

Figuras e imagens seguem as mesmas regras?

Figuras costumam ter regras separadas, e a política de imagens pode ser mais rígida do que a política de redação. A Elsevier distingue imagens explicativas, visualizações de dados, imagens primárias de pesquisa, resumos gráficos e arte de capa. Pela sua política, algumas imagens explicativas podem ser assistidas por IA com declaração, visualizações de dados precisam estar ligadas a métodos reprodutíveis, e ferramentas de IA não devem fabricar nem alterar imagens primárias de pesquisa.

Um esquema gerado pode precisar de uma declaração na legenda da figura e de uma declaração geral de IA. Uma visualização de dados produzida com apoio de IA pode precisar de detalhe nos Métodos sobre os dados e o fluxo de trabalho. Uma imagem de microscopia, western blot, radiologia ou paciente é outra categoria, porque representa evidência observada ou experimental.

A Nature Methods também enfatiza que as políticas sobre IA generativa em publicação científica continuam mudando. Trate figuras como uma verificação de política própria antes da submissão. Não presuma que a regra de declaração para escrita cobre material visual.

A IA pode aparecer como autora?

Ferramentas de IA não podem ser autoras porque autoria exige responsabilidade. O ICMJE diz que chatbots e outras ferramentas assistidas por IA não devem ser listados como autores porque não conseguem assumir responsabilidade pela exatidão, integridade e originalidade. Elsevier e Nature Methods afirmam o mesmo princípio em suas políticas e comentários editoriais.

A consequência prática é simples. Os autores humanos são donos do manuscrito. São responsáveis por verificar texto, código, figuras, citações e análise assistidos por IA, e precisam ser capazes de responder perguntas sobre qualquer parte do trabalho que tenha usado IA.

Agradecer o uso é diferente de atribuir autoria. Um artigo pode declarar que uma ferramenta de IA ajudou a revisar a linguagem ou a classificar texto. Não deve colocar a ferramenta na autoria, citá-la como se fosse evidência nem transferir responsabilidade a ela quando uma saída gerada se revela errada.

Quando uma diretriz de relato de IA ajuda?

Uma diretriz de relato ajuda quando a IA é central para o estudo, e não incidental à redação. Ela deve combinar com o tipo de estudo, a área e o papel do modelo.

Para pesquisa médica, a Declaração GAMER oferece uma lista de verificação para relatar uso de IA generativa em áreas como especificações da ferramenta, desenho de prompts, papel da ferramenta de IA, verificação de conteúdo, privacidade e se a IA afetou conclusões. A TRIPOD-LLM é mais estreita: foi desenhada para estudos em saúde que desenvolvem, ajustam, fazem engenharia de prompts ou avaliam grandes modelos de linguagem, com itens diferentes conforme o desenho de pesquisa e a tarefa do LLM.

Essas diretrizes são úteis quando se encaixam. Não são listas universais para todo artigo cujos autores usaram um chatbot para melhorar a redação. Um artigo de linguística que usou um LLM para gerar estímulos experimentais, um artigo de saúde pública que usou um LLM para extrair dados de relatórios, e um artigo clínico que avalia um sistema de LLM podem precisar de estruturas de relato diferentes.

Se existe uma diretriz de relato específica da área, use-a junto com as instruções para autores do periódico. Se nenhuma diretriz se encaixar, a política do periódico ainda governa, e a seção de Métodos ainda precisa explicar o fluxo de trabalho de IA com clareza suficiente para que os leitores possam avaliá-lo.

O que deve ser verificado antes da submissão?

Antes da submissão, faça um inventário de uso de IA em vez de tentar lembrar uma declaração no final. Liste cada uso de IA em redação, edição, análise, codificação, trabalho com literatura, figuras e material suplementar. Depois classifique cada uso por função.

Faça esta verificação final:

1. Verifique a política atual de IA e as instruções para autores do periódico de destino.
2. Separe assistência de escrita de uso de pesquisa.
3. Registre nomes de ferramentas, modelos, versões e datas onde importarem.
4. Salve prompts, ordem dos prompts e configurações que poderiam afetar os resultados.
5. Descreva como as saídas foram revisadas, testadas ou adjudicadas.
6. Verifique cada fonte sugerida por IA contra a publicação original.
7. Verifique se o material enviado era permitido sob regras de privacidade, ética, direitos autorais e instituição.
8. Coloque a declaração na seção exigida pelo periódico.
9. Acrescente detalhe nos Métodos para IA que afetou dados, análise, código, figuras ou resultados.
10. Guarde registros caso o editor pergunte como o fluxo de trabalho de IA foi realizado.

O padrão escala com o risco. Uma ferramenta que corrigiu pontuação pode precisar de pouca ou nenhuma declaração, dependendo do periódico. Um modelo que produziu rótulos, código, imagens ou saídas analíticas precisa de documentação suficiente para que um leitor veja que papel teve e como os autores mantiveram controle do resultado.

A declaração de IA mais forte relata o trabalho de fato feito. Quanto mais perto a ferramenta chegou do resultado científico, mais detalhe o artigo deve fornecer.

Referências e políticas úteis

1. International Committee of Medical Journal Editors. Use of AI by Authors.
2. International Committee of Medical Journal Editors. Defining the Role of Authors and Contributors.
3. Elsevier. Generative AI Policies for Journals.
4. Flanagin A, Pirracchio R, Khera R, et al. Reporting Use of AI in Research and Scholarly Publication: JAMA Network Guidance. JAMA. 2024;331(13):1096-1098.
5. Centers for Disease Control and Prevention. Considerations for Disclosing Generative AI Use in Scientific Work.
6. Nature Methods. Using AI Responsibly in Scientific Publishing. 2026;23:271.
7. Luo X, Tham YC, Giuffre M, et al. Reporting guideline for the use of Generative Artificial intelligence tools in MEdical Research: the GAMER Statement. BMJ Evidence-Based Medicine. 2025;30(6):390-400.
8. Gallifant J, Afshar M, Ameen S, et al. The TRIPOD-LLM reporting guideline for studies using large language models. Nature Medicine. 2025;31(1):60-69.