1 erro que você comete ao usar IA no pré-projeto e como evitá-lo

Você está finalizando a graduação ou já encerrada, pronta para começar um mestrado, e sente que a IA pode ser um atalho precioso; aceitar saídas de modelos generativos como conteúdo final contamina todo o pré‑projeto e aumenta o risco de retrabalho e perda de credibilidade. Este texto mostra por que esse hábito é perigoso e entrega passos aplicáveis e verificáveis para evitar alucinações, citações fabricadas e retrabalho, com medidas que você pode aplicar já na fase de rascunho.

A proposta aqui é prática: explico por que o problema ocorre, como evidências técnicas e diretrizes institucionais tratam o tema e, sobretudo, entrego uma regra prática de 3 passos aplicada em checklists e um método em 7 passos para reduzir riscos em 7–14 dias de trabalho inicial.

Trate a IA como assistente criativo, não como fonte final: verifique toda afirmação e cada referência em bases primárias antes de incorporar ao pré-projeto; documente prompts e consulte seu orientador para validação e integridade do texto.

Perguntas que vou responder

• Por que confiar cegamente em IA prejudica meu pré-projeto?
• Onde, no contexto brasileiro, isso acontece e o que as universidades recomendam?
• Quem tem responsabilidade sobre o conteúdo gerado pela IA?
• Como montar um processo seguro para usar IA no pré-projeto?
• Quais erros comuns devo evitar e o que fazer em alternativa?
• Como documentar e apresentar o uso de IA ao orientador e à banca?

---

Por que confiar cegamente na IA prejudica seu pré-projeto?

Conceito em 1 minuto

A perda de rigor começa quando textos, citações e estruturas sugeridas por IA são aceitos sem checagem; o risco é duplo: informações fabricadas e redução da sua contribuição conceitual inicial, o que compromete metodologia e revisão de literatura.

O que os estudos mostram

Pesquisas técnicas mostram que modelos gerativos podem produzir alucinações, ou seja, combinações plausíveis de palavras que não correspondem a fontes reais [F4]. Análises em contexto acadêmico destacam casos de citações inexistentes e inconsistências factuais que exigem supervisão humana [F6].

Checklist rápido para identificar perigo

• Peça: toda citação proposta pela IA deve ter DOI ou link verificável antes de aceitar.
• Verifique: busque o texto original em bases indexadas (SciELO, BVS, PubMed) antes de incorporar.
• Documente: salve o prompt e a versão da ferramenta no arquivo do pré‑projeto.

Em tarefas de criatividade conceitual, como pensar hipóteses iniciais ou sugerir títulos, a IA ajuda; no entanto, quando se trata de fatos verificáveis, métodos e citações, não confie sem checar; se não houver acesso a bases, adie a inclusão até obter fontes primárias.

---

Onde isso acontece no Brasil e o que as instituições recomendam?

Conceito em 1 minuto

O ambiente relevante inclui programas de pós‑graduação, pró‑reitorias, bibliotecas e comissões de integridade; universidades já publicam diretrizes que exigem transparência no uso de IAG e procedimentos de verificação.

O que as diretrizes brasileiras dizem

Guias institucionais brasileiros orientam declarar uso de IAG, registrar prompts e não aceitar conteúdos gerados como substitutos de fontes primárias [F1] [F3]. Revistas e órgãos ligados à informação científica debatem políticas e recomendações para uso responsável [F2].

Passos práticos para seguir a política institucional

• Consulte o guia da sua pró‑reitoria ao preparar o pré-projeto.
• Na versão inicial, inclua seção curta “Uso de IAG” com prompts e versão da ferramenta.
• Peça suporte da biblioteca para estratégias de checagem em bases indexadas.

Se a sua instituição não tiver diretriz formal publicada, não é desculpa para uso acrítico; adote as práticas que universidades já recomendam e combine com seu orientador um procedimento local até que haja norma oficial.

---

Quem precisa agir: papéis e responsabilidades

Conceito em 1 minuto

Responsabilidade final do conteúdo é do estudante/autor; orientador supervisiona e valida; bibliotecas e comissões ajudam com verificação e políticas.

Exemplo real na prática

Um estudante incorporou sumários gerados por IA, que continham citações inventadas; a biblioteca local detectou erros e orientou checagem sistemática, o orientador pediu correções e o trabalho precisou ser refeito parcialmente — esse tipo de retrabalho é evitável com protocolo simples [F3].

Lista prática de responsabilidades

• Estudante: verificar fontes, documentar prompts e manter rastro de versões.
• Orientador: revisar metodologias propostas e exigir evidências de fontes primárias.
• Biblioteca: treinar pesquisa em bases e apoiar RAG ou checagem manual.

Em projetos cooperativos com vários autores, a responsabilidade compartilhada pode confundir; defina, desde o início, quem valida cada seção e quem assina a responsabilidade intelectual.

---

Como evitar o erro nº 1: método prático em 7 passos

Conceito em 1 minuto

Transforme o uso da IA em processo: ideação assistida, verificação obrigatória, documentação e validação por pares; isso reduz risco e mantém sua autoria.

O que técnicas como RAG fazem e por que ajudam

Estratégias como Retrieval Augmented Generation retornam respostas ancoradas em documentos reais, reduzindo alucinações quando bem implementadas; instituições recomendam limitar a IA a tarefas de edição linguística ou brainstorming, não a factualização sem checagem [F1].

Passo a passo aplicável (7 passos)

1. Use IA para brainstorm de títulos, perguntas e linhas de argumento.
2. Sempre peça à IA para listar as fontes que embasam cada afirmação.
3. Verifique cada fonte: localize DOI ou texto na base indexada.
4. Registre o prompt, a data e a versão da ferramenta no arquivo do projeto.
5. Aplique RAG se disponível, ou peça ajuda da biblioteca para buscas dirigidas.
6. Submeta rascunho ao orientador com evidências das checagens.
7. Inclua uma seção “Transparência sobre uso de IAG” no pré‑projeto.

Se seu projeto depender de dados sensíveis ou análises que exigem validação ética, não use IA para gerar métodos finais; use‑a apenas para rascunho e discuta alternativas com a comissão de ética.

---

Erros comuns ao usar IA no pré-projeto e alternativa prática

Conceito em 1 minuto

Erros típicos incluem aceitar citações sem verificar, copiar parágrafos gerados sem reescrever e confiar em sumários de autores sem ler as fontes; o resultado é risco de plágio indireto e perda de originalidade.

Exemplo autoral: como eu evitaria um sumário fabricado

Suponha que a IA forneça um parágrafo atribuído a um autor X com citação e ano. Em vez de inserir, procure o artigo original, leia o contexto e escreva um resumo próprio com citação correta e DOI; isso preserva sua voz e evita erros.

Modelos alternativos e template rápido

• Modelo A: Brainstorm com IA → verificação de fontes → revisão pelo orientador.
• Modelo B: Edição linguística por IA (sem inserir novas citações) → checagem manual.

Quando a base de dados não tem acesso aberto ao texto completo, registre a limitação, peça acesso via biblioteca e sinalize a incerteza na seção de métodos.

---

Como validamos

Validamos propondo práticas alinhadas com diretrizes institucionais e com evidências técnicas sobre limites de modelos generativos; as recomendações combinam resultados de pesquisa técnica sobre alucinações [F4], análises contextualizadas em publicação científica [F6] e diretrizes brasileiras para uso responsável de IAG [F1] [F3].

As ações sugeridas foram testadas em ambientes de orientação e ajustadas para a realidade de programas de pós‑graduação.

---

Conclusão rápida e chamada à ação

O erro nº 1 é confiar acrítica e definitivamente nas saídas da IA no seu pré‑projeto. A ação imediata: verifique cada afirmação e referência em bases primárias e registre prompts e versões antes de submeter ao orientador.

FAQ

Posso usar IA para gerar a revisão de literatura?

Tese: Use IA apenas como ferramenta de rascunho e brainstorming, não como fonte final. Confirme cada referência em bases primárias e reescreva em suas palavras para preservar autoria. Próximo passo: revise todas as referências sugeridas pela IA e localize o DOI ou texto completo antes de incorporar.

E se a IA sugerir uma citação que não encontro?

Tese: Não inclua referências não verificadas; elas comprometem a integridade do trabalho. Marque a citação como pendente e tente localizar DOI/texto; se não houver confirmação, descarte a referência gerada pela IA. Próximo passo: mantenha uma lista “pendentes” no documento e resolva com a biblioteca ou orientador antes da submissão.

Preciso declarar o uso de IA no pré-projeto?

Tese: Sim, declare o uso quando a instituição exigir e registre prompts e versão mesmo sem exigência formal. Transparência reduz risco e facilita a revisão. Próximo passo: inclua uma seção “Transparência sobre uso de IAG” com prompts, versão e finalidade.

O que faço se o orientador confiar na IA?

Tese: Oriente foco na checagem de fontes e mostre exemplos de alucinações para evidenciar o risco. Peça que cada fonte seja verificada em bases indexadas; envolva a biblioteca se necessário. Próximo passo: solicite uma sessão conjunta com orientador e bibliotecário para definição do protocolo de verificação.

Quanto tempo extra isso toma?

Tese: A checagem inicial adiciona horas à fase de rascunho, mas evita dias ou semanas de retrabalho posterior. É um investimento que protege sua integridade acadêmica. Próximo passo: reserve 1–3 horas adicionais por seção da revisão para verificação de fontes antes da submissão.

Elaborado pela Equipe da Dra. Nathalia Cavichiolli.

Dra. Nathalia Cavichiolli — PhD pela USP, com dois pós‑doutorados; MBA em Gestão e Docência; experiência internacional na The Ohio State University (EUA); revisora de periódicos científicos pela Springer Nature, com atuação em 37+ revistas, incluindo a Nature; especialista em escrita científica há 15+ anos; pioneira no uso de IA para escrita científica no Brasil; 2.800+ alunos impactados no Brasil e em 15+ países.

---

Atualizado em 24/09/2025