Documentar uso de IA

Módulo 1 · Conceitos Fundamentais

Quando IA passa a ser parte do seu fluxo de trabalho, surge uma pergunta concreta: como contar isso? Para o seu caderno de pesquisa, para o orientador, para o revisor, para o editor da revista. Este capítulo é prático: foca o que registrar e onde.

Por que documentar

Três motivos pragmáticos:

1. Reprodutibilidade. Sem registro de qual modelo, em qual versão, com qual prompt, outra pessoa não consegue reproduzir o que você fez. Mesmo você, daqui a 6 meses, esquecerá. Em pesquisa, isso é falha metodológica.
2. Exigência editorial. A maior parte das revistas científicas em 2026 — Lancet, NEJM, JAMA, Nature, PLOS, BMJ e outras — exige declaração formal de uso de IA em manuscritos. Omitir é causa de rejeição ou, em casos descobertos depois, retratação.
3. Transparência ética. Mesmo onde a revista não exige, declarar protege você de acusações de má conduta e mantém a comunicação com leitores e revisores honesta.

Dois níveis de registro

Há uma distinção importante que organiza o capítulo:

• Registro interno — o que você guarda no seu projeto, para si mesmo e para reprodutibilidade futura. Sempre vale a pena.
• Declaração externa — o que você comunica em uma publicação ou apresentação. Depende da revista, do tipo de uso, e da política institucional.

Vamos olhar cada um.

Registro interno: o que guardar

Para qualquer projeto onde você usa IA, mantenha um pequeno arquivo de log — pode ser documentation/uso-ia.md (lembra da estrutura do capítulo de Prompts?). Cinco coisas valem registro:

1. Modelo

O nome completo do modelo, não apenas a marca. Exemplos:

• ✅ Claude Opus 4.7 (1M context)
• ✅ GPT-5
• ✅ Gemini 2.5 Pro
• ❌ “Claude” / “ChatGPT” / “IA” — vagos demais.

2. Versão e data

Modelos evoluem silenciosamente, especialmente quando acessados via app. Mesmo que a marca não mude o número de versão, o comportamento pode mudar de uma semana para a outra. Por isso:

• Registre a versão exata quando acessível (claude-opus-4-7 na API) ou
• Registre a data exata do uso (uso em 2026-05-12) — se acessou por app, é o melhor que dá.

3. Prompt e contexto

Guarde o prompt principal que você usou — ou pelo menos o esqueleto dele. Se o prompt é longo (como o exemplo do capítulo anterior), salve em arquivo separado: documentation/prompts/01-arquitetura-projeto.md.

Também registre arquivos enviados como contexto: “anexei data/raw/coorte.csv e protocolo.pdf ao prompt”.

4. O que veio do modelo × o que foi editado por você

Esse é o ponto mais negligenciado. Anote, em cada uso, o nível de edição humana sobre o output:

• “Texto inteiro gerado pelo modelo, sem edição.”
• “Estrutura gerada pelo modelo; edição substancial de tom e exemplos.”
• “Apenas usado como brainstorm; nada do output entrou no projeto.”
• “Código sugerido pelo modelo, testado e ajustado por mim.”

Esse registro é o que separa “minha contribuição” de “contribuição da IA” — e vai aparecer na declaração externa, em métodos ou agradecimentos, dependendo da revista.

5. Função / tipo de uso

Categorize o uso. Algumas categorias úteis em pesquisa:

Categoria	Exemplo
Edição de língua	Revisão de gramática, tradução, ajuste de fluência em inglês
Brainstorm conceitual	Discussão inicial sobre desenho de estudo, possíveis variáveis
Geração de código	Scripts em R/Python para limpeza ou análise
Sumarização	Resumir artigos para revisão de literatura
Análise metodológica	IA aplicada como método: classificação de respostas, extração de dados estruturados

A última categoria é a mais sensível em termos de declaração — quando IA é parte do método, ela precisa ser descrita com rigor de método.

Exemplo de log mínimo

# Uso de IA no projeto

## 2026-05-12 — Estrutura inicial do projeto Quarto
- Modelo: Claude Opus 4.7 (1M context)
- Acesso: Claude Code (CLI)
- Prompt: `prompts/01-arquitetura-projeto.md`
- Contexto enviado: nenhum arquivo
- Output: árvore de pastas + README + _quarto.yml + .gitignore
- Edição humana: ajustei `documentation/` em vez de `docs/` (default Quarto);
  reescrevi o README à mão.
- Categoria: brainstorm/geração de código

## 2026-05-15 — Tabela 1
- Modelo: Claude Sonnet 4.6 (via Claude Code)
- Acesso: Claude Code, API
- Prompt: `prompts/03-tabela1.md`
- Contexto enviado: `data/raw/coorte.csv` (anonimizado, ver capítulo LGPD)
- Output: script `R/analysis/01-tabela1.R`
- Edição humana: ajustei o teste de Mann-Whitney que ele aplicou em uma
  variável que era, na verdade, ordinal categórica.
- Categoria: geração de código + análise metodológica

Esse arquivo cresce ao longo do projeto. Pode ser feito a posteriori, mas é mais fácil quando atualizado a cada uso (5 minutos de registro economizam 2 horas de tentar lembrar depois).

Declaração externa: como citar em publicação

Aqui as regras dependem de onde você publica. Mas há um padrão comum, baseado nas diretrizes do ICMJE (International Committee of Medical Journal Editors) — referência da maior parte das revistas médicas:

Princípios universais

1. IA não é autora. Em todas as diretrizes editoriais relevantes em 2026, IA generativa não pode ser listada como autor. A razão: autoria implica responsabilidade pelo conteúdo, e IA não pode assumir responsabilidade.
2. Uso deve ser declarado. Se IA participou da produção do manuscrito de qualquer forma — edição de língua, escrita, geração de código, análise metodológica — isso deve ser declarado.
3. Onde declarar depende do tipo de uso:
   • Methods se a IA foi parte da metodologia do estudo (classificou respostas, sumarizou artigos, gerou dados sintéticos).
   • Acknowledgments se foi auxiliar editorial (revisão de língua, ajuste de fluência, brainstorm não metodológico).

Exemplos de declaração

Para uso editorial (Acknowledgments):

“Os autores utilizaram o Claude Opus 4.7 (Anthropic) para revisão de língua e ajuste de fluência do texto em inglês. Todo o conteúdo científico foi concebido, redigido e revisado pelos autores.”

Para uso metodológico (Methods):

“A extração de dados clínicos a partir dos prontuários foi auxiliada pelo modelo Claude Opus 4.7 (Anthropic), versão acessada em maio de 2026. O prompt utilizado encontra-se no Material Suplementar (Apêndice S2). Todas as extrações foram revisadas manualmente por dois pesquisadores, com discrepâncias resolvidas por consenso.”

Note as diferenças: a declaração metodológica é mais longa, inclui versão, prompt em apêndice, e descreve o controle humano. A declaração editorial é mais curta, mas igualmente honesta sobre o uso.

Diretrizes específicas a conhecer

• ICMJE (icmje.org) — Recomendações atualizadas em 2024-2025 incluem seção sobre IA generativa. Referência para a maioria das revistas médicas.
• CONSORT-AI / TRIPOD-AI / STARD-AI — Extensões dos checklists clássicos para estudos que usam IA como intervenção ou método. Se o seu estudo é sobre IA aplicada (modelo de classificação, ferramenta de diagnóstico), deve seguir essas extensões.
• Política da revista alvo — Antes de submeter, leia a política da revista específica. Cada uma tem nuances (alguma exige modelo + prompt em supplementary; outra aceita apenas declaração genérica).

Checklist antes de submeter

Antes de enviar o manuscrito, confira:

• Houve uso de IA? Mesmo edição de fluência conta.
• Está declarado em algum lugar do manuscrito? Methods (se metodológico) ou Acknowledgments (se editorial).
• Modelo e versão estão especificados?
• Para uso metodológico, o prompt principal está em material suplementar?
• A política específica da revista alvo foi lida?
• Você ainda tem o registro interno do projeto (documentation/uso-ia.md)? Pode ser solicitado por revisores.

O que vem a seguir

Você cuidou do depois: como registrar e declarar uso de IA. O próximo capítulo cuida do antes: que dados você pode mandar para a IA, em pesquisa médica que envolve informações de pacientes — o tema da LGPD.