Uma inteligência artificial pode ajudar a revisar um artigo antes que ele seja enviado a uma revista ou conferência. Ela pode procurar contas que não fecham, argumentos sem apoio e trechos que precisam de mais clareza. Mas uma resposta bem escrita não prova que a análise está certa. A ferramenta pode errar, e alguém precisa conferir o resultado.
Em 14 de outubro de 2026, o Google anunciou a abertura pública do Deep Review. O sistema nasceu de uma ferramenta de pesquisa chamada Paper Assistant Tool, ou PAT, usada em programas de teste antes da submissão de artigos. A novidade chama atenção porque a IA não está só escrevendo documentos. Ela também começa a ser usada para examiná-los.
O que uma IA revisora faz?
Uma IA revisora recebe um documento e produz observações sobre ele. No caso do Deep Review, o Google diz que o sistema foi feito para analisar textos técnicos longos. Pode procurar incoerências, verificar afirmações, apontar possíveis erros matemáticos e sugerir melhorias. A ferramenta oferece uma análise para apoiar quem escreveu ou revisa o texto.
Isso não é a mesma coisa que uma revisão científica oficial. Uma conferência ou revista usa especialistas para avaliar se um trabalho é correto, importante e adequado para publicação. O Google afirma que os pilotos do PAT deram retorno aos autores antes da submissão e ficaram separados da avaliação oficial. A decisão de aceitar ou rejeitar um artigo não foi passada ao sistema nesses testes.
Como o sistema analisa um texto comprido?
Em vez de pedir a um único modelo que leia tudo de uma vez, o Deep Review divide o trabalho em etapas. Segundo o Google, primeiro o documento é separado em partes, como método, resultados e introdução. Depois, o sistema estima quais partes exigem análise mais profunda.
- Dividir: separar o documento em trechos com assuntos relacionados.
- Distribuir esforço: dedicar mais análise a provas matemáticas ou resultados complexos.
- Conferir em paralelo: agentes especializados examinam partes diferentes, mas podem consultar o contexto do documento.
- Juntar: outro agente reúne as observações e procura conflitos entre as partes.
O Google também diz que a etapa final usa buscas externas para conferir referências e reduzir afirmações sem apoio. Isso pode ajudar a encontrar um artigo citado que não existe ou uma informação que não combina com a fonte. Ainda assim, conferir uma referência não é o mesmo que provar que toda a conclusão do documento está correta.
O que os testes mostraram, de fato?
O Google afirma que mais de 16 mil autores participaram dos pilotos do PAT em quatro conferências: STOC, ICML, NeurIPS e ICLR. Esse número é uma informação publicada pela própria empresa em outubro de 2026. Não deve ser lido como 16 mil erros comprovadamente encontrados, nem como uma avaliação independente de todos os comentários produzidos.
Um artigo técnico dos pesquisadores, publicado no arXiv em junho, detalha uma avaliação mais específica. Em um conjunto de 26 artigos com 29 erros matemáticos confirmados, o PAT identificou 89,7% dos erros avaliados. Uma chamada simples do modelo Gemini usada como comparação identificou 55,2%. Os autores dizem que a avaliação usou um avaliador automático e que um pesquisador conferiu os resultados.
Esse número não significa que a ferramenta detecta quase 90% de qualquer erro em qualquer documento. O teste era pequeno e selecionado. Ele tratava de erros em equações e provas de matemática e ciência da computação, não de todos os tipos de texto. A pontuação também depende de como o erro é definido e de como a resposta é avaliada.
O artigo relata ainda opiniões de autores que usaram a ferramenta nos pilotos de STOC e ICML. Entre quem respondeu à pesquisa, 97% no grupo STOC e 92,1% no grupo ICML disseram que usariam o PAT novamente. Mas somente 55,8% e 64,8%, respectivamente, avaliaram que os comentários estavam em sua maioria ou totalmente apoiados em fatos. São respostas de participantes, não uma prova de precisão para todos os usos.
“leaving higher-level judgements to humans.”
Na explicação do Google, a ferramenta pode cuidar de partes técnicas da análise, enquanto avaliações mais amplas ficam com pessoas. Esse limite é importante. Decidir se uma pesquisa é relevante, justa ou segura exige contexto e responsabilidade, não só encontrar frases parecidas em documentos.
Exemplo prático: revisar um artigo antes do envio
Imagine que uma pesquisadora escreveu um estudo sobre um novo método para medir a qualidade da água. Ela pode pedir a uma ferramenta de revisão que procure etapas mal explicadas, resultados que não batem com uma tabela e afirmações sem fonte. A ferramenta pode devolver uma lista de pontos para checagem.
A pesquisadora precisa abrir cada fonte, refazer as contas e decidir se a observação faz sentido. Se a IA disser que uma equação está errada, ela não deve mudar o texto sem verificar a matemática. Se encontrar uma referência, deve conferir o artigo original. A IA sugere onde olhar; a pessoa responde pelo conteúdo final.
Quais são os riscos e limites?
O próprio artigo do Google descreve problemas vistos nos testes: referências a datas incorretas, falhas na leitura de PDFs e casos em que o sistema afirmou que uma prova estava errada por não entender o raciocínio. Uma crítica falsa também dá trabalho. O especialista precisa gastar tempo provando que a IA se enganou.
Outro limite é a parcialidade da fonte. O anúncio do lançamento e a maior parte dos resultados publicados vêm da equipe que desenvolveu o sistema. Isso não torna os dados inúteis, mas pede transparência. Estudos feitos por grupos independentes podem verificar se os resultados se repetem em outros temas, línguas e tipos de documento.
Há ainda uma questão de privacidade. No anúncio de 14 de outubro, o Google informa que os documentos enviados não são usados para treinar ou melhorar seus modelos, mas ficam armazenados por um ano para aparecer na área do usuário. Por isso, antes de enviar um arquivo, leia as regras do serviço e pense se ele contém dados pessoais, contratos, resultados ainda não publicados ou informação confidencial. A opção mais prudente é não enviar material sigiloso sem autorização e sem entender como ele será guardado.
Por enquanto, o uso mais responsável é tratar a IA como uma segunda leitura, não como árbitra. Ela pode ampliar a lista de coisas a verificar e poupar parte do trabalho repetitivo. Mas quem escreveu continua responsável pelas afirmações, e quem publica continua responsável pelo processo de avaliação.
As fontes principais são o anúncio do Google Research de 14 de outubro de 2026 e o artigo técnico sobre os pilotos do Paper Assistant Tool. Para outros temas de tecnologia, consulte os artigos da CAV Inovação.
Perguntas frequentes
A IA revisora substitui os especialistas?
Não. Ela pode apontar falhas e sugerir verificações, mas pode entender algo errado ou deixar passar um problema. Pessoas ainda precisam conferir as fontes, avaliar o contexto e tomar as decisões de publicação.
O que quer dizer revisão antes da submissão?
É uma análise feita antes de o autor enviar o artigo oficialmente a uma revista ou conferência. No piloto descrito pelo Google, o retorno do PAT era separado da revisão oficial e servia para que os autores pudessem melhorar o texto.
Os 89,7% significam que a ferramenta acerta quase tudo?
Não. Esse resultado veio de um teste específico com 26 artigos e 29 erros matemáticos confirmados. Ele não mede a precisão em qualquer área, documento ou tipo de erro.
É seguro enviar qualquer documento para uma IA?
Não necessariamente. As regras variam por serviço. No anúncio do Deep Review, o Google diz que os arquivos não treinam os modelos, mas ficam armazenados por um ano. Evite enviar informações confidenciais sem autorização e sem avaliar as regras de privacidade.
Glossário
- Revisão por pares: avaliação de um trabalho científico por especialistas da área antes de uma decisão de publicação.
- Submissão: envio formal de um artigo para uma revista ou conferência avaliar.
- Agente de IA: programa que recebe uma tarefa, escolhe etapas e usa ferramentas para tentar cumpri-la.
- Alucinação: resposta inventada ou incorreta apresentada pela IA como se fosse verdadeira.
- Recall: medida de quantos erros conhecidos um sistema conseguiu encontrar.
- Avaliador: método ou pessoa que compara a resposta do sistema com os erros confirmados.
- Confidencial: informação que não deve ser compartilhada sem permissão.
