Quando há poucos dados, temos o cuidado de não tirar conclusões precipitadas. No entanto, quando se acumulam grandes quantidades de números e registos, torna-se fácil pensar: “Com tanto material, a resposta deve ser óbvia.” Mais observações aumentam certamente aquilo que podemos saber. Mas um aumento na quantidade de dados não é o mesmo que o seu significado se tornar único. As explicações que podem ser retiradas dos mesmos dados mudam consoante aquilo que foi medido, aquilo que não foi medido e o período que foi analisado.
Por exemplo, suponhamos que o tempo de utilização de um serviço aumenta ao longo de um mês. Podemos querer explicar que “a satisfação dos utilizadores aumentou”. No entanto, embora o aumento do tempo de utilização possa ser observado, os números, por si só, não estabelecem a razão. Uma nova funcionalidade pode ter sido conveniente, ou a interface pode ter-se tornado mais complicada e demorado mais tempo a utilizar. Separar simplesmente a mudança observada da explicação dessa mudança altera substancialmente a pergunta de investigação seguinte.
Na pesquisa, passar da observação para a hipótese é, por si só, necessário. O problema não é ter hipóteses, mas permitir que uma hipótese adquira, sem nos apercebermos, o mesmo estatuto de um facto observado. Quando decidimos que “esta é a causa”, tornamo-nos mais propensos a ler os dados posteriores de formas que se ajustem a essa explicação. O espaço para considerar outras explicações diminui, e evidências contrárias podem ser tratadas como uma exceção. Uma certeza prematura pode não só encerrar uma investigação, como também enviesar aquilo que escolhemos observar a seguir.
Este problema torna-se ainda mais importante quando a IA apoia a pesquisa e a investigação. A IA pode organizar grandes volumes de material, extrair elementos comuns e apresentar rapidamente possíveis explicações. Essa capacidade é útil, mas quanto mais fluida parecer uma explicação organizada, mais uma hipótese pode parecer uma conclusão já verificada. O facto de a IA ter processado uma grande quantidade de informação não significa que a sua interpretação seja única. O volume de processamento e a certeza da conclusão devem ser considerados separadamente.
Por isso, é útil tratar a observação, a interpretação, a hipótese e os resultados da verificação como etapas distintas. A observação mostra o que foi registado; a interpretação mostra como esse registo é lido. Uma hipótese é uma explicação possível para várias observações, e a verificação testa até que ponto essa possibilidade é sustentada. Se estas etapas não forem misturadas, mesmo uma hipótese forte pode preservar a pergunta: “O que ainda precisa de ser verificado?”
Manter uma conclusão provisoriamente não significa evitar decisões indefinidamente. Dependendo do objetivo de uma investigação, pode ser necessário escolher uma ação com informação limitada. Mesmo assim, dizer “esta explicação é a mais sustentada pelas evidências atuais” é diferente de dizer “esta é a única verdade”. Preservar o caráter provisório permite atualizar o julgamento quando surgem novas evidências. O grau de certeza deve corresponder ao estado das evidências.
Tanto para os seres humanos como para a IA, deixar algumas partes desconhecidas exige coragem. Uma explicação concluída traz tranquilidade, mas o valor da pesquisa não está na rapidez com que nos tranquiliza, e sim em quão bem uma explicação resiste à realidade. Se uma hipótese ruiria perante evidências contrárias, é melhor não esconder essa possibilidade. Manter algo verificável não torna a conclusão fraca; torna explícita a base da sua força.
Quando a Sai＊aus apoia uma investigação, o objetivo também não é apenas produzir rapidamente uma única conclusão a partir de grandes quantidades de informação. Se for possível distinguir o que foi observado, onde foi acrescentada interpretação e o que continua a ser uma hipótese, os seres humanos podem escolher o que precisa de ser verificado a seguir. A capacidade da IA para organizar informação pode ser usada não para encerrar conclusões, mas para tornar visível a entrada para a verificação.
Mais dados não tornam automaticamente a verdade única. O que aumenta é o material disponível para verificar a realidade. Pressupostos e interpretações entram na forma como as explicações são construídas a partir desse material. Por isso, a pesquisa exige não duvidar dos próprios dados, mas não perder de vista o caminho entre os dados e a conclusão. Ao não nos precipitarmos a fixar uma conclusão como realidade e ao mantê-la aberta à revisão por meio da verificação, a abundância de informação pode transformar-se em profundidade de compreensão.
Não respostas. Compreensão.