Quando começamos a pesquisar algo, tendemos a querer mais material. Lemos artigos, coletamos números, buscamos opiniões de especialistas e pedimos à IA que faça resumos. Parece que mais informações deveriam tornar nosso julgamento mais confiável. É claro que, se tivermos material de menos, podemos deixar de perceber fatos importantes. Mas um aumento na quantidade de materiais não é o mesmo que compreender a pergunta. Mesmo depois de ler dez fontes, se cada uma permanecer separada, ainda pode não estar claro o que realmente precisamos julgar.
Suponha que investiguemos uma região que introduziu uma nova forma de transporte. Podemos coletar muitos números: quantidade de usuários, custo, tempo de viagem, impacto ambiental, segurança e outros. Mas nenhum número isolado determina seu próprio significado. Mesmo que o uso tenha aumentado, importa saber se os usuários apenas migraram de outra forma de transporte ou se pessoas que antes não conseguiam se deslocar passaram a ter acesso. Mesmo que os custos tenham caído, a avaliação muda se a área de atendimento tiver diminuído. A pesquisa exige não apenas reunir fatos, mas examinar as relações entre eles.
A IA pode reduzir muito o tempo necessário para encontrar materiais e organizar seu conteúdo. Essa é uma vantagem importante para a pesquisa. Ao mesmo tempo, quando a síntese se torna mais rápida, várias fontes podem ser comprimidas em direção a conclusões semelhantes, e suas diferenças podem ficar menos visíveis. Mesmo fontes sobre o mesmo tema não podem simplesmente ser fundidas se diferirem em região, período, condições ou métodos de medição. A qualidade da pesquisa depende não apenas da capacidade de comprimir informações, mas também de conseguirmos identificar quais diferenças afetam a pergunta.
Observar as relações também muda o significado das evidências contrárias. Quando encontramos um resultado diferente de nossa visão, podemos descartá-lo como uma exceção. Mas, se perguntarmos “Por que o resultado oposto ocorreu nessas condições?”, surge uma nova pergunta. Evidências contrárias não apenas atrapalham uma conclusão; elas podem nos mostrar até onde essa conclusão se sustenta. Pesquisar não é apenas acumular informações na mesma direção. É também buscar as diferenças nas condições por trás de resultados diferentes.
O que podemos esperar da IA aqui não é apenas “encontrar mais materiais relevantes”. Ela também pode separar evidências que apoiam uma afirmação daquelas que a contestam, comparar as condições em que os resultados mudam e apontar relações que ainda não foram confirmadas. Mas essas conexões não se tornam corretas automaticamente. As pessoas ainda precisam examinar a fonte, a população, o período e o método de medição e determinar se as informações conectadas pela IA estão realmente respondendo à mesma pergunta.
À medida que a pesquisa avança, a pergunta original pode mudar. Podemos começar perguntando “Este método funciona?” e descobrir que a verdadeira pergunta é “Para quem e em quais condições ele funciona?”. Isso não é uma falha da pesquisa. Ver as relações entre as informações revelou que a pergunta original era ampla demais. Uma boa pesquisa não força uma resposta de volta à primeira pergunta; quando necessário, atualiza a própria pergunta.
É também por isso que o Sai＊aus Labo trata o conhecimento por meio de relações. Em vez de isolar um artigo como uma resposta concluída, ele pode ser conectado a outras perguntas, contraevidências, condições e conhecimentos obtidos posteriormente. Assim, quando uma nova pesquisa começa, um artigo anterior pode ser usado não apenas por repetição, mas examinando “o que mudou em relação à nossa compreensão anterior”. O valor do conhecimento não está apenas em ser armazenado, mas também em permanecer aberto à reconsideração por meio da próxima pergunta.
A pesquisa começa com a coleta de informações, mas não precisa terminar aí. Ao examinar relações entre fatos, entre evidências e contraevidências, entre resultados e condições e entre perguntas passadas e presentes, a informação se aproxima de um conhecimento que pode apoiar o julgamento. À medida que a IA torna a coleta mais rápida, o lugar em que o pensamento humano é necessário se desloca do número de fontes para o significado das relações. A profundidade da pesquisa muda não apenas com o quanto coletamos, mas também com as relações que descobrimos.
Não respostas. Compreensão.