A solução para sua empresa pode estar em uma pesquisa que você nunca leu

Em algum lugar do mundo deve haver resposta para o problema que sua empresa tenta, sem sucesso, resolver há muito tempo. Talvez a ideia tenha passado pela sua cabeça e ficado por isso mesmo, porém passou pela mente inquieta da empreendedora Maria Paola de Salvo e virou uma ideia de negócio interessante. Trata-se da startup EasyTelling, que usa inteligência artificial para conectar organizações e cientistas.

Funciona assim: clientes corporativos chegam com um desafio real, e Paola põe em ação uma plataforma própria que busca em mais de 200 milhões de artigos, 160 milhões de patentes e bases regulatórias. Em minutos, mostra caminhos possíveis, a força da evidência de cada estudo, quão perto estão de virar produto e o próximo passo, tudo ligado à fonte. É como conversar 24 horas por dia com o melhor cientista da sua área, diz a empresária, que diz ter ouvido isso de um freguês satisfeito.

Tomei um café com Paola para entender melhor como funciona, e assim nasceu a entrevista abaixo.

VEJA: Quem procura vocês hoje e quais são os pedidos mais comuns?

Maria Paola de Salvo: Equipes de P&D da indústria de alimentos, papel e celulose, agricultura e mineração, com clientes como Ajinomoto, Suzano e Vale. As perguntas são concretas: por que esta formulação não funciona? Que alternativa vale testar? Do outro lado, governos e universidades nos procuram para saber onde suas pesquisas podem ser aplicadas e quais têm chance de virar patente.

A empresa começou como consultoria. Como era esse trabalho antes da inteligência artificial?

Artesanal. Fundei a EasyTelling em 2019 como uma consultoria de tradução do conhecimento, área em que fui a segunda brasileira certificada pela Universidade de Toronto. Eu lia dezenas de artigos de um grupo de pesquisa, descobria em que aquilo podia se transformar e para quem servia, e reescrevia tudo na língua de empresas e gestores. Funcionava. Mas o limite era o relógio.

Em que momento você percebeu que a IA poderia mudar o negócio?

Em 2023, quando vi do que os novos modelos eram capazes. Pensei: vou ensinar a máquina a ler o artigo e fazer o que eu fazia, com o meu método. Juntei-me ao Lucas Miranda, doutor em Estatística pela USP, que sabia construir IA. Começamos pela pergunta: partimos do desafio real de uma empresa e buscamos na ciência quem o resolve. Depois fizemos o caminho inverso e já transformamos quase 300 mil pesquisas em fichas que mostram suas aplicações.

Qual foi o primeiro teste que mostrou que a ideia funcionava?

Testei a IA contra o meu próprio trabalho. Um relatório que tinha me custado três meses e mais de 60 pesquisas, que ela refez em minutos, e mais completo. Depois comparamos o filtro dela com revisões sistemáticas de um especialista, e ela chegou aos mesmos estudos em segundos. O teste final foi com os próprios autores: enviamos as fichas a dezenas de pesquisadores, e todos aprovaram o conteúdo sobre o próprio trabalho.

Você se lembra de uma situação que fez pensar que havia uma pesquisa útil, mas ninguém estava aproveitando aquele conhecimento?

Sim, e lembro até da frase. Em 2013, eu coordenava o Grand Challenges da Fundação Gates no Brasil, e um pesquisador da USP tinha comprovado três biomarcadores do risco de parto prematuro, base para um teste diagnóstico inédito no mundo. Ele me disse: Preciso transformar isso em produto e fazer chegar a quem precisa. A ciência estava pronta; faltava a ponte. E não é um problema só do Brasil: na saúde, uma descoberta leva em média 17 anos para chegar à prática clínica, e só 14% chegam aos pacientes.

O que parecia simples e deu mais trabalho do que você imaginava?

Ensinar a IA a dizer não sei e não é bem assim. As IAs generalistas foram feitas para agradar quem pergunta, e não existe nada mais anticientífico do que isso. Um resultado em camundongos não vale automaticamente para humanos; uma lacuna tem de continuar sendo lacuna. Para quem vai investir meses de laboratório, saber onde a ciência ainda não chegou vale tanto quanto saber onde ela já chegou.

Conta um caso, do pedido inicial até o resultado. O que vocês encontraram e o que aconteceu depois?

Uma equipe de P&D de um cliente passou um ano tentando entender por que um produto se alterava e já tinha quase desistido. A plataforma identificou o ingrediente responsável e mostrou como resolver o problema com base num estudo de bioquímica publicado na Nature, uma área onde ninguém da equipe teria procurado. A empresa jamais imaginaria encontrar a resposta ali, e os autores jamais imaginariam que seu estudo resolveria um problema industrial. Somando só três casos, nossos clientes já economizaram R$ 1 milhão em experimentos.

Não tem empresa que pensa que é mais fácil pedir ao ChatGPT uma resposta com fontes científicas, em vez de recorrer à EasyTelling?

Achar um artigo é fácil. Difícil é saber se ele é confiável, se vale para o seu problema e o que fazer com ele. Um gerente de P&D de uma indústria de alimentos que comparou as duas ferramentas resumiu: Na IA genérica, tudo é possível. Quando você vai para a bancada, percebe que muita coisa não funciona. Para uma equipe de P&D, uma resposta errada com cara de certa é pior do que nenhuma resposta: vira meses de experimento no caminho errado.

Como vocês avaliam se uma pesquisa é confiável e se a IA interpretou os resultados corretamente?

Fazemos duas perguntas: o estudo é robusto? Ele serve para este problema? O prestígio da revista, sozinho, não responde a nenhuma das duas. Usamos critérios de revisão sistemática, classificamos cada evidência como forte, moderada ou fraca e ligamos cada afirmação à fonte original. Quando não há evidência suficiente, a plataforma diz.

Que problema você ainda quer resolver com a EasyTelling e hoje não consegue?

Quero fechar o ciclo. Por trás de cada uma das nossas quase 300 mil fichas há um pesquisador, e queremos conectá-lo às empresas que precisam do que ele sabe e remunerá-lo quando sua pesquisa resolver um problema. A ambição maior é analisar todo o conhecimento publicado numa área para apontar descobertas que ainda não aconteceram. Meu sonho é que nenhum pesquisador precise repetir o que ouvi em 2013, preciso fazer isso chegar a quem precisa, sem ter a quem recorrer.

Alvaro Leme é doutorando e mestre em Ciências da Comunicação pela ECA-USP, jornalista e criador do podcast educativo Aprenda