Consensus usa GPT-5 e API Responses para concluir em minutos o que levaria semanas de pesquisa

A cada ano, milhões de artigos científicos são publicados em todo o mundo. É literalmente impossível para qualquer pesquisador acompanhar tudo o que está sendo produzido em sua área de atuação. O verdadeiro desafio da ciência moderna não é mais o acesso ao conhecimento, mas sim encontrá-lo, interpretá-lo e conectá-lo de forma eficiente.

Para cientistas, médicos e pesquisadores, a realidade é frustrante: eles passam semanas buscando, lendo e sintetizando estudos anteriores quando deveriam estar focados no que realmente importa - fazer novas descobertas.

Foi para resolver esse problema que nasceu o Consensus, um assistente de pesquisa que já conquistou mais de 8 milhões de usuários em todo o mundo. Fundado por Christian Salem e Eric Olson, a plataforma não apenas busca artigos científicos: ela lê, interpreta e sintetiza evidências de mais de 220 milhões de publicações revisadas por pares.

E agora, com o Scholar Agent - um sistema multiagente baseado em GPT-5 e a API Responses da OpenAI - o Consensus está transformando semanas de trabalho de pesquisa em questão de minutos.

Como funciona o Scholar Agent: de mecanismo de busca a assistente autônomo

Quando o Consensus foi lançado, funcionava basicamente como um mecanismo de busca vertical especializado em ciência. O sistema indexava artigos acadêmicos, extraía resultados relevantes e gerava resumos com base em citações.

Mas Salem e sua equipe perceberam que isso não era suficiente. "A pesquisa não se resume em encontrar artigos", explica Salem. "Trata-se de interpretar resultados, comparar constatações e conectar ideias."

A solução foi criar o Scholar Agent, um sistema multiagente que opera de forma semelhante a um pesquisador humano. Usando GPT-5 e a API Responses como base tecnológica, o sistema executa um fluxo de trabalho coordenado entre quatro tipos de agentes especializados:

A arquitetura multiagente é crucial para a confiabilidade do sistema. Como cada agente cuida de um escopo restrito, o raciocínio permanece preciso e os erros são minimizados. Essa divisão de responsabilidades também permite algo fundamental: o sistema sabe quando NÃO deve responder.

Se não encontrar estudos que atendam aos padrões mínimos de qualidade, o assistente simplesmente informa que não há evidências suficientes. Sem invenções, sem alucinações.

Engenharia de contexto: o segredo para eliminar alucinações

A equipe do Consensus desenvolveu uma abordagem que chamam de "engenharia de contexto". A ideia é reunir as evidências científicas corretas ANTES de qualquer geração de texto acontecer.

Cada resposta do sistema vem acompanhada de um "pacote de contexto da pesquisa" - um conjunto estruturado de artigos, metadados e conclusões principais que remetem diretamente aos estudos originais.

"Não queremos que os pesquisadores percam tempo verificando cada afirmação duas vezes", diz Salem. "Se o sistema não conseguir basear uma resposta em evidências reais, ele não a inventará."

Essa disciplina rigorosa é fundamental para ganhar a confiança da comunidade científica, notoriamente cética em relação a ferramentas de IA generativa.

Por que o Consensus migrou para a API Responses

A escolha tecnológica foi estratégica. O Consensus migrou da API Chat Completions para a API Responses da OpenAI especificamente para tornar o roteamento multiagente mais eficiente e compatível.

Os resultados foram impressionantes. A mudança trouxe:

• Maior confiabilidade no sistema

• Melhor eficiência de custo

• Controle mais preciso sobre as chamadas entre subagentes

Nos testes comparativos, o GPT-5 superou o GPT-4.1, o Claude Sonnet 4 e o Gemini 2.5 Pro em precisão de chamada de ferramentas e estabilidade de planejamento. Com isso, a equipe pode se concentrar menos em ajustes de prompts e mais na construção de comportamentos de agentes que realmente fazem sentido para fluxos de trabalho de pesquisa.

Estratégia de produto: foco no pesquisador, não na instituição

Uma das decisões mais ousadas do Consensus foi ir contra a sabedoria convencional do mercado acadêmico. Enquanto a maioria das empresas do setor foca em vendas institucionais (bibliotecas, universidades, editoras), o Consensus apostou em um modelo direto ao consumidor.

O público-alvo? Estudantes, professores, médicos e pesquisadores que precisam de respostas imediatas - e não podem esperar por aprovações institucionais.

"Todos dizem que, no meio acadêmico, seria impossível vender diretamente ao consumidor, mas a IA mudou isso", afirma Salem. "As pessoas já não esperam mais por aprovação. Elas usam o que funciona."

Essa decisão moldou completamente o produto. O Consensus tem mais cara de aplicativo moderno para consumidores do que de ferramenta acadêmica tradicional:

• Integração rápida e intuitiva

• Design limpo e acessível

• Interface conversacional natural

A adoção cresceu organicamente, por boca a boca. Primeiro vieram os estudantes universitários e candidatos a doutorado. Depois, professores e pesquisadores privados. E então aconteceu algo inesperado: médicos começaram a usar a plataforma em massa.

"Nossa intenção original não era criar algo para a comunidade médica", conta Salem. "Porém, eles precisam do mesmo que os pesquisadores: acesso rápido a evidências científicas confiáveis."

O movimento foi tão forte que a empresa lançou o "Medical Mode", um recurso específico para profissionais que buscam evidências clínicas. E recentemente, o Consensus fechou parceria com a biblioteca médica da Mayo Clinic - uma das instituições de saúde mais prestigiadas dos Estados Unidos.

Crescimento explosivo sem perder o foco

No último ano, os números do Consensus impressionam:

• Mais de 8 milhões de pesquisadores ativos

• Receita multiplicada por 8

• Expansão global significativa

Mas o crescimento não mudou as prioridades do produto. Todos os recursos ainda giram em torno de um princípio fundamental: respostas verificáveis e com baixo índice de alucinações.

A equipe fez grandes investimentos em pipelines de avaliação que testam continuamente:

• Precisão das respostas

• Rastreabilidade das citações

• Consistência estilística entre os agentes

O futuro: agentes que replicam experimentos e geram análises estatísticas

A arquitetura do Scholar Agent foi propositalmente projetada para ser modular. À medida que os modelos de linguagem evoluem, novos agentes podem ser incorporados ao sistema.

A equipe já pensa em agentes capazes de:

• Replicar experimentos descritos em artigos

• Gerar visualizações de dados

• Executar análises estatísticas

• Comparar metodologias entre estudos

"Estamos criando o assistente que os pesquisadores realmente precisam em um mundo de rápidas mudanças", afirma Salem. "Os modelos seguem melhorando, o sistema cresce com eles e a ciência avança mais rapidamente."

O que isso significa para a pesquisa científica

O impacto do Consensus vai além da conveniência individual. A plataforma está democratizando o acesso a evidências científicas de alta qualidade.

Pesquisadores em países em desenvolvimento, que antes tinham acesso limitado a bases de dados pagas, agora podem realizar revisões de literatura de nível mundial. Estudantes de graduação podem conduzir pesquisas com rigor que antes era exclusivo de programas de doutorado.

E talvez o mais importante: ao reduzir drasticamente o tempo gasto em busca e síntese de literatura existente, o Consensus está liberando milhares de pesquisadores para fazer o que fazem de melhor - descobrir coisas novas.

Perguntas frequentes sobre o Consensus

O Consensus é gratuito?

O Consensus oferece um plano gratuito com funcionalidades limitadas. Para acesso completo ao Scholar Agent e recursos avançados, existem planos pagos voltados para pesquisadores individuais e instituições.

Como o Consensus garante a confiabilidade das respostas?

Através da engenharia de contexto - todas as respostas são baseadas em artigos científicos reais e revisados por pares, com citações rastreáveis. Se não há evidência suficiente, o sistema simplesmente não responde.

Posso usar o Consensus para medicina baseada em evidências?

Sim. O Consensus lançou o Medical Mode especificamente para profissionais de saúde que buscam evidências clínicas atualizadas.

Quantos artigos científicos o Consensus pode acessar?

A plataforma indexa mais de 220 milhões de artigos científicos revisados por pares.

Conclusão: quando a IA acelera a ciência

O caso do Consensus é fascinante por vários motivos. Primeiro, mostra como sistemas multiagente bem arquitetados podem resolver problemas complexos que modelos únicos não conseguem. Segundo, demonstra que a estratégia de produto importa tanto quanto a tecnologia - o foco no usuário final, não nas instituições, foi crucial para o crescimento.

Mas talvez o mais importante seja a visão de longo prazo. Salem e sua equipe não estão apenas construindo uma ferramenta de busca melhor. Estão trabalhando para acelerar o próprio ritmo da descoberta científica.

Em um mundo onde novas pandemias podem surgir, mudanças climáticas se aceleram e desafios tecnológicos se multiplicam, acelerar a ciência não é apenas conveniente - é essencial.

E se ferramentas como o Consensus conseguirem transformar semanas de trabalho em minutos, preservando rigor e confiabilidade, estaremos testemunhando não apenas uma inovação tecnológica, mas uma transformação na forma como a humanidade gera e compartilha conhecimento.

A ciência avança quando é mais acessível. E a IA generativa, quando bem aplicada, pode ser a chave para torná-la verdadeiramente universal.