Inteligência artificial na catalogação: comparação de registros MARC 21 gerados por IA generativas

Este trabalho investiga o desempenho de três modelos de inteligência artificial generativa – ChatGPT, Gemini e DeepSeek – na catalogação de e-books no formato MARC 21, com base no Código de Catalogação Anglo-Americano. Trata-se de uma pesquisa básica, de caráter exploratória, de abordagem qualitativa e método comparativo, que analisou os registros bibliográficos produzidos por cada inteligência artificial, com base em critérios de exatidão descritiva, conformidade normativa e consistência na estruturação dos campos MARC. Os resultados mostraram que, embora capazes de gerar registros parcialmente adequados, os modelos apresentaram falhas recorrentes, incluindo uso incorreto de campos, inconsistência normativa e variabilidade de respostas. Entre os sistemas avaliados, o ChatGPT demonstrou maior aderência ao Código de Catalogação Anglo-Americano e adequação aos campos MARC 21; o Gemini apresentou dificuldades na organização lógica da descrição; e o DeepSeek mostrou-se inconsistente ao alternar entre Código de Catalogação Anglo-Americano e o Resources Descriptioin and Acess. Conclui-se que inteligência artificial generativas possuem potencial para atuar como ferramentas de apoio à catalogação, gerando rascunhos de registros bibliográficos, mas ainda não substituem o trabalho especializado do bibliotecário. As limitações observadas reforçam a necessidade de supervisão humana e apontam para a importância de realizar novas testagens à medida que a tecnologia evolui, abrangendo diferentes tipologias documentais, códigos de catalogação e métricas de avaliação, de modo a reavaliar sua precisão, consistência e aplicabilidade na Biblioteconomia.