O desafio não é impedir que o estudante use inteligência artificial, mas garantir que continue aprendendo a pensar
A cena já começa a fazer parte do cotidiano escolar. A professora passa um trabalho para casa. O aluno abre o ChatGPT, Claude, Gemini ou outra ferramenta de inteligência artificial, solicita que o sistema produza a resposta e, no dia seguinte, entrega um trabalho impecável. A professora desconfia e propõe atividade semelhante em sala de aula, agora sem inteligência artificial. O estudante não consegue realizá-la.
A conclusão parece imediata: a inteligência artificial estaria permitindo que os estudantes produzissem mais, ao preço de aprenderem menos.
Mas a questão é mais complexa.
A humanidade sempre utilizou tecnologias para transferir às máquinas determinadas tarefas intelectuais. Durante muito tempo, aprender aritmética significava memorizar a tabuada e dominar procedimentos manuais para multiplicar, dividir ou extrair raízes. As calculadoras mudaram essa realidade. Posteriormente, computadores, bancos de dados e mecanismos de busca transformaram profundamente a maneira como pesquisamos informações.
Nem por isso deixamos de precisar compreender matemática ou saber pesquisar.
O que ocorreu foi uma progressiva transferência de determinadas tarefas operacionais para as máquinas, permitindo que o esforço humano se deslocasse para outros níveis de complexidade.
A inteligência artificial generativa amplia extraordinariamente esse processo.
Ela não automatiza apenas cálculos. Pode pesquisar, organizar informações, comparar argumentos, resumir documentos, produzir hipóteses, escrever textos, gerar programas de computador, interpretar dados e participar da própria formulação de um problema.
Por isso, sua chegada à educação representa uma transformação muito maior do que aquela provocada pela calculadora.
E nos obriga a formular uma pergunta fundamental:
O que significa aprender em uma sociedade na qual grande parte do trabalho intelectual pode ser realizada com a ajuda de uma máquina?
Produzir mais não significa necessariamente aprender mais
Uma distinção será cada vez mais importante na educação: desempenho assistido não é necessariamente aprendizagem.
Um estudante pode produzir um excelente trabalho utilizando inteligência artificial sem ter compreendido profundamente o assunto. Da mesma forma, uma pessoa pode realizar uma tarefa profissional complexa com assistência de IA e, mesmo assim, não ser capaz de reproduzi-la sem essa ferramenta.
Dois estudos recentes, destacados também por Simon Schwartzman, ajudam a compreender esse fenômeno. (Schwartzman)
O primeiro, de Guillermo Cruces, Diego Fernández Meijide, Sebastian Galiani, Ramiro Gálvez e María Lombardi, realizou experimento randomizado com 1.174 adultos, examinando diferenças de produtividade relacionadas à escolaridade na presença ou ausência de inteligência artificial generativa. (NBER)
Os participantes precisavam executar uma tarefa semelhante às encontradas no ambiente profissional: analisar informações, diagnosticar um problema e elaborar uma resposta.
Parte deles pôde utilizar inteligência artificial generativa; os demais realizaram a tarefa sem essa assistência.
O resultado merece atenção.
Sem inteligência artificial, os participantes de maior escolaridade superaram os de menor escolaridade em 0,548 desvio-padrão.
Quando a IA foi disponibilizada, a diferença caiu para 0,139 desvio-padrão.
Em outras palavras, aproximadamente três quartos da diferença inicial de desempenho associada à escolaridade desapareceram durante a realização da tarefa com IA. (arXiv)
A inteligência artificial melhorou o desempenho dos dois grupos, mas beneficiou proporcionalmente mais os participantes de menor escolaridade.
Há, portanto, uma possibilidade extremamente relevante: a inteligência artificial pode funcionar como instrumento de redução de determinadas desigualdades de produtividade.
Mas o estudo revela algo ainda mais interessante.
Quando a IA foi retirada, os participantes que haviam utilizado a ferramenta anteriormente não apresentaram desempenho inferior, e aqueles de menor escolaridade conservaram parte da melhora. Ao mesmo tempo, diferenças importantes de capital humano voltaram a aparecer. Os participantes com maior escolaridade também demonstraram maior capacidade de utilização efetiva da ferramenta. (arXiv)
Isso significa que a tecnologia pode reduzir diferenças de desempenho sem eliminar a importância do conhecimento humano acumulado.
É uma conclusão fundamental para a educação.
Quando a inteligência artificial vira uma muleta
Um segundo estudo oferece outra parte da resposta.
Hamsa Bastani, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı e Rei Mariman realizaram um grande experimento randomizado com estudantes do ensino médio, examinando a utilização de inteligência artificial no aprendizado de matemática. O trabalho foi publicado em 2025 na Proceedings of the National Academy of Sciences – PNAS. (PNAS)
Foram comparadas três situações.
Um grupo estudava sem inteligência artificial.
Outro podia utilizar uma interface baseada em GPT-4 de maneira relativamente livre.
Um terceiro utilizava também inteligência artificial, mas em um sistema desenvolvido com salvaguardas pedagógicas e orientações destinadas a fazê-la atuar como tutora, em vez de simplesmente fornecer respostas.
Enquanto a tecnologia estava disponível, os estudantes assistidos pela IA apresentaram desempenho bastante superior.
Entretanto, os pesquisadores fizeram algo essencial: posteriormente retiraram a inteligência artificial.
E então apareceu a diferença entre resolver um problema com IA e aprender a resolver um problema.
Os estudantes que haviam utilizado a IA de maneira mais livre tiveram posteriormente desempenho inferior quando precisaram trabalhar sem ela. Já no sistema desenvolvido como tutor, os efeitos negativos sobre a aprendizagem foram amplamente mitigados. (PNAS)
Aqui talvez esteja uma das principais lições para a escola do século XXI:
A inteligência artificial pode ajudar o estudante a resolver o problema ou pode ajudá-lo a aprender a resolver o problema. Não são necessariamente a mesma coisa.
Ferramenta, muleta ou tutora?
Podemos imaginar pelo menos três maneiras de utilizar inteligência artificial na educação.
IA como substituta: o estudante transfere à máquina o trabalho intelectual. Pede a resposta, copia o resultado e entrega a atividade. A qualidade aparente do trabalho aumenta, mas o estudante pode aprender pouco.
IA como assistente: o estudante utiliza a tecnologia para localizar informações, comparar alternativas, organizar dados, revisar um texto, testar hipóteses ou receber explicações, mantendo sob sua responsabilidade a compreensão do problema e a decisão sobre a resposta.
IA como tutora: a tecnologia ajuda o estudante a aprender. Em vez de simplesmente responder, faz perguntas, fornece pistas, identifica equívocos, propõe exercícios, solicita justificativas e adapta explicações às dificuldades encontradas.
Esta terceira utilização talvez represente uma das maiores oportunidades educacionais da inteligência artificial.
Um professor que acompanha dezenas de estudantes simultaneamente dificilmente consegue oferecer tutoria individual permanente a cada um deles.
A inteligência artificial, adequadamente desenhada e supervisionada, pode ampliar enormemente essa capacidade.
Mas as evidências disponíveis mostram que o desenho pedagógico da utilização da IA importa tanto quanto a tecnologia em si. (PNAS)
Precisaremos ensinar menos conteúdo?
Surge então outra questão.
Se praticamente toda informação está disponível em segundos e a inteligência artificial consegue localizar, organizar e explicar conteúdos, ainda faz sentido ensinar conhecimentos específicos?
A resposta deveria ser: sim — mas talvez precisemos repensar quais conhecimentos, em que profundidade e com quais objetivos.
Existe uma tendência de contrapor ensino de conteúdos ao desenvolvimento de competências, como pensamento crítico, criatividade e resolução de problemas.
Essa oposição é equivocada.
Não existe pensamento crítico no vazio.
Para avaliar criticamente uma resposta produzida por uma IA sobre medicina, o médico precisa conhecer medicina.
Para identificar uma interpretação equivocada de um fenômeno físico, é necessário conhecer física.
Para avaliar uma análise histórica, econômica ou jurídica, é indispensável possuir conhecimento sobre história, economia ou direito.
Quanto mais poderosas forem as ferramentas disponíveis, mais importante poderá se tornar a capacidade humana de julgar a qualidade de seus resultados.
Essa preocupação aparece de forma clara no artigo de Simon Schwartzman: habilidades e competências não podem ser tratadas como abstrações completamente dissociadas dos conhecimentos sobre os quais são exercidas. (Schwartzman)
Portanto, seria um erro concluir:
“Como temos inteligência artificial, precisamos ensinar menos.”
A pergunta adequada é outra:
O que os estudantes precisam saber para utilizar inteligentemente sistemas capazes de produzir informações, argumentos e respostas por eles?
A avaliação escolar também terá de mudar
Voltemos à professora e ao trabalho feito em casa.
Se uma atividade pode ser inteiramente transferida para uma inteligência artificial e, ainda assim, receber nota máxima, talvez o problema não esteja apenas na utilização da IA pelo estudante.
Pode estar também na maneira como a atividade foi concebida.
Durante décadas, grande parte da avaliação escolar foi baseada na capacidade de produzir respostas, resolver exercícios ou escrever textos fora da presença do professor.
A IA generativa coloca esse modelo em xeque.
Proibir simplesmente essas ferramentas provavelmente será insuficiente. Será necessário desenvolver novas formas de avaliar aquilo que realmente interessa: o que o estudante compreendeu e aquilo que consegue fazer intelectualmente.
Uma atividade poderá, por exemplo, permitir explicitamente o uso da inteligência artificial, seguida de uma discussão presencial na qual o estudante tenha que explicar:
- como chegou às suas conclusões;
- quais informações considerou mais relevantes;
- quais sugestões da IA aceitou ou rejeitou;
- quais fontes utilizou para verificar as respostas;
- e onde identificou possíveis erros da ferramenta.
Nesse contexto, uma pergunta extremamente educativa poderia ser:
“Em que ponto a inteligência artificial estava errada e como você percebeu?”
Responder adequadamente a essa pergunta exige muito mais conhecimento do que simplesmente copiar uma resposta.
Cinco princípios para a educação na era da IA
As evidências disponíveis ainda são recentes e devemos evitar conclusões definitivas. Mas já permitem sugerir alguns princípios.
1. Preservar uma base sólida de conhecimentos.
Somente quem possui conhecimento sobre determinado domínio consegue avaliar criticamente aquilo que a inteligência artificial produz.
2. Ensinar a utilizar inteligência artificial.
Isso envolve aprender a formular perguntas, verificar fontes, comparar respostas, identificar erros, vieses e possíveis alucinações.
3. Privilegiar sistemas que estimulem o raciocínio.
A melhor IA educacional talvez não seja aquela que responde mais rapidamente, mas aquela que consegue fazer o estudante pensar melhor.
4. Redesenhar as avaliações.
Atividades com IA podem ser combinadas com atividades sem IA, resolução presencial, argumentação, apresentação oral e defesa das conclusões.
5. Utilizar a tecnologia também para reduzir desigualdades.
A possibilidade de oferecer apoio e tutoria individualizada em grande escala pode ser especialmente importante para estudantes que historicamente tiveram menos acesso a esses recursos.
Há ainda uma distinção que deveria orientar as políticas educacionais:
o objetivo não pode ser maximizar aquilo que o estudante consegue produzir com inteligência artificial; deve ser ampliar aquilo que ele é capaz de compreender, decidir e realizar, inclusive quando a inteligência artificial não estiver disponível.
Uma escola menos necessária ou ainda mais necessária?
A inteligência artificial provavelmente executará uma parcela crescente das atividades intelectuais que hoje realizamos.
Isso não significa que a escola esteja se tornando desnecessária.
Pode significar exatamente o contrário.
Quando máquinas são capazes de produzir textos convincentes, resolver problemas, gerar imagens, resumir milhares de páginas e apresentar respostas aparentemente seguras para praticamente qualquer pergunta, torna-se ainda mais importante formar pessoas capazes de perguntar:
Isso está correto?
De onde veio essa informação?
Quais são as evidências?
Que pressupostos estão sendo utilizados?
Existe outra interpretação possível?
Posso confiar nesta conclusão?
Que decisão devo tomar?
A inteligência artificial pode oferecer respostas a essas perguntas.
Mas é o ser humano que deverá avaliar essas respostas e assumir responsabilidade pelas decisões tomadas a partir delas.
A grande transformação educacional provocada pela inteligência artificial, portanto, talvez não seja substituir professores nem reduzir a importância do conhecimento.
Será redefinir o que entendemos por aprender.
A escola do futuro não poderá se limitar a verificar se o estudante conseguiu chegar a uma resposta que a máquina também consegue produzir.
Precisará avaliar se ele compreendeu o problema, se sabe interpretar a resposta, questioná-la, aperfeiçoá-la e assumir responsabilidade pela decisão final.
A questão central, portanto, deixa de ser:
“Devemos permitir que os alunos utilizem inteligência artificial?”
E passa a ser:
“Como podemos utilizar a inteligência artificial sem deixar de formar seres humanos capazes de pensar por si mesmos?”
Esse talvez seja um dos maiores desafios — e também uma das maiores oportunidades — da educação de nosso tempo.
Referências
SCHWARTZMAN, Simon. Inteligência artificial na educação. Publicado em O Estado de S. Paulo, 14 de agosto de 2026. Texto que inspirou a presente nota do IVEPESP. (Schwartzman)
CRUCES, Guillermo; FERNÁNDEZ MEIJIDE, Diego; GALIANI, Sebastian; GÁLVEZ, Ramiro H.; LOMBARDI, María. Does Generative AI Narrow Education-Based Productivity Gaps? Evidence from a Randomized Experiment. NBER Working Paper nº 34851, 2026. (NBER)
BASTANI, Hamsa; BASTANI, Osbert; SUNGU, Alp; GE, Haosen; KABAKCI, Özge; MARIMAN, Rei. Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences – PNAS, v. 122, n. 26, 2025. (PNAS)
Prof. Dr. Helio Dias
Presidente do IVEPESP – Instituto para a Valorização da Educação e da Pesquisa do Estado de São Paulo