Da “rendição cognitiva” ao Tutor de IA Pró-Aprendizagem: uma proposta para o Brasil
O Massachusetts Institute of Technology (MIT) publicou, em 13 de agosto de 2026, o relatório final de seu Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training, dedicado aos impactos da inteligência artificial sobre ensino, aprendizagem, avaliação e formação de pesquisadores.
O documento merece especial atenção no Brasil porque supera uma discussão que começa a se tornar limitada: devemos permitir ou proibir o uso da inteligência artificial pelos estudantes?
O MIT coloca uma questão muito mais importante:
Como deve funcionar a educação em uma sociedade na qual estudantes, professores e pesquisadores terão permanentemente à disposição sistemas capazes de escrever, programar, analisar dados e resolver problemas?
A resposta exige reconsiderar currículos, avaliações, formação docente, integridade acadêmica e até a própria relação entre professor, estudante e conhecimento.
Para o IVEPESP, essa discussão permite avançar mais um passo: o Brasil deveria começar a desenvolver e avaliar tutores de inteligência artificial especificamente projetados para promover aprendizagem, e não simplesmente produzir respostas.
Chamaremos essa proposta de Tutor de IA Pró-Aprendizagem.
1. O princípio do MIT: ampliar, não automatizar
Um dos princípios centrais apresentados pelo relatório pode ser resumido pela expressão:
“Augmentation, not automation” — ampliação, e não automação.
A IA deve ampliar a capacidade humana de aprender, investigar, criar e resolver problemas, e não simplesmente executar essas atividades no lugar do estudante.
O relatório chama atenção para um risco particularmente importante: a “cognitive surrender” — rendição cognitiva.
Ela ocorre quando, diante de uma dificuldade, o estudante transfere imediatamente a tarefa intelectual para a IA.
É possível, assim, chegar à resposta sem percorrer o caminho cognitivo necessário para compreendê-la.
Esse problema deve estar no centro das políticas educacionais de IA.
2. O desafio não é impedir que o estudante utilize IA
À medida que os sistemas de IA se tornam mais capazes e acessíveis, tentar construir uma política educacional exclusivamente baseada em proibição e fiscalização tende a se tornar insuficiente.
A questão mais produtiva passa a ser:
Como utilizar a IA para fazer o estudante pensar mais — e não menos?
Essa mudança parece simples, mas tem profundas consequências pedagógicas.
Um sistema convencional de IA recebe uma pergunta e procura fornecer a melhor resposta.
Um Tutor de IA Pró-Aprendizagem deveria ter outro objetivo:
fazer com que o próprio estudante desenvolva progressivamente a capacidade de chegar à resposta.
3. Como funcionaria um Tutor de IA Pró-Aprendizagem?
Imagine um estudante que pergunte:
“Qual é a solução deste problema de matemática?”
Um chatbot convencional poderá apresentar imediatamente a solução completa.
O Tutor Pró-Aprendizagem poderia responder de outra maneira:
“Antes de resolvermos, diga-me como você começaria.”
A partir da resposta, o sistema identificaria dificuldades e ofereceria progressivamente:
- pistas;
- perguntas intermediárias;
- explicações conceituais;
- problemas semelhantes;
- feedback sobre erros;
- novas tentativas;
- e, somente quando pedagogicamente apropriado, a solução completa.
A diferença é fundamental.
O objetivo deixa de ser maximizar a qualidade da resposta da IA e passa a ser maximizar a aprendizagem do estudante.
4. Um tutor que conheça o nível de aprendizagem
A inteligência artificial oferece ainda uma possibilidade importante: personalização.
Dois estudantes da mesma turma podem apresentar dificuldades completamente diferentes.
Um pode ter problemas com álgebra básica; outro compreender os cálculos, mas não interpretar adequadamente o enunciado; um terceiro pode dominar ambos, mas apresentar dificuldades para transferir o conhecimento para uma situação nova.
Um Tutor Pró-Aprendizagem poderia identificar essas diferenças e construir trajetórias distintas.
Isso permitiria aproximar a educação de um modelo historicamente difícil de oferecer em larga escala:
tutoria individualizada para milhões de estudantes.
A IA não substituiria o professor.
Poderia ampliar sua capacidade de acompanhar estudantes que hoje recebem atenção individual muito limitada.
5. Uma oportunidade particularmente importante para o Brasil
Essa possibilidade merece atenção especial em um país marcado por grandes desigualdades educacionais e por estudantes que frequentemente avançam de série carregando lacunas acumuladas de aprendizagem.
Um tutor poderia diagnosticar conhecimentos prévios e retroceder temporariamente quando necessário.
Se um estudante do Ensino Médio não consegue resolver determinado problema porque possui uma deficiência matemática originada anos antes, o sistema poderia identificar essa lacuna e trabalhar especificamente sobre ela.
Assim, a IA poderia funcionar também como mecanismo de recuperação contínua da aprendizagem.
Isso é especialmente relevante quando pensamos em estudantes em risco de reprovação ou abandono escolar.
A IA não resolverá, sozinha, problemas sociais, familiares e econômicos associados à evasão.
Mas poderá ajudar a identificar precocemente dificuldades acadêmicas e oferecer apoio individual antes que sucessivos fracassos contribuam para o afastamento do estudante.
6. O professor continua no centro
Um Tutor de IA Pró-Aprendizagem não deve significar uma educação sem professores.
Ao contrário.
O professor deveria receber informações agregadas sobre a aprendizagem de sua turma:
- quais conceitos apresentam maior dificuldade;
- quais estudantes precisam de atenção adicional;
- quais erros aparecem repetidamente;
- quais conteúdos precisam ser retomados;
- e quais alunos já estão preparados para desafios mais avançados.
A IA realizaria parte do acompanhamento individual.
O professor utilizaria essas informações para tomar decisões pedagógicas.
Teríamos, portanto:
Professor + IA + estudante, e não IA em substituição ao professor.
7. Precisamos medir aprendizagem, não utilização
Um dos erros que devemos evitar é avaliar o sucesso de uma política educacional de IA pelo número de acessos, perguntas realizadas ou usuários cadastrados.
Esses são indicadores de utilização.
Não necessariamente de aprendizagem.
Um projeto sério deveria responder:
Os estudantes que utilizaram o tutor aprenderam mais?
Mantiveram esse conhecimento depois de algumas semanas ou meses?
Conseguem resolver problemas semelhantes sem auxílio da IA?
Conseguem transferir o conhecimento para situações novas?
Desenvolveram maior autonomia?
Reduziram reprovação ou abandono?
Essas perguntas transformam a introdução da IA em educação em uma questão científica passível de avaliação.
8. Uma proposta: Projeto-Piloto Brasileiro de Tutor de IA Pró-Aprendizagem
O IVEPESP propõe que universidades, redes de ensino e órgãos de educação considerem a realização de um projeto experimental controlado.
O programa poderia começar de maneira relativamente simples.
Selecionar algumas escolas e disciplinas — inicialmente Matemática e Ciências, por exemplo — e comparar diferentes grupos de estudantes.
Um grupo receberia o ensino habitual.
Outro teria acesso a sistemas convencionais de IA.
Um terceiro utilizaria um Tutor de IA Pró-Aprendizagem, desenvolvido especificamente para evitar a entrega imediata das respostas e estimular raciocínio, recuperação ativa e autonomia.
A avaliação deveria acompanhar os estudantes durante um período suficientemente longo e utilizar instrumentos independentes do próprio tutor.
O objetivo seria verificar não qual tecnologia os estudantes preferem, mas:
qual abordagem produz maior aprendizagem real e duradoura.
9. O Brasil poderia produzir evidências, e não apenas importar tecnologias
Existe aqui uma oportunidade adicional.
Grande parte dos sistemas de inteligência artificial utilizados na educação brasileira será desenvolvida no exterior.
Isso não significa que o Brasil precise apenas consumir essas tecnologias.
Nossas universidades possuem pesquisadores de excelência em educação, psicologia cognitiva, ciência de dados, inteligência artificial e avaliação educacional.
CAPES, CNPq, FINEP, universidades, institutos de pesquisa, fundações estaduais de amparo à pesquisa e redes públicas de ensino poderiam cooperar na criação de uma agenda nacional de pesquisa sobre IA e aprendizagem.
O Brasil poderia transformar suas próprias escolas em ambientes responsáveis de experimentação educacional, respeitando ética, privacidade, segurança e proteção dos estudantes.
10. Da tecnologia para uma política pública baseada em evidências
Há uma diferença fundamental entre disponibilizar inteligência artificial para estudantes e construir uma política educacional de inteligência artificial.
A primeira é essencialmente tecnológica.
A segunda precisa ser pedagógica e científica.
Antes da adoção em larga escala, diferentes modelos devem ser testados e seus resultados comparados.
O Brasil poderia criar uma rede de projetos-piloto envolvendo escolas, universidades e centros de pesquisa.
Os resultados deveriam ser públicos e permitir responder a perguntas fundamentais:
Em quais idades a tutoria por IA funciona melhor?
Em quais disciplinas?
Para quais perfis de estudantes?
Que tipos de interação promovem maior aprendizagem?
Quando a IA ajuda e quando prejudica?
Como evitar dependência excessiva?
Como integrar os dados produzidos pelo tutor ao trabalho do professor?
11. A avaliação também terá de mudar
A existência permanente da IA torna cada vez mais difícil utilizar apenas trabalhos realizados fora da sala de aula como evidência de aprendizagem individual.
O relatório do MIT chama atenção para a necessidade de reconsiderar as formas de avaliação.
Provas presenciais, avaliações orais, apresentações, projetos acompanhados, resolução de problemas, portfólios e observação da evolução do estudante poderão adquirir importância renovada.
A pergunta fundamental deve deixar de ser:
“O aluno utilizou inteligência artificial?”
e passar a ser:
“O que esse aluno consegue compreender, explicar e fazer sem assistência — e o que consegue realizar quando utiliza IA de maneira responsável?”
Precisaremos avaliar as duas competências.
12. A universidade também precisa proteger a formação dos pesquisadores
O relatório do MIT apresenta uma preocupação que merece destaque especial.
Agentes de IA poderão assumir tarefas anteriormente realizadas por estudantes iniciantes em laboratórios e projetos de pesquisa.
Isso pode aumentar a produtividade científica.
Mas há um risco.
A universidade não existe apenas para produzir pesquisa. Ela também existe para formar pesquisadores.
Iniciação científica, mestrado e doutorado permitem que jovens aprendam fazendo: formulando hipóteses, cometendo erros, analisando resultados inesperados, discutindo com pesquisadores experientes e participando da vida intelectual de um laboratório.
Automatizar excessivamente essas etapas pode produzir mais resultados no presente e menos pesquisadores qualificados no futuro.
Esse alerta deve integrar qualquer política brasileira de IA para ciência e pós-graduação.
13. Uma agenda brasileira
A experiência do MIT sugere que o Brasil deveria estruturar uma agenda nacional baseada em quatro princípios:
IA para ampliar a inteligência humana, não substituí-la.
IA para personalizar a aprendizagem, não simplesmente produzir respostas.
IA para fortalecer professores, não eliminá-los.
IA educacional avaliada por evidências de aprendizagem, e não pelo número de usuários ou pela novidade tecnológica.
A partir desses princípios, poderia ser constituído um programa nacional de experimentação e pesquisa sobre tutores de IA.
Conclusão — a pergunta decisiva
A inteligência artificial coloca a educação diante de uma situação inédita.
Pela primeira vez, milhões de estudantes podem carregar permanentemente consigo uma ferramenta capaz de responder a praticamente qualquer pergunta acadêmica.
Podemos utilizar essa capacidade de duas maneiras.
Podemos construir sistemas cada vez melhores em responder pelos estudantes.
Ou podemos construir sistemas cada vez melhores em ensinar os estudantes a pensar e responder por si próprios.
O relatório do MIT aponta claramente para a segunda direção.
O Brasil deveria explorar essa possibilidade por meio de experimentação, pesquisa e avaliação rigorosa.
Um Tutor de IA Pró-Aprendizagem não deveria ser avaliado pela quantidade de respostas que fornece.
Seu sucesso deveria ser medido justamente pelo contrário:
quanto mais o estudante aprende, menos dependente do tutor ele deve se tornar.
Talvez esse seja um dos critérios mais importantes para a inteligência artificial educacional:
A melhor IA para a educação não é aquela que sabe responder tudo pelo aluno. É aquela que, progressivamente, ensina o aluno a precisar cada vez menos dela.
Referência principal
Massachusetts Institute of Technology (MIT). Report of MIT’s Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training. Final Report, 13 de agosto de 2026.
Relatório completo:
https://bpb-us-e1.wpmucdn.com/sites.mit.edu/dist/d/2418/files/2026/09/AI-Committee-Final-Report-Aug-13.pdf
Autores
Prof. Dr. Helio Dias
Presidente do IVEPESP
Instituto para a Valorização da Educação e da Pesquisa do Estado de São Paulo
Av. Paulista, nº 1636, Conjunto 4, 15º Pavimento
Cerqueira César – São Paulo/SP
CEP 01310-200
E-mail: [email protected]
Helio Henrique Villela Dias
Engenheiro de Computação • Cientista de Dados
IVEPESP / Lello Lab / UNIFESP