Se a IA já sabe responder, o que ainda precisamos ensinar?
Autor: Fabrício Mendes Damasceno
Imagem de capa: elaborada pelo autor com ChatGPT 5.6
A Inteligência Artificial (IA) está mudando a relação entre estudantes, professores e conhecimento. Talvez o maior desafio da Educação não seja ensinar a usar IA, mas estimular a reflexão em um mundo no qual as respostas ficaram mais acessíveis.
Imagine uma atividade escolar bastante comum. O professor apresenta uma atividade. Os estudantes precisam pesquisar, organizar algumas informações, elaborar uma resposta e entregar na semana seguinte.
Agora imagine que, em vez de começar pelo livro, pela biblioteca ou pelo mecanismo de busca, o estudante abra uma ferramenta de Inteligência Artificial Generativa e escreva: “Resolva este problema, explique o raciocínio e produza um texto de aproximadamente mil palavras.”. Poucos segundos depois, a atividade está pronta. Ela pode estar correta. Pode estar errada. Pode até conter informações que nunca existiram, porém, à primeira vista, parece convincente.
Então surge uma pergunta que talvez seja muito mais relevante do que a discussão acerca de permitir ou proibir a ferramenta: O estudante aprendeu? Esta pergunta não é apenas a respeito da Inteligência Artificial. Ela está relacionada à Educação.
Quando conseguir a resposta deixa de ser o suficiente
Durante muito tempo, um dos grandes desafios da Educação foi o acesso ao conhecimento. Encontrar uma informação exigia procurar em livros, consultar professores, visitar bibliotecas e realizar pesquisas demoradas. A escola precisava ensinar conteúdos porque o acesso a eles era limitado.
Hoje temos acesso a uma quantidade de informação que seria inimaginável para gerações anteriores. E, com a Inteligência Artificial Generativa, não temos apenas mecanismos para encontrar informações, temos sistemas capazes de produzir respostas, resumir documentos, explicar conceitos, traduzir idiomas, criar imagens e gerar programas de computador, por exemplo.
Isto muda a natureza do problema. Quando obter uma resposta exige esforço, o processo de obtê-la pode produzir aprendizagem. Quando obter uma resposta leva poucos segundos, a aprendizagem deixa de ser garantida. A resposta pode chegar antes da compreensão. A UNESCO reconhece que a Inteligência Artificial Generativa está obrigando sistemas educacionais a reconsiderar questões fundamentais acerca do que, como e por que aprendemos. Ao mesmo tempo, recomenda que seu uso seja orientado por uma abordagem centrada no ser humano, com atenção à privacidade, à equidade, à segurança e à agência humana (Miao; Holmes, 2023). Este talvez seja um dos grandes desafios educacionais da nossa época.
A IA não é uma máquina de verdades
Uma Inteligência Artificial Generativa pode produzir respostas que parecem muito boas mesmo quando estão erradas. Uma resposta bem escrita pode ser falsa. Uma explicação convincente pode conter um erro. Um programa que funciona em um exemplo pode falhar em uma situação diferente.
Isto não é apenas uma possibilidade teórica. Pesquisas relacionadas a grandes modelos de linguagem demonstram que estes sistemas podem produzir informações falsas ou não fundamentadas, fenômeno frequentemente denominado de alucinação (FARQUHAR et al., 2024). Por isto, utilizar IA exige uma competência que talvez seja mais importante do que saber escrever um bom prompt, a de saber avaliar aquilo que a máquina produziu. Este desafio é notadamente relevante na Educação.
Uma revisão sistemática de pesquisas empíricas a respeito da Inteligência Artificial Generativa na Educação identificou tanto possibilidades de apoio à aprendizagem e ao ensino quanto preocupações relacionadas à qualidade das respostas, às competências dos usuários, às questões éticas e à necessidade de repensar processos de avaliação (ZHANG et al., 2024). Em outras palavras, aprender a respeito da IA não significa apenas aprender a utilizar ferramentas de IA. Significa também aprender a questioná-las.
Precisamos ensinar a desconfiar?
Existe uma característica fundamental para qualquer pessoa que utilize uma Inteligência Artificial Generativa, que é desconfiar de uma resposta que pareça boa demais para ser questionada. Esta atitude não significa rejeitar a tecnologia. Significa compreender que uma ferramenta pode ser extremamente útil e, ao mesmo tempo, produzir resultados inadequados.
É aqui que o pensamento científico pode oferecer uma contribuição poderosa. A Ciência não funciona simplesmente porque alguém apresenta uma resposta convincente. Uma afirmação científica precisa ser confrontada com evidências. Uma hipótese deve ser testada. Um resultado tem que ser analisado. Um erro precisa ser reconhecido. E uma explicação deve sobreviver à tentativa de refutá-la. Por que não levar este modus operandi para a relação dos estudantes com a IA?
Em vez de apenas perguntar “Qual é a resposta?” podemos ensinar a perguntar “Como sabemos que esta resposta está correta?”. Em vez de “A IA resolveu o problema?” podemos perguntar “Como podemos testar a solução?”. Em vez de “O texto está bem escrito?” podemos perguntar “As afirmações apresentadas podem ser verificadas?”. A mudança parece pequena, porém para o processo de ensino e aprendizagem, ela é enorme.
De usuários a investigadores
Considere duas situações. Na primeira, um estudante pede a uma IA: “Explique por que as abelhas são importantes para os ecossistemas.”. A ferramenta produz uma resposta de vários parágrafos. O estudante copia e entrega. Na segunda, o professor propõe uma investigação: “Peça a duas ferramentas de IA que expliquem a importância das abelhas. Compare as respostas, identifique afirmações diferentes e procure evidências em fontes confiáveis. Depois, explique qual resposta considera mais adequada.”.
Na primeira atividade, a IA pode substituir boa parte do trabalho intelectual. Na segunda, ela se transforma em instrumento de investigação. O estudante precisa comparar, elaborar perguntas, localizar evidências, identificar inconsistências, avaliar fontes e justificar uma conclusão. A IA continua presente, contudo o papel do estudante mudou, pois ele deixou de ser um mero consumidor de uma resposta e passou a ser o investigador desta resposta. Esta diferença pode ser uma das chaves para repensar a Educação na era da IA.
Uma revisão recente de estudos acerca da IA Generativa e do pensamento crítico reforça esta distinção. Os resultados indicam que a tecnologia pode favorecer o raciocínio reflexivo, a autorregulação e a avaliação de argumentos quando seu uso é acompanhado de estratégias pedagógicas estruturadas. Por outro lado, o uso não orientado pode favorecer a dependência, a aceitação acrítica das respostas e a redução da autonomia intelectual (Balart; Díaz; Shryock, 2026). Portanto, talvez o cerne não seja simplesmente usar ou não usar a IA, mas como usá-la.
A mudança no papel do professor
É comum ouvir que a IA poderá substituir professores. Esta afirmação parece partir de uma visão bastante limitada do que significa ensinar. Se ensinar fosse apenas fornecer informações, talvez uma máquina pudesse desempenhar uma parte considerável desta função, entretanto a Educação envolve muito mais. O professor ajuda o estudante a perceber que uma pergunta está mal elaborada, assim como a reconhecer uma contradição. Apresenta diferentes perspectivas, escolhe exemplos, observa dificuldades que não aparecem em uma resposta escrita, estimula a curiosidade e cria situações nas quais o estudante precisa refletir.
A UNESCO publicou, em 2024, um referencial específico de competências em IA para professores. O documento organiza 15 competências em cinco dimensões: i) Mentalidade Centrada no Ser Humano; ii) Ética da IA; iii) Fundamentos e Aplicações da IA; iv) Pedagogia da IA; e v) IA para Desenvolvimento Profissional (Miao; Cukurova, 2024). A mensagem é significativa, pois a questão não é apenas ensinar professores a operar ferramentas, mas ajudá-los a compreender quando, por que e como a IA pode contribuir para a aprendizagem. O professor, neste cenário, não desaparece. Ao contrário, seu papel pode se tornar ainda mais relevante.
A avaliação diante de um problema
Se uma IA consegue produzir uma redação, resolver um exercício, ou escrever um programa, algumas formas tradicionais de avaliação começam a perder parte de sua intencionalidade no processo de aprendizagem. Isto não ocorre necessariamente porque ficaram “ruins”, mas porque passaram a representar algo diferente.
Isto não significa abandonar provas, exercícios ou trabalhos escritos. Significa perguntar “O que exatamente estamos tentando avaliar?”. Se queremos avaliar compreensão, podemos pedir que o estudante explique uma decisão. Se queremos avaliar raciocínio, podemos apresentar uma solução incorreta e pedir que ele identifique o erro. Se queremos avaliar capacidade de investigação, podemos exigir que as afirmações sejam acompanhadas de evidências. Se queremos avaliar Programação, podemos pedir que o estudante analise, teste e corrija um código produzido por uma IA. Com isto, a avaliação deixa de se concentrar exclusivamente no produto final e passa a observar também o processo intelectual que levou até ele.
Este movimento é coerente com as discussões internacionais acerca da IA e da Educação. O referencial da UNESCO para estudantes, por exemplo, propõe 12 competências distribuídas entre quatro dimensões, tais como a mentalidade centrada no ser humano; a ética da IA; as técnicas e aplicações da IA e projeto de sistemas de IA; organizadas em três níveis de progressão, que são compreender, aplicar e criar (Miao; Shiohira; Lao, 2024). Não se trata, portanto, apenas de formar usuários de ferramentas. Trata-se de formar pessoas capazes de compreender, avaliar e criar com IA.
O paradoxo da IA
Há um paradoxo nesta situação. Quanto melhor a IA fica em produzir respostas, menos sentido faz competir com ela na produção mecânica de respostas. Se uma máquina consegue resumir um texto em segundos, será relevante ensinar a avaliá-lo criticamente. Se consegue escrever um programa, será preponderante ensinar a compreender o problema que o programa deveria resolver. Se consegue produzir um texto, será determinante ensinar a construir e defender uma ideia. Em outras palavras, quanto mais barata fica a resposta, mais valioso se torna saber fazer a pergunta correta.
A IA pode ser parte do problema (ou da solução)
Seria um erro, entretanto, concluir que a IA seja necessariamente prejudicial à aprendizagem. A evidência disponível é mais complexa. Estudos e revisões recentes apontam possibilidades de uso da IA para fornecer feedback, apoiar processos de autorregulação, estimular reflexão e criar novas formas de interação com conteúdos educacionais. Ao mesmo tempo, os mesmos estudos alertam para riscos relacionados à dependência, à qualidade das respostas e ao uso superficial da tecnologia (Zhang et al., 2024; Balart; Díaz; Shryock, 2026).
Isto significa que a tecnologia, por si só, não determina o resultado educacional. A atividade pedagógica é decisiva. Uma IA pode ser usada para produzir uma resposta pronta, tal qual para produzir uma resposta deliberadamente incompleta, que o estudante deverá investigar. A mesma tecnologia pode, portanto, estimular passividade ou investigação. A diferença está no desenho da experiência da aprendizagem.
Ensinar menos respostas e mais investigação
A IA nos colocou diante de uma oportunidade. Ela pode nos obrigar a repensar atividades que existem há décadas e, desta forma, nos fazer questionar avaliações baseadas exclusivamente em respostas prontas, estimular atividades mais investigativas, assim como permitir que estudantes comparem hipóteses, testem soluções, analisem erros e explorem diferentes caminhos para um mesmo problema.
Apenas colocar uma ferramenta de IA na sala de aula não transforma uma aula em uma rica experiência de aprendizagem. A UNESCO recomenda que a utilização da IA na Educação seja avaliada de acordo com critérios pedagógicos, éticos e de proteção dos direitos humanos, em vez de simplesmente acompanhar a velocidade de adoção das novas ferramentas (Mia; Holmes, 2023). Por este motivo, talvez a pergunta mais importante não seja “Como podemos usar IA na Educação?” e sim “Que tipo de Educação queremos construir agora que a IA pode produzir tantas respostas?”. A resposta para esta pergunta ainda está em construção.
Há uma possibilidade promissora neste processo, a de formar estudantes que, igualmente, sejam capazes de utilizar ferramentas inteligentes e de investigar o que estas ferramentas dizem. Este talvez seja um dos conhecimentos preeminentes em uma época na qual as máquinas aprenderam a responder, pois a Educação não deve ter como objetivo formar pessoas que possuem todas as respostas.
Referências
BALART, Trini; DÍAZ, Brayan; SHRYOCK, Kristi. A systematic literature review on the pedagogical implications and impact of GenAI on students’ critical thinking. Algorithms, v. 19, n. 3, 179, 2026. DOI: https://doi.org/10.3390/a19030179.
FARQUHAR, Sebastian et al. Detecting hallucinations in large language models using semantic entropy. Nature, v. 630, p. 625-630, 2024. DOI: https://doi.org/10.1038/s41586-024-07421-0.
MIAO, Fengchun; CUKUROVA, Mutlu. AI competency framework for teachers. Paris: UNESCO, 2024. DOI: https://doi.org/10.54675/ZJTE2084
MIAO, Fengchun; HOLMES, Wayne. Guidance for generative AI in education and research. Paris: UNESCO, 2023. DOI: https://doi.org/10.54675/EWZM9535
MIAO, Fengchun; SHIOHIRA, Kelly; LAO, Natalie. AI competency framework for students. Paris: UNESCO, 2024. DOI: https://doi.org/10.54675/JKJB9835
ZHANG, Xin et al. A systematic literature review of empirical research on applying generative artificial intelligence in education. Frontiers of Digital Education, v. 1, n. 3, p. 223-245, 2024. DOI: https://doi.org/10.1007/s44366-024-0028-5.
Sobre o autor
Fabricio Mendes Damasceno é formador de professores; professor de Tecnologias Digitais e tem interesse em Computação Quântica, Inteligência Artificial e Comportamento Humano e Aprendizagem.
