A resposta é sim, embora não pelas razões comumente presumidas. A IA em si não é perigosa; o verdadeiro problema é que as instituições de ensino estão usando essa tecnologia poderosa com sistemas obsoletos, como dados dispersos, ferramentas desconectadas e métodos de ensino projetados para uma época em que a informação era difícil de encontrar. Se esses pontos fundamentais não mudarem, a IA não vai consertar a educação. Em vez disso, piorará os problemas atuais. A questão mais urgente não é a tecnologia em si, mas a governança.
A adoção já aconteceu, mas a governança não
Os números mostram um padrão consistente em todas as regiões. De acordo com o estudo EDUCAUSE AI Landscape Study, 57% dos líderes universitários nos Estados Unidos já identificam a IA como uma prioridade estratégica. Isso representa um amplo apoio executivo. No entanto, o mesmo estudo revelou uma lacuna significativa na execução: menos da metade dessas instituições tinha uma política de IA formal e abrangente.
Os dados globais da UNESCO confirmam o padrão: apenas 19% das instituições de ensino superior têm uma política oficial de IA, outros 42% ainda estão elaborando uma e o restante não tem nenhuma.
A lacuna entre a rápida adoção da IA e a lentidão da governança é o principal desafio para o ensino superior. Esse problema não se limita às universidades; os governos também o enfrentam, mas em maior escala. Alguns evitam criar novos órgãos reguladores e preferem regras leves e específicas para cada setor. Outros, como a União Europeia, transformaram categorias de risco em lei. Na América Latina, um órgão de auditoria pública afirmou recentemente que as pessoas, e não os sistemas de IA, são sempre responsáveis pelos resultados gerados pela IA. Diferentes governos estão fazendo escolhas distintas, mas o problema central é o mesmo. O ensino superior não pode ignorá-lo.
Nossa principal preocupação não é o uso da IA pelos alunos, mas a falta de orientação institucional: a ausência de regras claras, estruturas éticas, proteção de dados ou padrões pedagógicos compartilhados. Cada professor aborda essas questões de forma independente e as instituições estão improvisando. A improvisação nessa escala gera consequências significativas, e uma instituição exige um esforço coletivo para mudar de rumo, já que o progresso é limitado se apenas alguns contribuírem.
Para avançar, a estratégia educacional precisa evoluir. Deve ser mais do que um documento; precisa refletir o compromisso de transformar a forma como as pessoas trabalham, aprendem e lideram juntas. Isso exige uma estratégia ancorada na experiência vivida pelas escolas e a criação de condições em que as pessoas não estejam apenas em conformidade, mas totalmente engajadas em uma mudança coordenada e significativa. Isso não é um mero detalhe; é a base para todas as ações subsequentes.
Três desafios que as instituições continuam enfrentando
Esses desafios não são novos; a IA simplesmente os tornou mais urgentes.
1. Os dados estão fragmentados
A IA só gera valor quando é alimentada com dados de alta qualidade, e na maioria das instituições, esses dados vivem em silos: histórico acadêmico em um sistema, pagamentos em outro, frequência em outro totalmente diferente e o histórico completo do aluno em lugar nenhum em particular.
No entanto, construir IA sobre uma arquitetura fragmentada não produz resultados; apenas amplia as falhas mais rapidamente, como sugere o relatório do Banco Mundial, Artificial Intelligence Revolution in Higher Education: What You Need to Know. Uma infraestrutura interconectada permite que as instituições implementem modelos preditivos que detectam alunos em risco mais cedo e apoiam esforços proativos de retenção. Sem ela, esses insights e intervenções permanecem fora de alcance.
Algumas instituições já mostram o que significa se organizar primeiro. Em vez de confiar em um único fornecedor ou modelo de IA, elas constroem plataformas capazes de executar múltiplos modelos juntos, cumprir as regras de proteção de dados e reter apenas dados de uso agregados, e não os detalhes de cada interação. Elas não começaram comprando um produto de IA; primeiro unificaram seus dados e depois adicionaram a IA por cima.
O primeiro passo não é adquirir uma ferramenta de IA, mas organizar os sistemas internos. Chamamos isso de Campus Conectado: uma visão unificada de cada aluno que possibilita avanços mais amplos.
2. A governança não existe
A maioria das instituições não tem uma postura ativa sobre o uso da IA, o que não significa que ninguém a esteja usando; significa que todos a estão usando de maneira diferente, sem critérios compartilhados, sem proteção e sem transparência.
O que acontece quando um professor insere dados de alunos em uma ferramenta gratuita de IA para corrigir provas? Na maioria dos casos, esses dados treinam um modelo externo, o que representa não apenas um risco ético, mas, em muitas jurisdições, uma violação dos direitos dos estudantes. Algumas diretrizes institucionais dizem isso claramente: ferramentas como o ChatGPT vêm “sem garantias de proteção de dados pessoais e institucionais”, e é exatamente por isso que faz sentido construir uma alternativa própria em vez de deixar cada professor atuar de forma independente com ferramentas públicas.
O que acontece quando um sistema de admissão ou de avaliação toma decisões sem supervisão humana? A Lei de IA da UE (EU AI Act) não deixa margem para ambiguidades: ela classifica os sistemas de IA usados para determinar o acesso ou admissão à educação, avaliar resultados de aprendizagem ou detectar comportamentos proibidos durante exames como de “alto risco”, o que exige auditorias obrigatórias, obrigações de transparência e validação humana (human-in-the-loop). Outras instituições chegaram, de forma independente e sem que nenhuma lei exigisse, à mesma linha vermelha: proibir o uso de IA generativa para decisões de alto impacto, contratação, avaliação de desempenho acadêmico ou resolução de reclamações sem antes consultar as equipes jurídicas e de tecnologia relevantes. Diferentes instituições chegando à mesma linha por conta própria é um sinal, não uma coincidência.
Uma estrutura prática que vem ganhando força é o modelo do semáforo: vermelho significa que a IA é proibida e qualquer uso é tratado como plágio; amarelo significa que é permitida com citação e envio dos prompts utilizados; verde significa que é obrigatória, pois a tarefa foi projetada especificamente para ser concluída com IA. Simples, visual e fácil de incorporar diretamente no LMS ao lado de cada atividade.
3. A pedagogia não foi redesenhada
Este é o problema mais profundo e o que mais nos preocupa. A IA agora é muito boa em três coisas que antes eram exclusivamente humanas: gerar ideias, estruturar conteúdos e expressá-los com clareza (os três primeiros passos da retórica clássica: inventio, dispositio, elocutio), como nos disse recentemente o reitor de uma universidade. Se a IA faz todas as três tarefas pelo aluno, o que resta para ensinar?
A solução não é proibir a IA. É mudar o que medimos. Se os exames avaliam apenas o produto final, a IA os torna inúteis com um único clique. Mas se os exames focarem no processo de pensamento, na capacidade de questionar, verificar e revisar o que um algoritmo cria, a IA não pode substituir isso, porque não pode copiar o pensamento humano real.
O relatório Digital Education Outlook da OCDE recomenda que as universidades ensinem os alunos a “questionar com critérios”, auditando os resultados gerados por algoritmos em vez de confiar neles por padrão. O Banco Mundial adiciona uma prática concreta: pedir aos alunos que enviem não apenas o trabalho final, mas também os prompts que utilizaram e uma reflexão sobre o processo. María Cristina Kanobel, pesquisadora em educação, dá um passo adiante e chama isso de “autoria aumentada”, definida como a cocriação reflexiva entre pessoas e sistemas de IA que exige monitoramento humano significativo, divulgação de cada intervenção algorítmica e valor intelectual adicionado demonstrável, e não apenas uma caixa declarando “a IA foi usada aqui”. (Observe como isso se combina naturalmente com o modelo do semáforo acima).
A Recomendação sobre a Ética da Inteligência Artificial da UNESCO, adotada por todos os 193 Estados-membros (o único instrumento de ética em IA com esse nível de consenso), afirma algo que vale a pena citar diretamente: os sistemas de IA usados na aprendizagem “devem estar sujeitos a requisitos rigorosos no que diz respeito ao monitoramento, avaliação de habilidades ou predição dos comportamentos dos alunos”, e a IA “deve apoiar o processo de aprendizagem sem diminuir as capacidades cognitivas”. Um estudo do MIT levantou uma possibilidade incômoda: quando a IA generativa assume uma parcela muito grande do trabalho cognitivo, a aprendizagem pode sofrer. Os participantes que dependiam fortemente do ChatGPT apresentaram níveis mais baixos de engajamento neural, retenção de memória e pensamento crítico, sugerindo que a ferramenta às vezes pode atalhar o processo de aprendizagem em vez de reforçá-lo.
Essa é a diferença entre usar a IA como um atalho e usá-la como um copiloto.
Os professores não estão sendo substituídos, estão sendo reposicionados
Ouve-se muito sobre o medo dos professores, e ele não é irracional. A tecnologia se move rápido o suficiente para que mal haja tempo de aprender o que existe hoje antes que algo novo o substitua. A paralisia, nesse contexto, é uma resposta compreensível. Isso também não é exclusivo do ensino; ocorre em todas as profissões que enfrentam o mesmo ritmo de mudança. Mas há coisas que só os humanos podem fazer: demonstrar empatia, tomar decisões éticas, conectar-se com os outros e entender o clima de um grupo. É exatamente disso que a educação precisa mais, e não menos.
O que está mudando é como os professores usam seu tempo. Transmitir informações não é mais a tarefa principal, já que a informação está em toda parte e é fácil de acessar. Agora, o foco está em ajudar os alunos a pensar, fazer perguntas e trabalhar juntos. Essas chamadas “habilidades comportamentais” (soft skills) são, na verdade, as mais difíceis de ensinar e as mais difíceis para a IA copiar e automatizar.
Os professores que usam ferramentas de IA economizam várias horas por semana em correção, planejamento e tarefas administrativas. Mas isso só leva a um ensino melhor se todo o sistema for redesenhado. Se um professor economiza tempo com a IA, mas ainda é avaliado apenas pelas notas dos exames, ele não pode usar esse tempo extra para trabalhos mais importantes. A mudança real exige que todo o sistema mude, e não apenas a tecnologia.
O que as instituições líderes têm em comum
As melhores iniciativas não são definidas pela tecnologia que usam; em vez disso, todas começaram fazendo as perguntas certas: Para que serve isso? Quem se beneficia? De quais dados realmente precisamos? Como protegemos os alunos? Como sabemos que está funcionando?
É por isso que cada solução de IA que usamos deve passar por um teste simples: precisa ser segura, baseada em evidências, inclusiva, fácil de usar e compatível com outros sistemas.
A decisão que cada instituição deve tomar
O Observatório de IA na Educação da UNESCO resumiu perfeitamente: “A questão não é se a IA chegará às escolas. Ela já chegou. A questão é se os sistemas educacionais têm as condições para tornar essa presença benéfica”. No entanto, essas condições precisam ser criadas, pois não surgem por conta própria.
As instituições que definirem regras claras, conectarem seus dados, redesenharem suas avaliações e colocarem os professores no centro (não apenas como usuários de tecnologia, mas como líderes no pensamento crítico) não apenas sobreviverão a essas mudanças; elas moldarão o futuro.
A IA é como uma Ferrari: se for bem usada, pode impulsionar enormemente o que podemos fazer. Se for usada de forma imprudente, pode causar o mesmo nível de dano. Já vimos isso acontecer com as redes sociais. Desta vez, temos a chance de construir uma história melhor.
Javier Scher é SVP de Tecnologia e Head do Education AI Studio na Globant. Mayra Botta é Learning Manager no mesmo AI Studio, onde se concentra na interseção entre pedagogia e tecnologias emergentes.
