A Cúpula ASU GSV reuniu líderes educacionais, empresas de edtech e pesquisadores para discutir uma das questões mais urgentes do nosso tempo: como a IA está remodelando a aprendizagem, a matrícula e o futuro do trabalho? A seguir, os principais temas que emergiram.
1. IA na sala de aula: da experimentação à aplicação prática
O ensino superior enfrenta uma realidade demográfica: há mais universidades do que estudantes para ocupá-las. Esse “precipício de matrículas”, em formação há mais de uma década, está levando as instituições a repensarem como se comunicam com os futuros alunos. Hoje, as universidades precisam ser claras sobre os resultados que os estudantes podem alcançar e adaptar sua proposta de valor.
Além disso, há o fenômeno da IA na sala de aula. Nos últimos três a quatro anos, grande parte das discussões girou em torno de experimentação, provas de conceito e certa resistência de professores. Isso está mudando. Já é visível uma adoção mais ampla de ferramentas de IA em contextos reais, e o caso de uso mais comum é o tutor de IA: praticamente todo estudante tem acesso a um.
Mas essa acessibilidade tem dois lados. Os estudantes sempre buscaram formas de facilitar o aprendizado, e a IA leva isso um passo adiante — às vezes longe demais. A preocupação recorrente é o uso da IA para contornar o aprendizado real. O desafio é aproveitar seu potencial sem substituir o processo de aprender.
Também existe uma lacuna entre instituições. Para universidades regionais, a implementação é bem diferente da realidade das instituições de ponta. Muitas vezes, docentes orientam os alunos sobre como usar IA sem saber integrá-la adequadamente. A IA deve reduzir a dificuldade do aprendizado, não eliminá-la. O esforço continua sendo essencial: sem esforço, não há progresso.
O objetivo é encontrar um ponto de equilíbrio que leve cada estudante ao seu máximo potencial sem perdê-lo no caminho. Isso se conecta ao conceito de “esforço produtivo”, que defende que o esforço no aprendizado não é um problema, mas uma característica fundamental.
Esse conceito envolve:
- Esforço de recuperação (lembrar informações)
- Profundidade de processamento
- Aprendizado orientado por erros
- Generatividade (como a experiência transforma o cérebro)
A preocupação é que a IA esteja removendo justamente esses elementos.
Com IA, às vezes se obtêm respostas antes de merecê-las. Não existe uma única ferramenta capaz de medir completamente o aprendizado, e o papel humano muitas vezes é negligenciado. A questão do rigor em ambientes com IA ainda não está resolvida, mas surgem abordagens práticas, como pedir aos estudantes que expliquem seu raciocínio e usar IA para avaliar essa explicação.
2. A IA está transformando como os estudantes descobrem e escolhem universidades
A IA também está mudando como os futuros estudantes encontram e avaliam instituições. A fase de descoberta (entender o que é certo para si) e a fase de busca (onde estudar) estão cada vez mais separadas, e o processo de matrícula é cada vez mais liderado pelos próprios estudantes.
Ainda assim, há momentos críticos em que a interação humana é necessária. A oportunidade para as instituições está em construir jornadas guiadas por IA que levem os estudantes à informação correta e indiquem o momento certo para introduzir o contato humano.
Os estudantes não querem experiências abertas e sem direção; preferem caminhos guiados e clicáveis. A transição entre IA e humano continua sendo um desafio.
Os mecanismos de busca com IA funcionam de forma diferente dos tradicionais: dependem mais do conteúdo produzido pelas instituições. Por isso, ser descoberto por meio de conteúdo relevante e de qualidade é cada vez mais importante.
3. Aprendizagem imersiva: o caso do XR
Nesta era centrada na IA, habilidades humanas essenciais ganham destaque: resiliência, comunicação e adaptabilidade. Após anos de transformação (pandemia e avanço da IA), essas competências são mais importantes do que nunca.
Olhando para 2030–2031, espera-se que os empregadores valorizem:
- Pensamento crítico
- Comunicação clara
- Aprendizado contínuo
O foco está cada vez mais em habilidades socioemocionais: aprender a aprender, pensar criticamente e se comunicar bem. Estudos humanísticos e preparação profissional não são opostos, mas complementares.
Parte da discussão abordou a aprendizagem imersiva (AR, VR e realidade mista). Os dados apresentados foram relevantes:
- 22% mais retenção quando a informação está em narrativa
- 12% de melhora nos resultados com VR
- 20% mais engajamento
Em comparações controladas, a VR apresentou maior retenção, menos distrações e maior satisfação dos estudantes.
Ainda assim, os especialistas alertaram para não exagerar. A imersão não depende apenas da tecnologia; o problema ocorre quando o conteúdo parece um jogo, mas não é realmente envolvente.
O princípio fundamental: tecnologia com propósito.
Os melhores casos são aqueles em que a experiência real é difícil ou perigosa, como simulações ou treinamentos complexos.
4. IA na pesquisa: de restrição a facilitadora
Na pesquisa, a IA e a computação em nuvem (incluindo computação quântica) ampliaram significativamente o que é possível. O que antes era uma limitação tornou-se um facilitador.
Um modelo emergente é o de ecossistemas de IA que conectam pessoas de diferentes áreas, eliminando a complexidade técnica e promovendo colaboração.
Os elementos-chave incluem:
- Parcerias estratégicas
- Integração com áreas como RH e finanças
- Alfabetização em IA
As instituições estão desenvolvendo essas capacidades por meio de microcredenciais e projetos práticos.
Mais combustível para a IA
Os especialistas também destacaram riscos:
- Perseguir tecnologias “da moda” sem propósito claro
- Desafios na gestão da mudança
- Falta de foco em impacto real
A privacidade e o uso de dados também são questões críticas. É necessário estabelecer frameworks que considerem diferenças regulatórias e garantam o controle dos dados por estudantes e instituições.
Por fim, um alerta: o impacto da IA em cérebros em desenvolvimento ainda não está claro.
A tecnologia é uma ferramenta, e seu impacto depende de como é utilizada. A mensagem final foi clara: a IA deve aproximar as pessoas, pois é nas interações significativas que ocorre o verdadeiro aprendizado.
