A tarefa não é o aprendizado
Um sistema de IA pode produzir uma redação correta, resolver uma equação, explicar um evento histórico e adaptar um exemplo aos interesses de um estudante. Nenhum desses resultados prova que o estudante consegue raciocinar sem o sistema, detectar seu erro, aplicar a ideia em um novo contexto ou decidir qual pergunta vale a pena fazer. A educação após a IA transformadora começa por essa distinção.
A evidência de curto prazo já é motivo de cautela. O OECD Digital Education Outlook 2026 sintetiza estudos emergentes nos quais IA pedagogicamente desenhada apoiou o aprendizado, enquanto chatbots de uso geral às vezes melhoraram o desempenho imediato na tarefa sem ganhos duradouros. Em um experimento de campo citado, com matemática no ensino médio, estudantes que usaram uma interface padrão do GPT-4 tiveram desempenho 17% pior que o grupo de controle em um teste posterior sem assistência, enquanto um tutor com salvaguardas de aprendizagem evitou essa penalidade. Esse resultado diz respeito a uma tarefa e uma implementação; não é evidência de que todo chatbot reduz o aprendizado. O resultado assistido por ferramenta e a capacidade adquirida precisam ser medidos separadamente.
Isso se torna mais importante à medida que os sistemas melhoram. Quando uma resposta é barata, o trabalho educacional escasso é construir modelos do mundo, praticar julgamento, desenvolver motivação, aprender com outras pessoas e tornar-se capaz de checar um assistente poderoso em vez de apenas operá-lo.
A educação ainda tem pelo menos cinco funções
As escolas não são apenas sistemas de entrega de informação. Elas ajudam as crianças a adquirir habilidades fundamentais, a encontrar domínios que não escolheriam sozinhas, a aprender expectativas sociais, a formar relacionamentos e a receber credenciais reconhecidas por outras instituições. Também fornecem refeições, segurança, serviços para deficiência, aconselhamento, esportes, artes e cuidado infantil que permite que adultos trabalhem.
Um excelente tutor pode mudar a parte instrucional sem substituir a instituição. Uma política educacional pós-AGI que conte apenas explicações por dólar vai perder a maior parte do que famílias e comunidades precisam das escolas.
As cinco funções podem ser declaradas com clareza:
- Capacidade: construir conhecimento e habilidades que uma pessoa possa usar de forma independente.
- Julgamento: praticar a decisão sobre qual evidência confiar e quais valores devem guiar a ação.
- Desenvolvimento: apoiar o crescimento físico, emocional, social e moral.
- Pertencimento: dar aos jovens lugares reais em comunidades com obrigações para com os outros.
- Certificação: fornecer evidência crível de competência sem transformar a vigilância em currículo.
A IA pode auxiliar cada uma dessas funções. Não deveria ter permissão para redefini-las silenciosamente em torno do que o modelo consegue medir.
Tutoria personalizada: promessa real, limites específicos
A tutoria individual historicamente foi cara. A IA pode disponibilizar explicações, questões de prática, tradução, feedback e suporte de acessibilidade em escala extraordinária. Um estudante pode fazer a mesma pergunta de dez formas diferentes sem constrangimento. Um professor pode gerar vários exemplos e passar mais tempo diagnosticando por que um aprendiz está travado.
A promessa depende da implementação. A orientação da UNESCO para IA generativa na educação é uma orientação de política não vinculante que enfatiza agência humana, privacidade, adequação etária, inclusão e validação pedagógica. Um sistema fluente pode fabricar fatos, adaptar-se ao objetivo de aprendizagem errado, expor dados sensíveis de estudantes ou otimizar para uso contínuo em vez de independência eventual.
Um sistema de tutoria útil deveria se tornar progressivamente menos necessário. Ele pede que o aprendiz recupere o conhecimento antes de fornecê-lo, varia os problemas em vez de repetir um modelo, mostra incerteza, incentiva verificação externa e testa periodicamente o desempenho sem assistência. O sucesso não é o número de conversas agradáveis. É o que o aprendiz consegue fazer depois.
Os professores continuam essenciais porque o ensino é relacional e contextual. Um professor percebe frustração, mudanças familiares, dinâmicas entre colegas, evasão, talento incomum e um padrão de mal-entendido ao longo de semanas. Mesmo uma explicação tecnicamente superior pode falhar se ninguém ajudar uma criança a tolerar a dificuldade ou a acreditar que o esforço vai importar.
O conhecimento fundamental se torna mais importante, não menos
Às vezes se argumenta que os estudantes não precisam mais de fatos porque um modelo consegue recuperá-los. Isso confunde acesso com compreensão. O conhecimento de base permite que uma pessoa perceba uma resposta implausível, conecte ideias, formule uma consulta útil e mantenha contexto suficiente para raciocinar. Sem ele, a verificação se reduz a perguntar a outro modelo e escolher a resposta que soa melhor.
Alfabetização, numeramento, raciocínio científico, cívica, história, estatística, letramento midiático e computação básica continuam sendo infraestrutura protetora. A memorização não deveria dominar a educação, mas a prática de recuperação e o conhecimento interno fazem parte da construção de uma mente que consegue operar quando as ferramentas estão ausentes, manipuladas ou erradas.
O currículo também precisa de letramento sobre modelos: como dados de treinamento diferem de evidência, por que citações geradas falham, o que significa incerteza, como classificações automatizadas moldam a atenção e quando informações privadas nunca deveriam entrar em um sistema. Isso pertence às disciplinas já existentes, e não a uma aula descartável sobre uma única tecnologia.
A avaliação precisa se aproximar do desempenho
Redações e listas de exercícios rotineiras feitas em casa se tornam evidência fraca da capacidade individual quando um modelo consegue completá-las. Responder com vigilância universal ou detecção automatizada de cola criaria seus próprios danos e ainda assim produziria acusações falsas.
A avaliação pode, em vez disso, usar várias formas de evidência:
- redação e resolução de problemas supervisionadas;
- explicação oral e defesa de escolhas;
- portfólios que mostram revisões e processo;
- demonstrações práticas e projetos;
- trabalho colaborativo com reflexão individual;
- tarefas explicitamente assistidas por IA que exigem checar, comparar ou melhorar a produção do modelo;
- avaliação periódica de capacidades sem ferramentas, que precisam permanecer independentes.
Nenhum método isolado é perfeitamente autêntico ou equitativo. Um portfólio pode receber ajuda externa; exames orais podem prejudicar alguns estudantes; trabalhos cronometrados podem medir ansiedade. Um sistema misto é mais difícil de burlar e dá aos aprendizes mais de uma forma de demonstrar competência.
As credenciais também podem mudar. Empregadores e instituições poderiam depender mais de trabalho demonstrado, aprendizados práticos, exames licenciados e registros de competência continuamente atualizados. Isso pode abrir oportunidades, mas também pode se transformar em pontuação comportamental contínua. Os registros educacionais deveriam permanecer limitados ao propósito, corrigíveis e sob regras que impeçam que um perfil de modelo da infância siga uma pessoa indefinidamente.
Crescer exige encontros que não são otimizados
Um companheiro de IA pode ser infinitamente paciente, interessado e responsivo. Colegas humanos não são nada disso de forma consistente. As crianças aprendem negociação, reparação, empatia, limites, humor, liderança e tolerância à diferença por meio de relacionamentos que não conseguem controlar completamente.
Um sistema otimizado para reter atenção pode remover exatamente o atrito por meio do qual ocorre o desenvolvimento social. Pode elogiar uma criança quando um adulto responsável a desafiaria, ou imitar intimidade sem carregar necessidades recíprocas. Escolas e famílias deveriam preservar brincadeiras sem dispositivos, atividades em equipe, relacionamentos intergeracionais, tempo não estruturado e responsabilidade real por outras pessoas.
Isto não é um argumento para banir a IA da infância. Tradução, acessibilidade, ferramentas criativas, tutoria e suporte de comunicação podem ampliar a participação. O limite é que o relacionamento simulado não deveria substituir silenciosamente o apego humano, o cuidado profissional de saúde mental ou a difícil prática de conviver com colegas.
Prioridade normativa: professores precisam de poder de governança, não só treinamento
“Treinar professores para usar IA” é incompleto quando os professores não têm voz sobre licitação, uso de dados, medição de carga de trabalho ou se a saída de um sistema pode se sobrepor ao julgamento profissional. Educadores, estudantes, pais, especialistas em deficiência e responsáveis por privacidade deveriam participar antes da adoção.
Os contratos deveriam declarar quais dados de estudantes são coletados, se as conversas treinam modelos, por quanto tempo os registros permanecem, quais subcontratados os recebem, e como as escolas podem exportar ou apagar dados. Os sistemas deveriam ser avaliados em diferentes idiomas, necessidades de deficiência, faixas etárias e currículos locais. Uma escola precisa manter um caminho eficaz sem IA para estudantes que não podem usar o produto com segurança ou legalidade.
A IA deveria reduzir a carga administrativa em vez de gerar novos painéis que intensificam o monitoramento. O tempo economizado em redação rotineira deveria ir para feedback, planejamento e relacionamentos — e não justificar automaticamente turmas maiores ou menos equipe de apoio antes que os resultados de aprendizagem sejam conhecidos.
Acesso é mais do que um chatbot gratuito
A tutoria de baixo custo só pode ampliar oportunidades se os estudantes tiverem conectividade, dispositivos, suporte de idioma, lugares tranquilos para estudar e adultos que possam ajudar. Famílias mais ricas podem combinar os mesmos sistemas com tutores humanos, enriquecimento, redes seguras de colegas e credenciais reconhecidas. Fornecer software sem instituições complementares pode deixar a desigualdade intacta.
Bibliotecas públicas, escolas, faculdades comunitárias e organizações cívicas confiáveis podem oferecer acesso com proteção de privacidade e apoio humano. A avaliação pública pode testar produtos em relação a objetivos educacionais, e não ao engajamento. Materiais educacionais abertos podem reduzir a dependência de um único fornecedor e permitir que comunidades inspecionem o que é ensinado.
Internacionalmente, a cobertura de idiomas e o conhecimento local importam. Um sistema forte em inglês e nos currículos de países ricos não é um tutor universal. As comunidades precisam da capacidade de construir, traduzir, corrigir e governar recursos educacionais sem abrir mão dos dados dos estudantes ou da autoridade cultural.
O graduado pós-AGI
A educação não deveria tentar vencer as máquinas em toda tarefa. Deveria preparar as pessoas para continuarem autoras de seus objetivos, juízas competentes de evidência, participantes responsáveis em instituições, e amigos, familiares, vizinhos e cidadãos capazes.
Um graduado neste mundo deveria conseguir trabalhar com sistemas avançados e sem eles quando necessário; distinguir uma resposta de um argumento; reconhecer incerteza e manipulação; aprender um domínio difícil; cooperar com pessoas; proteger informação privada; e assumir responsabilidade por uma decisão que afeta outros.
Esses objetivos são mais antigos que a IA. A capacidade transformadora os torna mais urgentes porque terceirizar a cognição se torna fácil muito antes de alguém saber quais capacidades humanas serão difíceis de reconstruir.