A escola ainda faz a pergunta errada sobre intelig�ncia artificial

Há poucos meses, o debate escolar brasileiro ainda parecia girar em torno de uma pergunta: como impedir que o aluno use inteligência artificial para colar? Em agosto de 2026, essa pergunta já envelheceu. As ferramentas deixaram de apenas redigir textos. Elas pesquisam, organizam fontes, produzem apresentações, programam e executam sequências inteiras de trabalho. O problema não é mais detectar uma resposta. É saber o que o estudante compreendeu, decidiu e consegue defender. A edição mais recente da pesquisa TIC Educação mostrou que sete em cada dez alunos do ensino médio já usavam IA em trabalhos escolares, mas só 32% diziam ter recebido orientação. Desde então, a capacidade das ferramentas aumentou e a distância entre uso e formação ficou ainda maior. O próprio referencial do MEC desaconselhou o uso de detectores automáticos como base para punições, e o Conselho Nacional de Educação avançou com diretrizes que preservam a supervisão humana e restringem aplicações de alto risco. A discussão normativa amadureceu. A prática escolar, porém, ainda está presa à lógica do flagrante. Há ainda uma tentação equivocada: escrever políticas em torno do nome da ferramenta da vez. Produtos mudam em semanas, enquanto currículos e regulamentos levam anos. A escola precisa definir princípios que sobrevivam à próxima atualização: transparência, verificação, proteção de dados, responsabilidade e evidência de aprendizagem. Ao acompanhar a formação de cerca de cinquenta professores em contextos institucionais diferentes, observei que a variável mais importante não era a marca da ferramenta, o orçamento ou a senioridade da equipe. Era a postura da instituição. Onde a IA foi tratada como competência a desenvolver, professores passaram a compartilhar experiências, revisar critérios e desenhar tarefas em que o aluno precisava mostrar processo, justificar escolhas e verificar resultados. Onde foi tratada apenas como transgressão, o uso não desapareceu. Tornou-se clandestino, menos discutido e mais difícil de orientar. A consequência prática é que a unidade mais produtiva de mudança não é uma palestra para a escola inteira. É a área disciplinar. Em matemática, usar IA bem exige explicitar hipóteses, testar exemplos e conferir se o resultado faz sentido. Em história, exige comparar fontes e identificar ausências. Em linguagens, justificar escolhas de estrutura, voz e revisão. Em ciências, distinguir explicação plausível de procedimento reproduzível. Uma política única de "permitido ou proibido" não consegue representar essas diferenças. Também precisamos redesenhar a evidência de aprendizagem. Histórico de versões, registros de fontes, etapas presenciais, defesa oral, comentários sobre erros e decisões tomadas durante o processo revelam mais do que um detector. Isso não significa transformar cada aluno em suspeito permanente. Significa avaliar aquilo que realmente interessa: compreensão, julgamento, autoria e capacidade de corrigir a própria resposta. A desigualdade educacional pode crescer justamente aqui. Escolas com mais recursos tendem a ensinar seus alunos a usar, contestar e auditar sistemas de IA. Redes que respondam apenas com bloqueio e vigilância correm o risco de formar estudantes que usam as mesmas ferramentas, mas sem linguagem para reconhecer limites, documentar decisões ou assumir responsabilidade. A pergunta certa já não é "o aluno usou IA?". É "o que este trabalho prova que ele sabe, que escolhas fez e que evidências consegue sustentar?". Mudar a pergunta é mais difícil do que comprar um detector ou publicar uma norma. Também é o único caminho capaz de preservar aprendizagem real quando a máquina já participa do trabalho. TENDÊNCIAS / DEBATES Os artigos publicados com assinatura não traduzem a opinião do jornal. Sua publicação obedece ao propósito de estimular o debate dos problemas brasileiros e mundiais e de refletir as diversas tendências do pensamento contemporâneo.