IA nas escolas brasileiras: novas regras colocam limites no uso da inteligência artificial por alunos e professores

A discussão sobre inteligência artificial nas escolas brasileiras está mudando de fase.

Durante os primeiros anos da popularização da IA generativa, grande parte do debate educacional girava em torno de uma pergunta relativamente simples:

O aluno pode usar inteligência artificial para fazer um trabalho?

Essa pergunta continua importante.

Mas ela já não é suficiente.

Em 2 de setembro de 2026, o debate brasileiro passa a envolver questões muito mais amplas:

  • crianças devem utilizar IA sem supervisão?
  • uma IA pode corrigir uma prova?
  • escolas podem enviar dados de alunos para modelos generativos?
  • sistemas automatizados podem avaliar comportamento?
  • professores precisam informar quando utilizaram IA?
  • como identificar uma atividade produzida pelo aluno e uma produzida pela máquina?
  • qual deve ser o papel da IA no processo de aprendizagem?

O Conselho Nacional de Educação (CNE) avançou na criação de diretrizes nacionais para o uso de inteligência artificial no ensino brasileiro, estabelecendo uma lógica baseada em supervisão humana, proteção de crianças e adolescentes, transparência e classificação de riscos.

Uma das mudanças mais relevantes está na educação infantil e nos primeiros anos do ensino fundamental.

A tendência regulatória é clara:

Quanto menor a idade do estudante e quanto maior o impacto da decisão, maior deve ser a supervisão humana.

Essa lógica pode parecer restrita às escolas.

Não é.

Ela antecipa um debate que empresas também enfrentarão nos próximos anos.

A pergunta fundamental será a mesma:

Quais decisões podemos delegar à inteligência artificial — e quais precisam continuar sob responsabilidade humana?

O Brasil começa a sair da fase do "pode ou não pode usar ChatGPT?"

Quando ferramentas de IA generativa se popularizaram, escolas enfrentaram um problema imediato.

Um professor solicitava uma redação.

O estudante digitava algumas instruções em uma inteligência artificial.

Segundos depois, recebia um texto completo.

Isso produziu uma reação compreensível.

Algumas instituições tentaram proibir.

Outras ignoraram.

Outras começaram a experimentar.

Mas a discussão evoluiu.

Hoje, inteligência artificial pode participar de praticamente todas as etapas do processo educacional.

Planejamento da aula
        ↓
Criação de material
        ↓
Explicação personalizada
        ↓
Exercícios
        ↓
Correção
        ↓
Avaliação
        ↓
Análise de desempenho
        ↓
Recomendação pedagógica

Isso significa que não estamos mais falando apenas de uma ferramenta utilizada pelo aluno.

Estamos falando de uma possível infraestrutura educacional baseada em IA.

A primeira grande diferença: usar IA e delegar decisões à IA não são a mesma coisa

Essa distinção é fundamental.

Imagine dois cenários.

Cenário A

Um professor utiliza inteligência artificial para gerar dez ideias de exercícios sobre Revolução Francesa.

Ele analisa as sugestões.

Seleciona cinco.

Corrige erros.

Adapta para sua turma.

Publica a atividade.

Nesse caso:

IA
↓
Sugestão
↓
Professor
↓
Análise
↓
Decisão

Agora considere outro cenário.

Cenário B

Uma inteligência artificial analisa automaticamente as respostas de um aluno e decide que ele possui baixo desempenho.

Com base nisso, o sistema reduz sua nota ou produz uma recomendação acadêmica.

Agora temos:

Aluno
↓
Dados
↓
IA
↓
Avaliação
↓
Consequência

Os dois casos utilizam inteligência artificial.

Mas o risco é completamente diferente.

A lógica de risco começa a entrar na educação

Esse é um movimento importante.

Em vez de simplesmente perguntar:

"Existe IA nesse processo?"

a pergunta passa a ser:

"Qual é o impacto da IA nesse processo?"

Uma ferramenta utilizada para criar sugestões de atividades possui um nível de risco.

Um sistema utilizado para decidir a nota de uma criança possui outro.

Uma possível matriz de risco poderia ser:

Uso da IA Risco potencial Supervisão
Criar ideias de exercícios Baixo Professor revisa
Resumir conteúdo Baixo Revisão recomendada
Personalizar atividades Médio Supervisão docente
Corrigir questões objetivas Médio Auditoria
Corrigir respostas subjetivas Alto Revisão humana
Avaliar comportamento Alto Forte controle
Aplicar sanções Muito alto Decisão humana
Analisar dados biométricos Muito alto Controle rigoroso

Essa lógica aproxima educação de discussões que já existem em governança de inteligência artificial.

Crianças exigem uma camada adicional de proteção

Existe uma diferença importante entre implantar inteligência artificial em uma empresa e disponibilizá-la para uma criança.

Adultos também podem não compreender completamente como um modelo funciona.

Mas crianças estão em processo de formação.

Isso envolve:

  • desenvolvimento cognitivo;
  • formação de pensamento crítico;
  • construção de autonomia;
  • desenvolvimento da escrita;
  • capacidade de argumentação;
  • interpretação de fontes;
  • formação social.

Por isso, simplesmente entregar uma inteligência artificial para uma criança e dizer:

"Use para aprender."

pode ser pedagogicamente insuficiente.

O risco da terceirização cognitiva

Existe um conceito importante para compreender esse problema.

Podemos chamá-lo de terceirização cognitiva.

Considere uma atividade.

O professor pergunta:

Explique por que ocorreu a Revolução Francesa.

O objetivo pedagógico não é simplesmente obter uma resposta correta.

O estudante precisa:

  1. ler;
  2. interpretar;
  3. organizar informações;
  4. estabelecer relações;
  5. formular uma explicação;
  6. escrever.

Agora imagine:

Pergunta
↓
Copiar
↓
Colar na IA
↓
Resposta
↓
Copiar
↓
Entregar

O resultado final pode estar correto.

Mas o processo cognitivo desapareceu.

Esse é o ponto central.

Na educação, o produto final não é o único objetivo. O processo de chegar até ele também faz parte da aprendizagem.

Uma calculadora oferece uma comparação interessante

Essa discussão não é completamente nova.

Quando calculadoras começaram a entrar nas escolas, surgiu uma preocupação semelhante.

Se a calculadora consegue resolver:

728 × 47

por que o aluno precisa aprender multiplicação?

A resposta está no objetivo pedagógico.

Em determinado momento, o aluno precisa compreender o processo.

Depois, a ferramenta pode aumentar sua produtividade.

Podemos pensar na IA de maneira semelhante.

ANTES DA COMPETÊNCIA

IA substitui esforço
↓
Pode prejudicar aprendizagem


DEPOIS DA COMPETÊNCIA

IA amplia capacidade
↓
Pode aumentar produtividade

A dificuldade está em descobrir quando ocorre essa transição.

O aluno precisa aprender a escrever antes de delegar a escrita?

Essa pergunta será central nos próximos anos.

Imagine uma criança aprendendo redação.

Ela precisa desenvolver:

  • vocabulário;
  • estrutura;
  • argumentação;
  • coesão;
  • criatividade;
  • capacidade de revisão.

Se a inteligência artificial produzir o texto desde o início, parte desse desenvolvimento pode ser prejudicada.

Mas, para um estudante mais avançado, a mesma IA pode funcionar como:

  • revisora;
  • debatedora;
  • tutora;
  • geradora de contrapontos;
  • ferramenta de pesquisa;
  • assistente de estruturação.

Portanto, o problema talvez não seja:

usar ou não usar IA.

Mas:

em qual etapa do desenvolvimento utilizá-la e para qual finalidade.

O professor não pode desaparecer do processo

Uma das ideias centrais das novas discussões regulatórias é a preservação da responsabilidade humana.

Isso é particularmente importante na educação.

Uma IA pode identificar padrões.

Mas o professor conhece elementos que talvez não estejam presentes nos dados.

Imagine um aluno cuja produtividade caiu durante duas semanas.

O sistema vê:

Notas menores
+
menos atividades
+
mais erros
=
queda de desempenho

O professor talvez saiba:

Os pais do aluno estão se divorciando e ele está passando por um período emocionalmente difícil.

Essa informação muda completamente a interpretação.

A inteligência artificial trabalha com os dados disponíveis.

O professor trabalha também com contexto humano.

IA não deveria transformar educação em uma fábrica de métricas

Existe um risco adicional.

Quanto mais sistemas digitais entram na educação, mais dados podem ser coletados.

Por exemplo:

Tempo de leitura
Número de erros
Velocidade de resposta
Horário de acesso
Quantidade de tentativas
Participação
Notas
Frequência
Comportamento

Com inteligência artificial, todos esses dados podem ser correlacionados.

Isso pode produzir ferramentas extremamente úteis.

Mas também pode criar uma visão excessivamente quantitativa do estudante.

Uma criança não é apenas:

Aluno #29481
Performance: 71%
Engajamento: 63%
Risco acadêmico: 42%

Educação possui dimensões que são difíceis de transformar em números.

Dados educacionais são extremamente sensíveis

Esse ponto interessa diretamente à segurança digital.

Imagine uma plataforma educacional contendo:

  • nome;
  • idade;
  • endereço;
  • notas;
  • dificuldades de aprendizagem;
  • histórico escolar;
  • comportamento;
  • informações familiares;
  • eventualmente dados biométricos.

Agora imagine esses dados sendo enviados para diferentes sistemas de inteligência artificial.

A arquitetura pode se tornar:

ESCOLA
  ↓
Plataforma educacional
  ↓
API
  ↓
Modelo de IA
  ↓
Outro fornecedor
  ↓
Cloud

Cada nova conexão amplia a superfície de governança.

A LGPD continua valendo quando existe inteligência artificial

Existe um erro comum em projetos de IA.

Empresas e instituições às vezes tratam inteligência artificial como se fosse uma categoria completamente separada da legislação existente.

Não é.

Se um sistema processa dados pessoais, a Lei Geral de Proteção de Dados (LGPD) continua relevante.

No ambiente educacional, a questão ganha ainda mais peso porque frequentemente estamos falando de dados de crianças e adolescentes.

Isso significa que escolas precisam perguntar:

  • quais dados estão sendo coletados?
  • por que estão sendo coletados?
  • onde estão armazenados?
  • quem possui acesso?
  • quais fornecedores recebem esses dados?
  • durante quanto tempo serão armazenados?
  • os dados são realmente necessários?

O problema do "copiar e colar" dados na IA

Imagine um professor utilizando uma ferramenta pública de inteligência artificial.

Ele quer ajuda para analisar o desempenho da turma.

Então copia:

João da Silva — nota 4,2
Maria Santos — nota 8,7
Pedro Souza — nota 5,1
Ana Oliveira — nota 9,3

e envia para o sistema.

Pode parecer algo inocente.

Mas existe uma pergunta fundamental:

Essa ferramenta estava autorizada a receber esses dados pessoais?

É aqui que governança entra na rotina.

O problema de segurança nem sempre é um hacker sofisticado.

Às vezes é simplesmente um funcionário utilizando uma ferramenta útil da maneira errada.

Shadow AI também existe nas escolas

Empresas já enfrentam um fenômeno conhecido como Shadow AI.

Ele ocorre quando funcionários utilizam ferramentas de inteligência artificial sem aprovação ou conhecimento formal da organização.

Por exemplo:

Empresa aprova IA A

Funcionário utiliza IA B
Funcionário utiliza IA C
Funcionário instala extensão D
Funcionário conecta agente E

Nas escolas, algo semelhante pode acontecer.

Professores e funcionários podem utilizar:

  • chatbots;
  • geradores de apresentação;
  • corretores automáticos;
  • geradores de imagens;
  • transcritores;
  • extensões de navegador;
  • plataformas de atividades.

Cada ferramenta pode receber dados.

Por isso, simplesmente dizer:

"Nossa escola utiliza inteligência artificial."

não é suficiente.

A instituição precisa saber quais inteligências artificiais estão sendo utilizadas.

A escola precisará de uma política de IA

Nos próximos anos, políticas institucionais de inteligência artificial devem se tornar tão comuns quanto políticas de:

  • segurança;
  • privacidade;
  • uso de internet;
  • dispositivos;
  • avaliação.

Uma política básica poderia responder:

Quais ferramentas são permitidas?
        ↓
Quais dados podem ser enviados?
        ↓
Quais atividades podem usar IA?
        ↓
Quando o aluno precisa informar o uso?
        ↓
Quando o professor precisa revisar?
        ↓
Quais decisões não podem ser automatizadas?
        ↓
Como incidentes serão reportados?

Isso transforma IA de uma experiência informal em um processo governado.

Proibir completamente provavelmente não será suficiente

Existe uma tentação compreensível:

"Vamos simplesmente proibir inteligência artificial."

Mas isso cria dificuldades práticas.

Primeiro, porque a tecnologia está sendo incorporada a ferramentas que estudantes já utilizam.

Segundo, porque alunos precisarão aprender a trabalhar com IA no mercado profissional.

Terceiro, porque proibição não significa necessariamente ausência de uso.

Pode significar apenas uso escondido.

O cenário se torna:

PROIBIÇÃO
↓
Aluno continua usando
↓
Uso escondido
↓
Professor não consegue orientar
↓
Menos educação sobre riscos

Por isso, educação digital pode ser mais eficiente do que proibição absoluta.

O objetivo precisa ser alfabetização em IA

Durante décadas, alfabetização significava principalmente aprender:

  • ler;
  • escrever;
  • interpretar.

Depois adicionamos alfabetização digital.

Agora surge uma nova competência:

alfabetização em inteligência artificial.

Isso significa compreender pelo menos conceitos básicos como:

  • modelos podem errar;
  • respostas podem ser inventadas;
  • IA não "sabe" no mesmo sentido humano;
  • prompts influenciam respostas;
  • dados enviados podem possuir implicações de privacidade;
  • resultados precisam ser verificados;
  • conteúdo gerado precisa ser utilizado eticamente.

Saber perguntar não é suficiente

Existe muita discussão sobre prompt engineering.

Mas alfabetização em IA não pode ser reduzida a:

"Aprender a escrever bons prompts."

Um usuário realmente preparado precisa saber:

PERGUNTAR
+
AVALIAR
+
VERIFICAR
+
CONTESTAR
+
EDITAR
+
DECIDIR

A habilidade mais importante talvez não seja conseguir uma boa resposta da IA.

Pode ser perceber quando a resposta está errada.

A alucinação muda de significado dentro da sala de aula

Modelos generativos podem produzir informações incorretas com aparência convincente.

Esse fenômeno costuma ser chamado de alucinação.

Imagine um estudante perguntando:

Quem assinou determinado tratado histórico?

A IA responde com:

  • nome;
  • data;
  • contexto;
  • explicação.

Tudo parece perfeito.

Mas parte da informação foi inventada.

Um aluno sem conhecimento prévio pode não perceber.

Por isso, a IA cria um paradoxo educacional:

Para utilizar bem uma ferramenta que fornece respostas, o estudante precisa desenvolver conhecimento suficiente para questionar as próprias respostas da ferramenta.

Fontes voltam a ser fundamentais

Durante algum tempo, mecanismos de busca acostumaram usuários a receber uma lista de fontes.

Chatbots mudaram essa experiência.

Em vez de:

Pergunta
↓
10 links
↓
Usuário pesquisa

temos:

Pergunta
↓
Resposta pronta

Isso é extremamente conveniente.

Mas pode remover uma etapa importante: investigar a origem da informação.

Na educação, professores precisarão reforçar perguntas como:

  • qual é a fonte?
  • quem publicou?
  • quando?
  • existe evidência?
  • outras fontes confirmam?
  • a referência realmente existe?

Avaliações também precisarão mudar

Se inteligência artificial consegue produzir uma redação tradicional em segundos, avaliações baseadas apenas em entrega de conteúdo podem perder parte de sua capacidade de medir aprendizagem.

Isso não significa abandonar trabalhos escritos.

Significa redesenhar avaliações.

Por exemplo:

Modelo tradicional

Escreva 2 páginas sobre a Revolução Industrial.

Modelo adaptado à era da IA

1. Produza uma explicação inicial.

2. Peça para uma IA apresentar três interpretações diferentes.

3. Identifique erros ou simplificações.

4. Compare com duas fontes acadêmicas.

5. Explique quais argumentos você aceitou ou rejeitou.

6. Defenda oralmente sua conclusão.

Agora a inteligência artificial faz parte da atividade.

Mas não substitui o pensamento.

O processo pode valer mais do que a resposta final

Essa mudança pode transformar profundamente a educação.

Em vez de avaliar apenas:

"Qual foi a resposta?"

o professor pode avaliar:

"Como você chegou até essa resposta?"

Isso favorece:

  • raciocínio;
  • pesquisa;
  • argumentação;
  • verificação;
  • autoria;
  • pensamento crítico.

Curiosamente, a inteligência artificial pode acabar forçando escolas a valorizar ainda mais habilidades humanas.

Professores precisarão ser treinados antes dos alunos

Não é razoável exigir que professores orientem estudantes sobre uma tecnologia que eles próprios não tiveram oportunidade de compreender.

Formação docente será essencial.

Um programa de capacitação poderia incluir:

MÓDULO 1
Como modelos generativos funcionam

MÓDULO 2
Prompting e limitações

MÓDULO 3
Alucinações e verificação

MÓDULO 4
Privacidade e LGPD

MÓDULO 5
Avaliação na era da IA

MÓDULO 6
Ética e autoria

MÓDULO 7
Ferramentas pedagógicas

MÓDULO 8
Segurança digital

O objetivo não é transformar todo professor em engenheiro de inteligência artificial.

É oferecer competência suficiente para utilizar e supervisionar a tecnologia.

A IA pode ser extremamente útil quando bem aplicada

Uma abordagem baseada em risco não significa assumir que inteligência artificial é ruim para a educação.

Existem aplicações extremamente interessantes.

Um professor pode utilizar IA para:

  • adaptar uma explicação;
  • criar exercícios;
  • gerar exemplos;
  • preparar atividades;
  • comparar abordagens;
  • simplificar textos;
  • criar material acessível;
  • produzir questões;
  • simular debates.

Um estudante pode utilizá-la para:

  • pedir uma explicação diferente;
  • praticar idiomas;
  • revisar conceitos;
  • receber perguntas;
  • simular uma entrevista;
  • testar conhecimento.

O ponto é simples:

A IA funciona melhor como amplificadora do processo educacional do que como substituta do processo educacional.

Imagine uma IA como tutora socrática

Em vez de entregar a resposta imediatamente, um sistema educacional poderia perguntar:

O que você já sabe sobre esse problema?

Depois:

Qual seria sua primeira hipótese?

Depois:

Que evidência poderia confirmar essa hipótese?

Depois:

Existe alguma interpretação alternativa?

Nesse modelo:

Aluno pensa
↓
IA pergunta
↓
Aluno responde
↓
IA desafia
↓
Aluno reconsidera
↓
Aprendizagem

A inteligência artificial não substitui o raciocínio.

Ela o estimula.

Isso também interessa às empresas de tecnologia

A regulamentação educacional cria oportunidades para empresas de tecnologia.

Escolas precisarão de sistemas que ofereçam:

  • controle de acesso;
  • gestão de identidade;
  • logs;
  • auditoria;
  • proteção de dados;
  • supervisão;
  • ambientes seguros;
  • controle de ferramentas;
  • políticas de utilização.

Não basta oferecer:

"Temos IA."

O mercado deverá exigir:

"Temos IA governável."

EdTechs terão de pensar em compliance desde o produto

Uma empresa que desenvolve tecnologia educacional precisa considerar desde o início:

Produto
  ↓
Dados coletados
  ↓
Finalidade
  ↓
Consentimento / base legal
  ↓
Segurança
  ↓
Modelo de IA
  ↓
Decisão
  ↓
Auditoria

Adicionar governança depois que o produto já está pronto costuma ser mais difícil.

Por isso cresce a importância de conceitos como:

Privacy by Design

e

AI Governance by Design

Ou seja:

privacidade e governança precisam fazer parte da arquitetura desde o início.

A discussão nas escolas antecipa o futuro das empresas

Existe uma conexão interessante.

Hoje perguntamos:

Uma IA pode decidir a nota de um aluno?

Amanhã empresas perguntarão:

Uma IA pode decidir quem contratar?

Ou:

Quem recebe crédito?

Ou:

Qual cliente será bloqueado?

Ou:

Qual funcionário será promovido?

A estrutura ética é semelhante.

IA produz recomendação
        ↓
Existe impacto relevante?
        ↓
SIM
        ↓
Supervisão humana
        ↓
Responsabilidade
        ↓
Auditoria

A educação está se tornando um dos primeiros grandes laboratórios sociais dessa discussão.

Supervisão humana não pode ser apenas simbólica

Existe ainda um detalhe importante.

Colocar um humano no processo não resolve automaticamente o problema.

Imagine:

IA analisa 10.000 casos
↓
Humano recebe recomendação
↓
Clica "aprovar"

Tecnicamente existe supervisão humana.

Na prática, talvez não exista análise real.

Isso é chamado, em alguns contextos, de automation bias: a tendência de confiar excessivamente na recomendação de sistemas automatizados.

Portanto, supervisão precisa ser significativa.

O humano precisa possuir:

  • informação;
  • autoridade;
  • tempo;
  • capacidade de contestação.

Precisaremos aprender a discordar da máquina

Talvez essa seja uma das habilidades mais importantes da era da inteligência artificial.

Durante décadas, ensinar tecnologia significava aprender a utilizá-la.

Agora precisaremos ensinar também:

quando não obedecê-la.

Um estudante precisa conseguir dizer:

Essa resposta está errada.

Um professor:

Essa recomendação não considera o contexto.

Um funcionário:

Essa automação não deveria executar essa ação.

Um gestor:

Esse modelo não possui evidências suficientes para tomar essa decisão.

Isso é maturidade digital.

O futuro não será "humano versus IA"

Grande parte da discussão pública ainda utiliza uma oposição simples:

HUMANO
VS
INTELIGÊNCIA ARTIFICIAL

Mas o cenário mais provável é:

HUMANO
+
INTELIGÊNCIA ARTIFICIAL
+
REGRAS
+
PROCESSOS
+
RESPONSABILIDADE

A pergunta não será se utilizaremos IA.

Será como distribuiremos autoridade entre humanos e sistemas automatizados.

O que escolas podem fazer agora?

Mesmo antes da consolidação de todas as normas, instituições podem começar com medidas práticas.

1. Mapear ferramentas

Identifique quais sistemas de IA professores, funcionários e estudantes utilizam.

2. Classificar dados

Defina quais informações nunca devem ser inseridas em ferramentas públicas.

3. Criar regras por faixa etária

Uma criança de oito anos não deve necessariamente possuir o mesmo nível de autonomia tecnológica de um estudante de dezessete.

4. Revisar avaliações

Identifique atividades facilmente terceirizadas integralmente para IA.

5. Treinar professores

Não apenas em ferramentas, mas também em:

  • ética;
  • segurança;
  • privacidade;
  • verificação.

6. Exigir transparência

Quando apropriado, estudantes podem informar:

Ferramenta utilizada:
Finalidade:
Prompt principal:
Como a resposta foi verificada:
O que foi alterado pelo aluno:

7. Preservar decisões humanas

Decisões de alto impacto precisam possuir supervisão efetiva.

A escola talvez precise ensinar IA da mesma maneira que ensina fontes

Existe uma oportunidade pedagógica importante.

Em vez de tratar inteligência artificial apenas como ameaça à autoria, professores podem transformá-la em objeto de análise.

Por exemplo:

Pergunte à IA sobre determinado evento histórico.

Depois:

Identifique três afirmações.

Depois:

Verifique cada uma em fontes confiáveis.

Depois:

Explique onde a resposta foi precisa e onde simplificou o tema.

Agora a IA se transforma em laboratório de pensamento crítico.

O objetivo não é formar usuários dependentes de IA

Uma educação tecnológica ruim pode produzir pessoas que sabem perguntar tudo para uma máquina.

Uma educação tecnológica boa deveria produzir pessoas capazes de decidir:

quando usar;

como usar;

como verificar;

quando desconfiar;

e quando simplesmente não usar.

Essa diferença será cada vez mais importante.

A inteligência artificial está obrigando a educação a voltar à pergunta fundamental

Existe uma ironia interessante.

Quanto mais máquinas conseguem produzir respostas, mais importante se torna perguntar:

O que significa aprender?

Se aprender significasse apenas produzir uma resposta correta, uma IA resolveria boa parte do problema.

Mas educação envolve:

  • compreensão;
  • memória;
  • raciocínio;
  • julgamento;
  • criatividade;
  • interpretação;
  • diálogo;
  • formação humana.

Isso explica por que simplesmente substituir tarefas por automação não representa necessariamente evolução educacional.

Conclusão

A regulamentação da inteligência artificial nas escolas brasileiras representa muito mais do que uma discussão sobre tecnologia educacional.

Ela coloca uma pergunta fundamental diante da sociedade:

Quanta autoridade estamos dispostos a entregar aos sistemas de inteligência artificial?

Na educação, essa pergunta se torna particularmente sensível porque estamos lidando com pessoas em formação.

A inteligência artificial pode ajudar professores.

Pode personalizar explicações.

Pode ampliar acesso.

Pode reduzir tarefas administrativas.

Pode criar novas experiências de aprendizagem.

Mas também pode:

  • incentivar dependência;
  • expor dados;
  • reproduzir erros;
  • automatizar julgamentos;
  • reduzir processos cognitivos;
  • criar decisões difíceis de auditar.

A resposta mais madura provavelmente não será proibir completamente nem liberar completamente.

Será construir governança.

Isso significa combinar:

INOVAÇÃO
+
SUPERVISÃO
+
SEGURANÇA
+
PRIVACIDADE
+
TRANSPARÊNCIA
+
RESPONSABILIDADE

E existe uma lição que ultrapassa os muros da escola.

As crianças que hoje aprendem a utilizar inteligência artificial serão os profissionais que amanhã trabalharão ao lado de agentes autônomos, automações e sistemas generativos.

Ensinar apenas como usar IA será insuficiente.

Precisaremos ensinar algo mais difícil:

como continuar pensando quando existe uma máquina sempre pronta para pensar por você.

Talvez esse seja um dos maiores desafios educacionais da era da inteligência artificial.

Referências

  1. Conselho Nacional de Educação (CNE) / Ministério da Educação. Atos, pareceres e discussões regulatórias sobre inteligência artificial, educação digital e uso de tecnologias na educação básica.

  2. Ministério da Educação (MEC). Diretrizes e atos relacionados à educação digital, integração curricular e políticas educacionais brasileiras.

  3. Secretaria da Educação do Estado da Bahia. SEC estabelece diretrizes para uso da Inteligência Artificial em sala de aula. Publicado em 21 de fevereiro de 2026.

  4. Secretaria de Comunicação Social da Presidência da República. Iniciativas de currículo de Educação Digital e IA e educação midiática.

  5. Lei nº 13.709/2018. Lei Geral de Proteção de Dados Pessoais — LGPD.

  6. Lei nº 14.533/2023. Política Nacional de Educação Digital — PNED.

  7. Resolução CNE/CEB nº 2/2025. Diretrizes Operacionais Nacionais sobre o uso de dispositivos digitais em espaços escolares e integração curricular da educação digital e midiática.

Aviso editorial: este conteúdo possui caráter informativo e analítico e não substitui orientação jurídica, regulatória ou pedagógica específica. Normas aprovadas por órgãos colegiados podem depender de homologação, publicação ou regulamentação posterior antes de produzirem todos os seus efeitos jurídicos.

Conteúdo produzido para o Blog da Vórtice — tecnologia, inteligência artificial, segurança, regulamentação, automação e transformação digital.