Pânico ou encantamento? inteligência artificial, aprendizagem e mediação pedagógica

O texto a seguir é a transcrição de uma formação que dei a professores e técnicos pedagógicos da Secretaria de Estado da Educação de Sergipe no dia 30 de julho de 2026 pelo Programa Formar-se, um programa de formação continuada para servidores públicos da SEED-SE. Fiz a transcrição via Tactiq, um plugin diretamente adicionado ao Google Chrome e que faz transcrição direta de tudo que é falado em uma reunião de Google Meet, por exemplo. Depois, pedi para o ChatGPT organizar o texto pra mim diretamente de um prompt que tenho, elaborado há algum tempo, especialmente para redigir as transcrições das formações que faço. Já fiz outras, mas essa é a primeira que escrevo publicamente, pois o conteúdo pode ajudar outros formadores, curiosos do tema e também serve para meu diário de pesquisa. A formação na íntegra pode ser acessada em: https://www.youtube.com/live/cGuB4a35A24. Boa leitura a todos!

IA é coisa do passado?

Quando falamos atualmente em inteligência artificial, é comum que a primeira associação seja feita ao ChatGPT. Essa relação imediata é compreensível, sobretudo porque a disponibilização pública de ferramentas de inteligência artificial generativa ampliou significativamente o contato cotidiano com sistemas capazes de produzir textos, imagens, códigos, planos, resumos e outros conteúdos. No entanto, considero importante situar esse fenômeno em um percurso histórico mais amplo. A inteligência artificial não surgiu com o ChatGPT, embora a popularização dessa ferramenta, como já nos adiantava Boa Sorte et al. (2021), tenha modificado a maneira como muitas pessoas passaram a perceber e utilizar sistemas computacionais baseados em dados.

Parto do entendimento de que os avanços tecnológicos interferem nas formas de organização da sociedade, nas relações de trabalho, nos modos de comunicação e nas práticas educacionais. Isso não significa atribuir à tecnologia uma capacidade autônoma de determinar as mudanças sociais. As tecnologias são criadas, utilizadas e incorporadas em contextos históricos específicos, atravessados por interesses econômicos, políticos e culturais (Canclini, 2021). Por essa razão, compreender a inteligência artificial exige observar não apenas aquilo que aparece na tela, mas também os sujeitos, as instituições, os recursos materiais e as decisões que participam de sua produção.

As discussões contemporâneas sobre inteligência artificial podem ser relacionadas às pesquisas de Alan Turing (1950), especialmente ao questionamento sobre a possibilidade de as máquinas demonstrarem comportamentos comparáveis aos humanos. Sua participação no desenvolvimento de soluções computacionais durante a Segunda Guerra Mundial também costuma ser apresentada como um marco da história da computação. A referência a Turing ajuda a compreender que a busca por máquinas capazes de resolver problemas, processar informações e simular aspectos da comunicação humana antecede em muitas décadas as atuais ferramentas generativas. Programas como o ELIZA, desenvolvido em 1964, já simulavam uma interação verbal com os usuários a partir de estruturas previamente programadas, com o objetivo de imitar respostas humanas a partir de palavras-chaves lidas nas perguntas dos usuários (Labadze et al., 2023). Embora essas experiências fossem bastante limitadas quando comparadas aos sistemas atuais, elas mostram que a tentativa de produzir interações computacionais semelhantes a conversas humanas não é recente.

O que acho da IA

Em termos gerais, compreendo a inteligência artificial como um conjunto de sistemas computacionais construídos para identificar regularidades em dados e, a partir delas, classificar informações, realizar previsões, produzir recomendações ou oferecer respostas a problemas específicos (Alves, 2023). Essa definição exige uma ressalva: a inteligência artificial não corresponde à presença de um pensamento humano dentro da máquina. O que existe é um processamento computacional orientado por dados, regras, modelos matemáticos e probabilidades.

Essa distinção é necessária porque a qualidade linguística das respostas pode produzir a impressão de que a máquina compreende aquilo que diz. Os sistemas generativos são capazes de produzir enunciados coerentes, adaptar a linguagem ao contexto da solicitação e simular determinadas formas de interação. Contudo, coerência textual não deve ser confundida com compreensão humana. A máquina não conhece o mundo da mesma maneira que uma pessoa, não participa das relações sociais como um sujeito e não possui experiências humanas a partir das quais atribua sentido ao que produz. Ela calcula possibilidades de resposta com base nos padrões identificados durante seu treinamento e nas informações disponibilizadas na interação.

Antes da popularização da inteligência artificial generativa, diferentes formas de inteligência artificial já estavam presentes em atividades cotidianas. Sistemas de recomendação de filmes, músicas e produtos, filtros de spam, corretores automáticos, mecanismos de tradução, aplicativos de transporte, rotas de navegação e reconhecimento facial são alguns exemplos. A presença desses recursos tornou-se, em muitos casos, pouco perceptível. Utilizamos suas respostas sem necessariamente reconhecer os processos computacionais que as tornam possíveis.

Essa aparente invisibilidade está relacionada à incorporação da inteligência artificial às plataformas digitais. Quando utilizo um serviço de transmissão de vídeos, uma loja virtual ou um aplicativo de entrega, minhas escolhas, meus horários, minhas buscas e minhas interações geram dados. Esses dados podem ser organizados e convertidos em padrões que ajudam as plataformas a prever interesses e recomendar novos conteúdos ou produtos. Não se trata de mágica nem, necessariamente, da escuta permanente das conversas pessoais, como muitos acreditam, as chamadas folk theories, mas de um processo amplo de coleta, associação e análise de informações fornecidas durante o uso dos dispositivos e serviços digitais (Gagrčin et al, 2024).

O algoritmo participa desse processo como um conjunto organizado de instruções destinado à realização de determinada tarefa. Uma receita culinária constitui uma analogia possível: há ingredientes, etapas, uma ordem de execução e um resultado esperado. Nos sistemas computacionais, entram dados, são aplicadas regras ou modelos e, ao final, produz-se uma saída. Essa comparação é limitada, mas auxilia a introduzir o conceito sem reduzi-lo à ideia de uma entidade misteriosa que decide de maneira independente (Canclini, 2021).

Apesar dessa possibilidade de explicação, os usuários geralmente não têm acesso a todas as regras, escolhas e bases de dados envolvidas no funcionamento das plataformas. Tenho acesso à resposta gerada, à recomendação apresentada ou à imagem produzida, mas não conheço necessariamente os dados utilizados no treinamento, os critérios de seleção, os filtros aplicados ou as decisões tomadas pelos desenvolvedores. Essa assimetria entre aquilo que o sistema apresenta e aquilo que permanece inacessível pode ser relacionada à discussão sobre opacidade algorítmica (Lemos, 2021).

Alguns pingos nos is

Também considero necessário diferenciar algoritmo, inteligência artificial e inteligência artificial generativa. O algoritmo corresponde, de maneira simplificada, à sequência de instruções mobilizada para alcançar determinado resultado. A inteligência artificial utiliza dados e modelos para reconhecer padrões e realizar tarefas que podem envolver classificação, previsão ou recomendação. A inteligência artificial generativa, por sua vez, produz novos conteúdos com base nas relações aprendidas durante o treinamento. Esses conteúdos podem assumir a forma de textos, imagens, áudios, vídeos, códigos ou outras combinações semióticas.

A expressão “novo conteúdo”, entretanto, não significa que o sistema produza algo a partir do nada. A geração depende dos dados de treinamento, dos padrões aprendidos, dos parâmetros do modelo e da solicitação apresentada pelo usuário. Embora a resposta não seja necessariamente uma cópia de um conteúdo específico, ela resulta da recombinação probabilística de regularidades identificadas em grandes conjuntos de dados.

A popularização desses sistemas modifica algumas questões já presentes na relação entre educação e tecnologias digitais. Durante o período de expansão da internet e das enciclopédias digitais, um dos problemas recorrentes era a reprodução direta de textos encontrados em páginas da internet. Em uma atividade escolar sobre a Independência do Brasil, por exemplo, vários estudantes poderiam copiar o mesmo material de uma página e entregar trabalhos semelhantes ou idênticos.

Com a inteligência artificial generativa, o mesmo comando pode produzir respostas diferentes para cada estudante. O problema, portanto, já não pode ser reduzido à identificação da cópia literal. Mesmo quando o texto entregue é diferente dos demais e apresenta uma redação aparentemente adequada, permanece a pergunta sobre o processo de aprendizagem: o estudante leu, avaliou, reorganizou e compreendeu aquilo que apresentou ou apenas transferiu à ferramenta a realização da tarefa?

Essa questão desloca o debate da detecção do uso da inteligência artificial para a análise das práticas pedagógicas. Estratégias destinadas apenas a flagrar o uso da ferramenta, como a inserção de instruções ocultas no enunciado de uma atividade, vide o professor que escondeu uma instrução secreta para seus alunos e reprovou a maioria deles, podem revelar que um texto foi enviado integralmente a um sistema generativo. Contudo, essas estratégias não resolvem o problema pedagógico mais amplo. Uma resposta educacional consistente precisa considerar a reformulação das atividades, dos processos de acompanhamento e das formas de avaliação.

Contribuições da IA para a educação

A inteligência artificial pode contribuir para o ensino e para a aprendizagem de diferentes maneiras. Ela pode oferecer explicações alternativas, apoiar processos de tradução, organizar ideias, produzir representações em linguagens distintas, fornecer um retorno inicial e auxiliar estudantes que desenvolvem estudos de maneira mais autônoma. Ferramentas capazes de converter um conteúdo em texto, apresentação, áudio ou vídeo também podem ampliar as formas de acesso a determinados materiais.

Por outro lado, essas possibilidades convivem com riscos. A utilização constante de resumos automáticos pode reduzir o contato com textos completos; a obtenção imediata de respostas pode diminuir a disposição para investigar fontes diferentes; a previsibilidade das respostas pode reduzir a tolerância à dúvida; e a delegação frequente da escrita pode interferir na construção da autoria. Essas consequências não devem ser consideradas automáticas ou universais. Elas constituem hipóteses e preocupações que precisam ser examinadas em contextos concretos.

Essa tensão me leva a perguntar se, em determinadas situações, não estamos terceirizando para a inteligência artificial tarefas que anteriormente realizávamos sem grande dificuldade. Mais do que a delegação de uma atividade, preocupa-me a possibilidade de transferirmos também parte do julgamento necessário para avaliar uma decisão, uma informação ou uma proposta. Uma ferramenta capaz de produzir respostas bem redigidas pode adquirir a aparência de um oráculo, como se dispusesse de respostas adequadas para qualquer problema.

Precisamos lembrar que os sistemas generativos podem produzir informações incorretas, desatualizadas ou inadequadas ao contexto. Podem ainda inventar autores, livros, datas, citações e referências. Esse fenômeno, frequentemente chamado de alucinação, decorre do próprio modo de funcionamento desses modelos: eles foram desenvolvidos para gerar uma resposta linguisticamente provável, e não para garantir que toda informação produzida corresponda a um fato verificável.

Por essa razão, não considero adequado copiar e incorporar uma resposta sem leitura, revisão e verificação, como vez ou outra, por comodidade, em esferas sociais menos formais, eu próprio faço. Mesmo quando utilizo a inteligência artificial para apoiar uma atividade que domino, preciso examinar o resultado, corrigir problemas e decidir o que pode ou não ser aproveitado. O olhar humano não aparece, aqui, como uma etapa meramente decorativa. É nele que se concentra a responsabilidade pela análise do contexto, pela confirmação das informações e pelas consequências da utilização do conteúdo, já que somos nós humanos que temos sentimentos e emoções, inclusive do que escrevemos, lemos e consumimos de modo geral.

A necessidade de revisão não decorre apenas da possibilidade de erro factual. Os sistemas também podem reproduzir vieses existentes nos conjuntos de dados utilizados em seu treinamento. Esses dados são produzidos em sociedades marcadas por desigualdades, estereótipos e processos históricos de exclusão. Assim, uma inteligência artificial pode repetir associações discriminatórias sem que isso signifique que a máquina possua uma intenção preconceituosa. O sistema reproduz relações presentes nos dados e nas escolhas humanas que participaram de sua construção.

Os problemas relacionados ao reconhecimento facial constituem um exemplo particularmente sensível. Em minha exposição, mencionei o caso de um homem negro que teria sido detido em Sergipe depois de ser identificado incorretamente por um sistema utilizado em um estádio. Esse episódio permite formular uma questão relevante: quando um sistema automatizado produz uma identificação incorreta, a discussão sobre a responsabilidade não pode se limitar à máquina. É necessário considerar quem desenvolveu, adquiriu, implementou e utilizou o sistema, assim como os procedimentos adotados para confirmar ou contestar sua resposta.

A inteligência artificial também não chega às escolas, aos professores e aos estudantes em condições iguais. Ter acesso nominal a uma plataforma não significa possuir equipamentos adequados, conexão estável, tempo disponível, ambiente de estudo ou conhecimentos suficientes para utilizá-la criticamente. A experiência do ensino remoto mostrou que muitos estudantes dependiam de aparelhos compartilhados com familiares ou não conseguiam acessar regularmente as atividades escolares. Essa experiência não permite concluir que todas as formas de adoção tecnológica produzirão os mesmos resultados, mas sugere que qualquer política de inteligência artificial na educação precisa considerar as desigualdades estruturais de acesso e uso (Fernandes et al., 2025).

Nem proibir nem se iludir…

Diante dessas tensões, não defendo jamais a proibição total nem a adoção acrítica da inteligência artificial. A simples proibição ignora que essas ferramentas já fazem parte das práticas sociais e são utilizadas pelos estudantes fora do espaço escolar. Cabe aqui um pensamento meu de que, embora os meninos tenham muitas habilidades motoras para usar um smartphone que nós, 40+ não temos, eles ainda estão muitíssimo distantes do uso crítico das ferramentas que têm à sua disposição. Já a liberação sem critérios, por sua vez, pode naturalizar erros, vieses, desigualdades e processos de substituição da autoria e do esforço intelectual.

Entre esses extremos, situo a mediação pedagógica, um dos focos de minha participação conjunta entre a academia e as secretarias de educação: a formação de professores para essa mediação entre a tecnologia digital e sua implantação em sala de aula. Isso exige que professores e instituições compreendam minimamente o funcionamento dos sistemas, experimentem as ferramentas, conheçam suas limitações e construam orientações relacionadas aos objetivos de aprendizagem. Não se trata apenas de aprender a produzir comandos eficientes, mas de avaliar por que, quando e para que uma ferramenta deve ser utilizada, dentro ou fora da sala de aula.

A elaboração dos prompts participa desse processo, como já percebemos, se utilizamos minimamente o ChatGPT. Um comando genérico tende a produzir uma resposta igualmente genérica. Quando apresento informações sobre o contexto, o público, o objetivo, os critérios e os limites da tarefa, aumento a possibilidade de receber uma resposta mais ajustada àquilo que pretendo realizar. O Diagrama de Referência para Criação de Prompts (Santos, 2024) utilizado na formação procura organizar esses elementos. Entretanto, a melhoria do prompt não elimina as limitações do sistema. Uma solicitação detalhada pode produzir uma resposta mais adequada, mas ainda exige verificação, interpretação e decisão humana.

Quando a tarefa depende de documentos curriculares ou institucionais específicos, uma possibilidade é disponibilizar esses materiais diretamente à ferramenta, quando a plataforma permitir e quando houver condições de segurança e proteção dos dados. Isso pode reduzir respostas excessivamente genéricas e aproximar o conteúdo do contexto educacional pretendido. Ainda assim, o documento fornecido não substitui a leitura do professor nem assegura que o sistema interpretará corretamente todas as suas orientações.

No âmbito da formação docente, considero necessário criar espaços nos quais os professores possam utilizar essas tecnologias sem que sejam pressionados a celebrá-las ou rejeitá-las antecipadamente. A formação precisa permitir a experimentação acompanhada, a análise dos resultados e a discussão sobre os efeitos pedagógicos, éticos, políticos e institucionais das escolhas realizadas.

Essa perspectiva também orienta minha pesquisa. Ao analisar as percepções de professores sobre o uso da inteligência artificial, procuro compreender não apenas as opiniões explicitamente formuladas, mas os sentidos atribuídos às tecnologias a partir das experiências profissionais e das condições concretas de trabalho (muito em breve meu texto será publicado e falarei mais sobre esse assunto aqui!). As respostas dos professores podem contribuir para identificar expectativas de economia de tempo, possibilidades de apoio ao planejamento, preocupações com a autoria, receios de dependência e dificuldades relacionadas à avaliação das respostas geradas.

Ao final, compreendo que a questão central não consiste em decidir se a inteligência artificial é boa ou ruim para a educação. Essa formulação é insuficiente diante da complexidade dos sistemas e dos contextos em que são utilizados. Interessa-me perguntar em quais condições a inteligência artificial pode apoiar a aprendizagem, em quais situações pode empobrecer o pensamento e quais critérios éticos e pedagógicos devem orientar sua presença nas práticas educacionais.

Essas perguntas não possuem respostas únicas. Elas precisam ser analisadas à luz do currículo, dos objetivos de aprendizagem, das condições de acesso, da formação docente, das características dos estudantes e dos efeitos observados em cada contexto. Entre o pânico e o encantamento, defendo uma postura de apropriação crítica: utilizar as ferramentas quando elas contribuírem para os propósitos educacionais, reconhecer seus limites e preservar a agência humana sobre as decisões pedagógicas.

Algumas Referências

ALVES, Lynn. Notas iniciais sobre a inteligência artificial e educação. In: ALVES, Lynn (org.). Inteligência artificial e educação: refletindo sobre os desafios contemporâneos. Salvador: EDUFBA; Feira de Santana: UEFS Editora, 2023. p. 33–50.

BOA SORTE, Paulo; FARIAS, Mário André de Freitas; SANTOS, Allessandra Elisabeth dos; SANTOS, Jefferson do Carmo Andrade; DIAS, Jamile Santos dos Santos Rodrigues. Inteligência artificial e escrita acadêmica: o que nos reserva o algoritmo GPT-3?. Revista EntreLinguas, Araraquara, v. 7, n. 00, p. e021035, 2021. DOI: 10.29051/el.v7i00.15352. Disponível em: https://periodicos.fclar.unesp.br/entrelinguas/article/view/15352. Acesso em: 6 maio 2024.

CANCLINI, Néstor García. Cidadãos substituídos por algoritmos. São Paulo: Editora da Universidade de São Paulo, 2021.

FERNANDES, N. R.; CORRÊA, T. H. B.; BUENO, J. L. P. Desafios éticos e sociais da inteligência artificial na educação. Revista Linguagem em Foco, Fortaleza, v. 17, n. 3, p. 108–125, 2025. DOI: 10.46230/lef.v17i3.16067. Disponível em: https://revistas.uece.br/index.php/linguagememfoco/article/view/16067. Acesso em: 4 jan. 2026.

GAGRCIN, E.; NAAB, T. K.; GRUB, M. F. Algorithmic media use and algorithm literacy: An integrative literature review. New Media & Society, 2024.

LABADZE, Lasha; GRIGOLIA, Maya; MACHAIDZE, Lela. Role of AI chatbots in education: systematic literature review. International Journal of Educational Technology in Higher Education, v. 20, 56, 2023. DOI: https://doi.org/10.1186/s41239-023-00426-1. Acesso em: 6 maio 2024.

LEMOS, André. A tecnologia é um vírus: pandemia e cultura digital. Porto Alegre: Sulina, 2021.

SANTOS, Allessandra Elisabeth dos. Generative artificial intelligence and its impact on writing. 2024. 156 f. Tese (Doutorado em Educação) – Universidade Federal de Sergipe, São Cristóvão, 2024.

TURING, Alan. Computing machinery and intelligence. Mind, v. LIX, n. 236, p. 433-460, out. 1950. DOI: https://doi.org/10.1093/mind/LIX.236.433. Acesso em: 6 maio 2024.

Não precisa…

…mas quem quiser usar esse texto como referência: PESSAN, Everton. Pânico ou encantamento? inteligência artificial, aprendizagem e mediação pedagógica. Notas de Pesquisa, 30 jul. 2026. Disponível em: https://notasdepesquisa.com/2026/07/30/panico-ou-encantamento-inteligencia-artificial-aprendizagem-e-mediacao-pedagogica/. Acesso em: xx mês. Ano.