A inteligência artificial já chegou às universidades da América Latina e do Caribe, mas a governança ainda não acompanha o ritmo: apenas 26% das instituições têm uma estratégia formal específica para a tecnologia. (Foto: Instagram)
Oitenta e sete por cento das instituições de educação superior da América Latina e do Caribe já utilizam inteligência artificial em pelo menos uma área — 74% no ensino e na aprendizagem, 57% na análise de dados e pesquisa. Apenas 26% contam com uma estratégia formal específica para IA. Segundo o próprio relatório, uma parcela ainda menor dispõe de políticas, estruturas de governança e mecanismos de monitoramento e avaliação.
++ Sistema de IA mostra como pessoas estão criando conteúdo diário sem gravar vídeos
Os dados são de um levantamento da Unesco IESALC e da Universidade das Nações Unidas, feito com 200 instituições de 19 países da região. A pesquisa mostra uma transformação em andamento: a adoção da IA avança bem mais rápido do que a capacidade das instituições de governá-la. Para quem estuda, o impacto já é imediato — um em cada dois estudantes diz ter dúvidas sobre o que pode ou não fazer com IA.
++ Bomba! Astro de Hollywood, Joe Manganirllo revela ter amputado membro
Há uma questão que esses números não respondem diretamente, mas deveria estar na pauta de toda reitoria: quem toma as decisões que definem como a IA está transformando o ensino universitário?
Em grande parte, o professor.
A DECISÃO JÁ FOI TOMADA
Quando uma universidade não define uma estratégia para IA, isso não quer dizer que nada esteja acontecendo. Quer dizer que muitas decisões estão sendo tomadas sem orientação institucional suficiente.
Em cada disciplina, cabe ao professor decidir o que o estudante pode deixar a cargo da máquina e o que deve fazer por conta própria. Também precisa separar o apoio legítimo da fraude acadêmica, conferir a qualidade do conteúdo gerado pela IA e estabelecer como avaliar a aprendizagem, que já não pode ser deduzida apenas do trabalho entregue.
Ele precisa dar conta dessas tarefas enquanto responde às dúvidas dos estudantes, alinha expectativas com colegas e interpreta regras que muitas vezes só chegam depois de a tecnologia já ter entrado na sala de aula.
A falta de uma política institucional não elimina essas decisões. Apenas deixa a responsabilidade de tomá-las nas mãos do professor.
É importante distinguir uma coisa: não contar com uma estratégia formal específica para IA não significa necessariamente estar sem qualquer política ou orientação. O próprio levantamento regional encontrou instituições com estratégias digitais mais amplas e outras com diretrizes parciais. O problema é que a governança institucional não avança no mesmo ritmo da disseminação da tecnologia.
O resultado é uma espécie de descentralização não planejada. Cada professor cria respostas locais para questões que também são institucionais. Em uma disciplina, o uso da IA pode ser estimulado; em outra, proibido; em uma terceira, aceito sem critérios definidos. Estudantes da mesma universidade se deparam com regras diferentes, nem sempre ligadas a objetivos pedagógicos distintos.
Não se trata de defender práticas idênticas em todas as disciplinas. Trata-se de entender que diferenças pedagógicas devem vir de escolhas deliberadas, e não simplesmente da falta de coordenação.
Os dados de percepção ajudam a dimensionar o fenômeno. Em uma pesquisa do Digital Education Council sobre o ensino superior latino-americano, 79% dos docentes consultados disseram já usar IA no ensino, e 94% esperavam continuar utilizando-a. Os resultados mostram ampla adoção entre os participantes, mas não permitem concluir que não haja resistência ou preocupação com usos específicos.
O mesmo levantamento aponta uma distância entre a experiência dos estudantes e a integração institucional da tecnologia: apenas 30% avaliavam que o uso de IA pela instituição correspondia ao que esperavam.
Temos, assim, a IA incorporada às práticas de uma parcela expressiva da comunidade acadêmica, expectativas que nem sempre são atendidas e instituições que ainda precisam organizar suas respostas.
A questão já não é se a universidade vai decidir o que fazer com IA. Ao não decidir o suficiente, ela já está produzindo consequências.
O TRABALHO QUE NINGUÉM NOMEIA
O trabalho feito pelo professor ao tomar essas decisões tem características próprias. É importante dar nome a ele, pois o que não é reconhecido dificilmente será contabilizado, remunerado ou incluído nos critérios de progressão profissional.
O professor confere o material produzido pela máquina antes de apresentá-lo à turma. Prevê erros, identifica simplificações e determina o que precisa ser reconstruído. Elabora atividades que levem o estudante a formular problemas, justificar escolhas e demonstrar o que aprendeu. Define limites para a delegação de tarefas e os sustenta quando são questionados.
Ele transforma orientações institucionais genéricas em decisões pedagógicas concretas. Também precisa refazer parte desse trabalho quando as ferramentas, as condições de uso ou os objetivos de aprendizagem se alteram.
Isso não se resume a aprender a usar uma tecnologia nova. É exercer julgamento profissional sobre a relação entre conhecimento, atividade e aprendizagem.
Podemos chamar esse trabalho de Orquestração Pedagógica de IA (OPIA): decidir como pessoas e sistemas artificiais podem colaborar sem deixar para a máquina as operações intelectuais que o estudante precisa desenvolver.
Orquestrar não significa fiscalizar cada resposta do sistema nem adicionar uma etapa de supervisão a toda atividade. Significa criar situações em que o uso da IA tenha uma justificativa pedagógica, determinar o que deve continuar sob responsabilidade humana e estabelecer como verificar o que de fato foi aprendido.
Há evidências que ajudam a entender por que esse trabalho importa. Um estudo de Wang e Zhang, publicado em 2026 no International Journal of Educational Technology in Higher Education, analisou a relação entre parceria com sistemas de IA, vigilância cognitiva e aprendizagem. Os resultados ressaltam a importância de questionar, conferir e criticar as respostas dos sistemas, em vez de apenas empregá-las como instrumentos.
A pesquisa não comprova que uma abordagem única funcione em todas as disciplinas, nem que o professor seja a única fonte possível de orientação. Mas aponta uma questão fundamental: o uso da IA, por si só, não garante aprendizagem profunda. O que importa é o que as pessoas fazem, em termos cognitivos, com aquilo que a tecnologia oferece.
Essa postura não pode ser determinada apenas por um regulamento. Ela precisa ser desenvolvida nas atividades, acompanhada com feedback e sustentada por decisões pedagógicas. E esse trabalho demanda tempo.
Se a universidade espera que os professores redesenhem experiências de aprendizagem, confiram resultados, orientem estudantes e desenvolvam novas formas de avaliação, deve reconhecer essas tarefas como parte do trabalho acadêmico.
O tempo necessário não pode continuar dependendo apenas da disposição individual de quem ensina.
O problema não é somente o aumento da carga de trabalho do professor. Uma parte importante do trabalho necessário para transformar a aprendizagem continua invisível nos sistemas que distribuem tempo, recursos e reconhecimento profissional.
A DIFERENÇA ENTRE ACRESCENTAR E REDESENHAR
Tenho usado uma distinção para separar dois movimentos que costumam aparecer misturados nas conversas sobre IA.
Uma universidade habilitada por IA incorpora ferramentas à estrutura institucional que já existe. Compra licenças, publica orientações, oferece formação introdutória e adiciona recursos a disciplinas que, em grande medida, seguem com as mesmas estruturas de carga docente, avaliação e progressão profissional.
Já uma universidade nativa em IA redesenha de forma intencional seus processos acadêmicos, considerando a IA parte da infraestrutura cognitiva disponível para ensinar, aprender, pesquisar e produzir conhecimento.
Essas expressões são tipos ideais, não categorias fixas. A mesma instituição pode avançar bastante em alguns cursos e continuar presa a estruturas antigas em outros. O que diferencia os movimentos não é o volume de tecnologia comprado, mas a profundidade das mudanças institucionais que vêm junto com ela.
Uma universidade nativa em IA não coloca a tecnologia no centro de sua finalidade. Seu foco é a aprendizagem e a produção de conhecimento, levando em conta que a IA pode ampliar capacidades, mas também gerar dependências, erros e novas desigualdades.
A diferença entre acrescentar e redesenhar aparece em escolhas administrativas e pedagógicas que às vezes parecem menores: como a carga de trabalho é distribuída, o que é considerado na progressão profissional, como as compras de tecnologia são avaliadas e quais evidências são cobradas para demonstrar aprendizagem.
É nesse contexto que também surge o risco do taylorismo digital, debatido por Silvio Meira e colegas em 2025. A busca por eficiência pode fragmentar o trabalho intelectual em tarefas supervisionáveis, automatizar etapas da avaliação e transformar o professor em inspetor de produtos e processos criados por terceiros.
A tecnologia chega para reduzir o trabalho. Depois, a instituição muda sua definição de produtividade. Por último, o tempo poupado pode virar corte de custos, sem que se verifique se a aprendizagem melhorou. Isso não é inevitável: é uma escolha de gestão.
No Brasil, o debate se torna ainda mais urgente com as diretrizes nacionais para a utilização de IA na educação, aprovadas pelo Conselho Nacional de Educação em setembro e ainda à espera de homologação pelo Ministério da Educação. A orientação reforça que as instituições precisam assumir responsabilidades pelo uso da tecnologia.
A existência de uma orientação nacional importa. Mas nenhuma diretriz, sozinha, reorganiza o trabalho acadêmico. Essa transformação depende das decisões das instituições e das condições que elas criam para colocá-las em prática.
O QUE FAZER AGORA?
Quatro mudanças administrativas podem ajudar a converter o diagnóstico em medidas concretas. Nenhuma exige a compra de uma nova tecnologia.
- Reconhecer a orquestração pedagógica na carga docente
A distribuição de trabalho deve incluir o tempo usado para redesenhar disciplinas, revisar atividades, definir critérios para o uso de IA e analisar evidências de aprendizagem.
Um primeiro passo pode ser reservar horas oficialmente para projetos de redesenho pedagógico, com objetivos e entregas estabelecidos. O essencial é a instituição deixar de depender de trabalho extra e não reconhecido para realizar uma transformação que ela mesma considera estratégica.
- Incluir o redesenho da aprendizagem nos critérios de progressão profissional
Quando a carreira acadêmica reconhece publicações e outros resultados de pesquisa, mas não valoriza devidamente a reconstrução de experiências de aprendizagem, cria um incentivo contraditório.
Redesenhar uma disciplina pode ser um trabalho intelectual complexo, com base teórica, experimentação, avaliação e documentação de resultados. A qualidade e as contribuições demonstráveis desse trabalho devem poder ser reconhecidas, não somente o número de atividades reformuladas.
Não se trata de trocar pesquisa por inovação pedagógica. Trata-se de reconhecer que a qualidade da formação também requer produção intelectual e trabalho sistemático.
- Avaliar o impacto acadêmico antes de comprar tecnologia
A avaliação técnica de uma compra não deve se limitar ao preço, à segurança da informação e à facilidade de integração. Precisa considerar: qual problema de aprendizagem se pretende resolver? Como a ferramenta muda o trabalho de professores e estudantes? Que decisões ela automatiza? Que novas tarefas de verificação cria? Como será possível saber se a aprendizagem melhorou?
Essas perguntas não impedem a inovação. São necessárias para que a aquisição de tecnologia seja uma decisão educacional, e não apenas de infraestrutura.
A avaliação também precisa considerar o que a instituição entrega ao fornecedor quando adota uma tecnologia. Quem fica no controle dos dados gerados por professores e estudantes? Que decisões são tomadas por modelos que a universidade não consegue examinar? É possível auditar resultados, transferir os dados e encerrar o contrato sem prejudicar atividades acadêmicas essenciais? A governança de IA vai além da segurança da informação: inclui preservar a capacidade da instituição de compreender, questionar e, se necessário, substituir os sistemas dos quais depende.
Por fim, a instituição deve considerar não apenas o preço da licença, mas também os custos de implementação, as necessidades de formação, os efeitos no trabalho acadêmico e os resultados esperados.
- Avaliar a aprendizagem, e não somente o produto final
Não é obrigatório abandonar provas, trabalhos escritos ou outros produtos acadêmicos. É preciso, porém, deixar de considerá-los evidências suficientes em todas as circunstâncias.
A questão também é epistemológica: o que se pode afirmar sobre o conhecimento de um estudante com base em um trabalho feito com assistência de IA? Isso depende do objetivo da atividade e das evidências disponíveis. Em algumas situações, é importante verificar o que ele consegue fazer sem ajuda; em outras, sua capacidade de usar IA de forma crítica, conferir resultados e justificar decisões. A avaliação deve deixar claro o que pretende reconhecer, em vez de presumir que o produto final responde à questão por si só.
Portfólios acompanhados, defesas orais, diferentes versões de um trabalho, justificativas para escolhas e conversas reflexivas podem mostrar aspectos do processo que não aparecem no produto final. Os instrumentos devem ser escolhidos conforme as competências a desenvolver e as condições concretas de cada curso.
Isso requer planejamento, tempo e critérios definidos. Também é necessário que os estudantes saibam o que se espera deles, inclusive nos casos em que a IA é permitida, recomendada ou necessária.
A intenção não é tornar a avaliação mais difícil, mas fazer com que ela revele melhor o que o estudante sabe fazer, entende e é capaz de justificar.
Ouvir professores e estudantes é fundamental para entender os problemas e avaliar os efeitos das escolhas.
Mas a participação não quer dizer passar toda a responsabilidade pelas decisões a eles. Cabe à instituição definir critérios, tornar prioridades claras, garantir condições para a implementação e responder pelos resultados. A autonomia pedagógica precisa de uma governança que a viabilize, em vez de servir de justificativa para cada professor resolver sozinho problemas institucionais.
As quatro mudanças seguem o mesmo princípio: a responsabilidade institucional deve vir acompanhada de condições concretas para agir e de evidências que permitam avaliar os resultados.
É nesse caminho que trabalhamos na CESAR School, em uma iniciativa estruturada em sete eixos interdependentes. Os resultados desse trabalho serão apresentados nos próximos meses.
UMA NEGAÇÃO, PARA CONCLUIR
Entre as armadilhas desse processo, a que mais me preocupa é também a mais fácil de disfarçar: tratar “eficiência” como uma forma de dizer corte de custos.
Eficiência é importante. Eliminar tarefas desnecessárias, ampliar o acesso ao conhecimento e liberar tempo para atividades intelectualmente relevantes são objetivos legítimos. O problema aparece quando a economia de recursos vira o principal parâmetro, sem investigação sobre o que ocorre com a aprendizagem.
É possível dedicar menos tempo a uma atividade e alcançar resultados melhores. Também é possível reduzir custos ao transferir trabalho para os estudantes, automatizar decisões que exigiriam julgamento ou diminuir o acompanhamento pedagógico. Os dois caminhos podem ser apresentados com o mesmo discurso de inovação.
Economiza-se o tempo do professor, cai o custo por estudante e aumenta a escala. Mas, se a instituição não verifica o que os estudantes aprenderam de fato, eficiência passa a medir a capacidade de entregar diplomas, e não a qualidade da formação que eles representam.
Por isso, a pergunta central não é se a IA permitirá fazer mais com menos. É o que queremos fazer melhor, para quem e em quais condições de aprendizagem.
A IA no ensino superior latino-americano se disseminou, em grande medida, por iniciativa de professores, pesquisadores e estudantes, enquanto as estratégias institucionais ficaram para trás. Isso não quer dizer que todas as decisões individuais tenham sido corretas ou que a autonomia docente dispense coordenação. Significa que a transformação já está em curso e que as instituições precisam assumir sua responsabilidade por conduzi-la.
Quando finalmente fizerem isso, terão uma escolha.
Poderão reconhecer o julgamento pedagógico como parte fundamental do trabalho acadêmico, criar condições para redesenhar a aprendizagem e avaliar os resultados com seriedade. Ou poderão recorrer à tecnologia para padronizar atividades, reduzir custos e limitar a margem de decisão dos professores que tornou possível a adaptação até aqui.
A primeira opção exige investimento, coordenação e disposição para rever estruturas. A segunda pode parecer mais simples e rápida.
Mas uma universidade não comprova sua capacidade de inovar pelo número de tarefas que automatiza. Ela a demonstra pela qualidade do conhecimento que produz e, sobretudo, pela relevância de suas certificações no mercado de trabalho que atende.
O professor tomou a primeira decisão. Agora, ela precisa ser institucional — e a aprendizagem deve continuar sendo o critério.
Tags: Educação do amanhã 2026, post patrocinado
