Como Ensinar IA na Escola sem Perder o Raciocínio Crítico

De ensinar programação ao hype da inteligência artificial

Nós lembramos claramente. Há pouco mais de uma década, escolas, ONGs e até programas de governo se mobilizavam para inserir a programação de computadores no cotidiano de crianças e adolescentes. O discurso era simples: ensinar lógica e códigos cedo prepararia os jovens para o futuro do trabalho. Livros, oficinas de software e até brinquedos tecnológicos invadiram salas de aula e lares, prometendo uma revolução educacional.

Com o tempo, acompanhando trajetórias de alunos, ficou claro que a relação entre aprender a programar ainda na infância e o sucesso profissional era, no mínimo, irregular. Alguns se destacaram, muitos simplesmente seguiram outros caminhos. Pesquisas apontam que fatores socioeconômicos e educacionais prévios acabam influenciando muito mais o desempenho acadêmico em introdução à programação, ampliando desigualdades quando a ênfase está apenas na habilidade técnica.

Hoje, testemunhamos um movimento muito parecido, só que com a inteligência artificial generativa ocupando o centro do palco. Existe uma nova urgência para que as escolas se adaptem rapidamente e “preparem os alunos para o futuro da IA”. Mas, será que aprendemos com o passado?

Adoção real: pesquisa, expectativas e realidade

Em nossas pesquisas dos últimos dois anos, ao lado de professores que se dizem abertos ao uso de inteligência artificial em sala, identificamos um paradoxo interessante. Embora haja muita curiosidade e até hype, a adoção prática ainda é baixa, mesmo entre docentes de engenharia e ciência da computação. Frequentemente, ouvimos relatos de que falta clareza sobre usos realmente universais ou que façam sentido para todos os perfis de estudantes.

Dados recentes mostram que 70% dos alunos do ensino médio já utilizam IA generativa nas suas pesquisas escolares, mas apenas 32% receberam orientação adequada nas escolas. Ao mesmo tempo, 56% dos professores brasileiros afirmam usar IA para preparar aulas, acima da média de outros países. Ou seja: muitos experimentam, mas poucos se sentem plenamente confortáveis ou amparados por metodologias sólidas.

Essa situação leva a uma pergunta central:

Quais habilidades realmente duram quando a tecnologia muda?

O risco de ensinar só o prático

Observamos que, ao tentar responder rapidamente à demanda, muitas escolas e cursos optam por ensinar uso prático imediato da IA, como criar prompts eficazes ou explorar funções de ferramentas específicas. No entanto, as habilidades muito atreladas a um software ou interface tendem a envelhecer mal, porque a tecnologia avança em velocidades bem superiores ao ritmo do currículo escolar.

Esse erro já foi cometido antes. No ensino de programação, por exemplo, o foco muitas vezes ficou preso em comandos e sintaxes, e pouco se investiu em raciocínio computacional profundo. Isso contribuiu para resultados mistos no mercado de trabalho, aumentando a desigualdade entre quem teve acesso a práticas de alta qualidade e quem só aprendeu a operar ferramentas superficiais.

O papel do pensamento computacional

Em vez de apostar apenas em treinamento para ferramentas, defendemos que o melhor caminho é ensinar pensamento computacional. Mas afinal, o que isso significa na prática?

• Dividir problemas grandes em partes menores para facilitar a solução.
• Reconhecer padrões entre situações diferentes e aprender a identificá-los.
• Criar processos passo a passo, como algoritmos, para organizar o raciocínio.
• Analisar como sistemas automáticos tomam decisões e produzem resultados.

Essas competências fazem com que alunos compreendam como a inteligência artificial chega às respostas, e não apenas aceitem seus resultados como verdades prontas. É um caminho para conectar o que se aprende na escola ao que há de mais avançado no mundo digital, sempre entendendo que a tecnologia continuará mudando, mas a base reflexiva permanece.

Curiosamente, já identificamos muitos professores aplicando esse tipo de atividade, mesmo sem nomeá-la abertamente como pensamento computacional. Eles pedem para que alunos analisem erros dados por chatbots, comparem exemplos do cotidiano com bases de treinamento de IA e discutam decisões tomadas por sistemas automáticos.

IA como objeto de estudo e fortalecimento do pensamento crítico

Nossas experiências têm mostrado que a IA pode, e deve, ser estudada também como fenômeno social, abrindo portas para discussões sobre tecnologia e suas consequências. Ao abordar IA nessas dimensões, fortalecemos não só o pensamento crítico, mas também o letramento midiático e a capacidade de resolução de problemas.

Sugerimos algumas práticas possíveis para trabalhar esse olhar investigativo:

• Pedir avaliações críticas sobre respostas geradas por IA, identificando possíveis erros ou limitações.
• Discutir de onde vêm os dados que alimentam sistemas, qualidade, fontes, viés e lacunas.
• Debater temas como confiabilidade, segurança, privacidade e verificabilidade das informações.
• Valorizar tarefas abertas, que exigem argumentação, análise de evidências e raciocínio estruturado.

O aluno aprende com e sobre IA, sem abandonar seu próprio processo de pensar.

Para aprofundar como unir tecnologia à formação social e emocional, indicamos o conteúdo sobre Educação 5.0, detalhado em nosso guia prático para unir tecnologia e emoção.

Desenvolvimento de soluções: o papel do professor e das parcerias

Ao conversar amplamente com educadores para entender como a IA entra (ou não) em suas rotinas, percebemos que muitos sistemas de inteligência artificial simplesmente foram adaptados de outros contextos e, depois, oferecidos ao universo escolar, sem escuta real das particularidades pedagógicas. Isso obriga os professores a inventar soluções à força, muitas vezes sem apoio consistente, gerando frustração e desperdício de potencial.

Mas também há movimentos inovadores. Vemos professores desenvolvendo pequenas aplicações só para suas turmas, desenhando chatbots experimentais, que se assemelham aos primeiros protótipos de novos produtos educacionais baseados em IA. Essas tentativas revelam não só criatividade, mas a enorme necessidade de que produtos futuros sejam pensados junto com quem está no chão da escola, desde a concepção.

Defendemos que mais parcerias sejam firmadas entre educadores, especialistas de tecnologia e gerentes de produto, de modo que problemas práticos de ensino possam ser solucionados de maneira coletiva e, acima de tudo, útil. Experiências como essas já vêm sendo discutidas em espaços voltados à competência digital dos coordenadores até 2026, como descrevemos neste artigo sobre competência digital.

Produtos de IA feitos para a educação devem nascer de diálogos reais com as salas de aula.

Governança, próximos passos e o ritmo da adoção

Nossa equipe de pesquisa já se articula para criar modelos de governança para o uso ético e seguro de IA nas escolas, em parceria com redes de ensino e empresas que desejam construir critérios claros para definir quando a IA realmente contribui, ou pode ser prejudicial, ao processo educacional.

O desafio é grande, porque as decisões nunca são simples. Muitos professores, diante da incerteza, seguem adotando o que faz sentido, devagar e sempre atentos à pergunta central:

Para que, exatamente, serve isso em uma aula de matemática?

Sabemos que, ao longo desse caminho, avaliações formativas, o uso de métricas em tempo real e acompanhamento de desempenho serão aliados, como discutimos em nosso guia rápido para RH.

E reforçamos: é possível ensinar IA, mas manter o raciocínio crítico vivo depende de coragem para não cair no modismo, abrir espaço à dúvida e valorizar o processo de pensar, não só a resposta pronta da máquina.

Para aprofundar debates sobre tendências e o impacto futuro da inteligência artificial na educação, sugerimos a leitura sobre expectativas para o futuro da IA na educação e o artigo sobre recursos e desafios da IA na educação.