A pergunta institucional mudou
Nos primeiros momentos da inteligência artificial generativa, muitas instituições concentraram sua atenção em uma pergunta imediata: como impedir usos inadequados? A preocupação era compreensível. Ferramentas capazes de gerar redações, códigos, imagens e respostas complexas desafiaram modelos tradicionais de avaliação e autoria.
A experiência acumulada desde então sugere que proibir, por si só, não resolve o problema. A tecnologia está disponível fora dos ambientes institucionais e pode ser utilizada independentemente da infraestrutura da universidade. Por isso, a questão de gestão passa a ser mais ampla: quais usos devem ser incentivados, quais precisam de supervisão, quais são inadequados e como a instituição demonstra que a aprendizagem continua ocorrendo?
Governança antes de modismo
O OECD Digital Education Outlook 2026 recomenda ambientes de política que protejam estudantes e apoiem a aprendizagem sem bloquear a inovação. Isso inclui expectativas claras sobre privacidade, segurança, vieses, adequação etária, transparência e alinhamento com objetivos educacionais.
Governança, nesse contexto, não significa criar um regulamento extenso para cada nova ferramenta. Significa estabelecer princípios duráveis. Dados pessoais podem ser inseridos em qualquer sistema? O aluno precisa declarar quando utilizou IA? Um professor pode usar uma ferramenta para avaliar trabalhos sem conhecer o tratamento dos dados? Quais atividades exigem produção individual? Perguntas como essas precisam de respostas institucionais.
Formação docente é infraestrutura
Uma política de IA escrita sem formação de professores corre o risco de permanecer no papel. A UNESCO organiza 15 competências docentes em cinco dimensões e, em relatório publicado em 2026, seu Instituto de Tecnologias da Informação em Educação analisou 36 estruturas nacionais, institucionais e acadêmicas de competência em IA para professores.
O movimento revela uma mudança de escala: já não se trata apenas de ensinar alguns comandos de prompt. A formação precisa incluir pedagogia, ética, avaliação, compreensão técnica suficiente para reconhecer limites e desenvolvimento profissional contínuo.
Avaliação precisa mostrar processo
Se a IA pode gerar um produto final convincente em poucos segundos, avaliações baseadas apenas no produto tornam-se mais frágeis. Uma resposta possível é tornar visível o processo de aprendizagem: versões intermediárias, justificativas metodológicas, registros de decisões, análise de fontes, apresentações, defesas orais, estudos de caso contextualizados e tarefas realizadas em etapas.
Isso não significa abandonar trabalhos escritos. Significa recuperar a razão pela qual eles existem. Um ensaio acadêmico não deveria avaliar apenas a capacidade de produzir páginas; deveria revelar leitura, raciocínio, argumentação e domínio do conteúdo.
Tecnologia com propósito
A maturidade institucional aparece quando a pergunta deixa de ser “qual ferramenta devemos adotar?” e passa a ser “qual problema educacional queremos resolver?”. Em alguns casos, a melhor solução poderá envolver IA. Em outros, uma conversa com o professor, uma atividade de campo, uma leitura demorada ou uma discussão em grupo continuará sendo mais adequada.
Instituições de ensino não precisam escolher entre tradição e inovação. Precisam distinguir aquilo que deve ser preservado daquilo que precisa ser reinventado. A tecnologia muda rapidamente; a responsabilidade de formar pessoas capazes de pensar, pesquisar, decidir e agir com integridade permanece.
Palavras-chave
gestão educacional; governança de IA; inteligência artificial; ensino superior; formação docente; avaliação acadêmica; transformação digital
Referências e fontes
- OECD Digital Education Outlook 2026
- UNESCO — AI Competency Framework for Teachers
- UNESCO IITE — Teacher AI Competency Frameworks, 2026
- Stanford HAI — 2026 AI Index Report, Education
