A pergunta deste artigo quer discutir como usar a Inteligência Artificial e não se as universidades devem usá-la. Essa decisão já foi tomada pelos próprios estudantes e docentes, que a usam todos os dias, com ou sem orientação. Neste sentido, na jornada do estudante, o que não pode ser entregue a uma máquina, por mais competente que ela seja?

O momento torna a pergunta urgente. O Conselho Nacional de Educação (CNE) aprovou hoje as diretrizes para o uso de IA na educação, que aguardam homologação do MEC e darão às instituições doze meses para se adequar. Muitas universidades brasileiras já publicaram seus guias, com diretrizes e protocolos. O Papa Leão XIV dedicou à IA sua primeira encíclica. E experiências de ponta começam a mostrar o que funciona e o que não funciona no ensino.

Aqui percorro três movimentos. Parto de uma experiência concreta de sala de aula, ouço diferentes vozes sobre o tema e proponho uma forma de articular inteligência humana e inteligência artificial. No final, arrisco uma resposta à pergunta do título.

1. O que a sala de aula me mostra

Começo por uma experiência que vivo neste semestre. Leciono uma disciplina chamada Métodos e Técnicas de Pesquisa, para estudantes de Comunicação. Numa atividade avaliativa pedi que cada um desenhasse um projeto de pesquisa sobre o Verific.AI, um aplicativo de checagem de notícias desenvolvido, na universidade, e transferido para a sociedade. O exercício precisava ter tudo o que uma proposta de pesquisa tem: uma inquietação de pesquisa, rede conceitual, pergunta(s), hipóteses, objetivos, estratégias metodológicas e reflexividade. E uma declaração informando os usados de IA para desenvolver a atividade. Recebi cerca de cinquenta textos.

A primeira surpresa parecia boa: Quase todo mundo declarou que usou IA. Ótimo, pensei: transparência. Só que, lendo com calma, percebi que a declaração tinha virado uma frase pronta. Algo como: “usei a IA para organizar as ideias, mas a autoria final é minha”. A mesma frase aparecia em textos completamente diferentes. Aparecia até em trabalhos que ainda traziam, esquecidas no meio do texto, marcas de uma resposta copiada da máquina. A declaração cumpria a regra. Poucos haviam parado para refletir sobre o que tinham feito.

A segunda surpresa me deixou mais inquieto. Os problemas dos textos eram parecidos demais entre si:

• Perguntas que já traziam a resposta. A maioria perguntava “como o Verific.AI pode ajudar...”. Ora, se você pergunta como algo ajuda, já está supondo que ajuda.
• Hipóteses que ninguém contestaria. Quase ninguém se arriscou a imaginar que a própria ideia podia estar errada.
• Coisas que ninguém foi conferir. Muitos supuseram que o aplicativo analisa vídeos e áudios. Bastava olhar: ele checa links de notícias.
• Autores só na lista. As referências apareciam no fim, mas não conversavam com o o tema ou com o problema ou com as hipóteses.

Quem usa essas ferramentas reconhece o padrão. É exatamente o tipo de texto que a IA produz quando ninguém a contraria: perguntas que confirmam, hipóteses que agradam, afirmações que parecem certas, mas não foram checadas. Não tenho como provar, mas desconfio fortemente disto: a IA não só ajudou a escrever. Ela deixou o pensamento parecido, e muitos erros dos estudantes eram, na verdade, erros da máquina que eles assumiram como seus.

A terceira surpresa foi a melhor. O que separou os bons trabalhos dos outros foi justamente aquilo que a IA não fez por ninguém. Uma estudante foi atrás de saber o que o aplicativo realmente faz, e transformou essa descoberta na pergunta da pesquisa. Outro pensou num recorte que só faz sentido para quem conhece a realidade local. Outros partiram de algo que viveram e tomaram posição. Conferir, conhecer o contexto, se posicionar: a diferença estava aí.

Preciso fazer uma confissão: para dar a devolutiva e organizar os cinquenta textos, eu também usei IA. Ela me ajudou a comparar os trabalhos e a enxergar os padrões que descrevi acima. Mas os critérios de avaliação, os comentários para cada estudante e as decisões sobre casos de cópia, as notas foram meus. Sem perceber, eu mesmo estava enfrentando a pergunta deste artigo.

2. O que dizem diferentes vozes

Fui ouvir quem está pensando o assunto. São vozes bem diferentes: um conselho que faz normas, universidades que estruturam e publicam guias, um papa, um pesquisador do Recife e uma das universidades mais avançadas do mundo em IA. E, mesmo assim, todas chegam a um ponto em comum: a IA pode ajudar, mas a decisão final tem que ser de uma pessoa. O interessante é identificar o que cada uma acrescenta, e onde elas discordam.

A regra: o Conselho Nacional de Educação

O CNE é quem sistematiza e define as regras gerais da educação no país. Em 1º de setembro de 2026, aprovou um parecer sobre IA nas escolas e universidades, relatado pelo conselheiro Celso Niskier. O CNE diz evitar fazer lista de aplicativos permitidos ou proibidos. Em vez disso, ele pergunta: qual o risco desse uso para a vida de alguém? Quanto maior o risco, mais cuidado. E alguns usos ficam proibidos: deixar a máquina corrigir sozinha uma redação ou um trabalho autoral, monitorar estudantes pelo rosto, tentar ler emoções. O relator resumiu numa frase: quem avalia é o professor. O parecer ainda pede que cada universidade escreva sua própria política.

O manual: as universidades

A UFMG lançou em agosto um guia para o uso responsável de IA. Ele pede que todo professor deixe claro, no Plano de Ensino da disciplina, se a IA pode ser usada e como. E traz um critério que eu acho muito bom: só passe para a máquina aquilo que você entende bem o bastante para conferir. USP, Unesp e Unicamp foram por outro caminho e pedem transparência total: qual ferramenta, qual versão, até os comandos digitados. Enquanto isso, muitos professores simplesmente voltaram às provas orais.

O sentido: o Papa Leão XIV

Na Encíclica Magnifica Humanitas, o Papa começa lembrando algo que a gente costuma esquecer: a tecnologia não é neutra. Pode diminuir desigualdades ou aumentá-las. Na parte sobre educação, ele diz uma coisa curiosa: quando a resposta chega rápido e fácil demais, corremos o risco de perder a vontade de perguntar (MH 140). Para ele, as coisas importantes só se aprendem com tempo, repetição, esforço e conversa com os outros. Ele fala em cuidar da atenção, com silêncio, leitura e debate (MH 146), e em formar continuamente os professores (MH 145). E resume: educar para a IA é, também, ensinar quando não usá-la.

A pesquisa: Geber Ramalho, no ForGRAD

Em julho, no Fórum de Graduação Nordeste, Geber Ramalho, pesquisador e professor, falou para pró-reitores de graduação de 42 universidades. Iniciou com uma provocação: a IA não criou os problemas da educação, só deixou impossível fingir que eles não existem. Aula expositiva, prova que mede o que é fácil medir, ensino igual para todo mundo. Um ponto que chamou atenção foi o “paradoxo da delegação”. Em termos simples: quem não usa IA aprende, mas devagar. Quem a usa de qualquer jeito, um pouco aqui e ali, aprende pior do que quem não a usa. E quem a usa com estratégia, liberando a cabeça do trabalho repetitivo para pensar em coisas mais difíceis, aprende mais. Ou seja: o problema não é usar ou não usar. É o que você faz com o tempo e a energia que sobram. Uma de suas sugestões práticas cai como uma luva na minha turma: antes de perguntar à IA, o estudante escreve a sua própria hipótese, objetivo ou pergunta.

A experiência em escala: Tsinghua, no FNESP

Em setembro, no 28º Fórum Nacional do Ensino Superior Particular Brasileiro, em São Paulo, Brian Li apresentou o que a Universidade de Tsinghua, na China, vem fazendo. Uma descoberta chama atenção: os tutores de IA melhoram as notas no começo, mas os alunos esquecem quase tudo em duas ou três semanas depois. Por quê? Porque foi fácil demais. Então eles mudaram o objetivo: em vez de tornar o aprendizado fácil, querem que o aluno saiba avaliar o que realmente aprendeu. Também trocaram a pergunta “a IA consegue fazer isso?” por outra: “um ser humano ainda deveria fazer isso?”. E passaram a avaliar em duas pistas. Numa, a do básico, nada de IA: prova oral, trabalho feito em sala. Na outra, projetos ambiciosos com toda a IA que o aluno quiser. A frase que fica: quando as respostas ficam fáceis, o que passa a valer é saber perguntar, saber julgar e assumir responsabilidades.

Onde as vozes não batem

Nem tudo combina. Algumas coisas que as palestras apresentaram como promissoras, o CNE considera arriscadas ou até proíbe. Corrigir trabalhos automaticamente, por exemplo. Ou usar dados para prever quem vai abandonar o curso. Ou decidir quem recebe bolsa. Ou agentes de IA para cuidar da saúde emocional dos estudantes. Isso não quer dizer jogar tudo fora, mas lembrar que o que funciona na China não adotamos aqui sem filtro. Prever que um estudante está em risco pode ajudar a acolhê-lo. Decidir sobre ele, não.

Também há uma tensão entre declarar e refletir. Exigir que o estudante declare cada comando usado aumenta o controle. Mas pode virar só mais um formulário, como a frase pronta que vi na minha turma. Declarar não é o mesmo que pensar sobre o que se fez.

E, por fim, vale um pé atrás com as pesquisas. Muitos estudos ainda se baseiam no que os próprios alunos dizem sentir. E, como lembrou o próprio Geber, comparar “IA usada de qualquer jeito” com “nenhuma IA” não diz muita coisa.

3. Como juntar três inteligências

Quase todo mundo pensa esse problema com duas peças: a inteligência humana e a artificial. Eu acho que falta uma terceira, que vou chamar de inteligência social. Não no sentido da psicologia, de saber lidar bem com as pessoas, mas no sentido do conhecimento que só nasce quando gente pensa junto: discute, discorda, corrige o outro e é corrigido. Guardo essa terceira para o final. Antes, vale ver como as duas primeiras podem se combinar.

Juntar as duas inteligências não é dividir o serviço, como quem diz “essa parte é sua, essa é minha”. É decidir, a cada situação, quando o esforço é justamente o que faz a pessoa aprender, e quando dá para liberar esse esforço para algo mais importante. A pergunta de Tsinghua ajuda a começar, e dá para pensar nela como três camadas.

Na primeira camada fica o que pode passar para a IA: as tarefas repetitivas, a busca de informação, as correções de rotina, a formatação. É o trabalho braçal do pensamento, que toma tempo e ensina pouco. Na segunda camada fica o que é das pessoas: fazer perguntas, pensar com a própria cabeça, decidir o que é certo e responder pelo resultado. Isso ninguém pode fazer por nós sem que a gente deixe de aprender. Na terceira camada fica o que se faz junto: resolver problemas complicados, criar, misturar áreas do conhecimento. Aqui a máquina amplia o alcance, mas quem conduz é a pessoa.

Só que as camadas mudam segundo a pessoa e o momento. Formatar referências pode ser tarefa de máquina para quem está no doutorado. Para um calouro, que ainda está aprendendo o que é uma fonte confiável, é parte do aprendizado. Por isso, a decisão precisa ser tomada em três lugares diferentes.

Na sala de aula: olhar o caminho, não só a chegada

Se a IA escreve bem, um texto bem escrito já não prova que o estudante aprendeu. A saída é avaliar o caminho, e há jeitos simples de fazer isso. Pedir a hipótese do estudante antes de ele consultar a IA, e depois comparar as duas. Usar a IA como adversária: ela critica o argumento e o estudante tem que defender. Entregar um texto gerado por IA cheio de erros escondidos e pedir que a turma encontre. Combinar momentos sem IA, como a prova oral, com projetos em que ela é bem-vinda. E trocar a frase pronta por uma declaração de verdade, que responda a três perguntas: o que eu passei para a máquina, o que eu decidi não passar e por quê, e o que aprendi que ela não teria feito por mim.

No curso: cada área decide o que é essencial

Não existe uma lista que sirva para todos. O que um jornalista não pode deixar de fazer sozinho, como apurar, checar uma informação e responder pelo que publica, é diferente do que um médico ou um engenheiro precisa saber fazer sem ajuda. Cada profissão precisa olhar para seu perfil de egresso, para o profissional que quer formar e decidir o que exige esforço humano para ser aprendido. E o tema da IA não pode ficar preso a uma disciplina. Tem que atravessar o curso inteiro, nos contextos profissionais com seus usos nas práticas, como propõe a UFMG.

Na universidade: regras, dados e cultura

As universidades precisam de política, protocolos e guias. Elas podem, e devem, usar a IA para conhecer melhor seus estudantes: entender por que alguém abandona o curso, ou por que duas turmas com o mesmo currículo têm resultados tão diferentes. A régua do CNE ajuda: quanto mais uma decisão pesa na vida de alguém, mais uma pessoa precisa estar no comando. Mas nenhuma regra funciona se as/os docentes não estiverem preparados. Esse é o único ponto em que todas as vozes concordam sem nenhum “mas”. Como Geber lembrou, citando um velho ditado da gestão, a cultura de uma instituição come a sua estratégia no café da manhã.

Uma pista que vem da tradição jesuíta

Trabalho numa universidade jesuíta, e essa tradição tem uma forma própria de pensar o aprendizado. Ela fala em cinco momentos: o contexto, a experiência, a reflexão, a ação e a avaliação. O que vi na minha turma é que a IA consegue ocupar a experiência e a ação: ela produz textos, responde e entrega. O que ela não consegue fazer pelo estudante é a reflexão. Parar e se perguntar: o que eu aprendi aqui? O que ainda não sei? O que isso muda no meu jeito de ver as coisas? A frase pronta da declaração é o sinal de uma reflexão que não aconteceu. Colocar a reflexão de volta, no centro, talvez seja a contribuição mais original que essa tradição possa oferecer.

4. Afinal, o que nunca delegar?

Minha resposta não é uma lista de tarefas. São quatro coisas que fazem de uma universidade uma universidade.

A pergunta. Foi o que minha turma mostrou com mais clareza, e o que o Papa e Tsinghua dizem cada um à sua maneira. Quando qualquer resposta está a um clique, saber perguntar vira a coisa mais rara. Uma universidade que forma gente capaz de conseguir respostas, mas não de fazer boas perguntas, perdeu o sentido de existir. A hipótese contrária, que quase nenhum estudante quis formular, não é um detalhe técnico. É o hábito de duvidar da própria certeza.

O julgamento. Decidir se um trabalho está bom, se alguém aprendeu, qual evidência pesa mais. É isso que o CNE protege quando proíbe a máquina de corrigir sozinha um texto autoral. A IA pode ajudar a formar esse julgamento. Não pode tomar o lugar dele, porque julgar exige conhecer a situação e aceitar o risco de errar.

A responsabilidade. Uma ferramenta não responde pelo que produz. Quem responde é o pesquisador pelo que publica, o professor pela nota que dá, a universidade pelas decisões que mexem com a vida dos estudantes. A UFMG disse isso muito bem: só passe para a máquina o que você consegue conferir. Se não dá para conferir, não dá para assumir. E se não dá para assumir, não deveria ter passado.

O encontro. O Papa lembra que a gente aprende de verdade quando as ideias se esfregam umas nas outras, na conversa com outras pessoas. A universidade é o lugar onde gente que pensa diferente convive e discute. Isso não acontece num papo com um sistema feito para concordar com você. Abrir mão do encontro seria transformar a universidade num balcão de respostas. É aqui que mora a terceira inteligência, a social.

Nenhuma dessas quatro coisas exige deixar a IA de lado. Todas podem ficar melhores com ela. A pergunta fica mais afiada quando a máquina propõe uma hipótese contrária. O julgamento fica mais seguro com uma boa análise prévia. A responsabilidade é exercida com mais informação. O encontro ganha com simulações e debates. O que não dá é inverter a ordem e deixar a máquina perguntar, julgar, responder e ocupar o lugar do outro.

Para terminar

O que contei aqui é pequeno: uma turma, uma atividade, um semestre. Mas mostra, em miniatura, o que as universidades vão enfrentar em grande escala. Os estudantes não precisam de proibição, nem de liberdade total. Precisam de atividades pensadas para que usem a IA com estratégia, e não de qualquer jeito. E de professores preparados para criar essas atividades.

Se você é professor, comece pela avaliação: é ela que define o que os estudantes vão de fato aprender. Se você é estudante, desconfie da facilidade: a resposta que chega rápido demais costuma ser a que menos ensina. Se você está na gestão, encare a política de IA não como mais um regulamento, mas como uma decisão sobre o que a sua instituição considera inegociável na formação que oferece.

No fim das contas, a pergunta do título não tem resposta técnica. Como disseram em Tsinghua, saber o que a máquina consegue fazer é uma questão técnica. Decidir o que ela deve fazer é uma escolha educacional. E essa escolha cabe a cada universidade, junto com seus professores e estudantes.

Talvez o erro esteja em pensar o problema só com duas peças, a inteligência humana e a artificial. A terceira, a social, é a que a universidade guarda melhor: a inteligência que nasce quando as pessoas pensam juntas, discordam, se corrigem, inovam, mapeiam problemas e constroem soluções que geram mais vida, mais empregos e mais inclusão. Curiosamente, a IA é feita disso, porque aprendeu com o que milhões de pessoas escreveram. Mas ela nos entrega o resultado dessa conversa sem a conversa. A universidade é o lugar onde a conversa continua acontecendo. E é isso que ela nunca deveria delegar.

Referências

CONSELHO NACIONAL DE EDUCAÇÃO (Brasil). Diretrizes orientadoras para o uso da inteligência artificial na educação brasileira. Parecer aprovado em 1º set. 2026, pendente de homologação pelo MEC. Relatores: Celso Niskier e Israel Batista.

LEÃO XIV, Papa. Magnifica humanitas: carta encíclica sobre a salvaguarda da pessoa humana na era da inteligência artificial. Vaticano, 15 maio 2026. Disponível em: https://www.vatican.va/content/leo-xiv/pt/encyclicals/documents/20260515-magnifica-humanitas.html.

LI, Yifan (Brian). Práticas e reflexões da Universidade de Tsinghua no ensino e aprendizagem com o auxílio da IA. Palestra apresentada no FNESP. São Paulo, 16 set. 2026.

RAMALHO, Geber. Da IA na educação para o aprendizado com IA. Palestra apresentada no ForGRAD Regional para pró-reitores acadêmicos. jul. 2026.

UNIVERSIDADE FEDERAL DE MINAS GERAIS. Comissão Permanente de Inteligência Artificial. Princípios e diretrizes para o uso responsável da inteligência artificial na UFMG: orientações práticas. Belo Horizonte: UFMG, ago. 2026. Disponível em: https://www.ufmg.br/ia/wp-content/uploads/2026/08/Guia-de-Inteligencia-Artificial_Principios-e-diretrizes-para-o-uso-responsavel-na-UFMG.pdf.

*Carlos Jahn é gerente de Desenvolvimento da Graduação e professor do Curso de Jornalismo na Universidade Católica de Pernambuco.