Dr. Anthony Lee, Presidente e CEO da Westcliff University – Série de Entrevistas

Dr. Anthony M. Lee é o Presidente da Westcliff University em Irvine, Califórnia, uma das universidades de crescimento mais rápido nos EUA, passando de menos de alguns hundredos de alunos para mais de 3.000 alunos nos últimos dez anos. Dr. Lee atuou em cargos de liderança em várias universidades e escolas nos EUA e internacionalmente. Com especialização em programas híbridos e online inovadores, Dr. Lee lançou novos programas que integram tecnologia com aulas tradicionais baseadas em campus para uma experiência de aprendizado aprimorada. Ele liderou escolas com sucesso pelo processo de acreditação em nível universitário e K-12. Sua experiência o provou como um líder em muitas áreas críticas dentro do ensino superior, incluindo marketing, finanças, operações, conformidade e acreditação.

Como sua definição de preparação para a força de trabalho evoluiu na era da inteligência artificial gerativa e automação?

A preparação para a força de trabalho costumava significar competência técnica e a capacidade de contribuir imediatamente dentro de um papel definido. Na era da inteligência artificial gerativa, essa definição não é mais suficiente porque a natureza do trabalho em si está mudando.

Hoje, preparação significa operar de forma eficaz em ambientes onde a inteligência é distribuída entre humanos e máquinas, onde as ferramentas evoluem continuamente e onde a execução é cada vez mais aumentada. A vantagem competitiva não é mais apenas saber como realizar uma tarefa, mas saber como formular problemas, supervisionar as saídas da IA, questionar suposições e aplicar julgamento sob restrições do mundo real.

Estamos testemunhando uma mudança da execução de tarefas para a supervisão cognitiva. O trabalho de nível de entrada está sendo redefinido. A produção rotineira pode ser automatizada, mas a responsabilidade não. Isso coloca maior ênfase na pensamento crítico, no raciocínio ético, na consciência contextual e na capacidade de traduzir as saídas geradas pela IA em decisões responsáveis.

Na Westcliff, consideramos a preparação para a força de trabalho como a integração da expertise do domínio, da fluência em IA e do julgamento humano disciplinado. Os alunos devem entender como os sistemas gerativos funcionam, onde criam alavancagem e onde introduzem risco. Mais importante ainda, eles devem aprender a colaborar com esses sistemas sem outsourcing da responsabilidade intelectual.

Nosso modelo de aprendizado aplicado é projetado em torno do engajamento estruturado com tecnologias emergentes em contextos autênticos. O objetivo não é apenas a proficiência em ferramentas, mas a capacidade adaptativa, a capacidade de permanecer eficaz à medida que as ferramentas mudam.

Nesta era, os profissionais que se destacam não serão aqueles que competem com a IA, mas aqueles que podem direcioná-la de forma pensada, questioná-la rigorosamente e permanecer responsáveis pelos resultados que ela influencia. É isso que a preparação para a força de trabalho agora exige.

O que significa para uma instituição levar a IA a sério no currículo e no nível institucional, em vez de tratá-la como um acréscimo?

A IA não é apenas uma ferramenta instrucional. Ela altera a arquitetura da educação em si.

Levar a IA a sério começa com a redesign. Cada disciplina deve examinar como os sistemas gerativos estão redefinindo as expectativas profissionais e definir o que a proficiência aumentada pela IA exige. A avaliação deve medir o raciocínio e a competência aplicada, e não apenas a produção.

Mas a seriedade também exige coerência institucional. A alfabetização em IA não pode estar em cursos isolados. O desenvolvimento do corpo docente, a governança, a estratégia de avaliação e a supervisão de fornecedores devem alinhar-se em torno de um princípio claro de que a tecnologia deve fortalecer a qualidade acadêmica, e não diluí-la.

Nesse ponto, a IA se torna parte da infraestrutura intelectual da universidade. Ela molda como o aprendizado é estruturado, como a mestria é demonstrada e como a credibilidade institucional é mantida em uma força de trabalho onde o julgamento humano e a capacidade da máquina operam lado a lado. É com essa forma de pensar que estamos avançando na Westcliff.

Como você equilibra as habilidades humanas fundamentais com o ensino de alunos para trabalhar efetivamente ao lado da IA?

Não vejo isso como uma escolha. Se algo, a IA gerativa aumenta o prêmio sobre as capacidades humanas fundamentais.

Quando a produção cognitiva rotineira se torna barata, o diferenciador se torna o raciocínio de ordem superior. O pensamento crítico significa formular melhores perguntas e questionar as saídas geradas pela máquina. O julgamento significa saber quando confiar em um sistema e quando pausar. A ética se torna prática e sobre entender as consequências de implantar sistemas inteligentes em escala.

Os alunos devem aprender a pensar em ambientes onde a IA está presente. O prompting é um ponto de partida, mas a supervisão cognitiva é a habilidade mais profunda. Os graduados devem articular e defender conclusões informadas, mas não determinadas por sistemas inteligentes.

Na Westcliff, tratamos a fluência em IA como um amplificador das habilidades fundamentais. Os alunos engajam-se com ferramentas inteligentes enquanto permanecem responsáveis pela clareza, credibilidade e consequência. A longo prazo, os profissionais que se destacam combinarão profundidade intelectual com agilidade tecnológica. A IA entrega velocidade e escala. Os humanos devem fornecer discernimento, responsabilidade e liderança.

Quais partes do ensino superior são mais vulneráveis à disruptura pela IA, e quais áreas são mais resilientes do que as pessoas esperam?

As áreas mais vulneráveis são aquelas construídas sobre a transferência de informações e produção padronizada. Se um modelo depende principalmente da entrega de aulas ou avaliações que medem a produção, a IA desafiará isso rapidamente.

O ensino superior é mais resiliente onde centra o desenvolvimento estruturado, o mentoramento, a prática aplicada, o trabalho em equipe, o aprendizado clínico e a formação de identidade profissional. A IA pode apoiar essas experiências, mas não pode substituir o crescimento construído por meio de feedback e responsabilidade.

A linha divisória é o design. As instituições que se veem principalmente como fornecedores de conteúdo estão expostas. Aquelas que operam como sistemas de aprendizado intencionais, focados no raciocínio, na competência aplicada e no crescimento mensurável, permanecem altamente relevantes.

A IA está elevando o padrão para o que um credencial deve representar.

Como as universidades devem repensar o design de diplomas à medida que a IA comprime o tempo necessário para adquirir habilidades e reduz as barreiras de entrada?

À medida que a IA comprime o tempo necessário para adquirir habilidades técnicas, as universidades devem esclarecer onde um diploma adiciona valor.

Se as ferramentas aceleram a proficiência nas tarefas, o ensino superior deve se concentrar no que não pode ser automatizado: profundidade conceitual, resolução de problemas estruturada, julgamento ético e desempenho sustentado sob restrição.

O design de diplomas deve ser modular e aplicado, mas coerente. O objetivo é a competência cumulativa, integrando a fluência técnica com o raciocínio e a adaptabilidade.

A IA reduz as barreiras de entrada. As universidades devem responder elevando o limiar para a integração, o julgamento e a capacidade demonstrada. Um diploma deve sinalizar competência duradoura, e não apenas exposição.

Na Westcliff, consideramos os diplomas como ecossistemas dinâmicos, e não progressões lineares fixas. Credenciais empilháveis e caminhos escalonados permitem que os aprendizes se reengajem à medida que as indústrias mudam, mantendo a coerência e a rigorosidade. A flexibilidade é importante, mas a progressão intelectual é mais importante.

Qual papel você vê a IA desempenhando na avaliação e credenciação?

A IA está forçando o ensino superior a confrontar uma realidade que precede a tecnologia em si. Muitas avaliações tradicionais estavam medindo a produção, e não a compreensão. Se uma tarefa agora pode ser automatizada com esforço mínimo, devemos questionar se ela alguma vez capturou o raciocínio.

A avaliação deve mudar para a demonstração autêntica da competência, defesa oral, resolução de problemas baseada em cenários, refinamento iterativo, simulações aplicadas e evidências de portfólio que tornam o pensamento visível. Em um ambiente habilitado pela IA, o que importa não é apenas o artefato, mas o processo cognitivo por trás dele.

Na Westcliff, mudamos para modelos de avaliação oral e iterativa que exigem que os alunos articulem e defendam seu raciocínio em tempo real. A IA pode ajudar gerando prompts adaptativos e suportando feedback escalável, mas a responsabilidade pelo design permanece humana. As instituições devem garantir que estão avaliando a cognição do aprendiz, e não a saída do modelo.

A credenciação está cada vez mais sobre a capacidade verificada, e não sobre o tempo acumulado em uma cadeira. Os empregadores querem evidências de competência aplicada e julgamento responsável. As instituições que redesenham a avaliação de forma proativa fortalecerão a credibilidade de seus diplomas.

Quando implementada de forma pensada, a IA expõe onde os padrões acadêmicos devem ser elevados.

Como você aborda a governança e a supervisão ao introduzir a IA no ensino e administração?

Abordamos a IA como abordaríamos qualquer sistema que afeta materialmente a qualidade acadêmica e a credibilidade institucional. A governança começa com a clareza de propósito, limites definidos e linhas claras de responsabilidade.

A supervisão eficaz garante que a inovação fortaleça a confiança, em vez de erodi-la. Isso significa padrões rigorosos de privacidade e segurança de dados, revisão de viés e justiça quando os sistemas influenciam os resultados dos alunos, e transparência sobre quais ferramentas são usadas e como os dados são tratados.

Isso também requer a atualização dos quadros de integridade para refletir as realidades atuais, em vez de suposições legadas. O desenvolvimento do corpo docente é crítico, para que a adoção seja intencional e alinhada com os objetivos de aprendizado, em vez de ser fragmentada ou reativa.

Quando introduzimos modelos de avaliação apoiados por IA na Westcliff, a supervisão foi incorporada ao design. O corpo docente monitorou a implementação, avaliou o impacto e refinou os processos com base em evidências. A avaliação de fornecedores é contínua, não episódica. As instituições devem reavaliar regularmente o alinhamento com os padrões acadêmicos e a proteção dos alunos.

O objetivo é a inovação responsável.

Quais são os conceitos errados que os educadores têm mais comumente sobre a IA, e qual é a mudança de mentalidade necessária?

Dois conceitos errados surgem repetidamente. O primeiro é que a IA é principalmente um problema de fraude. O segundo é que é apenas uma ferramenta de produtividade. Não é nenhum dos dois em isolamento. Mais fundamentalmente, reflete uma mudança na forma como o conhecimento é gerado, avaliado e aplicado.

Quando as instituições enquadram a IA apenas como uma questão de integridade, elas recorrem à restrição. Quando a enquadram apenas como eficiência, elas subestimam suas implicações. A pergunta mais importante é como projetar o aprendizado para que o raciocínio permaneça visível e responsável em um ambiente habilitado pela IA.

A mudança de mentalidade necessária é de controle para design. Isso permite que os professores se tornem ainda mais centrais como arquitetos de experiências de aprendizado que enfatizam o julgamento, a síntese e a competência aplicada.

Com o apoio institucional, práticas compartilhadas e governança coerente, os educadores podem realmente avançar para onde a IA eleva a barra para a pedagogia pensada e torna o design acadêmico mais importante do que nunca.

Como as universidades devem preparar os alunos para um mercado de trabalho onde os papéis são fluidos e a IA redefine o trabalho de nível de entrada?

Os papéis de nível de entrada tradicionalmente serviram como terrenos de treinamento para tarefas de produção rotineiras. Em muitos campos, a IA agora absorve grande parte desse trabalho de estágio inicial. Como resultado, os graduados são esperados para operar em um nível mais alto mais cedo.

A preparação deve, portanto, se concentrar nas capacidades que são difíceis de automatizar: formulação de problemas, comunicação, tomada de decisões e supervisão responsável de sistemas inteligentes. Os alunos precisam estar confortáveis trabalhando em ambiguidade, onde as ferramentas evoluem e os papéis são fluidos.

As universidades devem enfatizar competências adaptáveis que viajam por contextos, em vez de especialização estreita apenas. Aprendizado baseado em projetos estruturados com restrições reais é essencial. Quando os alunos resolvem problemas complexos e defendem suas recomendações, eles praticam o tipo de pensamento responsável que os empregadores cada vez mais valorizam.

A alfabetização em IA deve se tornar a base. Nem todos precisam construir modelos, mas todos devem entender como os sistemas inteligentes influenciam as decisões dentro de sua profissão.

O mercado de trabalho continuará a mudar. A responsabilidade do ensino superior é não prever todos os papéis, mas formar indivíduos que possam se mover por diferentes papéis, aprender continuamente e contribuir de forma significativa em ambientes moldados pela tecnologia acelerada.

O que sinalizaria que uma universidade adaptou-se com sucesso às mudanças impulsionadas pela IA, em vez de apenas sobreviver?

O sucesso será medido por resultados, e não por posicionamento público ou métricas de vaidade.

Uma universidade realmente se adaptou quando seu currículo e modelos de avaliação são redesenhados em torno da competência baseada no mundo real, em vez da entrega de conteúdo. Os professores podem demonstrar um design de aprendizado pensado versus serem adotantes atrasados, e os alunos podem claramente articular e defender seu raciocínio de maneiras que não podem ser geradas sob demanda.

A adaptação institucional também é visível na governança. O uso da IA é transparente, a supervisão está incorporada, e podemos demonstrar que a confiança nos resultados acadêmicos se fortalece, em vez de se erodir.

O indicador mais confiável, no entanto, é a validação externa. Os empregadores reconhecem que os graduados demonstram julgamento maduro, capacidade aplicada, tomada de decisões e fluência em ambientes habilitados pela IA.

A adaptação significa agilidade sem compromisso. A instituição evolui à medida que a tecnologia avança, mantendo rigorosos padrões e clareza ética. Na Westcliff, acreditamos que estamos produzindo um modelo de aprendizado que permanece credível, resiliente e valioso à medida que a IA continua a moldar o cenário.

Obrigado pela grande entrevista, leitores que desejam aprender mais sobre essa faculdade devem visitar Westcliff University.