O pânico de «Meu dever de casa foi escrito por IA» acabou: veja o que o substituiu

Quando o ChatGPT se tornou disponível ao público, educadores começaram a imaginar o pior cenário possível.

Os estudantes deixariam de escrever as próprias redações. 

Seria impossível confiar nos trabalhos para fazer em casa. 

E, em algum lugar, um LLM estaria produzindo uma redação de cinco parágrafos perfeitamente aceitável sobre O Grande Gatsby, enquanto seu suposto autor jogava videogame em outro cômodo.

A preocupação era compreensível. Pela primeira vez, os estudantes tinham acesso gratuito a uma tecnologia capaz de produzir textos convincentes sobre praticamente qualquer assunto. Mas, alguns anos após o início da era da IA generativa, a conversa está se tornando mais complexa.

Os estudantes continuam usando IA. Na verdade, seu uso se tornou extremamente comum. Uma pesquisa de 2025 do Higher Education Policy Institute, realizada com mais de 1.000 estudantes de graduação do Reino Unido, constatou que 92% usavam IA de alguma forma, enquanto 88% já haviam usado IA generativa em avaliações. Uma pesquisa com a turma de 2025 da UCLA constatou, de modo semelhante, que 73% dos alunos do último ano que responderam à pesquisa usaram IA generativa para apoiar os trabalhos acadêmicos.

Isso não significa necessariamente que esses estudantes estejam pedindo ao ChatGPT que faça um trabalho do começo ao fim. Eles pesquisam temas, fazem brainstorming, estudam para provas, revisam textos, pedem explicações sobre conceitos difíceis e, às vezes, geram partes dos trabalhos.

Isso levanta uma questão importante para os educadores: os estudantes realmente entendem o que estão entregando?

O problema dos detectores de IA

A resposta aos trabalhos escolares gerados por IA foi outra forma de IA: os softwares de detecção.

Se os estudantes podiam usar um algoritmo para escrever uma redação, talvez os educadores pudessem usar outro algoritmo para identificá-los.

Há apenas um problema: detectar IA não é o mesmo que provar seu uso.

Desde os primeiros anos de ampla disseminação da IA generativa, pesquisadores vêm alertando para falsos positivos e falsos negativos. Um estudo de 2023 publicado na The International Journal of Management Education constatou que havia sobreposição na forma como os detectores classificavam textos autênticos e textos gerados por IA, o que criava a possibilidade dos dois tipos de erro.

Pesquisas mais recentes sugerem que o desafio fundamental permanece. Uma avaliação de 2026 publicada em Computers & Education testou 13 detectores de conteúdo gerado por IA com trabalhos, teses e códigos autênticos de estudantes. Os pesquisadores concluíram que o desempenho dos detectores continuava inadequado para decisões acadêmicas de alto impacto e constataram que conteúdos gerados por IA e editados frequentemente conseguiam escapar à detecção.

Isso não torna inúteis as ferramentas de detecção. No entanto, dificulta confiar nelas como principal resposta ao uso de IA no trabalho acadêmico.

Isso também levanta uma questão mais ampla.

Mesmo um detector que funcionasse perfeitamente apenas diria ao educador se provavelmente foi a IA que gerou determinado texto. Ele não diria se houve aprendizado.

Imagine dois estudantes:

• O primeiro pede a um chatbot de IA que escreva um trabalho inteiro, faz algumas alterações e o entrega sem entender o argumento.
• O segundo usa a IA para explicar um conceito com o qual tem dificuldade, faz perguntas complementares, pensa em possíveis argumentos, escreve o trabalho por conta própria e volta a usar a ferramenta para identificar pontos fracos no primeiro rascunho.

Ambos usaram IA. Mas, do ponto de vista educacional, fizeram coisas muito diferentes.

«Você usou IA?» está se tornando a pergunta errada

A IA generativa já não é uma máquina de escrever com uma única finalidade.

Os estudantes podem usá-la como revisora, tutora, parceira de brainstorming, tradutora, assistente de pesquisa, ferramenta de programação ou recurso de estudo. Cada vez mais, os recursos de IA também são incorporados aos programas que as pessoas já usam.

Até os próprios estudantes reconhecem essa diferença. Na Pesquisa Global com Estudantes de 2025 da Chegg, 80% dos estudantes de graduação entrevistados disseram ter usado IA generativa para apoiar os estudos. Entre esses usuários, 56% a utilizaram principalmente para entender conceitos ou disciplinas. Ao mesmo tempo, 53% disseram estar preocupados com a possibilidade de receber informações incorretas.

Esse último número pode ser tão importante quanto o primeiro, porque aprender a trabalhar com IA também significa aprender a avaliar se uma resposta merece confiança.

Um chatbot pode sugerir fontes para uma redação. Algumas delas talvez não existam. Ele pode melhorar um parágrafo. Também pode alterar sutilmente o que o estudante estava tentando dizer.

Quanto mais fácil a IA torna a produção de uma resposta, mais importante se torna saber o suficiente para avaliá-la. É aí que a conversa sobre integridade acadêmica começa a se transformar em uma conversa sobre letramento em IA.

Estudantes precisam demonstrar que compreendem

Durante décadas, trabalhos concluídos e bem pesquisados serviram muitas vezes como evidência de aprendizagem.

Um estudante entrega uma redação, um relatório de laboratório, uma apresentação ou um trecho de código, e o professor avalia o resultado final para determinar o quanto o estudante compreende o conteúdo.

A IA generativa enfraquece essa premissa, pois agora é possível produzir um trabalho final bem elaborado sem que o estudante necessariamente tenha o conhecimento que esse trabalho parece demonstrar.

Isso leva os educadores a olhar além do resultado final:

1. Pedir ao estudante que explique por que chegou a determinada conclusão.
2. Perguntar que evidência o fez mudar de ideia.
3. Pedir que defenda um argumento oralmente.
4. Perguntar qual parte da tarefa foi mais difícil para ele.
5. Mudar uma variável de um problema e pedir que o estudante o resolva novamente.
6. Pedir que identifique um ponto fraco no próprio trabalho.

Se o uso de IA foi permitido, perguntar como o estudante a utilizou, o que ela acrescentou e o que ele rejeitou.

De repente, produzir uma resposta impressionante é apenas parte da tarefa. O estudante também precisa demonstrar que se apropriou do raciocínio por trás dela.

As tarefas devem revelar mais do processo

Durante anos, as ferramentas digitais facilitaram cada vez mais a concentração da avaliação no trabalho concluído. A IA generativa está levando alguns educadores na direção oposta: de volta ao processo que o produziu.

Isso pode significar analisar esboços e rascunhos, em vez de apenas os trabalhos finais. Pode significar incluir discussões em sala de aula ou componentes orais. Os estudantes podem documentar como desenvolveram seu argumento, explicar por que escolheram determinadas fontes ou refletir sobre os momentos em que tiveram dificuldades.

A IA pode até se tornar parte da própria avaliação.

Em vez de dizer aos estudantes que não usem um chatbot, o professor poderia apresentar uma resposta gerada por IA e pedir que eles a criticassem.

• O que o modelo acertou?
• O que ele deixou passar?
• Quais afirmações precisam ser verificadas?
• Que fontes seriam necessárias antes de confiar na resposta?
• O estudante consegue apresentar um argumento melhor?

É muito mais difícil terceirizar essas respostas, porque a tarefa agora exige julgamento humano. E o julgamento é justamente a habilidade de que os estudantes precisam quando a IA consegue gerar informações plausíveis sob demanda.

O letramento em IA se torna sinônimo de letramento acadêmico

Houve um tempo em que “letramento digital” significava, em grande medida, saber operar um computador, navegar na internet e usar programas comuns.

A definição se tornou mais sofisticada, porque saber pesquisar na internet não era suficiente. As pessoas também precisavam avaliar sites, reconhecer fontes pouco confiáveis, proteger informações pessoais e entender que aparecer no topo dos resultados de busca não tornava algo automaticamente verdadeiro.

O letramento em IA está passando por uma transição semelhante: saber escrever um comando é útil, mas é apenas uma parte da habilidade.

Os estudantes também precisam entender o que a IA generativa pode e não pode fazer de maneira confiável. Precisam reconhecer alucinações, questionar respostas categóricas, verificar fontes, considerar a privacidade e entender quando a ajuda da IA ultrapassa o limite e substitui o próprio raciocínio.

Essa distinção provavelmente exigirá algumas tentativas e erros em relação ao objetivo geral de aprendizagem.

Usar IA para explicar um conceito difícil pode acelerar a aprendizagem. Pedir que ela resolva um problema antes de tentar resolvê-lo por conta própria pode contornar justamente o trabalho cognitivo que a tarefa foi concebida para desenvolver.

O mundo fora da sala de aula

A educação sempre teve um olhar voltado para o futuro. Ao se formarem, os estudantes levam para o ambiente de trabalho as lições que aprenderam na escola. E é improvável que os locais de trabalho onde ingressarem não usem IA.

Assistentes de IA estão sendo incorporados a plataformas criativas e sistemas empresariais. Muitos dos estudantes de hoje poderão seguir carreiras nas quais se espera que saibam usar a IA com eficiência. Por isso, torna-se cada vez mais difícil sustentar uma abordagem radical de “nada de IA” como preparação para a vida profissional.

O extremo oposto também não é particularmente útil.

Um estudante que não consegue escrever um argumento sem IA não está necessariamente mais preparado para um ambiente de trabalho que utiliza IA. Tampouco está mais preparado um estudante que aceita uma análise gerada por IA sem verificá-la.

A habilidade valiosa é saber o que delegar e o que não delegar.

• A IA pode produzir um resumo inicial em segundos. Ainda assim, uma pessoa precisa ter conhecimento suficiente do assunto para perceber o que está faltando.
• A IA pode gerar código. Ainda assim, alguém precisa saber se o código funciona, se é seguro e se resolve o problema pretendido.
• A IA pode redigir um e-mail para um cliente. Ainda assim, alguém precisa conhecer o cliente o suficiente para saber se enviá-lo seria uma péssima ideia.

Ter familiaridade com IA sem capacidade de julgamento independente não é ter muita competência.

A nova questão sobre integridade acadêmica

O problema original da cola ainda existe. Os estudantes podem usar IA generativa para evitar fazer o trabalho, assim como sempre encontraram maneiras de escapar dessa tarefa. Os educadores ainda precisam estabelecer limites para definir onde a IA é permitida, quando o trabalho independente é importante e o que constitui má conduta acadêmica.

Mas a discussão mais ampla tem se concentrado na ideia de que a IA tornou extraordinariamente fácil produzir a aparência de conhecimento. Isso significa que a educação precisa se tornar melhor em distinguir a aparência de conhecimento do conhecimento em si.

A pergunta antiga era: “Este trabalho é seu?”

A nova pergunta é: “Você consegue demonstrar que o raciocínio por trás deste trabalho é seu?”

Essa pergunta é mais difícil de avaliar. Para os educadores, isso exige mais do que passar uma redação por um detector e esperar por uma porcentagem. Ainda assim, vale a pena fazer esse esforço adicional. Afinal, a tarefa de casa não deve ser uma questão binária: foi feita ou não? A tarefa de casa sempre foi, e continua sendo, sobre o raciocínio necessário para realizá-la.