Os estudantes brasileiros já usam inteligência artificial. A pergunta que sobra para a política pública não é se vão usar — é quem vai ensiná-los a usar bem.
Toda geração enfrentou uma tecnologia que parecia ameaçar a aprendizagem. Com a calculadora, o receio era o fim da aritmética; o que aconteceu foi o deslocamento do ensino do cálculo repetitivo para o raciocínio e a resolução de problemas. A régua vale aqui: a previsão sobre o estrago costuma errar, e o que sobra de valor é a capacidade de julgar, verificar e decidir.
Isso não significa ignorar risco. Significa não apostar tudo numa única previsão. Uma política de IA na educação que se limite a proibir deixa o aluno sozinho com a ferramenta — e transfere a formação para quem vende a ferramenta.
Há ainda um ponto que interessa diretamente ao campo progressista: a IA pode dar a um estudante de escola pública o tipo de apoio individual que antes só existia para quem podia pagar reforço particular. Se a política pública não organizar esse acesso, a tecnologia vai chegar assim mesmo — só que primeiro, e melhor, para quem já tinha vantagem.
Este plano separa três tarefas: construir o que ainda não existe, apoiar o que já está em movimento e evitar as respostas que pioram a escola.
A lacuna: os alunos já usam IA todo dia, quase sempre sem nenhuma orientação sobre limites, erros e responsabilidade.
A proposta: tratar letramento em IA como competência de base, ao lado de ler, escrever e calcular, dentro da BNCC — com financiamento permanente, e não como projeto-piloto. Ensinar o que a ferramenta faz bem, onde ela erra, o que é alucinação, o que é viés e quando não se deve confiar nela.
A lacuna: não se pede a um professor que ensine a usar uma ferramenta que ninguém o ensinou a usar. E a formação disponível hoje reproduz a desigualdade da rede: chega antes onde já havia mais recurso.
A proposta: um programa nacional de formação com prioridade explícita para as redes mais pobres, conduzido pela rede pública e pelas entidades de professores — com a indústria complementando o investimento público, nunca substituindo.
A lacuna: a avaliação brasileira mede sobretudo produto final — exatamente o que a IA entrega pronto.
A proposta: rever instrumentos de avaliação para capturar processo, argumento e defesa oral do que foi feito. Não é proibir a ferramenta na prova: é medir aquilo que a ferramenta não faz pelo aluno.
A lacuna: entre o ensino médio e o diploma superior há um vazio de qualificação reconhecida pelo mercado.
A proposta: qualificações curtas e reconhecidas, que somem para o diploma em vez de competir com ele, integradas ao ensino técnico e à aprendizagem profissional, para que a formação em tecnologia não dependa de concluir uma graduação de quatro anos.
A lacuna: é na pós-graduação e na pesquisa que a vantagem se acumula mais rápido — e é onde o Brasil forma menos gente do que precisa.
A proposta: ampliar bolsas e vagas em áreas ligadas a dados e IA, com acesso de universidade pública a capacidade computacional, para que pesquisa nacional não dependa de infraestrutura alugada no exterior.
A lacuna: dado escolar é dado sensível de criança e adolescente, e hoje circula em contrato de fornecedor sem piso comum.
A proposta: um piso nacional de privacidade, supervisão e transparência para uso de IA na escola, ancorado na LGPD: finalidade limitada, vedação de uso comercial de dado de aluno, e direito de saber quando uma decisão sobre o estudante foi automatizada.
Nem tudo precisa ser inventado. Há agendas em curso no Brasil que já apontam na direção certa e merecem apoio explícito em vez de disputa de autoria.
Sem internet estável e dispositivo em sala, todo o resto é conversa. A universalização da conectividade nas escolas é a pré-condição de qualquer política de IA educacional.
As políticas de educação digital e a expansão do ensino técnico já criam o encaixe onde as trilhas de qualificação em tecnologia podem entrar.
A LGPD já dá base para o piso de privacidade escolar. Falta regulamentação específica e capacidade de fiscalizar — não falta lei.
Banir a IA na escola não impede o uso: empurra para fora da sala, sem orientação, e pune quem não tem em casa alguém para explicar.
Ferramentas de detecção erram, e erram de forma desigual. Acusar aluno com base nelas destrói confiança e recai com mais força sobre quem escreve fora do padrão esperado.
Toda proposta que trata IA como economia de folha de pagamento entrega pior educação e mais desigualdade. A ferramenta serve para devolver tempo ao professor, não para dispensá-lo.
Contrato que prende rede pública a uma plataforma, sem portabilidade de dado nem padrão aberto, transforma política educacional em dependência de longo prazo.
Obrigação de "certificar" uso de IA sem critério nem capacidade de fiscalizar produz papelada, não aprendizagem.
Quando a sugestão da máquina vira decisão sem revisão humana, o erro escala. Vale para nota, para triagem e para qualquer decisão sobre a trajetória do aluno.
A IA vai continuar mudando, e nenhuma lei escrita hoje vai acompanhar cada mudança. O que a política pública pode fazer é garantir que estudante, professor e instituição estejam equipados para responder — e que a ferramenta chegue primeiro na escola que mais precisa dela, e não por último.