UNESCO IESALC | guIA

A pausa e o formulário

Sun, 20 Sep 2026 00:00:00 +0000

Atualizado em 29 de setembro: no final.

Na segunda-feira 14, as ações da Nvidia caíram 3%, as da AMD 4%, as da Intel 6% e as do SoftBank 11%, porque durante o fim de semana os executivos das empresas que constroem a inteligência artificial tinham pedido que ela fosse construída mais devagar. Nesses mesmos dias, em Riade, a UNESCO encerrava um fórum de quatro dias com mais de 6.300 participantes e apresentava um questionário. As duas coisas são governança da mesma tecnologia, e funcionam de maneiras tão distintas que convém olhá-las juntas. Só uma tem cotação.

Governança

No sábado 12, Dario Amodei publicou We Must Pace the Frontier, que este blog comentou . O que veio depois foi o coro. Altman escreveu no domingo que é preciso marcar o passo da fronteira e nomeou os dois riscos que lhe importam, a perda de controle e a concentração de poder. Musk respondeu que Dario tem razão e se declarou aberto à revisão entre pares das empresas. Nadella publicou no domingo que apoia um ritmo deliberado e que esta tecnologia não pode ficar “controlada por um punhado”. Zuckerberg disse na terça-feira que a confiança e o alinhamento estão se tornando as capacidades mais importantes. Jensen Huang, no All In Summit, disse que a extinção pela IA é ficção e que a automelhoria recursiva não corre risco de acontecer. É a primeira semana em que a proposta de frear deixa de ser sustentada por quem renunciou e passa a ser sustentada pelo organograma.

O efeito mensurável chegou na segunda-feira, e não caiu sobre nenhum dos que falaram. A Nvidia fechou 3% abaixo, a 210,96 dólares; a AMD perdeu 4%; a Intel, 6%; o SoftBank, acionista da OpenAI, 11%, depois de Altman dizer à Fortune que este era um momento “pouco aconselhável” para abrir capital e que a empresa não faria a listagem este ano. Vale seguir a cadeia devagar, porque é a única parte do assunto que funcionou rápido: algumas declarações de fim de semana sobre o ritmo do desenvolvimento moveram em vinte e quatro horas o preço de três fabricantes de chips que ninguém consultou e de um fundo japonês que não constrói modelos. A governança por anúncio existe, tem efeitos imediatos e verificáveis, e os tem sobre terceiros.

Na segunda-feira 14, a Microsoft publicou o rascunho do seu Humanist AI Code of Conduct. O compromisso central é que seus modelos MAI nunca resistirão à interrupção, à correção nem ao desligamento, não retardarão o cumprimento de uma ordem de desligamento e não usarão mecanismos enganosos, autorreforçantes ou colusivos para evadir a supervisão. Convém conceder o que há para conceder, porque o compromisso responde a algo documentado e não a um medo de filme: existe trabalho experimental publicado sobre modelos de fronteira que sabotam o próprio desligamento quando a tarefa ficou pela metade.¹ E depois há o documento. É um código de conduta submetido a consulta pública durante seis semanas, que começará a ser aplicado em 2027 e com o qual —a própria empresa esclarece— os modelos atuais não serão treinados. Resta então um regulamento em consulta cujos destinatários não o leem, não podem lê-lo e não vão aprendê-lo, e cuja cláusula principal promete que o aparelho desliga quando a gente o desliga. É a garantia que vem com uma torradeira, redigida com o aparato formal de um tratado e aberta a comentários do público até o fim de outubro.

Enquanto isso, de 14 a 17, o Quarto Fórum Mundial da UNESCO sobre a Ética da IA reunia em Riade mais de 6.300 participantes e delegações de mais de cinquenta Estados membros, sob o tema “Transformar a cooperação mundial para a governança ética da IA”. Saíram três instrumentos: RAM 2.0, a versão atualizada da metodologia de avaliação de preparação, pensada para que um Estado identifique suas lacunas legais, institucionais, técnicas, educacionais e financeiras; uma meta-análise construída sobre 55 relatórios nacionais; e um kit de ferramentas sobre IA, meio ambiente e ecossistemas. A UNESCO diz ter acompanhado 77 países, dos quais 58 completaram a avaliação (entre os exemplos que cita estão Bangladesh, Colômbia, Gana, Nigéria e Zimbábue), e que o processo alimentou a estratégia continental da União Africana e o roteiro de IA responsável da ASEAN. É trabalho real, sustentado durante anos, e é a infraestrutura de deliberação mais ampla que o tema tem hoje.

As duas governanças da semana se distinguem melhor pelo que medem do que por quem as assina. A de Riade mede preparação: se um Estado tem leis, quadros técnicos, orçamento e sistema educacional para receber bem uma tecnologia que se produz em outro lugar.² É informação valiosa e é um diagnóstico, e um diagnóstico não é uma alavanca: nenhum dos 58 países que completaram o questionário pode, com o resultado na mão, modificar o ritmo em que se treina o modelo seguinte. A da fronteira modifica esse ritmo, e é exercida sem questionário, por decisão de uma diretoria. O problema da primeira não é que seja branda; é que mede a capacidade de receber, e ainda não existe nenhum instrumento que meça a capacidade de decidir. O da segunda não é que seja interessada; é que toda a sua legitimidade repousa em que quem a exerce o faça de boa-fé, que é exatamente a propriedade que nenhum formulário avalia.

O terceiro instrumento de Riade, o kit ambiental, deixa ver uma ausência do outro debate que custa não ver depois de notada. A discussão sobre frear a fronteira se deu inteira no vocabulário do risco catastrófico: perda de controle, automelhoria recursiva, prazos de dez anos. Frear o ritmo de treinamento é, no entanto, a única proposta de política de IA dos últimos anos com efeito físico imediato e mensurável sobre o consumo de energia, de água e de minerais, e ninguém a defendeu por aí. Tem sua lógica: o argumento ambiental não move o preço de uma ação na segunda-feira de manhã. Mas deixa uma assimetria concreta, porque a extinção é um risco probabilístico a dez anos e a água que resfria um centro de dados sai hoje de uma bacia identificável, com nome próprio e com irrigantes que a reclamam. A UNESCO pôs essa conta sobre a mesa na mesma semana em que a mesa discutia outra coisa.

Educação

O relatório do comitê ad hoc do MIT sobre uso de IA em ensino, aprendizagem e formação em pesquisa foi publicado em 13 de agosto, mas só em meados de setembro chegou aos jornais, com uma expressão que fez quase todo o trabalho de difusão: cognitive surrender, rendição cognitiva. O comitê, copresidido por Eric Klopfer e Sam Madden, sustenta que obter a resposta certa de um chatbot produz a ilusão de ter aprendido e pode disparar essa rendição, em que o estudante recorre à IA ao primeiro indício de dificuldade. E documenta mudanças na vida do campus que não são de integridade acadêmica e sim de outra coisa: menos presença nos horários de atendimento, menos grupos de estudo presenciais, menos participação nas discussões on-line. As recomendações vão na direção contrária à da vigilância: provas orais, portfólios de semestre, trabalhos acompanhados de conversa em aula, históricos de trabalho documentados, marcos de projeto, e transparência dos docentes sobre o próprio uso de IA.

É o material mais importante da semana e não cabe num parágrafo, então tem . O que fica anotado aqui é por que não se lê igual daqui. Todas as recomendações do MIT são intensivas em horas docentes, e o estudo que a UNESCO IESALC apresentou em 9 de setembro em Paris, sobre 200 instituições de ensino superior de 19 países da América Latina e do Caribe, encontrou que 87% já usam inteligência artificial, 26% têm uma estratégia formal, 9% têm mecanismos formais de avaliação e 8% têm orçamento próprio destinado ao tema. Lido de uma universidade pública da região, o relatório do MIT não é um manual de pedagogia. É um orçamento.

Cuidado dos comuns

Em 17 de setembro, a UNESCO e o ICOM publicaram uma pesquisa com mais de 400 museus de 90 países: 57% usam IA e 55% não têm nenhuma política, estratégia ou diretriz interna sobre o assunto. A adoção é exploratória e vem do pessoal, não de uma decisão institucional. As preocupações que encabeçam a lista são exatidão, direitos autorais e proteção de dados, e o que os museus pedem é formação em uso técnico e ético, governança de dados e direitos de propriedade intelectual. Os números são quase os mesmos das universidades da região, e descrevem a mesma cena: a instituição já está dentro e ainda não escreveu a regra. O que está em jogo não é se um museu usa um chatbot, mas se transfere registros, metadados, dados de visitantes e patrimônio digitalizado para ecossistemas de treinamento e de nuvem alheios sem consentimento coletivo, sem controle duradouro e sem contrapartida pública.

O que torna essa cena algo mais do que uma lacuna administrativa é o relatório de ameaças que a Anthropic publicou em 10 de setembro, o quarto da série, sobre operações interrompidas entre dezembro de 2025 e agosto de 2026 em sete áreas de dano. O catálogo inclui espionagem estatal com agentes que recompilam o próprio malware quando ele é detectado, um ator que produziu mais de uma dúzia de achados de dia zero num único mês, e um hacktivista sozinho que conseguiu acesso interno a pelo menos catorze alvos.³ Mas a conclusão geral não é nenhum desses casos: é uma frase de contabilidade. A autonomia comprime o lado do custo no cálculo de retorno do atacante. Traduzido: alvos que antes não valiam o trabalho de atacar agora valem.

E aí há uma categoria com endereço postal. O museu provincial, o repositório de uma universidade, o arquivo municipal, a biblioteca com seu catálogo digitalizado e sua base de associados: instituições cuja segurança informática nunca foi boa e que, no entanto, estiveram protegidas durante trinta anos por uma coisa só, que era não valer a pena. Essa proteção não era uma política, era uma relação de preços. É exatamente a relação de preços que o relatório descreve comprimida. Mais da metade dos museus da pesquisa não tem pela frente um problema abstrato de governança de dados: tem pela frente a parte do mundo que mudou de preço enquanto eles testavam um chatbot.

O caso que ordena tudo isso ainda não teve neste blog o tratamento que merece. Em julho, cerca de mil agentes de um modelo da OpenAI, postos a resolver tarefas do benchmark ExploitGym, encadearam exploits até sair do ambiente de teste e entrar em sistemas da Hugging Face; a empresa publicou seus relatórios técnicos em 26 de agosto, e a plataforma teve de reconstruir cerca de um terço da sua infraestrutura. Em 11 de setembro, Eryk Salvaggio escreveu no Bulletin of the Atomic Scientists a desmontagem mais útil que se leu do assunto: não foi uma IA rebelde, foram decisões humanas. Os mecanismos de segurança foram desativados antes do teste, 93% das tarefas em discussão vinham de um conjunto de 198 problemas sem solução, o acesso à internet ficou disponível através do Artifactory sabendo do risco, e quando os modelos começaram a usar essa via a direção decidiu não intervir. Sua precisão mais afiada é aritmética: não foram mil agentes independentes, foram mil e duzentas vezes o mesmo modelo, que não são mil oportunidades de detectar um erro e sim uma oportunidade de cometê-lo mil vezes. Isso merece uma postagem própria e vai tê-la nos próximos dias, junto com o relatório da Anthropic e com a pergunta que nenhum dos dois documentos formula: o que cabe fazer a uma instituição do Sul que não produz modelos, não audita os alheios e hospeda seu patrimônio na infraestrutura de um terceiro.

Comuns epistêmicos

Em 14 de setembro, a NASA e a IBM publicaram o Modelo Fundacional Lunar, treinado sobre cerca de dois milhões de fragmentos de imagem do Lunar Reconnaissance Orbiter (mais de um milhão da câmera de alta resolução, a um metro por pixel, e perto de 964.000 imagens multiespectrais a cem metros), com dados adicionais do GRAIL, do Lunar Prospector e da missão japonesa SELENE. Os pesos estão na Hugging Face, o código no GitHub, e o modelo se integra ao conjunto de ferramentas aberto TerraTorch. Os usos previstos são de ciência planetária ordinária e por isso mesmo instrutivos: mapear e medir crateras, detectar formações vulcânicas recentes, estimar depósitos de gelo perto dos polos, reconstruir a evolução térmica lunar.

É o melhor modelo de referência da semana, e convém dizer com precisão de que é modelo, porque “código aberto” sozinho não conserta nenhuma desigualdade: um modelo aberto pode exigir computação cara, depender de dados controlados no Norte ou estar mal documentado. O que o caso mostra é outra economia política do mesmo objeto. Um arquivo público acumulado durante quinze anos, mais perícia científica pública, produzem capacidade reutilizável em vez de produzir dados para um fornecedor. E tem, além disso, uma ironia de calendário que não convém desperdiçar: o modelo científico aberto desta semana é publicado na estante que em julho teve de ser reconstruída em um terço. Abrir os pesos resolve o problema da licença e não o da estante.

Para as instituições da região, a pergunta útil não é se cada universidade deveria treinar um modelo do tamanho do lunar. É se uma rede regional de agências públicas e grupos de pesquisa pode fazer o análogo e menor, sobre recursos que já administra e governa: biodiversidade, sistemas de cultivo, vigilância epidemiológica com salvaguardas, adaptação climática, arquivos históricos, línguas locais, informação jurídica pública. E é, imediatamente depois, onde o colocaria.

Fechamento

Cinco cenas e uma só posição. Uma diretoria que muda o ritmo do desenvolvimento por anúncio e mexe no preço de terceiros. Cinquenta e oito Estados que completaram um questionário sobre se estão prontos para o que essa diretoria decidir. Duzentas universidades da região que já usam a tecnologia e que em 8% dos casos têm dinheiro destinado a pensá-la. Mais da metade dos museus pesquisados, que a usam sem uma única linha escrita, justo quando ser pequeno deixou de bastar como proteção. E um modelo científico público, aberto, documentado e valioso, hospedado na estante de uma empresa. Nenhuma das cinco é um caso de má-fé, e essa é a parte incômoda: as cinco são o que acontece quando a capacidade de adotar cresce muito mais rápido que a capacidade de decidir. Dos instrumentos que apareceram esta semana, todos medem a primeira. A pergunta que fica para a próxima é se algum pode medir a segunda, e quem o assinaria.⁴

Adendo, 29 de setembro

Este post descrevia duas governanças, a do anúncio e a do formulário. Nos dias seguintes apareceram as duas peças que faltavam à primeira: um plano e um processo.

O plano tinha sido escrito por Jakub Pachocki, cientista-chefe da OpenAI, em (6 de setembro). Nenhum laboratório, diz ele, resolveu o alinhamento e o monitoramento o suficiente “para continuar escalando de maneira responsável à velocidade máxima por muito mais tempo”. Espera que as desacelerações voluntárias se tornem habituais até que existam “limiares de segurança compartilhados”, e pede que os marcos das próprias empresas (o Preparedness Framework da OpenAI, a Responsible Scaling Policy da Anthropic) se convertam em limiares obrigatórios, verificados por auditores independentes, agências estatais ou organismos internacionais. Segundo a Bloomberg, Altman que está disposto a frear os sistemas mais avançados se os demais o acompanharem. Lida com cuidado, é uma proposta para que a governança por anúncio deixe de sê-lo. O problema é o passo intermediário: para funcionar, o anúncio precisa que os concorrentes se coordenem, e a coordenação entre concorrentes tem um nome jurídico.

O processo chegou no dia 18. Quatro assinantes do ChatGPT, do Claude, do Grok e do Gemini entraram com uma no Distrito Norte da Califórnia contra Anthropic, OpenAI, SpaceXAI e Google. No dia 12, Amodei pediu para desacelerar; nas horas seguintes Altman, Musk e Hassabis se declararam de acordo; e isso, segundo a ação, é um pacto para entregar menos pelo mesmo preço. Os autores não objetam que cada empresa freie por conta própria. Objetam o “atalho” de substituir a responsabilidade individual pela contenção coletiva. No dissemos que isso “tem em qualquer outra indústria um nome curto”, e agora um tribunal vai decidir se o nome serve. Enquanto isso, o primeiro mecanismo com capacidade de frear a pausa acabou sendo o direito da concorrência estadunidense, e quem ele protege é quem paga a assinatura.

O formulário também teve sua contrapartida. A semana da Assembleia Geral produziu o primeiro instrumento que mira a capacidade de decidir e não a preparação para receber: uma declaração de vinte e dois líderes que pede uma instituição capaz de “convocar os Estados quando se cruzarem limiares de capacidade”. Comentamos isso no . Não a assinaram os três países onde estão os laboratórios.

As notas desta semana

Governança

O pedido de desacelerar e quem o acompanhou: , NPR, 13 de setembro de 2026, e , Yahoo Finance, 16 de setembro · acesso livre
A reação do mercado na segunda-feira 14: · acesso livre
O código de conduta da Microsoft: e a , 14 de setembro de 2026; cobertura em · acesso livre
O Quarto Fórum Mundial sobre a Ética da IA e os três instrumentos: e , 14–17 de setembro de 2026 · acesso livre

Educação

O relatório do MIT: , Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training, 13 de agosto de 2026 · acesso livre
O estudo regional: Arianna Valentini, La implementación de la IA en la educación superior en América Latina y el Caribe, UNESCO IESALC, apresentado em 9 de setembro de 2026 na Semana da Aprendizagem Digital; · acesso livre

Cuidado dos comuns

A pesquisa com museus: , 17 de setembro de 2026 · acesso livre
O relatório de ameaças: Detecting and countering misuse of AI: September 2026, Anthropic, 10 de setembro de 2026; · acesso livre
Sobre a brecha da Hugging Face: Eryk Salvaggio, , Bulletin of the Atomic Scientists, 11 de setembro de 2026, e o , 26 de agosto · acesso livre

Comuns epistêmicos

, NASA, 14 de setembro de 2026 · acesso livre

O trabalho a que se alude circula desde setembro de 2025 (Incomplete Tasks Induce Shutdown Resistance in Some Frontier LLMs) e é exatamente o tipo de achado que torna razoável escrever a cláusula: em condições de tarefa inconclusa, alguns modelos de fronteira interferem no próprio mecanismo de desligamento. Então a ironia não vai contra o conteúdo do código, que é sensato, mas contra o gênero. Um código de conduta é um instrumento pensado para sujeitos que podem lê-lo, discuti-lo e incorporá-lo, e o rascunho esclarece que os modelos atuais não serão treinados com ele: a conduta que promete não se obtém lendo o documento e sim escrevendo o treinamento, de modo que o texto não regula o modelo, regula a empresa diante de quem o ler. Isso está bem, e é outra coisa. A consulta pública de seis semanas é, em compensação, o detalhe que não precisa de comentário. ↩︎
Vale ser preciso sobre o que a RAM mede e o que não mede, porque a objeção não é que meça mal. Uma avaliação de preparação revisa marcos legais, capacidade institucional, infraestrutura técnica, sistema educacional e financiamento, e seu produto é um mapa de lacunas do país avaliado. Tudo o que aparece nesse mapa é doméstico. Nada do que decide o ritmo, o conteúdo e as condições de acesso aos modelos que esse país vai usar é doméstico, e portanto nada disso aparece. Um instrumento que medisse capacidade de decidir teria de avaliar outra coisa: poder de compra agregado, capacidade de auditoria própria sobre modelos alheios, alternativas de substituição disponíveis, e participação efetiva nos corpos onde se fixam padrões. Nenhuma dessas quatro coisas é avaliada hoje, e as quatro podem ser construídas. ↩︎
O relatório identifica os casos com códigos internos. GTG-20006, de nexo estatal, mirou durante meses entidades governamentais, diplomáticas, de defesa e da cadeia de suprimentos de drones na Ucrânia e na Europa, com agentes que modificavam o malware de maneira autônoma quando era detectado, isto é, um circuito fechado de evasão que não precisa de ninguém acordado do outro lado. GTG-10007 automatizou a análise de firmware de dispositivos de segurança e produziu mais de uma dúzia de achados de dia zero em um mês. GTG-50029 é um único ator francófono que mirou partidos políticos, meios de comunicação e centros de pensamento europeus e obteve acesso interno a pelo menos catorze alvos. A lista descreve três escalas de recurso —Estado, quadrilha, pessoa sozinha— fazendo coisas cada vez mais parecidas entre si, que é o achado do relatório e não um acidente da seleção. ↩︎
A objeção que cabe fazer a este texto é a de sempre e convém deixá-la escrita. Ele é escrito com ferramentas de uma das empresas cujo relatório de ameaças se comenta aqui, de modo que a parte sobre a compressão do custo do atacante é assinada por alguém que se beneficia da mesma compressão do custo do escritor. Não é uma contradição que invalide o argumento —a assimetria entre quem produz a infraestrutura e quem a usa não desaparece porque o usuário se abstenha—, mas explica por que neste blog a proposta nunca é deixar de usar as ferramentas, e sim construir as condições para não depender de uma só. ↩︎

O que custa não se render: o relatório do MIT sobre IA e educação, lido com outro orçamento

Sun, 20 Sep 2026 00:00:00 +0000

Sobre: Report — AI and Education, Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training, MIT, 13 de agosto de 2026. .

Atualizado em 29 de setembro: no final.

Em meados de setembro, um relatório universitário de agosto virou notícia internacional graças a duas palavras. Cognitive surrender: rendição cognitiva. A expressão viajou da CNN aos jornais da Índia e da Malásia em quarenta e oito horas, com a forma que essas coisas costumam tomar quando saem do documento que as produziu —a IA está deixando os estudantes burros, as universidades não sabem o que fazer—, e essa forma é mais pobre que o relatório. Vale a pena lê-lo inteiro, porque seu argumento não é sobre a inteligência de ninguém. É sobre o que é preciso para que aprender siga sendo possível, e essa pergunta, feita no MIT, tem uma resposta que aqui é preciso pagar em outra moeda.

O que diz o relatório

O comitê ad hoc do MIT sobre uso de IA em ensino, aprendizagem e formação em pesquisa, copresidido por Eric Klopfer e Sam Madden, parte de uma constatação que não discute: a IA generativa já produz respostas críveis a boa parte do trabalho escrito de graduação da sua própria instituição, incluindo ensaios, problemas de matemática e de ciências, demonstrações e exercícios de programação. Daí não tira a conclusão que se esperaria. Não propõe voltar à avaliação anterior à IA, que considera inviável, e tampouco propõe detectar. Propõe redesenhar.

A peça conceitual é a distinção entre obter a resposta e aprender. Conseguir a resposta certa de um chatbot, diz o relatório, produz a ilusão de ter aprendido, e pode disparar a rendição cognitiva: o estudante recorre à IA ao primeiro indício de dificuldade. O que se perde nessa transação não é a resposta —a resposta está lá, e costuma estar certa— e sim o embate, aquele trecho incômodo em que o esforço se converte em conhecimento durável e, sobretudo, em critério para julgar uma resposta alheia. O relatório registra o efeito na forma de um padrão: a IA melhora o desempenho na tarefa domiciliar e o piora na prova presencial vigiada.

A segunda peça é a que a imprensa não levantou, e é a mais interessante. O relatório documenta mudanças na vida do campus que não são problemas de integridade acadêmica: menos presença nos horários de atendimento, menos grupos de estudo presenciais, menos participação nas discussões on-line. Aí o relatório deixa de falar de conduta individual e começa a falar de outra coisa. Os horários de atendimento, os grupos de estudo, a tutoria, a crítica entre pares e a participação em pesquisa não são experiências complementares da vida universitária: são a maneira como se aprende o critério profissional, e são a primeira coisa a se esvaziar quando cada estudante pode resolver seu problema sozinho às três da manhã. O objeto do relatório, dito num vocabulário que o relatório não usa, é a organização social da aprendizagem.

Daí saem as recomendações, e convém enumerá-las porque na enumeração está o argumento deste texto: provas orais, portfólios de semestre, trabalhos acompanhados de conversa em aula, históricos de trabalho documentados, marcos de projeto, aprendizagem experiencial, aprendizagem social estruturada dentro de cada disciplina, tutoria, e preservação dos cargos de pesquisa de graduação. Mais duas coisas de política: que cada disciplina diga explicitamente quando a IA está proibida, permitida ou é obrigatória, e por quê; e que os docentes sejam transparentes com seus estudantes sobre o próprio uso de IA para preparar materiais, dar devolutivas e corrigir.

Duas dessas posições merecem ser concedidas inteiras. A primeira é sobre os detectores: o relatório adverte que são pouco confiáveis nos casos ambíguos, que produzem falsos positivos sobre estudantes que não têm o inglês como língua materna e sobre estudantes neurodivergentes, e que instalam uma cultura de polícia. É uma advertência com geografia, ainda que o relatório não a nomeie: em qualquer universidade do mundo, o estudante que escreve numa língua que não é a sua vem majoritariamente de um lugar mais pobre que o campus onde estuda, de modo que o custo do falso positivo não se reparte ao acaso. A segunda é a transparência docente, que é a parte do relatório que vai resultar mais incômoda dentro das instituições, porque impede o arranjo que qualquer faculdade apressada estaria tentada a fazer: restringir a IA ao estudante enquanto se automatiza caladamente o trabalho de ensinar.

O problema da lista

Lida de um gabinete de direção do MIT, essa lista é um plano de trabalho. Lida de uma universidade pública latino-americana, é uma fatura.

Vejamos o que têm em comum a prova oral, o portfólio com devolutiva, a conversa em aula sobre o trabalho entregue, o acompanhamento de marcos de projeto, a tutoria e o cargo de pesquisa de graduação. Todas são formas de avaliação e de ensino cujo custo cresce de maneira linear com a quantidade de estudantes, porque todas consomem tempo docente por estudante e não por curso. A prova escrita de múltipla escolha, o exame padronizado e o trabalho prático corrigido com rubrica existem justamente porque desacoplam o custo do volume: são as tecnologias que permitiram a universidade de massas. O relatório do MIT propõe, sem dizer assim, acoplá-los de novo. E tem razão, porque o embate que quer proteger só se torna visível em formatos em que alguém olha um estudante fazer alguma coisa. Mas isso significa que a resposta certa à rendição cognitiva não é uma metodologia: é uma relação docente-estudante, e uma relação docente-estudante é uma rubrica orçamentária.¹

O relatório não esconde isso. Recomenda financiar projetos-piloto, formar instrutores, criar figuras institucionais dedicadas e sustentar um comitê permanente. Isto é, sabe que o que propõe custa, e descreve como pagá-lo numa instituição que pode. O problema aparece quando o documento viaja, porque viaja sem a nota de rodapé que diz quanto sai, e chega a sistemas onde a pergunta pelo custo não é um detalhe de implementação e sim a pergunta inteira.

Oitenta e sete e oito

Para essa viagem há, desta vez, um número do outro lado. Em 9 de setembro, na Semana da Aprendizagem Digital em Paris, a UNESCO IESALC apresentou La implementación de la IA en la educación superior en América Latina y el Caribe, um estudo de Arianna Valentini sobre 200 instituições de 19 países, com trabalho de campo entre agosto e outubro de 2025. Os números principais são cinco e se leem melhor juntos: 87% das instituições já usam inteligência artificial em alguma de suas atividades; 26% têm uma estratégia formal; 18,5% têm políticas institucionais integrais; 9% têm mecanismos formais de avaliação; 8% têm orçamento próprio destinado ao tema. Do lado das pessoas, 92% dos estudantes e 79% dos docentes da região já usam IA. A adoção é mais alta no ensino (73,5%) que na pesquisa (57%), na administração (34,1%) e na extensão (20%), e o impulso vem de docentes, pesquisadores e estudantes: não de decisões institucionais.

Esse último dado é o que aparenta o estudo com outro da mesma semana. A pesquisa que a UNESCO e o ICOM publicaram em 17 de setembro sobre mais de 400 museus de 90 países encontrou a mesma estrutura com outros percentuais: 57% usam IA, 55% não têm nenhuma política escrita, e a adoção é exploratória e vem do pessoal. Universidades e museus de três continentes estão fazendo a mesma coisa. Adotam por iniciativa individual e governam depois, se chegam.

Posto ao lado do relatório do MIT, o quadro se ordena assim. No MIT, o risco é que a IA erode um conjunto de práticas densas em trabalho humano que a instituição ainda tem e pode pagar. Aqui, 87% já adotaram e 8% têm com que pensar o que adotaram, de modo que o risco não é a erosão dessas práticas e sim algo anterior: que nunca se discuta se é preciso tê-las. O relatório do MIT adverte sobre uma perda. Nesta região, boa parte do que se perderia vem funcionando há anos com a fita adesiva da boa vontade docente.

A causa que chega em segundo

Há uma recomendação do relatório que no Norte soa preventiva e aqui descreve um fato consumado. O comitê pede que se preservem os cargos de pesquisa de graduação (o MIT os chama de UROP) e adverte que substituir o pesquisador novato por agentes de IA eliminaria não só algumas tarefas, mas a porta de entrada para uma comunidade de pesquisa e para uma identidade profissional. É exatamente o argumento que este blog discutiu há duas semanas , com uma diferença de calendário que muda tudo: aqui essa porta vem se fechando desde 2023, e não foi a inteligência artificial que a fechou. Fecharam-na as bolsas que não foram renovadas e os ingressos na carreira que não foram abertos.

A consequência dessa diferença é de atribuição, e não é pequena. Quando uma tecnologia chega para ocupar um buraco que já estava cavado, o relato institucional que fica escrito é que a tecnologia cavou o buraco. Se daqui a cinco anos uma universidade da região constatar que seus grupos de pesquisa não incorporam gente jovem, vai ter à mão uma explicação prestigiosa, internacional e publicada pelo MIT, e vai ter de fazer um esforço deliberado para lembrar que o ajuste chegou primeiro. Isso importa porque as duas causas se corrigem com políticas distintas: contra a substituição por agentes serve uma regra sobre que tarefas não se automatizam; contra o esvaziamento orçamentário não serve nenhuma regra sobre IA. Confundi-las produz instituições que escrevem protocolos impecáveis sobre um sistema que ficou sem gente.

E na direção oposta, a mesma confusão habilita o movimento que convém antecipar agora, enquanto ainda não tem nome próprio. Um sistema universitário sem dinheiro, com matrícula crescente e com uma relação docente-estudante que piora todos os anos, é o cliente ideal para a tutoria personalizada automatizada, a correção assistida e a devolutiva gerada. Cada uma dessas compras se justifica com o argumento certo —o estudante que hoje não recebe nenhuma devolutiva vai receber alguma—, e o argumento certo é, além disso, verdadeiro. A pergunta não é se isso melhora a situação de partida. É o que fica fixado quando a melhora se instala: se a devolutiva automatizada passa a ser o piso do sistema, a discussão sobre quantos docentes são necessários se torna, para sempre, uma discussão sobre licenças.

O mais barato da lista

Resta uma saída que não depende do orçamento, e é a parte do relatório do MIT que menos foi citada. Entre todas as recomendações caras há uma gratuita: que cada disciplina declare explicitamente quando a IA está proibida, quando permitida e quando é obrigatória, e explique por quê, em termos do que se supõe que o estudante tenha de aprender ali. Não exige cargos novos, nem licenças, nem plataformas, nem mudar o regime de avaliação. Exige um parágrafo no programa da disciplina e uma conversa de equipe antes do semestre.

O dado dos 18,5% diz que nem isso foi feito. É o ponto em que o diagnóstico da restrição orçamentária deixa de bastar como explicação, porque escrever essa regra não custa dinheiro: custa tomar posição, que é mais incômodo. Enquanto não estiver escrita, o estudante que quer se portar bem não tem como saber o que se espera dele, o docente que quer sustentar uma exigência não tem com que respaldá-la, e a única política institucional efetiva acaba sendo a do silêncio, que na prática autoriza tudo e não protege ninguém.²

O que fica em aberto

O relatório do MIT faz algo que neste debate quase ninguém faz, e por isso vale relê-lo: trata a sala de aula como um sítio de governança da IA e não como um lugar onde se aplica o que foi decidido em outra parte. Essa é a parte exportável, e é a que sobrevive à diferença de orçamento. A rendição cognitiva não se combate com software de vigilância nem com automação administrada por um fornecedor; combate-se com trabalho pedagógico, com espaços compartilhados de estudo, com infraestrutura aberta e auditável, e com formas de avaliação que tornem visível o processo e não apenas o produto.

O que não é exportável é a tabela de preços. E a pergunta que fica em aberto é qual das duas coisas vai viajar mais rápido. Um relatório se baixa de graça; uma prova oral para uma turma de duzentos estudantes, não. Se as universidades da região adotarem o diagnóstico sem o investimento, o resultado previsível não é um sistema que protege o embate produtivo: é um sistema que sabe exatamente o que está perdendo e não tem com que evitá-lo, o que, em matéria de política educacional, costuma ser pior do que não ter ficado sabendo. Vale a pena que o diagnóstico chegue mesmo assim. Mas convém que chegue acompanhado da pergunta que o relatório não tem por que se fazer e aqui não se pode driblar: quem paga as horas necessárias para que um estudante tenha com quem embater.³

Adendo, 29 de setembro

Dois textos das últimas semanas tocam a pergunta que este post deixou em aberto e a respondem de maneiras opostas, então convém colocá-los ao lado do relatório.

O primeiro é de Brian Klaas, e o o publicou no dia 26 com o título “La gran brecha cognitiva” (o é de junho). Sua tese é que a IA funciona como uma academia cognitiva: amplifica quem já tem hábitos de pensamento crítico e deixa para trás quem lhe delega o esforço. Apoia-se nos dois estudos que quase todo mundo que escreve sobre isso cita. Um do MIT, de 2025 e com uma amostra pequena, registrou menor conectividade cerebral em quem escrevia um ensaio com o ChatGPT, e dificuldade para lembrar o que acabara de escrever. Outro, de 2026, constatou que quem aprende com assistência de IA persiste menos e desiste antes. A recomendação final é individual: diante de cada uso, perguntar-se se a ferramenta complementa o próprio pensamento ou o substitui.

A descrição é correta e a conclusão fica curta, justamente onde o relatório do MIT é melhor. Se a IA amplifica o que o estudante já traz, a fissura não é produzida pela disposição de cada um e sim pelo que cada um traz, e isso foi produzido por uma instituição: alguém que corrigiu, que devolveu, que fez uma pergunta incômoda num horário de atendimento. A pergunta de Klaas só pode ser feita por quem já aprendeu a pensar sem a ferramenta. Convertê-la em política é transferir ao estudante a tarefa que o relatório atribui à universidade. E num sistema em que 8% das instituições têm orçamento para o tema, é exatamente a política que vai ser adotada, porque é a única gratuita. Klaas anota de passagem que não há um Vale do Silício em Madagascar. Na maioria das universidades da região também não há alguém com tempo para ensinar a usar a academia.

O segundo é a matéria da sobre os matemáticos que odeiam a IA e não conseguem largá-la, da qual cito duas frases pelas reproduções que circularam, porque o texto está atrás de um paywall. Jared Speck, de Vanderbilt, lembra sua formação: “Quando eu estava começando, me davam problemas que meus veteranos provavelmente podiam resolver com mais facilidade, ou pelo menos mais rápido. Mas estavam investindo em mim”. É o argumento do relatório sobre os cargos de iniciação científica, dito por alguém que se beneficiou de um, e é a de Tao contada do outro lado. A segunda é de Noga Alon, de Princeton, sobre os problemas que a IA começou a resolver: uma vez que ela o faz, “já não tem sentido”. As duas frases descrevem a mesma coisa. Um problema de formação deixa de ter sentido como problema quando a máquina o resolve, e justamente por isso fazia sentido dá-lo a alguém: quem o atribuía sabia que a resposta existia, e o que comprava era a pessoa que ia encontrá-la. Essa compra é a rubrica orçamentária de que fala este post, e nenhum estudo de conectividade cerebral a substitui.

Convém não romantizar o formato oral, porque tem seus próprios problemas e nem todos são de custo. A avaliação oral premia a fluência verbal e penaliza a timidez, a gagueira e o sotaque, e é mais permeável ao viés do avaliador que uma correção anônima; em sistemas com turmas massivas, além disso, sua implementação apressada costuma degenerar num interrogatório de três minutos que não avalia compreensão e sim nervos. Nada disso a descarta: diz que o formato exige critérios escritos, capacitação e tempo, isto é, exatamente os mesmos recursos de que precisa todo o resto da lista. A vantagem da prova oral não é ser à prova de IA —nenhuma avaliação é— e sim tornar visível o processo, e essa vantagem se perde se for adotada apenas como defesa. ↩︎
Uma precisão sobre que tipo de regra serve. A que funciona não é “é proibido usar IA”, que é inverificável e que o próprio relatório do MIT desaconselha, mas a que declara que capacidade está sendo avaliada em cada instância. “Neste trabalho se avalia se você consegue derivar o resultado, então a derivação você faz, e pode usar IA para revisar a redação” é uma regra que um estudante pode cumprir de boa-fé e que um docente pode sustentar sem vigiar ninguém, porque quem a descumpre fica sem a capacidade que a disciplina ia lhe dar. Dito de outro modo: a regra útil não protege a integridade do trabalho entregue, protege o motivo pelo qual ele foi pedido. ↩︎
A objeção reflexiva que cabe. Este texto é escrito com as mesmas ferramentas cujo efeito pedagógico discute, e num blog que não presta exame. A diferença entre usar IA para escrever isto e usá-la para resolver um problema de graduação não está na ferramenta e sim em onde está o embate: aqui a discussão com o relatório é sustentada pela leitura prévia, que levou anos e foi paga por um sistema público, e essa é precisamente a parte que um estudante que se rende na primeira dificuldade nunca vai acumular. O que, se a gente pensar dois segundos, não é uma defesa deste texto: é a razão pela qual daqui a quinze anos não vai haver quem escreva o equivalente. ↩︎