IA na escola: regular não é proibir, é proteger a aprendizagem
A inteligência artificial já faz parte da realidade escolar, mas seu uso exige critérios que preservem a aprendizagem e a autonomia dos professores. Com as novas diretrizes brasileiras para a IA na educação, o desafio não é proibir a tecnologia, mas garantir sua aplicação ética, responsável e pedagogicamente orientada.
- MMP Materiais Pedagógicos
- novembro 13, 2026
- 11:35 am
A inteligência artificial já chegou às escolas antes que a educação tivesse tempo de decidir exatamente o que fazer com ela. Professores planejam aulas com apoio de ferramentas generativas, estudantes consultam assistentes digitais para resolver dúvidas, redes começam a utilizar dados para acompanhar aprendizagens e soluções tecnológicas conseguem produzir atividades, exercícios e avaliações em poucos segundos. Nesse cenário, regular o uso da IA não significa impedir sua entrada na educação. Significa estabelecer critérios para que a tecnologia amplie possibilidades sem ocupar o lugar da aprendizagem, da autoria e da decisão pedagógica.
Em 10 de novembro de 2026, o Ministério da Educação homologou o parecer do Conselho Nacional de Educação que estabelece diretrizes para a utilização da inteligência artificial na educação brasileira. O documento alcança instituições públicas e privadas, em diferentes níveis e modalidades, e parte de um princípio particularmente importante para quem trabalha com educação: a IA pode apoiar processos pedagógicos, administrativos, acadêmicos, de pesquisa e de gestão, mas não deve substituir a responsabilidade, a mediação e a autoridade dos profissionais responsáveis pelo processo educativo.
Essa formulação ajuda a afastar uma interpretação que rapidamente ganhou espaço no debate público. Não estamos diante de uma proibição da inteligência artificial na escola. Estamos diante da necessidade de definir quais funções podem ser apoiadas pela tecnologia e quais responsabilidades precisam continuar humanas.
A diferença é decisiva. Uma ferramenta que ajuda o professor a organizar um planejamento, produzir uma primeira versão de um exercício ou ampliar possibilidades para trabalhar determinada habilidade ocupa um lugar completamente diferente de um sistema que decide sozinho se um estudante aprendeu, atribui mérito a uma produção autoral ou determina sua progressão escolar. Da mesma forma, há diferença entre um aluno que utiliza IA para confrontar estratégias, buscar outra explicação ou formular novas perguntas e aquele que transfere para a ferramenta justamente a atividade intelectual que deveria realizar para aprender.
Por isso, talvez a pergunta mais produtiva para a escola já não seja simplesmente “pode ou não pode usar IA?”. A questão pedagógica é mais complexa: o que estamos delegando à tecnologia e o que precisa permanecer com quem ensina e com quem aprende?
O que estamos tentando proteger quando regulamos a IA?
As novas diretrizes ajudam a responder a essa pergunta. Entre os princípios estabelecidos aparece o conceito de regência humana, segundo o qual decisões relevantes relacionadas à avaliação, certificação, progressão, permanência, seleção, benefícios ou sanções precisam continuar sob responsabilidade humana. O documento também estabelece restrições a práticas como vigilância biométrica contínua, inferência automatizada de emoções, exploração comercial de dados educacionais e decisões exclusivamente automatizadas capazes de interferir de maneira relevante na trajetória do estudante.
Na Educação Infantil e nos anos iniciais do Ensino Fundamental, até o 5º ano, há ainda uma proteção específica contra o acesso direto, autônomo e não supervisionado a ferramentas generativas, conversacionais, preditivas ou adaptativas. Caso sejam utilizadas, devem integrar experiências planejadas e mediadas por profissionais da educação. A mesma preocupação aparece na avaliação: sistemas de IA não devem assumir sozinhos a correção e a atribuição de nota, conceito ou mérito a redações, avaliações dissertativas e outras produções que dependam de julgamento interpretativo.
O que está sendo protegido, portanto, vai muito além de dados ou segurança digital. Está sendo protegido o próprio processo de construção da aprendizagem.
Aprender exige elaboração. O estudante precisa selecionar informações, estabelecer relações, formular hipóteses, experimentar estratégias, rever respostas, argumentar e construir sínteses. Quando a tecnologia entrega o produto exatamente no ponto em que deveria ocorrer esse esforço cognitivo, podemos melhorar o resultado aparente da atividade sem necessariamente produzir aprendizagem.
Uma pesquisa publicada em 2025 acompanhou quase mil estudantes do Ensino Médio em Matemática e comparou diferentes formas de utilização de IA generativa. Durante as atividades, tanto uma versão semelhante a um chatbot convencional quanto um tutor com salvaguardas pedagógicas aumentaram o desempenho dos estudantes. Entretanto, quando a ferramenta foi retirada, aqueles que haviam utilizado a versão sem essas salvaguardas apresentaram desempenho inferior ao grupo que não havia utilizado IA. O efeito negativo foi amplamente reduzido quando o sistema havia sido desenhado para orientar a aprendizagem sem simplesmente fornecer as respostas.
O resultado é particularmente interessante porque mostra que resolver melhor uma tarefa com IA não significa necessariamente aprender melhor por meio dela.
Ao mesmo tempo, seria precipitado transformar essa constatação em um argumento contrário à tecnologia. Em outro estudo, realizado com estudantes universitários de Física, um tutor de IA construído explicitamente a partir de princípios de aprendizagem produziu ganhos superiores aos encontrados na condição presencial de aprendizagem ativa naquele contexto específico. Os estudantes também relataram maior engajamento e motivação.
As pesquisas apontam, portanto, menos para uma oposição entre “IA boa” e “IA ruim” e mais para uma questão que a educação conhece há muito tempo: o desenho pedagógico importa.
Quando a ferramenta é construída para provocar raciocínio, oferecer apoio gradual e permitir que o estudante continue responsável pela elaboração, pode ampliar a experiência. Quando simplesmente realiza o esforço cognitivo em seu lugar, existe o risco de produzir dependência sem aprendizagem equivalente.
O professor continua sendo quem interpreta a aprendizagem
Essa mesma discussão precisa ser feita em relação ao trabalho docente.
Uma inteligência artificial pode diminuir o tempo necessário para organizar uma sequência de atividades, criar versões de um exercício, estruturar uma primeira proposta de avaliação ou sugerir possibilidades para determinado conteúdo. Em uma profissão atravessada por planejamento, registros, acompanhamento da aprendizagem e demandas administrativas, esse apoio pode ter valor real.
O limite aparece quando agilidade é confundida com transferência do julgamento profissional.
As contribuições de Jussara Hoffmann para a avaliação mediadora ajudam a compreender essa fronteira. Avaliar não se encerra na produção de uma medida. A observação precisa conduzir à reflexão e, posteriormente, à intervenção. Em perspectiva semelhante, Cipriano Luckesi situa a avaliação como uma prática que investiga a realidade para subsidiar decisões. Nos dois casos, avaliar pressupõe interpretar evidências, e não apenas registrá-las.
Uma tecnologia pode mostrar, por exemplo, que determinado grupo apresentou baixo desempenho em itens relacionados à equivalência de frações. A informação é relevante, mas ainda não explica a aprendizagem.
Ao observar a turma, o professor pode perceber que alguns estudantes compreendem a relação entre as partes e o todo, mas encontram dificuldades quando precisam transitar para a representação simbólica. Outros talvez consigam operar numericamente sem compreender a equivalência entre as quantidades representadas. Em outro contexto, o problema pode surgir apenas quando a ideia precisa ser mobilizada em uma situação nova.
O percentual, portanto, orienta o olhar, mas não substitui a interpretação.
É nesse ponto que observação e escuta pedagógica se tornam especialmente relevantes. A resposta escrita, a estratégia escolhida, a justificativa apresentada, a dúvida formulada e até a forma como o estudante reage diante de uma intervenção produzem informações que nenhum percentual consegue reunir sozinho.
Por isso, uma boa utilização da tecnologia não deveria reduzir esse movimento. Deveria criar condições para qualificá-lo.
Essa compreensão dialoga diretamente com a forma como o monitoramento de aprendizagens vem sendo estruturado em projetos da MMP Academy e do Programa MMP Gov. Os instrumentos avaliativos permitem observar desempenhos e comparar resultados ao longo do percurso, mas a análise não termina quando se identifica um percentual de evolução ou uma habilidade com menor consolidação.
O dado funciona como evidência inicial. A partir dele, o relatório pedagógico pode identificar habilidades que merecem maior atenção e aproximá-las de conteúdos da formação continuada que ampliem o repertório profissional do professor. Se os resultados apontam, por exemplo, dificuldades recorrentes em um determinado campo conceitual, podem ser recomendadas aulas da formação que discutam outras representações, possibilidades de mediação e materiais dos Laboratórios de Matemática relacionados àquela aprendizagem.
A indicação não determina a aula que deverá ser realizada. Ela reduz a distância entre identificar uma necessidade e encontrar repertório para agir sobre ela.
Nesse processo, o professor continua sendo quem relaciona aquela informação às experiências da turma, confronta o relatório com suas próprias observações e decide se determinada proposta deve ser utilizada, adaptada, combinada com outras estratégias ou simplesmente descartada. Para a coordenação pedagógica, os mesmos resultados oferecem outra possibilidade de leitura, porque recorrências entre turmas ou escolas podem sinalizar demandas de formação, acompanhamento ou reorganização do planejamento.
Dessa forma, monitorar deixa de significar apenas produzir mais métricas. O dado ganha valor quando participa de um percurso que relaciona evidência, formação, interpretação profissional, intervenção e uma nova observação da aprendizagem.
Essa lógica está muito próxima do princípio de supervisão humana significativa defendido pelo próprio Referencial brasileiro para o desenvolvimento e uso responsável da IA na educação. O documento sustenta que os profissionais precisam manter controle sobre os processos decisórios e que a tecnologia deve atuar como recurso de apoio às finalidades pedagógicas, e não como finalidade em si mesma.
Formação docente é parte da regulação, não um complemento
Outro ponto fundamental que fortalece a justificativa de aquisição dos Laboratórios de Matemática via PDDE
Se a decisão profissional permanece central, a formação do professor deixa de ser uma questão paralela à discussão sobre inteligência artificial.
Não basta disponibilizar ferramentas e esperar que cada docente descubra sozinho quais usos são pedagogicamente produtivos, quais informações são confiáveis ou em que momento a tecnologia começa a ocupar um espaço que deveria pertencer ao estudante.
As próprias diretrizes brasileiras avançam nessa direção. A formação relacionada à IA nas licenciaturas deverá envolver letramento digital docente, utilização pedagógica de tecnologias emergentes, análise crítica de dados educacionais, avaliação assistida por tecnologias digitais e aspectos éticos. As instituições também deverão promover formação continuada dos profissionais que já estão em atuação.
Essa agenda não começa do zero. A Computação já integra formalmente a Educação Básica como complemento à BNCC desde a Resolução CNE/CEB nº 1, de 2022, que também determina que a formação inicial e continuada de professores considere essas aprendizagens.
A inteligência artificial amplia essa discussão porque coloca diante da escola sistemas que não apenas armazenam informações ou executam comandos previamente definidos, mas produzem textos, imagens, recomendações e respostas capazes de parecer plausíveis mesmo quando estão incorretas.
Nesse cenário, o desafio não é formar professores para serem operadores de uma determinada plataforma. É desenvolver condições para que consigam compreender o suficiente sobre essas tecnologias para fazer escolhas pedagógicas responsáveis.
A UNESCO segue exatamente essa direção em seu referencial de competências em IA para professores. O documento organiza a formação em dimensões relacionadas à perspectiva centrada no ser humano, ética, fundamentos e aplicações de IA, pedagogia com IA e desenvolvimento profissional. Mais do que ensinar ferramentas, o referencial procura fortalecer a autonomia profissional e a capacidade de julgamento dos educadores.
é o seu impacto na educação inclusiva.
Estudantes neurodivergentes, como aqueles com TEA, TDAH ou dificuldades específicas de aprendizagem, se beneficiam enormemente de recursos concretos, visuais e manipuláveis. O laboratório cria um ambiente mais acessível, previsível e sensorialmente organizado, no qual o estudante pode construir conceitos a partir da experiência, reduzindo barreiras cognitivas e emocionais.
Essa abordagem dialoga diretamente com o princípio da equidade, previsto tanto na BNCC quanto nas Diretrizes Curriculares Nacionais, ao garantir diferentes caminhos para que todos aprendam.
Para os estudantes, a questão é semelhante. O referencial desenvolvido pela UNESCO propõe que crianças e jovens aprendam a compreender sistemas de IA, avaliar criticamente seus resultados, reconhecer responsabilidades éticas e, progressivamente, utilizar e criar com essas tecnologias.
Em 2026, OCDE e Comissão Europeia avançaram na mesma discussão ao publicar um referencial de letramento em IA para a Educação Básica. A proposta trata esse letramento como um conjunto de conhecimentos, habilidades e atitudes que permite compreender como a IA funciona, avaliar criticamente suas saídas e utilizá-la de forma ética e criativa.
A mudança de perspectiva é importante. Em vez de perguntar apenas se o estudante sabe usar uma ferramenta, passamos a perguntar se ele consegue compreender, questionar e tomar decisões sobre aquilo que a ferramenta produz.
O que experiências internacionais podem provocar em nossa própria prática
Alguns sistemas educacionais já começam a experimentar caminhos para essa integração, e suas escolhas podem servir como referência sem que sejam transformadas em modelos a serem simplesmente reproduzidos.
Na Estônia, o programa nacional AI Leap nasceu associando o acesso a ferramentas de inteligência artificial à formação dos professores e ao desenvolvimento do letramento em IA dos estudantes. O programa começou com cerca de 20 mil estudantes do Ensino Secundário e previa expansão progressiva. Mais interessante do que o número de usuários é a concepção declarada pelo Ministério da Educação estoniano: a iniciativa procura desenvolver a capacidade de pensar com a inteligência artificial, e não no lugar do pensamento humano, acompanhando inclusive seus impactos sobre aprendizagem e formas de pensar.
Na Finlândia, as orientações nacionais publicadas em 2025 seguem outra formulação, mas chegam a uma preocupação semelhante. O uso de IA precisa ser pedagogicamente justificado, conectado ao currículo, transparente e acompanhado de formação suficiente para que professores e estudantes consigam interpretar criticamente aquilo que os sistemas produzem. As recomendações finlandesas também alertam explicitamente para os riscos da dependência excessiva e do uso sem avaliação crítica.
Nenhuma dessas experiências oferece uma resposta definitiva. Currículos, condições de trabalho, infraestrutura e culturas escolares são diferentes. Por isso, observá-las faz mais sentido quando servem para formular perguntas sobre nossa própria realidade.
Essa perspectiva também orienta parte das pesquisas realizadas pela MMP. Em 2026, viagens de estudo à Finlândia e à Estônia, somadas à participação em feiras e encontros internacionais, foram utilizadas para observar como diferentes sistemas articulam currículo, formação, tecnologia e prática de sala de aula. O interesse não está em importar soluções prontas, mas em compreender princípios que possam provocar novas perguntas sobre o contexto brasileiro.
Uma dessas perguntas diz respeito justamente à relação entre o físico e o digital.
O posicionamento figital da MMP parte da compreensão de que esses dois ambientes não precisam competir entre si. Um material concreto pode permitir que o estudante manipule, compare, represente e torne visíveis determinadas relações matemáticas. A formação continuada ajuda o professor a compreender possibilidades de mediação e construir intencionalidade para o uso desses recursos. As ferramentas digitais, por sua vez, podem ampliar acesso ao repertório, organizar informações e dar continuidade ao acompanhamento da aprendizagem.
A inteligência artificial passa a integrar esse ecossistema seguindo o mesmo princípio.
Uma IA pode sugerir planos de aula, gerar exercícios ou apoiar a elaboração de instrumentos avaliativos. Pode inclusive relacionar determinada proposta aos recursos existentes em um Laboratório de Matemática ou a conteúdos da formação continuada. Porém, aquilo que produz precisa permanecer no campo da sugestão pedagógica, porque nenhuma ferramenta conhece integralmente a experiência que está acontecendo naquela sala.
Ela não acompanhou a aula anterior, não observou as estratégias utilizadas pelos estudantes, não percebeu quem hesitou diante de determinada representação e não ouviu a pergunta que modificou o caminho inicialmente planejado pelo professor.
É justamente esse conhecimento situado que torna a atuação docente insubstituível.
Quando a tecnologia reduz parte do trabalho operacional, seu valor está em devolver ao professor mais condições para aquilo que depende de sua competência profissional: observar, escutar, interpretar, planejar e intervir.
Colocar a IA no lugar certo dentro da escola
Talvez seja essa a melhor maneira de compreender o movimento regulatório atual.
A regulação não pretende construir uma escola protegida da inteligência artificial. Isso seria pouco realista em uma sociedade na qual esses sistemas já participam da produção de conhecimento, do trabalho e da vida cotidiana. O que as diretrizes procuram estabelecer são condições para que a adoção da tecnologia preserve direitos e mantenha finalidade educacional.
Isso envolve privacidade e proteção dos dados de crianças e adolescentes, mas também envolve autoria, responsabilidade, equidade, mediação docente e avaliação. As instituições deverão estabelecer mecanismos de governança que contemplem transparência, documentação das aplicações, avaliação de riscos, supervisão humana, monitoramento e revisão periódica.
Esse cuidado importa porque a rapidez oferecida pela IA pode gerar uma ilusão perigosa: a de que tudo aquilo que pode ser automatizado deveria ser automatizado.
Na educação, nem sempre é assim.
Há momentos em que o tempo da tentativa, da dúvida e da revisão é justamente o tempo em que a aprendizagem acontece. Há situações em que uma resposta errada precisa ser escutada antes de ser corrigida porque revela uma hipótese importante. Há avaliações em que o valor pedagógico não está apenas no resultado, mas na interpretação do percurso realizado pelo estudante.
Por isso, a inteligência artificial não deveria ser avaliada somente por sua capacidade de produzir respostas mais rapidamente. Sua pertinência pedagógica depende de outra pergunta: ela amplia ou empobrece a experiência de aprendizagem que pretendemos construir?
Esse critério vale para o estudante que utiliza uma ferramenta generativa, para o professor que recebe uma sugestão de planejamento, para a gestão que analisa dados e também para empresas que desenvolvem tecnologias educacionais.
No caso de um monitoramento de aprendizagens, por exemplo, a IA pode contribuir para organizar grandes volumes de informação e tornar padrões mais visíveis. O processo ganha legitimidade pedagógica, entretanto, quando essa análise retorna ao professor e ao coordenador como documentação para interpretação e decisão, e não como uma sentença automatizada sobre estudantes ou práticas.
Da mesma forma, uma ferramenta capaz de gerar rapidamente uma prova ou um plano de aula só produz valor educacional quando reconhece que o resultado precisa ser submetido ao currículo, ao contexto e ao julgamento do profissional que o utilizará.
É nesse espaço que inovação e regulação podem deixar de ser compreendidas como forças opostas.
Regular não significa impedir que a tecnologia avance. Significa estabelecer aquilo que precisamos preservar enquanto ela avança.
As evidências disponíveis e as experiências internacionais sugerem que a IA pode ampliar oportunidades importantes quando seu desenho está orientado pela aprendizagem, pela formação profissional e pela supervisão humana. Também mostram que o simples acesso à ferramenta não garante qualidade e que, em determinadas condições, pode até substituir o esforço intelectual que se pretendia desenvolver.
A discussão, portanto, já não cabe na oposição entre aceitar ou rejeitar a inteligência artificial.
Ela exige uma pergunta mais difícil e mais propriamente educacional:
que aprendizagens queremos ampliar com a IA e quais responsabilidades precisam permanecer humanas para que continuemos, de fato, educando?
Talvez seja exatamente essa a contribuição mais importante da regulação. Não retirar a tecnologia da escola, mas ajudar escolas, redes, professores, gestores e desenvolvedores a colocá-la no lugar certo dentro dela.
Referências
BRASIL. Ministério da Educação; Conselho Nacional de Educação. Diretrizes para a utilização da Inteligência Artificial na Educação Brasileira. Parecer homologado em 10 de novembro de 2026.
BRASIL. Conselho Nacional de Educação. Resolução CNE/CEB nº 1, de 4 de outubro de 2022. Normas sobre Computação na Educação Básica, complemento à BNCC.
HOFFMANN, Jussara. Avaliação mediadora: uma prática em construção da pré-escola à universidade. Porto Alegre: Mediação.
LUCKESI, Cipriano Carlos. Avaliação da aprendizagem escolar: estudos e proposições. São Paulo: Cortez.
UNESCO. AI Competency Framework for Teachers. Paris, 2024.
UNESCO. AI Competency Framework for Students. Paris, 2024.
OECD; EUROPEAN COMMISSION. Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education. Paris, 2026.
BASTANI, Hamsa et al. Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 2025.
KESTIN, Greg et al. AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 2025.
