Inteligência artificial na universidade: a ampliação do abismo entre ensinar e aprender

O que está realmente acontecendo com a inteligência artificial na universidade se parece menos com um terremoto do que com uma radiografia. Os modelos de linguagem produzem, a custo quase zero, exatamente o que a instituição vinha premiando havia décadas: prosa acadêmica fluente e verossímil, sem garantia de que por trás haja compreensão. Por isso tornam visível uma crise entre ensinar e aprender que já estava ali. O debate público se divide entre os que anunciam que a IA «quebrou» a universidade, os que organizam a resistência e os que vendem a salvação. Os três lados discutem sobre a ferramenta. Quase nunca discutem sobre a relação.

A máquina como intérprete

Começo por um dado que costuma passar batido. A pesquisa britânica da HEPI e da Kortext publicada em março de 2026 foi feita em dezembro de 2025 com 1.054 estudantes de graduação em tempo integral. Segundo ela, 95% usam IA de alguma forma e 94% já a usaram em trabalhos avaliados, contra 53% em 2024. As manchetes pararam aí: quase todos «colam». Mas o uso mais difundido nesses trabalhos não é colar texto gerado: segundo a figura 4 do relatório, só 12% admitem ter feito isso, contra 3% em 2024. O mais difundido, com 61%, é pedir à máquina que explique conceitos; nas palavras do próprio relatório, quase dois terços dos estudantes usam a IA para que lhes expliquem conceitos.

Os modelos de linguagem produzem, a custo quase zero, exatamente o que a instituição vinha premiando havia décadas: prosa acadêmica fluente e verossímil, sem garantia de que por trás haja compreensão.

Convém ler o número com calma, porque é autodeclaração, de um único país e com amostra de graduação. Ainda assim, diz algo que nenhum pânico moral quis ouvir. A maioria dos estudantes usa a IA como intérprete do que não entendeu na aula, nas leituras ou no enunciado. Os relatórios das próprias empresas, que são fontes interessadas e devem ser lidos como tais, apontam na mesma direção. O primeiro relatório educacional da Anthropic analisou conversas de universitários com o Claude em abril de 2025. Descobriu que 39,3% se dedicavam a criar ou melhorar conteúdos educacionais e que boa parte do restante consistia em pedir explicações técnicas.

Em 1965, Pierre Bourdieu, Jean-Claude Passeron e Monique de Saint Martin publicaram Rapport pédagogique et communication, traduzido para o inglês como Academic Discourse: Linguistic Misunderstanding and Professorial Power. Com testes de vocabulário aplicados a universitários franceses, mediram quanto eles entendiam da linguagem com que eram ensinados. A compreensão se revelou muito imperfeita e ligada à origem social, enquanto os professores a davam como certa; os estudantes, por sua vez, aprendiam cedo a cultivar uma ilusão de compreensão baseada na familiaridade com as palavras. A conclusão do livro é incômoda: a relação pedagógica se sustenta sobre um mal-entendido linguístico e sobre a ficção compartilhada de que esse mal-entendido não existe. O professor finge que é entendido e o estudante finge que entende. Cada ilusão serve de álibi para a outra, e quem domina o registro por herança familiar sai na frente.

Sessenta anos depois, esse mal-entendido encontrou um intermediário industrial. Chamar isso de cola não basta. O que acontece é, antes, a terceirização de uma tradução que a sala de aula nunca fez por completo. A pergunta interessante deixa de ser se a máquina explica bem — às vezes sim, às vezes inventa — e passa a ser por que era preciso um intérprete.

Uma crise com data de nascimento

A genealogia é mais antiga que Bourdieu, e tem sotaque cordobês. O Manifiesto Liminar da Reforma Universitária, datado de 21 de junho de 1918 e redigido por Deodoro Roca, descrevia um regime universitário fundado sobre «o direito divino do professorado universitário». Opunha-lhe outra ideia de autoridade, aquela que num lar de estudantes não se exerce mandando, «mas sugerindo e amando: ensinando». E deixava uma frase que qualquer comissão de qualidade deveria ter pendurada na parede: «Se não existe um vínculo espiritual entre quem ensina e quem aprende, todo ensino é hostil e, por conseguinte, infecundo». Não falava de tecnologia. Falava de uma relação rompida, e de que a hierarquia não a consertava.

Meio século depois, em Sociedade sem escolas (1971), Ivan Illich escreveu que a escola ensina o aluno a confundir ensino com aprendizagem, aprovação de série com educação, diploma com competência e fluência com a capacidade de dizer algo novo (a tradução é minha). Lido em 2026, o último par é quase a descrição técnica de um modelo de linguagem. Um LLM é fluência pura e simples: produz a superfície verossímil de um texto que compreendeu algo. Se uma instituição confundia fluência com capacidade, uma máquina de fluência barata a deixa sem álibi.

A confusão entre fluência e aprendizagem também já foi medida. Em 2019, uma equipe de Física de Harvard liderada por Louis Deslauriers comparou, com estudantes distribuídos aleatoriamente, aulas expositivas dadas por docentes experientes e bem avaliados com sessões de aprendizagem ativa sobre os mesmos conteúdos (PNAS, 2019). Quem trabalhava de forma ativa aprendeu mais, mas tinha a sensação de ter aprendido menos do que quem assistia à aula expositiva. Os autores alertam que o esforço cognitivo era vivido como sinal de aprender pior, e que um palestrante brilhante pode gerar tal sensação de aprendizagem que os estudantes acabem preferindo-o. Muito antes dos chatbots, a fluência já fabricava a sensação de aprender.

Essa leitura não é nova para mim, e a cronologia importa. Em julho de 2020, em plena pandemia e dois anos antes do ChatGPT, assinei com Edgar Iglesias, José Luis Lalueza e Moisès Esteban-Guitart um manifesto na Revista Internacional de Educación para la Justicia Social. Já no título reivindicava uma educação crítica, intergeracional, sustentável e comunitária, e apontava para reformar o inadiável. A pandemia deixou isso à mostra pela primeira vez e a IA volta a fazê-lo. A crise não tem data de lançamento comercial.

Três trincheiras, um mesmo pressuposto

O discurso da ruptura conta que a IA quebrou o ensaio, a avaliação e até o pensamento. O da resistência responde com proibições, detectores, cartas abertas e volta à prova manuscrita. O do hype promete um tutor pessoal para cada estudante e licenças institucionais aos montes. Os três parecem inimigos, mas compartilham um pressuposto: o de que, antes da IA, as tarefas e as provas certificavam aprendizagem. Se isso fosse verdade, haveria algo a quebrar, algo a defender e algo a melhorar. Se não era, os três discutem sobre um original que nunca existiu de todo.

Os três parecem inimigos, mas compartilham um pressuposto: o de que, antes da IA, as tarefas e as provas certificavam aprendizagem.

Seymour Papert já tinha um nome para esse erro em 1987, em «Computer Criticism vs. Technocentric Thinking» (Educational Researcher, 16(1)): pensamento tecnocêntrico. É perguntar o que o computador faz com a aprendizagem como se o computador fosse um agente e não uma peça dentro de uma cultura. Cada trincheira tem, além disso, seu paper fetiche. Os alarmistas citam o preprint do MIT Media Lab Your Brain on ChatGPT, com 54 participantes e sem revisão por pares quando viralizou, como se fosse uma autópsia do pensamento. Os entusiastas citam metanálises com efeitos positivos sobre o desempenho, muitas vezes construídas sobre estudos curtos que medem a qualidade do produto enquanto a ferramenta continua disponível.

Os estudos mais bem desenhados contam outra história. Num experimento de campo com estudantes do ensino médio, Bastani e sua equipe (PNAS, 2025) compararam o GPT-4 sem salvaguardas com uma versão desenhada como tutor, que dá pistas em vez de respostas. Com a versão sem salvaguardas, o desempenho melhorava durante a prática e piorava quando a ferramenta era retirada. Com a versão tutorial, esse dano era bastante atenuado. Um experimento randomizado com 117 universitários, assinado por Fan, Gašević e colegas no British Journal of Educational Technology (2025), constatou que quem escrevia com o ChatGPT entregava textos melhores sem aprender mais. Os autores deram a isso um nome que já circula: «preguiça metacognitiva». Aqui na 421, Tomás Milgron percorreu essa literatura a partir da soberania cognitiva. Interessa-me sublinhar o que esses estudos dizem sobre a universidade mais do que sobre o cérebro. O decisivo não é a ferramenta, mas o desenho da relação entre quem ensina, quem aprende e o que se avalia. Ou seja, justamente o que as trincheiras não discutem.

A omissão fica mais clara vista da publicidade. Antes da universidade trabalhei com comunicação interativa, como diretor de criação mas também como redator e como planejador, e naqueles anos o planejamento estratégico ocupava um lugar central no processo de comunicação. Não bastava definir um público e lapidar uma mensagem: era preciso entender o que estava acontecendo na vida dessas pessoas e em que momento midiático e tecnológico íamos falar com elas. Com esse olhar, a retórica da ruptura se reconhece logo como um gênero publicitário antes que como um diagnóstico. É, na verdade, planejamento bem-feito: detecta uma inquietação de época, a ansiedade diante de uma tecnologia que quase ninguém chega a entender, e a devolve transformada em narrativa, com um antes e um depois e, no centro, algo a adotar ou rejeitar. Que a indústria faça isso é ofício. O curioso é que boa parte do debate universitário tenha comprado a narrativa sem fazer a pergunta que no planejamento nunca faltava. Sobre a ferramenta e a mensagem já se discutiu à exaustão; sobre o que acontece na vida de quem estuda, e sobre o momento midiático e tecnológico em que essa vida transcorre, bem menos.

O circuito fechado e o detector que premia o cânone

Quando se olha o sistema inteiro, aparece algo mais estranho que a fraude: um circuito fechado. Os estudantes escrevem com IA. Os professores criam materiais com IA e, às vezes, corrigem com ela. O relatório da Anthropic sobre como os docentes universitários usam o Claude analisou cerca de 74.000 conversas de maio e junho de 2025, provenientes de contas Free e Pro com e-mail de ensino superior, e o complementou com uma pesquisa com docentes da Northeastern University. Avaliar o desempenho dos estudantes representou 7% do total, e nessas conversas, em 48,9% das vezes, a tarefa era delegada à máquina de forma automatizada. Foi assim mesmo que os próprios professores entrevistados considerassem a correção o terreno em que a IA se mostrava menos eficaz.

A pesquisa também não fica de fora. Uma estimativa sobre quatro grandes congressos de IA realizados após a chegada do ChatGPT conclui que entre 6,5% e 16,9% do texto de suas revisões por pares pode ter sido substancialmente modificado por um modelo de linguagem. Uma análise de mais de quinze milhões de resumos biomédicos, publicada na Science Advances, calcula que pelo menos 13,5% dos de 2024 passaram por um. A IA automatiza uma relação que já estava social e burocraticamente automatizada: rubricas que ninguém lê duas vezes, comentários-padrão, uma pesquisa avaliada pelo volume de publicações. Nenhum desses costumes nasceu em 2022.

A resposta defensiva mais difundida, os detectores, acrescenta uma ironia que merece mais atenção do que recebe. Num estudo publicado na Patterns, Liang e colegas (2023) passaram 91 redações do exame TOEFL, escritas por falantes não nativos de inglês, por sete detectores populares. Em média, 61,22% foram rotuladas como «geradas por IA». As redações de estudantes americanos do oitavo ano foram classificadas quase sem erro. O mecanismo é simples: os detectores castigam a prosa previsível, com vocabulário comum e poucas variações. Penalizam quem escreve fora do registro dominante e absolvem quem domina o cânone, ou quem sabe pedir à máquina que soe menos previsível.

Vigiar pela via da suspeita linguística reproduz as hierarquias de classe, de origem e de língua materna que a universidade diz querer corrigir.

Ángel Rama chamou de «cidade letrada» o dispositivo com que as elites latino-americanas transformaram a escrita em fronteira de poder. O detector é a sua versão estatística. Vigiar pela via da suspeita linguística reproduz as hierarquias de classe, de origem e de língua materna que a universidade diz querer corrigir. Para quem escreve em espanhol, uma língua menos representada que o inglês nos dados com que se treinam os modelos e as ferramentas que os vigiam, isso não é um detalhe técnico. É um problema de cidadania acadêmica.

Capital simbólico: quem perde valor quando a fluência fica barata

Há uma camada que o debate público prefere não tocar, e eu a coloco em termos estruturais, não pessoais. Em Homo Academicus (1984), Bourdieu distinguiu dois capitais dentro da universidade. O capital acadêmico é o poder sobre a reprodução do corpo docente: bancas, comissões, vagas. O capital intelectual ou científico é o prestígio conquistado com a obra. Ele também descreveu duas estratégias: a conservação, própria de quem já está consagrado, e a subversão, própria de quem acaba de chegar. E falou de histerese: disposições formadas num estado anterior do campo que continuam operando quando o campo já mudou.

Lida assim, parte da «resistência» pode ser entendida como estratégia de conservação. Quem acumulou sua autoridade sob o regime da cultura impressa, com o domínio do registro escrito, a erudição citável e o ensaio como prova de pensamento, vê uma máquina baratear justamente essa fluência. Defender o ensaio tal como estava é também defender o valor de um capital. As incorporações mais recentes, mais conectadas com a cultura digital algorítmica, costumam ter o problema inverso. Seu capital em apropriação crítica de tecnologias, design de experiências ou leitura de plataformas se converte mal em capital acadêmico reconhecido.

O tabuleiro se repete, com variações, em boa parte dos sistemas universitários. Os quadros docentes envelhecem e o topo concentra ao mesmo tempo a idade e o poder de decisão: na Espanha, por exemplo, mais de um terço de quem ocupa uma cátedra na universidade pública tem sessenta anos ou mais. Na base cresce um estrato de docência precária, temporária ou em tempo parcial, que sustenta boa parte do ensino sem interferir nas decisões que o definem. E os sistemas que avaliam as carreiras acadêmicas premiam a publicação muito acima da docência, de modo que reinventar a relação pedagógica rende pouco nos critérios de pontuação que decidem quem sobe. Não tenho dados sólidos que cruzem atitudes diante da IA com idade, categoria ou tipo de contrato. O que proponho é, portanto, uma interpretação teórica, e não uma constatação empírica.

Três ressalvas impedem que isso vire uma guerra geracional. A primeira: a diferença não é de idade. O mito dos «nativos digitais» foi desmontado há anos, por exemplo por Kirschner e De Bruyckere na Teaching and Teacher Education (2017). O que conta é a posição no campo e o tipo de relação com a cultura digital, não a data de nascimento. A segunda: a ambivalência corre nas duas direções. Há consagrados que reconvertem seu capital rapidinho e se apresentam como «especialistas em IA». Há recém-chegados capturados pela economia da visibilidade ou pelas plataformas que dizem criticar. A terceira me inclui. Escrevo de dentro do campo, numa posição intermediária. Durante mais de uma década coordenei um curso de identidade digital que hoje é microcredencial, e sei como é difícil fazer esse trabalho contar nos mesmos critérios que um artigo indexado. Não existe um lado de fora de onde olhar.

Quem acumulou sua autoridade sob o regime da cultura impressa, com o domínio do registro escrito, a erudição citável e o ensaio como prova de pensamento, vê uma máquina baratear justamente essa fluência.

Dou aula numa universidade presencial e presto assessoria a outra, a distância, e o que vivo numa e noutra não tem muito a ver. Na instituição a distância os alarmes soaram antes, e antes se partiu atrás da possível trapaça dos estudantes. Mas também antes se evoluiu para outra posição, na qual, em vez de perseguir, se incentivava a pensar mais no processo do que no produto. Desconfio que a explicação tem pouco a ver com a tecnologia e muito com os álibis. A presencialidade conserva um que a distância nunca teve: a sensação de que, se há sala de aula, há aprendizagem. Uma universidade que não pode oferecer a sala de aula como prova depende em boa medida do que seus estudantes entregam, e uma máquina que fabrica entregas verossímeis a atinge primeiro e em cheio. Esse mesmo desamparo também a obrigou a se perguntar antes o que conta como evidência de que alguém aprendeu. Talvez por isso, onde o álibi continua de pé, ainda dá para discutir sobre a máquina em vez de sobre a relação.

As letras miúdas da soberania

Resta a economia política, que costuma chegar embrulhada em linguagem de oportunidade. As big techs oferecem licenças educacionais em contextos de austeridade, e a eficiência é vendida como pedagogia. A regulação europeia avança em outro ritmo. O Regulamento de IA classifica como de alto risco os sistemas usados na educação para decidir admissões, avaliar resultados ou vigiar provas. Mas o Regulamento (UE) 2026/1744, conhecido como Ómnibus digital sobre IA e em vigor desde 27 de julho de 2026, adiou essas obrigações de 2 de agosto de 2026 para 2 de dezembro de 2027. Enquanto isso, as decisões são tomadas em contratos de licença que quase ninguém nas salas de aula leu. A merdificação que Cory Doctorow descreve para a internet encontra aqui um terreno fértil. Uma universidade que não sabe que relação pedagógica quer proteger dificilmente saberá que cláusula negociar. Como alertam Tomás Balmaceda e Tobias J. Schleider em sua análise do philowashing, discutir como um sistema deve se comportar não responde à pergunta anterior: que decisões convém entregar a ele.

Por isso a pergunta pela soberania cognitiva, que Juan Ruocco formulou na 421 como a capacidade de uma pessoa, uma comunidade ou uma nação de controlar seu próprio conhecimento, sua atenção e suas decisões, não se resolve dentro de cada cabeça. Ela também se joga em instituições que decidem o que conta como saber, o que conta como trapaça e quem tem a última palavra sobre as duas coisas. O experimento do Black Mountain College lembra que houve universidades que ensaiaram outra relação entre quem ensina e quem aprende. As discussões entre doomers e hypers lembram que a pergunta pela IA quase sempre é uma pergunta sobre nós.

Há uma ironia final que não quero desperdiçar. Este texto será traduzido para o inglês com uma IA e uma pessoa vai revisá-lo depois. Se a tradução sair fluente, ninguém vai saber se o texto foi entendido no caminho. É o mesmo que acontece, toda semana, com milhares de trabalhos que chegam a uma plataforma de avaliação. A diferença é que aqui a gente fala.

Os estudantes de Córdoba pediam, há mais de um século, um vínculo entre quem ensina e quem aprende. A máquina não o rompeu: encontrou-o feito de mal-entendidos educados e o transformou em serviço. Resta saber o que faremos quando já não pudermos fingir que nos entendíamos.