A chegada da inteligência artificial ao campo educacional reativou uma antiga aspiração: a de que a tecnologia finalmente permita resolver problemas estruturais que a escola carrega há décadas. Plataformas capazes de personalizar a aprendizagem, sistemas de avaliação automatizada ou assistentes que aliviam a carga administrativa dos professores alimentam a ideia de um salto qualitativo iminente. O risco é conhecido. Na educação, promessas de mudança rápida costumam colidir com sistemas complexos, desiguais e profundamente condicionados por seu contexto.
A história recente da EdTech oferece inúmeros exemplos de inovações bem-intencionadas que, ao serem implementadas sem uma leitura sistêmica, deixaram poucos resultados ou até reforçaram desigualdades existentes. É nesse cenário que se insere a publicação Artificial Intelligence and Education in the Global South, uma obra coletiva coordenada a partir da Universidade de Harvard que propõe uma perspectiva deliberadamente prudente. Longe de celebrar a IA como solução em si mesma, o livro discute quais condições precisam estar presentes para que a tecnologia contribua de fato para a melhoria da aprendizagem.
Sua tese é clara: a inteligência artificial só faz sentido educacional se estiver integrada a uma visão de conjunto, alinhada ao currículo, à formação docente, à avaliação e à governança dos sistemas educacionais. Sem essa coerência, a inovação corre o risco de se tornar apenas um atalho retórico.
O ponto de partida: uma educação em crise (especialmente no Sul Global)
Nas últimas décadas, muitos países alcançaram avanços significativos na escolarização. Milhões de crianças que antes estavam fora do sistema educacional hoje frequentam a escola. No entanto, esse progresso convive com uma realidade muito menos visível: uma parcela significativa dos estudantes não adquire as aprendizagens básicas esperadas para sua idade. Ler com compreensão, entender um texto simples ou resolver problemas matemáticos elementares continuam sendo desafios para muitos alunos. O acesso, por si só, não garante aprendizagem.
Essa crise se manifesta com especial intensidade no chamado Sul Global, onde os baixos resultados educacionais se somam a desigualdades persistentes, profundas divisões digitais e sistemas institucionais com capacidade limitada. Escolas com infraestrutura precária, professores sobrecarregados e pouco apoio pedagógico formam um contexto no qual qualquer inovação —inclusive tecnológica— se apoia em bases frágeis.
É por isso que o livro concentra sua atenção nesses países. Não apenas porque eles reúnem a maior parte da população escolar do planeta, mas porque ali a margem de erro é menor. Introduzir tecnologias complexas em sistemas que ainda lutam para garantir aprendizagens fundamentais envolve riscos elevados: desvio de recursos, ampliação de desigualdades ou reforço de dinâmicas de exclusão já existentes.
É nesse contexto que se joga a questão central. Como destacam os pesquisadores de Harvard, em cenários de escassez, as decisões educacionais são necessariamente políticas. Apostar na inteligência artificial sem uma leitura cuidadosa de prioridades, capacidades e objetivos pode ser mais oneroso do que não inovar. Por isso, a pergunta que devemos fazer não é o que a tecnologia pode fazer, mas quais problemas educacionais se escolhe enfrentar —e quem fica para trás— nesse processo.
Pensar a educação como sistema
Falar de educação como sistema implica reconhecer que seus principais componentes —currículo, professores, avaliação, gestão escolar e governança— não funcionam de forma independente, mas em interação constante. Alterar um deles sem considerar os demais costuma produzir efeitos limitados ou contraditórios. Uma inovação pode melhorar um aspecto específico e, ao mesmo tempo, desajustar outros, diluindo seu impacto ou até gerando novos problemas.
Essa perspectiva sistêmica é uma das contribuições centrais do livro. A inteligência artificial, sustentam seus autores, não atua no vazio: ela se insere em estruturas pré-existentes, com regras, incentivos e culturas profissionais próprias. Um sistema de aprendizagem personalizada, por exemplo, dificilmente transformará o ensino se o currículo continuar rígido, a avaliação premiar a memorização ou os professores não dispuserem de tempo e formação para reinterpretar os dados produzidos pela tecnologia.
Além disso, os sistemas educacionais são particularmente sensíveis aos chamados efeitos de segunda ordem. Automatizar tarefas administrativas pode liberar tempo para a liderança pedagógica —ou gerar novas cargas burocráticas. Introduzir ferramentas de avaliação mais sofisticadas pode enriquecer as informações sobre a aprendizagem —ou reforçar práticas de controle se não vier acompanhado de mudanças na cultura escolar. As consequências nem sempre são lineares ou previsíveis.
Por isso, muitas inovações educacionais fracassam não por falhas técnicas, mas porque são introduzidas como peças isoladas em engrenagens complexas. Pensar a IA como alavanca de transformação exige, portanto, algo mais exigente do que adotar novas ferramentas. Exige perguntar como cada intervenção se encaixa no conjunto do sistema e quais ajustes pedagógicos, organizacionais e políticos são necessários para que haja uma melhoria real da aprendizagem.
Pensar en la IA como palanca de transformación exige preguntarse cómo encaja cada intervención en el conjunto del sistema y qué ajustes pedagógicos, organizativos y políticos son necesarios para que se produzca una verdadera mejora del aprendizaje.
Onde a IA pode contribuir… se as condições forem adequadas
O livro evita apresentar a inteligência artificial como uma solução homogênea e propõe, em vez disso, um percurso pelos campos concretos do sistema educacional nos quais seu uso poderia fazer alguma diferença. Vejamos quais são eles.
Personalizar sem mudar a lógica não é transformar
Pensada a partir de uma lógica sistêmica, a inteligência artificial abre possibilidades reais de melhoria na aprendizagem dos estudantes. A promessa mais frequentemente citada é a personalização: sistemas capazes de adaptar ritmos, conteúdos ou apoios às necessidades de cada aluno poderiam ajudar a lidar melhor com a diversidade presente nas salas de aula. No entanto, as evidências disponíveis ainda são desiguais e apontam para um limite claro: quando essas ferramentas são incorporadas sem mudanças no currículo ou na prática docente, tendem a reproduzir modelos de ensino já existentes, em vez de transformá-los.
Ensinar com IA não é o mesmo que educar para um mundo com IA
Algo semelhante ocorre com o currículo e a chamada alfabetização em inteligência artificial. Ensinar a usar ferramentas não equivale a preparar os estudantes para um mundo atravessado pela IA. Isso envolve compreender como ela funciona, desenvolver pensamento crítico sobre seus limites e efeitos, e situá-la em um marco ético e social mais amplo. Integrar essas competências exige decisões curriculares deliberadas, e não acréscimos marginais a programas já sobrecarregados.
Avaliar melhor não depende apenas de algoritmos melhores
A avaliação é outro campo em que a IA poderia gerar uma diferença significativa. A possibilidade de analisar textos escritos, processos de resolução ou trajetórias de aprendizagem abre espaço para valorizar competências mais complexas do que a simples memorização. Mas a tecnologia, por si só, não redefine o que se entende por aprender. Se os sistemas de avaliação continuarem orientados a provas padronizadas de baixo nível cognitivo, a IA tenderá a reforçar essas mesmas lógicas, ainda que de forma mais sofisticada.
Quando a IA apoia o professorado (e quando o sobrecarrega)
No caso dos professores, a inteligência artificial pode se tornar uma aliada relevante. Ferramentas que apoiam o planejamento, oferecem devolutivas ou reduzem a carga administrativa podem liberar tempo para o essencial: ensinar e acompanhar a aprendizagem. O risco surge quando essas soluções são concebidas como substitutas do julgamento profissional ou introduzidas sem investimento contínuo em formação docente.
Governar com dados exige mais do que ter dados
Também na gestão escolar e na governança, a IA promete melhorar a tomada de decisões por meio de um uso mais inteligente da informação, otimizar recursos e antecipar problemas. Sem marcos claros de uso, transparência e prestação de contas, porém, essas capacidades podem resultar em novas formas de controle, exclusão ou desconfiança.
O que se depreende de tudo isso é consistente: a inteligência artificial pode agregar valor em múltiplas frentes, mas apenas quando integrada a sistemas que sabem o que desejam melhorar. Sem prioridades educacionais claras, a promessa tecnológica se dissipa.
Os riscos: quando a inovação pode agravar o problema
O debate sobre inteligência artificial na educação costuma enfatizar suas possibilidades. Muito menos visível é a análise dos riscos associados à sua adoção em sistemas educacionais frágeis ou desiguais. Ignorá-los não os faz desaparecer; ao contrário, pode ampliá-los.
O risco mais evidente é o da ampliação das desigualdades. Em contextos em que o acesso a dispositivos, conectividade ou acompanhamento pedagógico é desigual, soluções baseadas em IA tendem a beneficiar primeiro —e às vezes apenas— aqueles que já dispõem de melhores condições. A promessa de personalização pode, assim, dar origem a novas formas de segmentação educacional.
A isso se somam os vieses algorítmicos e a falta de transparência. Muitos sistemas automatizados se baseiam em dados incompletos ou pouco representativos e operam como caixas-pretas difíceis de auditar. Quando essas ferramentas influenciam processos de avaliação, orientação ou alocação de recursos, o risco não é apenas técnico, mas profundamente ético e político.
Outro problema crescente é a dependência de fornecedores tecnológicos. A adoção de soluções fechadas, desenvolvidas fora do contexto educacional local, pode limitar a capacidade dos sistemas de adaptar, regular ou até compreender as tecnologias que utilizam. Com isso, enfraquece-se a agência local de professores, escolas e autoridades educacionais.
Por fim, há o risco da distração. Em sistemas que ainda lutam para garantir aprendizagens básicas, investir tempo e recursos em soluções sofisticadas pode desviar a atenção de prioridades mais urgentes.
Que condições fazem com que a IA tenha sentido educacional
Se algo fica claro ao percorrer os debates sobre inteligência artificial e educação é que o impacto da tecnologia não depende apenas do que ela é capaz de fazer, mas de como e para que é utilizada. Para que a IA faça sentido educacional, o primeiro passo é priorizar problemas reais: melhorar as aprendizagens básicas, apoiar os professores, reduzir desigualdades persistentes. Sem essa hierarquia de objetivos, a inovação corre o risco de se dispersar em soluções vistosas, porém irrelevantes.
Projetar com critérios de equidade e contexto é a segunda condição. As mesmas ferramentas não funcionam da mesma forma em sistemas com conectividade intermitente, salas superlotadas ou recursos limitados. Pensar a IA a partir do Sul Global implica adaptá-la a essas realidades, e não importar modelos concebidos para outros contextos.
A formação docente é um requisito indispensável. Nenhuma tecnologia transforma o ensino se aqueles que estão em sala de aula não dispõem de tempo, apoio e competências para integrá-la criticamente à sua prática. Sem investimento contínuo em desenvolvimento profissional, a IA se torna mais uma sobrecarga.
A isso se soma a necessidade de avaliar impacto. Medir quantas escolas utilizam uma ferramenta diz pouco sobre se ela melhora a aprendizagem. Por fim, tudo isso exige marcos claros de governança e regulação, capazes de orientar o uso da IA como política pública, e não como uma soma de iniciativas isoladas.
Somente assim a tecnologia pode deixar de ser um fim em si mesma e se tornar um meio a serviço da educação.
A educação continua sendo um projeto humano
Como lembra Artificial Intelligence and Education in the Global South ao longo de seus capítulos, a inteligência artificial pode ampliar capacidades, oferecer novos apoios e abrir espaços de melhoria nos sistemas educacionais. Mas não substitui nem os professores nem as decisões coletivas que definem o que significa educar. Ensinar e aprender continuam sendo processos profundamente humanos.
Em um contexto de aceleração tecnológica, a questão decisiva não é até que ponto a educação pode ser automatizada, mas quais critérios orientam essas decisões. A escola não é apenas um espaço técnico, mas um projeto social e político que define o que se aprende, como e para quem. A inteligência artificial pode se integrar a esse projeto e modificar algumas de suas práticas, mas não substituí-lo. O que está realmente em jogo não é a incorporação de uma nova ferramenta, mas o modelo de sistema educacional que se escolhe construir na era da IA.
