Avaliações na Era da IA: seria a voz o caminho?

Um dos problemas mais complexos e decisivos do momento de transição que vivemos pós-chegada da IA generativa é o que fazemos com avaliações.

Historicamente, trabalhamos com avaliações que exploram resultados finais. Entretanto, no mundo onde a IA faz o trabalho demandado em segundos, o fundamental é entender que processo efetivo está por trás do que o aluno produz.

Então a IA é uma ameaça ao sistema educacional atual. Mas é também uma grande oportunidade de transformação.

Enquanto IA demanda novas competências, ela também nos permite avaliar de forma diferente, medindo portanto competências que antes seríamos incapazes de avaliar.

Pense em como você efetivamente articula suas competências: grande parte do tempo o que está fazendo é muito mais interativo do que uma simulação estática como as avaliações que nos acostumamos.

Uma interface ainda pouco explorada é a de voz. Em nosso cotidiano, muito de nossa expressão está em um raciocínio explicitado oralmente.

O papo de hoje é com Fabrício Inocêncio, fundador da TasqClass, que estabeleceu como sua missão tornar avaliações orais viáveis em diferentes tipos de competências e contextos.

Também olhamos para outras edtechs com abordagens distintas para a mesma questão.

Um desafio existencial para sistemas educacionais pode também apresentar novas oportunidades. Afinal, como se diz por aí, “nunca desperdice uma boa crise”…

1. Nos conte sobre sua trajetória até aqui.

Eu comecei minha carreira na educação como professor de negócios no ensino superior em 2008 e, no ano seguinte, entrei para a gestão, com foco em educação a distância. E logo me incomodei com o produto EAD. Puxa, com toda a tecnologia que a gente já tinha disponível, por que o EAD não poderia ser bacana? A tecnologia serve para isso, para melhorar as coisas. Daí eu desenvolvi uma obsessão que me acompanha até hoje, que é usar a tecnologia e dados para melhorar a experiência de aprendizagem.

No ensino superior, trabalhei por mais de uma década em grupos de educação internacionais como Adtalem e Laureate, em projetos de inovação com impacto na aprendizagem, tanto no presencial quanto no EAD. Mas eram projetos que geralmente consumiam produtos de edtechs, e eu tinha muita curiosidade de entender o lado de quem produz tecnologia.

Nesse tempo, fiz mestrado e doutorado em administração e sempre busquei pesquisar sobre tecnologia na aprendizagem. Minha tese de doutorado, que fiz na FGV em São Paulo, foi sobre gamificação na aprendizagem. Como sempre busquei um lado mais quantitativo, ganhei uma bagagem de ciência de dados e estatística que me preparou para o que estava por vir com IA.

Em 2020, finalmente fiz a desejada migração para o mundo da tecnologia, em papéis ligados a produto, mas continuei com o pé no ensino superior como professor on-line na EU Business School, em Barcelona. Passei por startups como a Sama Education e estava na Digibee quando veio toda essa revolução da IA generativa. Em 2023, assumi a liderança de IA e aprendi bastante sobre como desenvolver produtos de IA.

Comecei a ver que muita coisa estava sendo impactada na educação. Avanços impressionantes na produção de conteúdo e no suporte ao aluno, mas o tema avaliação estava enroscado. Eu comecei a perceber, junto com o resto do mundo, que as avaliações, principalmente as práticas, não funcionam mais com o aluno usando ChatGPT para tudo.

Só que eu sempre vi isso como um paradoxo. A IA quebrou as avaliações tradicionais, por tirar a fricção cognitiva, mas eu sentia que ela poderia ajudar também a criar novas formas de avaliar. Estava em um momento de carreira e de vida em que queria e podia empreender. Eu tinha clareza de que havia um problema relevante, que eu entendia bem, seja como professor ou como gestor, e tinha a bagagem técnica para começar a prototipar com IA. Então decidi mergulhar nesse problema e empreender. Em julho de 2025, fundei a TasqClass, e estou desde então nessa empreitada.

2. O que precisa mudar nas avaliações, agora que a IA está na rotina dos alunos?

As avaliações já tinham um problema antes da IA, que é medir aprendizagem real, principalmente competência de alto nível cognitivo. Uma prova de múltipla escolha avalia, no máximo, se o aluno consegue explicar ou analisar algo. Numa prova normal é muito difícil capturar evidência sobre a capacidade de fazer ou criar algo, por exemplo. Enquanto gestor no acadêmico, sempre tentei implementar metodologias ativas. Bem mais empolgantes para os alunos e mais conectadas com o mundo prático.

Mas foi justamente esse tipo de avaliação que ficou mais vulnerável à IA. Essas avaliações são baseadas no artefato, e o artefato a IA reproduz muito bem. A entrega não é mais evidência de que a competência foi desenvolvida.

Proibir não funciona, e é capacitar o aluno para um mundo que não existe mais. E a gente já teve essa discussão com o Google, com a Wikipedia, e aprendeu a usar essas ferramentas com critério. Com a IA é a mesma coisa. O problema é que ela acelera tanto a produção que tira a fricção, e é na fricção que a gente aprende.

Mas a fricção não sumiu, ela mudou de lugar. No mundo do trabalho, está acontecendo um deslocamento do produzir para o discutir e revisar. A máquina faz muito bem um plano de marketing, e o esforço cognitivo de quem é responsável pela entrega foi para o antes e depois. Antes, quando ele discute, planeja, faz as perguntas certas, dá contexto e valida premissas até a IA criar algo do jeito esperado. E depois, quando ele verifica o que foi criado e começa a ajustar. Voltando para a educação, a avaliação precisa levar o aluno para esse lugar, com um desenho pedagógico que cria a fricção necessária para o cérebro aprender, assim como o músculo precisa gerar esforço para se desenvolver. O que ficou barato foi produzir o artefato. O cérebro agora é estressado no planejamento e na revisão, que é onde acontece a maior parte da reflexão e do julgamento hoje em dia.

Aí vem o desafio de como operacionalizar tudo isso. Eu vejo três caminhos.

O primeiro é ir cada vez mais para o mundo real. Projetos em que o aluno precisa entrevistar pessoas, coletar dados, executar algo no mundo físico, como tentar vender algo, em vez de só ficar no plano de negócios, desafios em que a IA não tem resposta para tudo. Ela continua ajudando, mas sem poder fabricar algo que pareça autêntico do zero.

O segundo é acompanhar a evolução do trabalho, como um diário de bordo, com histórico de versões do documento, ou o Git, no caso de código. O professor vê como o artefato foi construído, etapa por etapa.

E o terceiro, o meu preferido, é a arguição oral. Com IA, todo mundo ficou supercompetente no assíncrono, quando ninguém está vendo. A conversa em tempo real virou o momento da verdade, em que você precisa sustentar uma ideia e argumentar.

Vi algumas instituições tentando aplicar arguição oral de forma convencional. E isso gera um desafio de escala gigante para o professor. E é aí que a própria IA ajuda. Agentes de IA podem conduzir a arguição, personalizar as perguntas e capturar evidências de que é o aluno quem está sustentando aquilo. O professor revisa tudo no final, mas sem ganhar mais carga. A tecnologia precisa agilizar essa verificação, não aumentar o trabalho dele.

Não por acaso, a arguição oral mediada por IA é o carro-chefe da TasqClass. A gente cobre o ciclo de avaliação de ponta a ponta, do desenho da tarefa à pré-correção, mas o foco principal é a arguição oral mediada por IA. Quando a gente posicionou a TasqClass com essa tese, em julho de 2025, ela ainda era pouco explorada. Hoje já temos universidades como Georgia Tech e NYU que publicaram estudos com exames orais conduzidos por IA, e começam a surgir edtechs lá fora com aposta parecida, como Coraltalk, Studitive e Breakout Learning. É uma tese de solução sendo validada, a arguição oral mediada por IA como verificação real de aprendizagem.

No fim, o artefato e o julgamento do aluno sobre o artefato, capturado de forma falada, viram dois canais de evidência de aprendizagem. A arguição acrescenta uma camada que a entrega escrita não tem. Dá para explorar como ele fez, como chegou lá, o que faria num cenário diferente. Isso mostra muito mais se ele desenvolveu a competência, e se vai conseguir aplicar em outro contexto, do que a entrega escrita sozinha. Inclusive, a gente também tem feito entrevistas de aprofundamento depois de provas tradicionais, de múltipla escolha. Elas capturam nuances que a prova não pega e ajudam a montar um feedback muito mais rico sobre o que o aluno precisa focar para ir bem na próxima.

3. A TasqClass trabalha com diversas instituições. Como elas têm adaptado suas regras de avaliação à IA?

Vale começar pelo efeito de longo prazo de avaliações quebradas. Se a avaliação não mede a aprendizagem real, tem uma leva de alunos se formando, conquistando o diploma, sem desenvolver as competências de que o mercado precisa. O aluno formado será o primeiro a sentir, com a empregabilidade afetada. E logo na sequência virá a instituição, com a reputação do diploma. Se o diploma sinaliza uma competência que não foi desenvolvida, existe um descasamento entre o que a nota representa e a performance real. É um problema que afeta o modelo de negócio da instituição. Todo gestor acadêmico sabe disso. O que ainda falta é a dimensão do quanto esse problema acontece dentro da própria instituição. Pode parecer algo distante. Ele pensa, puxa, o que a reputação do meu diploma tem a ver com o aluno usando IA? E aí eu tenho encontrado quatro níveis de consciência sobre o problema.

No nível um, é a crença de que o problema ainda não chegou na instituição, ou que ainda não sabe como resolver. Hoje, dificilmente uma instituição ainda está nesse nível.

O nível dois começa quando passa a doer. As evidências aparecem. Vem a inflação de notas, as notas subindo, ou os professores percebendo um padrão nos trabalhos, que de repente melhoraram muito de qualidade, ou ficaram muito genéricos, ou chegaram em formato markdown e isso até bem recente não era familiar para a grande maioria dos professores.

Aí vem o nível três. Tem alguma coisa acontecendo, os alunos estão usando IA em massa, a instituição precisa reagir e acaba criando uma política proibitiva, e para proibir precisa detectar. E começa a era do professor auditor. As ferramentas de detecção prometeram algo que não conseguiram cumprir, e a responsabilidade caiu no colo do professor, de verificar se o aluno usou IA ou não. Isso gera um estresse muito grande, para o professor e para a instituição.

No nível quatro, a instituição percebe que precisa se adaptar à realidade e precisa resolver isso de um jeito diferente. E o primeiro ponto é que não dá para jogar a responsabilidade para o aluno. Dando o benefício da dúvida, ele talvez nem saiba o que esteja fazendo. Ele está tentando resolver a tarefa que foi pedida. Sem fricção, ele tem a sensação falsa de que está aprendendo. E o ser humano, por natureza, evita desconforto e esforço. Então é responsabilidade da instituição, do professor, do desenho pedagógico, recriar essa fricção.

Aí vem o trabalho de verdade, que é criar avaliações resistentes à IA. Permitindo que o aluno use IA, mas repensando a lógica da instrução e a lógica da avaliação. E o professor tem um papel central nisso. Ele precisa ser capacitado para repensar essa nova lógica e precisa ter ferramentas disponíveis para mudar a forma como trabalha.

E aqui entra um pouco do que eu penso sobre o futuro. Isso traz duas implicações naturais. A primeira é o papel do professor. Se o trabalho de todo mundo está sendo transformado pela IA, o do professor também vai ser. Onde ele deve focar? A segunda são as próprias competências. Até aqui a gente falou de como medir competência real, mas talvez parte do que se ensina hoje não faça mais sentido no futuro. Para mim, essas são as perguntas que vêm depois de tudo isso.

4. Como você tem visto o parecer do CNE e as regulações sobre IA na educação que vêm surgindo?

Eu concordo com o espírito do parecer. A IA tem uma natureza probabilística, então faz todo sentido que o julgamento humano esteja no processo. A nota final tem que ser uma decisão do professor.

Falando especificamente de como o CNE trata correção com IA, o parecer fez uma distinção importante. A IA não pode corrigir uma dissertativa, mas pode fazer a pré-correção. Ela pode indicar quais critérios da rubrica foram atendidos, mostrar o trecho que sustenta essa leitura e até sugerir uma nota. Mas quem decide é o professor. O que prepara pode vir da máquina, o que decide precisa vir do professor.

A questão é que isso ficou classificado como alto risco, e muita gente pode interpretar alto risco como proibição. Não é. É uma permissão com condição. E o desafio para as instituições passa a ser como implementar isso sem sair das regras.

O ponto é que o texto é muito principiológico. Ele diz o que pode e não pode, mas não diz o como. Sem esse como, a instituição pode ficar insegura. E a decisão intuitiva é voltar para o papel e abandonar todo o projeto de inovação focado em repensar as avaliações para a era da IA.

Só que não adotar IA institucionalmente também não é risco zero. O professor já está usando IA. Ele baixa os trabalhos, cola num chatbot pessoal e corrige. Ninguém sabe para onde foi o texto do aluno. Isso é risco sem registro.

5. Existe alguma crença forte que você tinha e que sua experiência prática mostrou que estava errada?

Eu trago três, em perspectivas diferentes, sobre as instituições, os professores e os alunos.

A primeira é sobre as instituições. Eu achava que haveria muito mais urgência para resolver esse problema, principalmente pela ameaça à reputação do diploma. A urgência existe, mas afeta as instituições em diferentes níveis. No ensino superior, isso deve mudar agora. As primeiras turmas que fizeram o curso inteiro na era do ChatGPT estão se formando, fazendo ENADE e chegando ao mercado. E a regulação também está ficando mais rígida em relação ao ENADE e ao ENAMED, o que aumenta a pressão por resultado real de aprendizagem. É aí que a gente vai começar a ver os efeitos disso.

A segunda é sobre os professores. Tradicionalmente, a adoção de tecnologia na educação é de cima para baixo. A gestão decide, implementa, e isso desce para os professores. Eu achava que com a IA seria igual. Mas o que eu vi foi o contrário, um movimento de baixo para cima. Os professores adotando IA em massa, do lado pessoal, por conta própria. E é o mesmo que está acontecendo em outras indústrias. As empresas estão mais lentas para adotar IA no negócio, enquanto os funcionários já aceleraram.

E a terceira é sobre os alunos. Eu achava que ia haver muita resistência, porque a gente está tirando o caminho fácil. Você entrega com IA, mas depois tem uma arguição oral como camada de checagem. Inclusive, essa é uma objeção que eu escuto de algumas instituições. “Os alunos vão reclamar.” Mas o retorno que a gente tem recebido é muito positivo. O que mais aparece são comentários de que eles sentiram que aprenderam alguma coisa, ou de que o conteúdo ficou mais na memória. E quando o aluno participa de novo no semestre seguinte, a atitude é ainda mais positiva. Na modalidade com vídeo, que é gravada como uma defesa, tem alunos que se vestem bem para se apresentar. Eles percebem que a arguição é personalizada, sobre o próprio trabalho, e passam a levar o processo a sério.

Em alguns casos, a gente libera mais de uma tentativa, e o aluno pode melhorar a nota da arguição. Isso cria um ciclo de melhoria contínua. Ele recebe o feedback, volta e tenta de novo. E mesmo que tenha feito o trabalho inteiro com IA, no fim ele acabou lendo e estudando aquele trabalho. O que acontece, na verdade, é que a avaliação volta a fazer parte da aprendizagem. Em algum momento, a gente separou o avaliar do aprender. E eu sempre acreditei que a avaliação pode ser um dos momentos em que mais se aprende. Ela vai muito além de checar o que foi aprendido. E é isso que a gente está vendo acontecer na prática.

Edtechs

TasqClass – Plataforma de avaliação com arguição oral mediada por IA

Brasil

Fabricio Inocencio, entrevistado desta edição, fundou a TasqClass em julho de 2025. Ele conhecia o problema como professor e gestor no ensino superior: avaliações baseadas em entrega, como cases e projetos, deixaram de comprovar aprendizagem quando a IA passou a produzir o artefato. A plataforma apoia a criação, a checagem e a correção de atividades de alta cognição, como cases, simulados do Enade e projetos, e o professor mantém o controle em cada etapa.

O carro-chefe é a arguição oral. Depois de entregar o trabalho, o estudante conversa com um agente de IA que faz perguntas personalizadas sobre aquela entrega, em áudio ou em vídeo gravado como uma defesa. A instituição pode liberar mais de uma tentativa. A empresa também aplica entrevistas de aprofundamento depois de provas de múltipla escolha, para montar um feedback mais detalhado.

A nota final fica com o professor, que revisa as evidências capturadas na conversa. Isso segue a distinção do parecer do CNE entre pré-correção e decisão.

Practera – Plataforma de projetos reais com empresas para estudantes universitários

Austrália

A Practera foi fundada em Sydney em 2010 e atua na Austrália, no Reino Unido, nos Estados Unidos e no Canadá. A empresa conecta universitários a projetos de empresas, estágios curtos e experiências de trabalho que entram no currículo dos cursos. Ela separa seu modelo de uma simulação: os estudantes trabalham sobre demandas de empregadores reais e recebem retorno deles.

O formato mais conhecido são projetos de duas semanas em equipe. A plataforma organiza o fluxo entre estudantes, mentores e empresas, acompanha em tempo real o clima de cada equipe para avisar quando alguém sai do rumo, e inclui um assistente de IA desenhado para esse tipo de aprendizagem. Segundo a empresa, mais de 60 mil estudantes já passaram por esse modelo.

A Practera representa nesta edição o caminho que o Fabricio chama de ir para o mundo real: desafios em que a IA ajuda, mas não consegue fabricar sozinha algo que pareça autêntico. Do outro lado da entrega há um cliente com um problema concreto, que julga o resultado.

Coraltalk – Plataforma de avaliações orais e simulações de conversa com IA

Canadá

A Coraltalk foi criada em Toronto em 2025. Ela nasceu de uma queixa recorrente de professores, que sabiam que a prova oral avalia melhor mas não tinham tempo para aplicá-la. A plataforma conduz por voz arguições personalizadas a partir do trabalho escrito do estudante. Também oferece simulações em que a IA assume um papel, como o de um investidor diante de um aluno no papel de fundador.

A empresa tem soluções para ensino superior, escolas e cursos de idiomas, enfermagem e hotelaria, e se conecta ao ambiente virtual que a instituição já possui. Captou US$ 425 mil. A empresa diz que pretende construir um modelo próprio, capaz de avaliar pausas, hesitações e linguagem corporal, que os modelos atuais não leem bem.

O Fabricio cita a Coraltalk como sinal de que a tese da arguição oral mediada por IA está sendo validada fora do Brasil. 

Viva (NYU Stern) – Ferramenta aberta de exames orais com IA criada por uma escola de negócios

Estados Unidos

O Viva nasceu num curso da escola de negócios da Universidade de Nova York, quando os professores notaram que as tarefas de preparação para aula vinham boas demais. Em vez de banir a IA, montaram um examinador por voz que conversa com cada aluno sobre o próprio projeto. No primeiro teste, os 36 exames custaram US$ 15 em IA.

A correção funciona como um conselho. Três modelos de IA de empresas diferentes avaliam a transcrição contra a rubrica, leem as justificativas uns dos outros e revisam as notas. O caso é sinalizado quando eles continuam discordando muito. Os nomes dos alunos são retirados antes dessa etapa, e nenhuma nota chega ao estudante sem a liberação do professor. A ferramenta está aberta a professores de qualquer instituição, sem custo durante a fase de testes, e mais de mil estudantes já fizeram um exame.

É a experiência acadêmica que o Fabricio cita como validação da tese. É também a tradução mais literal da regra do CNE que ele comenta: o que prepara vem da máquina, o que decide vem do professor. No Viva, toda nota fica como proposta até alguém revisá-la.

Breakout Learning – Plataforma de discussões em pequenos grupos moderadas e avaliadas por IA

Estados Unidos

Na Breakout Learning, os estudantes discutem casos e cenários de decisão em pequenos grupos, com a IA moderando a conversa. A transcrição é avaliada contra uma rubrica, e o professor recebe resumos, níveis de participação e as dificuldades de cada aluno. A empresa tem sede em Dallas. Foi criada por Ramit Varma, que antes fundou e vendeu a Revolution Prep, empresa de preparação para exames.

O produto começou em escolas de negócios como a UCLA Anderson. Depois chegou à Índia, numa parceria com o IIM Sambalpur. A empresa captou US$ 4 milhões e diz que, no piloto, 92% dos estudantes preferiram o formato à tarefa tradicional de leitura e redação. Em algumas turmas da Michigan State University, quem paga o acesso é o próprio estudante.

A Breakout leva a arguição para o coletivo. O Fabricio descreve um mundo do trabalho em que o esforço migra do produzir para o discutir e revisar. A Breakout avalia exatamente essa discussão, entre colegas e em tempo real, no lugar de uma conversa individual com a máquina.

Studitive – Plataforma de correção e exames orais com IA para universidades

Indonésia

A Studitive é feita para universidades da Indonésia e tem como produto principal o Assess. A IA corrige o trabalho entregue com base na rubrica do professor e, em seguida, conduz uma prova oral por voz com perguntas geradas a partir daquela entrega. Quando a resposta é vaga, ela aprofunda. Funciona em inglês e em indonésio e está gratuita na fase de acesso antecipado.

O diferencial que a empresa destaca é a camada de integridade. A prova é gravada em vídeo, a tela fica travada em modo cheio e a troca de aba pode encerrar a sessão. Depois, a IA analisa a gravação para sinalizar comportamentos suspeitos, como olhar para outro monitor. A empresa afirma que a IA nunca reprova sozinha e que a decisão é do professor.