Guilherme Cintra apresenta três heurísticas para ajudar gestores e educadores a tomar decisões mais conscientes sobre o uso da inteligência artificial na escola, equilibrando eficiência, pensamento crítico e responsabilidade pedagógica
Esta é a terceira coluna de uma série de três textos sobre transformar o conceito de Fricção Cognitiva Ótima (FCO) em algo vivo no cotidiano das escolas. A primeira propôs um mapa de diagnóstico. A segunda começou a traduzir esse mapa em seis hábitos mentais para apoiar decisões do dia a dia sobre Inteligência Artificial (IA) na escola, e tratou das três primeiras heurísticas. Esta fecha a série com as três últimas.
Se ainda não leu a coluna anterior, recomendo começar por ela. Lá estão a moldura conceitual completa, a estrutura de leitura de cada heurística (pergunta de partida, texto e pergunta para transformar em hábito), e as três primeiras: para terceirizar, é necessário ser capaz de avaliar; para aprender, é necessário fazer; e para formar um ser humano, é necessário preservar o que o constitui.
As três que iremos tratar nesta coluna são:
- Quanto maior o custo do erro, maior a fricção necessária.
- Fluência é diferente de acerto.
- O que era ótimo ontem pode não ser hoje.
Heurística 4: quanto maior o custo do erro, maior a fricção necessária
Pergunta de partida: se a IA permite fazer mais e mais rápido, quando vale acelerar e quando vale frear?
A IA generativa entrega uma promessa real e mensurável: mais coisas, mais rápido, com menos esforço. E a tentação natural, em qualquer organização que tenha vivido escassez de tempo, é puxar essa alavanca ao máximo: mais correções por hora, mais planos de aula por semana, mais devolutivas para mais alunos. A pressão por eficiência é legítima, e a IA, em muitos casos, entrega.
Mas a eficiência tem um custo escondido, e ele cresce com a aceleração. Quanto mais rápido um processo, mais opacos ficam seus erros. Quem revisa cinco textos em uma hora tem menos chance de identificar uma imprecisão do que quem revisa um texto em uma hora. Quem aprova vinte planos de aula gerados por IA não está vendo o que cada um deles deixa de fora. A aceleração não elimina o erro. Ela o torna mais difícil de ver.
Esse trade-off não é novo. Existe em todo processo industrial, em toda automação, em toda decisão sobre o quanto delegar para uma máquina. O que muda com a IA é a escala. Antes, acelerar exigia investimento, treinamento, mudança de processo. Hoje, basta abrir uma aba do navegador. A barreira sumiu, e com ela o momento natural em que alguém parava para perguntar: aqui, vale acelerar?
Essa é uma discussão que se torna mais relevante, e talvez menos presente do que deveria, em um mundo com IA. Decidir bem entre acelerar e frear depende de uma competência que raramente nomeamos: avaliar conscientemente o custo do erro antes de tomar a decisão. Nem toda decisão merece a mesma fricção. Aprovar a lista de materiais do próximo semestre é diferente de aprovar a metodologia de avaliação de uma série inteira. Responder um e-mail de um pai sobre o calendário é diferente de responder um e-mail sobre o acompanhamento pedagógico de um filho com dificuldades. O custo do erro, em cada caso, é radicalmente diferente. A fricção precisa acompanhar.
A consequência prática para a escola é desenhar processos onde a mitigação de erro está embutida na origem, não como remediação posterior. Em decisões de baixo custo (revisão ortográfica de uma circular, sugestão de exemplos para uma atividade simples), a IA pode entrar com fricção mínima. Em decisões de alto custo (devolutiva sobre um aluno em situação delicada, definição de uma política de avaliação, comunicação com a família sobre um incidente), a fricção precisa ser alta, com pontos explícitos de revisão humana, contraste entre versões, tempo de pausa antes da decisão final. Não é desconfiança da ferramenta. É o reconhecimento de que, quando o erro custa caro, ele precisa ser visto antes de acontecer, e isso só acontece com fricção desenhada.
A escola que opera essa heurística não usa menos IA. Usa IA com mapa. Reconhece onde acelerar libera capacidade real e onde acelerar é abrir mão de zelo. E entende que o segundo caso, em educação, é mais comum do que parece.
A pergunta para transformar em hábito: aqui, o que custa mais, o erro ou a fricção?
Heurística 5: fluência é diferente de acerto
Pergunta de partida: se o texto da IA é tão convincente, como não nos deixar enganar?
Há um viés humano profundo, e bem documentado em ciência cognitiva, que liga forma a substância. Quando lemos um texto bem-escrito, com argumentação clara, sintaxe correta e tom seguro, somos inclinados a confiar no conteúdo. Não é falha individual. É como o cérebro processa autoridade textual. Antes da IA generativa, esse viés ainda tinha um corretor natural: produzir texto fluente exigia trabalho, conhecimento, revisão, e a fluência era um sinal correlacionado, ainda que imperfeito, de competência da fonte. Charlatões sempre existiram, e o estilo sempre foi capaz de enganar quem confunde forma com profundidade. Mas o esforço necessário para parecer convincente funcionava como filtro. A IA quebrou essa correlação, e tornou trivial o que antes exigia ofício.
Hoje, qualquer texto, sobre qualquer assunto, pode chegar fluente. A forma deixou de ser sinal de substância. Mas o viés permaneceu. Continuamos lendo confiança no estilo, mesmo quando sabemos, intelectualmente, que o estilo foi produzido por uma máquina que pode estar errando com elegância.
Há ainda uma camada adicional, específica desses modelos, que merece atenção pedagógica. Pesquisas recentes vêm documentando o que se chama de sincofania (em inglês, sycophancy): a tendência dos modelos de IA a concordar com o usuário, validar suas premissas, reforçar suas opiniões iniciais. Um estudo de Princeton, em 2026 (ainda não revisado por pares), mostrou que essa tendência distorce a formação de crença, fabricando certeza onde deveria haver dúvida, e suprimindo a descoberta. A IA não está necessariamente mentindo. Está sendo treinada para agradar. E o efeito colateral é que ela tende a pegar a ideia que você trouxe, embelezá-la, devolvê-la mais convincente, e fazer com que você fique mais confiante em uma posição que talvez merecesse mais escrutínio. O texto fluente, nesse caso, não está apenas descolado da verdade, está descolado da sua própria capacidade de duvidar do que pensa.
A consequência pedagógica é direta. Estamos formando alunos em um ambiente onde o texto que chega às mãos deles vem cada vez mais polido, cada vez mais difícil de distinguir entre uma fonte humana qualificada e uma máquina que aprendeu a soar como uma. E onde, pior, a própria máquina pode estar reforçando os vieses que o aluno já trazia, com aparência de validação externa. A capacidade de duvidar do que parece convincente, e em especial de duvidar do que confirma o que se queria ouvir, deixa de ser ceticismo opcional. Passa a ser pré-requisito de leitura.
A boa notícia é que essa não é uma competência inteiramente nova. A educação midiática vem trabalhando há anos com modelos de avaliação de fontes, e um dos mais difundidos é o método SIFT, do pesquisador Mike Caulfield: parar antes de aceitar, investigar a fonte, buscar cobertura alternativa, e rastrear a afirmação até o contexto original. Foi desenhado para notícias e conteúdo online, mas se aplica à IA com poucos ajustes. “Parar” passa a significar não aceitar a primeira resposta da IA, mesmo quando ela soa pronta. “Investigar a fonte” passa a significar reconhecer que a fonte é um modelo construído por humanos com escolhas embutidas. “Buscar cobertura alternativa” passa a significar verificar afirmações em fontes independentes da IA. E “rastrear até o contexto original” passa a ser o passo mais crítico de todos porque a IA inventa referências com a mesma fluência com que inventa argumentos.
Trabalhar explicitamente fact-checking e protocolos de verificação como parte da formação é o movimento óbvio. O menos óbvio, e talvez mais importante na era da IA, é cultivar uma postura nova: o autoceticismo, que é desconfiar não apenas do texto, mas da própria sensação de ter sido convencido, sobretudo quando a IA devolve uma versão mais articulada do que já se pensava.
A pergunta para transformar em hábito: se este texto estivesse errado, eu seria capaz de duvidar?
Heurística 6: o que era ótimo ontem pode não ser hoje
Pergunta de partida: se a IA muda mais rápido do que conseguimos decidir sobre ela, como evitar que nossas decisões envelheçam antes de operar?
Existe uma tentação natural, em qualquer organização escolar, de tratar a formulação de uma política como o fim do problema. Reúne-se um grupo pequeno do time, redige-se um documento, publica-se e pronto. A partir daí, o tema entra em modo de manutenção.
Esse instinto sempre teve limites na educação porque a tecnologia sempre mudou. Calculadora, internet, smartphone, redes sociais. Cada onda exigiu adaptação da escola, e nenhuma adaptação foi feita uma vez só. No caso da IA, o argumento de que dessa vez “é diferente” precisa de cuidado. Ondas tecnológicas anteriores também foram transversais e disruptivas, mas há dois traços efetivamente novos. O primeiro é a velocidade de adoção: uma pesquisa de Harvard mostrou que a IA generativa chegou a 40% dos adultos americanos em menos de dois anos, ritmo comparativamente mais rápido que o da internet (20% após dois anos) ou do computador pessoal (20% após três anos). O segundo é a simultaneidade: a internet se integrou a diferentes domínios em ondas sucessivas, ao longo de duas décadas (e-commerce, comunicação, busca, redes sociais). A IA generativa chegou a texto, imagem, código, decisão em paralelo, sem precisar de dispositivo novo, sem curva de aprendizado de uso. As capacidades novas mudam, em paralelo e a cada poucos meses, o que é razoável delegar, o que é seguro permitir, o que é necessário formar.
Por isso, a sexta heurística enfrenta uma tensão que nenhuma das outras enfrenta: como tomar decisões pedagógicas sólidas em um terreno que se move o tempo todo? Não há resposta confortável. O que há é uma habilidade que precisa ser cultivada institucionalmente: conviver com ambiguidade, aceitar que toda política sobre IA será provisória. Em resumo, ter conforto no desconforto.
A consequência prática é que a escola precisa desenhar, desde o início, processos explícitos de revisão. Não a revisão reativa, que entra em pânico a cada lançamento. A revisão programada, com ritmo definido, com critérios claros do que disparou a necessidade de mudar, e com participação ampla. Aqui vale destacar um ponto que costuma passar batido: política sobre IA não pode ser formulada apenas pela categoria diretamente impactada no trabalho cotidiano (os educadores). A IA atinge alunos, famílias, equipes administrativas, comunidade. A formulação precisa refletir isso.
Um exemplo concreto e instrutivo. Em janeiro de 2023, o distrito escolar de Nova York, o maior dos Estados Unidos, foi um dos primeiros do mundo a proibir o ChatGPT em escolas. A decisão durou quatro meses. Em vez de apenas revogá-la, a NYC Public Schools montou um AI Policy Lab com foco em implementação centrada no humano, que capacitou milhares de profissionais e ancorou uma rede nacional. Em março de 2026, três anos depois da proibição inicial, o distrito publicou um guia pedagógico preliminar, organizado em estrutura de semáforo, com janela formal de 45 dias para comentário público de famílias, educadores e alunos, e nova versão prevista para junho. Não é um processo perfeito. Mas é processo. E é processo que inclui a comunidade ampla, não só os educadores.
O que torna o caso instrutivo não é a sofisticação da política em si. É o fato de que a NYC tratou IA como tema permanente, não como problema a resolver de uma vez. Saiu da proibição reativa para o policy lab permanente. Da decisão fechada para o documento aberto à revisão. Do ato isolado para o processo contínuo. Essa é a mudança de postura que a heurística 6 pede de qualquer escola, em qualquer escala.
Há um sentido em que essa heurística é também uma meta-heurística. Revisar periodicamente significa, na prática, revisitar se as cinco anteriores ainda estão calibradas diante de modelos que mudam, capacidades que se ampliam e custos de erro que se deslocam. Sem a heurística 6, as outras cinco perdem sentido. Com ela, viram prática viva.
A pergunta para transformar em hábito: esta decisão ainda faz sentido hoje?
Em construção
Estas seis heurísticas, somadas ao mapa da primeira coluna, formam o conjunto que venho usando para pensar IA na escola. O mapa serve para diagnosticar onde, em cada decisão, está a tensão pedagógica de verdade. As heurísticas servem para operar essa decisão no dia a dia, sem precisar refazer o diagnóstico inteiro a cada vez. O que muda, quando uma escola passa a operar com elas, não é o uso de IA em si. É a postura. A escola deixa de buscar um equilíbrio fixo entre uso e não uso de IA e passa a sustentar uma busca contínua, decisão por decisão. Sai-se de uma escola que reage à tecnologia, defensiva ou entusiasmadamente, conforme a manchete da semana, para uma escola que tem vocabulário próprio para decidir o que aceitar, o que recusar, o que adaptar. Esse novo repertório é, ele mesmo, parte do que se forma nos alunos. Quem estuda em uma escola que pensa sobre IA com clareza desenvolve, pela convivência, a mesma capacidade.
Mas este é um framework em construção contínua. Estou testando essas seis heurísticas em conversas com gestores, educadores e pesquisadores, e elas seguirão se refinando à medida que esses encontros revelarem novos problemas, contraexemplos e formulações melhores. Onde uma delas não bate com a sua experiência, onde a formulação trava na hora de operar, onde falta alguma que a sua escola já está usando sem nome: escrevam. Comentários, contraexemplos e sugestões são parte do método, e os melhores deles entram nas próximas versões deste mapa em construção.
Guilherme Cintra é Diretor de Inovação e Tecnologia da Fundação Lemann. Economista formado pela PUC-RJ, iniciou sua trajetória na educação aos 18 anos como professor de matemática para jovens de comunidades próximas à universidade. Atuou em fundos de investimento e tornou-se sócio do Gera, focado em educação. No Grupo Eleva, foi diretor de unidade escolar, liderou uma rede de escolas e cofundou o Pátio, área de novos negócios (hoje Grupo Salta). Trabalhou na Secretaria Municipal de Educação do Rio de Janeiro como Coordenador de Inovação e Tecnologia, onde criou os Ginásios Experimentais Tecnológicos, a Olimpíada Carioca de Matemática e sistemas de gestão escolar. Atualmente, dedica-se a escalar qualidade educacional por meio da tecnologia em estados e municípios do país.
