Ou… o relatório de Minnesota, o cisne vermelho no campus
e a universidade que ainda não se olhou no espelho
O processo de destruição criativa é o fato essencial do capitalismo.
Joseph Schumpeter, Capitalismo, Socialismo e Democracia, 1942.
Um alarme
Quarta-feira, 28 de outubro de 2026. A MPR News, a rede pública de rádio de Minnesota, publica uma manchete com cara de sirene: relatório da Universidade de Minnesota alerta que o uso de IA por estudantes é ameaça “severa” à aprendizagem [veja no link mprnews.org/…/university-of-minnesota-report-warns…].
Por trás da nota há um relatório de consenso de especialistas, publicado no começo do mês pela Faculdade de Educação e Desenvolvimento Humano da universidade, com um título que já entrega o tom: formas pelas quais IA generativa pode apoiar e ameaçar a aprendizagem na educação americana, do jardim de infância à pós-graduação [o relatório está em cehd.umn.edu/AI-expert-consensus-report-2026]. Coordenam Panayiota Kendeou, de Minnesota, Jeffrey Greene, da Universidade da Carolina do Norte em Chapel Hill, e Nia Nixon, da Universidade da Califórnia em Irvine. Assinam trinta pesquisadores de ciência da aprendizagem, psicologia cognitiva e tecnologia educacional. Não é panfleto. É pesquisa, pré-registrada, com método declarado e limites assumidos.
O achado que virou manchete cabe numa frase. Nos processos cognitivos e metacognitivos de ordem superior — pensamento crítico, avaliação, agência epistêmica, criatividade —, o risco de ruptura causado por IA generativa é, nas palavras do relatório, severo e unilateral. IA ameaça; não há contrapartida à vista.
Agora a outra frase, do mesmo relatório: a literatura empírica existente sobre os efeitos de IA generativa na aprendizagem carece seriamente de rigor e qualidade.
Leia de novo, devagar. Os autores dizem que a evidência é fraca. E, com base nela, concluem que o risco é severo e de mão única.
Duas ressalvas antes de seguir, porque este blog não compra alarme pronto — nem antialarme pronto.
A primeira é que o relatório não é negacionista. Ele recomenda, com todas as letras, ir além das proibições generalizadas e da permissão irrestrita; quer letramento em IA, tutoria adaptativa, avaliação redesenhada. Quem ler só a manchete vai achar que Minnesota pediu para tirar IA da tomada. Não pediu.
A segunda é que o risco é real. Delegar o pensamento antes de ter formado o juízo é ruim. Quem escreve neste blog, há meses, sobre desmame cognitivo não vai fingir que não.
O problema, então, não está no risco. Está no objeto. O relatório mede uma tecnologia de propósito geral com a régua da sala de aula do século XX — e conclui que ela ameaça a sala de aula. Ameaça mesmo. A pergunta que o relatório não faz é se a sala de aula, do jeito que está, é o que deveríamos estar protegendo.
Há um nome antigo para esse erro, e ele dá título a este texto. Quando a eletricidade chegou às fábricas, a maioria delas fez a coisa óbvia: tirou a máquina a vapor do centro do galpão, pôs no lugar um motor elétrico grande e o ligou aos mesmos eixos, às mesmas correias, ao mesmo layout. O ganho foi quase nenhum, por décadas. Voltaremos a essa história. Por ora, basta a imagem: muita universidade, hoje, está eletrificando a máquina a vapor. E um certo tipo de argumento — de que o relatório de Minnesota é um exemplar bem-feito — está ajudando.
O negacionismo de agora não nega IA.
Nega que ela mude alguma coisa na universidade.
O relatório, lido devagar
Antes de discordar, é preciso ler. O método é um Delphi em duas rodadas. Na primeira, os trinta especialistas indicaram processos de aprendizagem que IA poderia afetar, e os coordenadores consolidaram a lista em 65 processos, distribuídos em oito categorias: memória; autorregulação e metacognição; pensamento de ordem superior; colaboração; estratégias de estudo; aprendizagem de domínio; motivação e afeto; e transferência. Na segunda rodada, 28 especialistas deram notas a cada processo: a probabilidade de IA melhorá-lo, a probabilidade de atrapalhá-lo, a importância dele para a aprendizagem e a força da evidência disponível. Consenso, ali, quer dizer média igual ou maior que 3, numa escala de 1 a 5, com pelo menos 75% dos especialistas dando nota 3 ou mais. Houve consenso em 42 dos 65 processos.
O mapa que sai disso é mais interessante do que a manchete. IA ajuda no meio do caminho: na prática, no feedback, nos exemplos resolvidos, no autoteste, na tutoria, no brainstorming. Atrapalha na entrada, quando substitui o primeiro encontro com o conceito, e na saída, quando faz a análise, a escrita e o julgamento pelo aluno. Os autores chamam isso de paradoxo da IA generativa.
Os dez achados principais dizem, entre outras coisas, que as fundações da memória são vulneráveis; que IA pode romper o tecido social da aprendizagem sem caminho claro de melhora; que a escrita é o único item de aprendizagem de domínio em que houve consenso — e está em alto risco; e que a preocupação é maior no ensino fundamental. O décimo achado, que a manchete não leu, diz que os efeitos positivos e negativos de IA generativa sobre a aprendizagem dependem fortemente de como ela é usada.
As recomendações são onze, e vêm separadas em três faixas. Na faixa “comece por aqui”, de alto impacto e alta viabilidade, estão usar IA para ampliar ideias depois que o aluno formulou as suas, oferecer tutoria adaptativa e ensinar como IA funciona e como verificar o que ela produz. Na faixa da “meta maior” estão pensar sozinho antes de consultar a máquina, preservar a luta produtiva e o processo acima do produto, usar IA como parceira crítica que desafia o raciocínio sem fazer o trabalho, o letramento crítico sobre ética, viés e poder, e normas claras de uso. Na terceira faixa, rotulada de difícil, por barreiras sistêmicas, estão condicionar o acesso a IA a competências básicas já formadas, redesenhar a avaliação para que ela seja autêntica e de processo, e garantir equidade.
Concordo com quase todas. Pensar antes de consultar, que o relatório chama de agência epistêmica em primeiro lugar, é o que tenho chamado de desmame cognitivo: janelas protegidas de produção sem assistência, toda semana, em todas as idades. Avaliação autêntica, de processo, com defesa oral e registro de decisões, é o centro do ensaio que Luciano Meira publicamos há popuco tempo, The University After Generative AI [veja no link https://…tds.company/…-the-university-after-generative-ai]. E a melhor evidência experimental do campo, que o relatório tem razão em dizer que é rara, aponta para o mesmo lugar.
Ela vem de um experimento com quase mil estudantes de matemática do ensino médio na Turquia, publicado na PNAS por Hamsa Bastani, Osbert Bastani, Alp Sungu e colegas [veja no link doi.org/10.1073/pnas.2422633122; o resumo da Wharton está em knowledge.wharton.upenn.edu/…/without-guardrails…]. Três grupos. O que usou uma interface genérica, parecida com o ChatGPT, rendeu 48% mais durante a prática e 17% menos na prova, quando IA foi retirada. O que usou um tutor desenhado com professores, que dava pistas em vez de respostas, rendeu 127% mais na prática — e, na prova, empatou com o grupo que não usou nada.
O que o estudo mede, portanto, não é o dano da delegação. É o dano da delegação sem desenho.
Concordamos na receita.
Discordamos da cozinha.
Ameaça a quê?
Agora, o que me incomoda — e não é pouco. Não é o relatório em si. É o tipo de argumento que ele exemplifica, bem-feito como é, e que vai circular como munição em cada conselho universitário à procura de uma razão para não mudar nada. Esse tipo de argumento tem cinco defeitos. Nenhum é desonesto. Todos são estruturais.
Primeiro: evidência fraca, certeza forte. Pegue a agência do estudante, a capacidade de conduzir a própria aprendizagem. Para 79% dos especialistas, é provável que IA a atrapalhe; para 46%, é provável que ajude. A força da evidência disponível, numa escala de 1 a 4, ficou em 1,64. Na maioria dos itens em que houve consenso, ela ficou abaixo de 2,5. Quando a evidência é fraca dos dois lados, a conclusão honesta é incerteza dos dois lados. O relatório chega a outra coisa: dúvida do lado do benefício, convicção do lado do dano. A frase dele é dadas a evidência e a teoria atuais, nossos especialistas ainda não estão otimistas — e vem acompanhada de uma discordância explícita com a OCDE, que neste ano apontou potencial positivo de IA justamente no pensamento de ordem superior.
Um Delphi não mede o mundo. Mede o que trinta pessoas competentes acreditam sobre o mundo. E o que elas acreditam foi formado por décadas de pesquisa sobre carga cognitiva, dificuldades desejáveis e luta produtiva — numa escola sem IA. É natural que a teoria de antes veja a coisa nova como ruído. Estranho seria se não visse.
Segundo: a régua velha. Os 65 processos são o vocabulário da ciência da aprendizagem do fim do século XX. É um ótimo vocabulário — para a escola que existia. Usá-lo como ontologia do aprender é avaliar o motor elétrico pelo desempenho dele preso às correias da fábrica a vapor.
Veja a escrita, que aparece em alto risco. Risco a quê? Na universidade, a escrita sempre foi duas coisas ao mesmo tempo: um jeito de pensar e uma prova de que se pensou. IA não ameaça a primeira; quem escreve para pensar continua pensando quando escreve. Ela destrói a segunda. O trabalho escrito sem supervisão deixou de certificar o que certificava — e era isso, no fundo, o que a régua media.
A pergunta não é se IA ameaça a redação.
É se a redação ainda prova alguma coisa.
Há um detalhe na lista que vale um parágrafo. Cognição distribuída — o processo que descreve, por definição, aprender como parte de um sistema cognitivo que inclui outros agentes, humanos ou não — não chegou a consenso. Nem resolução de problemas, nem cognição situada, nem pensamento computacional. Justo onde a régua velha poderia enxergar a coisa nova, ela fica muda.
E a régua é uma só para todo mundo. Kendeou disse à MPR, com razão, que o debate público trata IA como uma coisa monolítica. Mas a educação também não é monolítica, e o relatório vai do jardim de infância ao doutorado: compara três níveis — fundamental, secundário e superior — e conclui que os processos mais apontados são largamente consistentes entre eles. A universidade, ali, não tem rosto próprio.
Terceiro: o sujeito errado. Repare na manchete: uso de IA pelos estudantes. O aluno vira vetor da ameaça, e a instituição some da frase. Só que os estudantes já estão onde o mundo está. Na pesquisa de 2026 do HEPI com estudantes britânicos, 95% usam IA de alguma forma, 94% a usam para apoiar trabalhos que valem nota, e menos da metade se sente apoiada pelos professores [veja no link hepi.ac.uk/reports/student-generative-ai-survey-2026]. Não são os alunos que estão fora do lugar.
O próprio relatório, sem querer, põe o dedo na ferida. Das onze recomendações, as que mexem na arquitetura — redesenhar a avaliação, condicionar o uso a competências, garantir equidade — estão na faixa do difícil, por barreiras sistêmicas. Barreiras sistêmicas são o nome educado de instituição. O gargalo não está no aluno. E, se o dano vem da delegação sem desenho, como mostra o experimento da Turquia, desenhar é responsabilidade de quem ensina, não de quem aprende.
Quarto: o relógio parado. Os especialistas avaliaram modelos de linguagem de propósito geral produzidos por grandes empresas — ChatGPT, Claude, Gemini —, usados como vêm. Ferramentas desenhadas para ensinar e IA embutida em aplicações ficaram de fora. É uma foto, tirada em 2026, de um alvo que muda em semanas. Em PIPOCO DE INTELIGÊNCIA, ENCHENTE DE INFORMAÇÃO, escrevi que o que está em jogo não é IA ficar melhor, mas a velocidade com que IA fica melhor ficando melhor — e que, nesse ritmo, currículo de conteúdo envelhece antes de ser impresso. Relatório de consenso também.
O relatório pede estudos longitudinais, com populações diversas e comparação com práticas validadas. Está certo. Mas esses estudos levam anos, e a tecnologia que eles avaliarão não existirá mais quando ficarem prontos. Isso não é argumento contra a pesquisa. É argumento contra esperar por ela para começar a redesenhar.
Quinto: uma inteligência só. O relatório enxerga o indivíduo — sua memória, sua motivação, seu pensamento crítico — e um pouco do coletivo, quando teme pelo tecido social. Não enxerga a terceira dimensão como dimensão. IA aparece como um agente externo que age sobre a inteligência do aluno, nunca como um eixo com o qual ela se compõe.
O caso da criatividade é exemplar. Ela entra na lista dos processos vulneráveis — no mesmo relatório em que o brainstorming entra entre os beneficiados, e em que os autores avisam que suas conclusões valem para processos de aprendizagem em contextos curriculares, e não para IA como ferramenta de produção criativa, onde, escrevem, o valor pode ser maior e a evidência continua escassa. Em Manifesto—Tractatus sobre a Criatividade Humana, escrevi: a máquina gera o desvio. O humano decide que o desvio vale. Com IA, a criatividade não some. Muda de lugar: sai da geração e vai para o julgamento. E julgamento se ensina.
Cinco perguntas para qualquer relatório
Como haverá muitos outros relatórios assim — e haverá —, fica um roteiro de leitura, para reitores, conselhos, secretarias e redações.
1. Comparado com quê? Com a escola sem IA de 2019, que não existe mais, ou com a escola com IA sem desenho de 2026, que é onde os alunos estão?
2. Qual IA? Um chatbot genérico usado como vem, ou um sistema desenhado com professores, com objetivos pedagógicos e salvaguardas?
3. Com que categorias? As da escola que existia, ou as do que aprender passa a ser quando IA está em toda parte?
4. Em que tempo? O estudo sobrevive à próxima geração de modelos, que chega em meses?
5. A inteligência de quem? Só a do indivíduo, ou também a do coletivo e a da máquina, e a composição entre elas?
O medo é do espelho
Em março, escrevi que o medo que IA provoca não é o que parece [em O medo que IA provoca não é o que parece]. Quando pergunto a trabalhadores do conhecimento o que os assusta em IA, a resposta é quase sempre “substituição”. O diagnóstico está errado. O que IA provoca é um pré-trauma: a descoberta antecipada de que boa parte do trabalho que eles faziam, e que parecia sofisticado, já era processamento padronizado de informação, rotinizado por formulários, modelos e procedimentos. IA não fez essa redução. Só a tornou visível. O medo não é da máquina. É do espelho.
Escrevi também, ali, que a educação formal ainda está organizada para produzir executores de tarefas cognitivas repetitivas — exatamente o perfil que IA já cobre bem — e que essa é uma crise presente, que estamos escolhendo não ver.
A universidade tem o mesmo pré-trauma, em escala institucional. Quando IA tira nota boa na prova de fim de semestre, no relatório de laboratório, no ensaio de cinco páginas, na lista de exercícios, ela não está, ao menos não só, ameaçando a aprendizagem. Está mostrando que uma parte do que a gente certificava como aprendizagem era processamento padronizado. O desconforto que isso causa é legítimo. Mas ele é sobre a instituição, não sobre o aluno.
Em agosto, escrevi que o que você faz de melhor é o que terá de desaprender primeiro. Expertise é experiência compilada, e quanto melhor você é, mais caro te custa mudar. Vale para gente; vale ainda mais para instituições. O que a universidade faz de melhor, há uns dois séculos, é a aula expositiva, a prova, o trabalho individual, a disciplina com começo, meio e fim, o diploma com data marcada. É exatamente isso que ela terá de desaprender primeiro.
O mesmo texto lembrava os três níveis de aprendizagem de Gregory Bateson. No primeiro, aprende-se a resposta certa num contexto fixo; é o que quase todo curso oferece. No segundo, muda o modo de interpretar a experiência, o que conta como problema e como solução. No terceiro, muda o próprio segundo nível; é raro, costuma vir de crises e não se compra em curso. A recomendação mais repetida de relatórios como o de Minnesota é integrar IA às rotinas já existentes da sala de aula. É aprendizagem de primeiro nível, aplicada à instituição: comportamento novo, contexto velho. O momento pede o segundo nível, talvez o terceiro. Nenhum dos dois cabe numa rotina existente.
Em abril, em Desaprender é o Segredo, lembrei que a destruição criativa de Schumpeter começa muito antes do mercado, no sistema nervoso de quem precisa desaprender. Instituição também tem sistema nervoso: são os regimentos, os contratos de trabalho, as métricas de produtividade docente, os critérios de credenciamento. É ali que a mudança trava, e não na sala de aula.
Um cisne vermelho no campus
Em 2025, propus distinguir o cisne vermelho do cisne negro de Nassim Taleb [o paper está em papers.ssrn.com/…/abstract_id=5486446]. O cisne negro é raro, imprevisto e racionalizado depois do fato. O vermelho é anunciado, ignorado e irreversível. Seus sinais são públicos; o que falta são categorias para lê-los. IA é o cisne vermelho do nosso tempo, e o ensino superior está no meio do lago. As cinco facetas do cisne se aplicam, uma a uma.
Hiperconectividade. Uma decisão regulatória em Bruxelas, uma mudança de preço numa interface de programação em São Francisco, um plano nacional em Pequim atravessam todas as universidades do mundo na mesma semana. A China, entre 2021 e 2025, revogou ou suspendeu cerca de 12,2 mil cursos de graduação e criou 10,2 mil novos, com foco em IA e computação avançada, como contei em A China, o Brasil e o Ensino Superior na Era das Três Inteligências. Ninguém está fora dessa rede.
Sincronicidade. A queda demográfica nos sistemas maduros, a crise de credibilidade da avaliação, o encolhimento das vagas de entrada para jovens nas ocupações mais expostas à IA [veja no link digitaleconomy.stanford.edu/news/canariesaug26], a disputa das plataformas pela camada de orquestração da educação e a contestação política do ensino superior chegam ao mesmo tempo, acopladas. Não dá para resolver uma de cada vez.
Irreversibilidade. Uma geração inteira certificada sob uso de IA sem supervisão e sem desenho não pode ser recertificada depois. Os diplomas emitidos entre 2023 e 2030 vão circular por quarenta anos.
Paradoxo da invisibilidade. Noventa e cinco por cento dos alunos usam IA; menos da metade se sente apoiada. O sinal está em pesquisa publicada, não em segredo de laboratório. O relatório de Minnesota é um caso exemplar do paradoxo: vê os sinais, todos, e os lê com as categorias que o cisne está desfazendo.
Transcendência paradigmática. É a faceta decisiva. A transição para IA não preserva as categorias sobre as quais a política educacional foi construída: a disciplina com começo e fim, o trabalho individual, o campus como lugar exclusivo, o diploma com prazo de validade implícito de quarenta anos. Reformar dentro dessas categorias produz, cada vez mais, gestos de conformidade em vez de mudança.
É aqui que o “quase negacionismo” de muitas universidades ganha nome. Não é negar IA. É ver o cisne e chamá-lo de pato. É aceitar a tecnologia como fato e recusar suas consequências como problema da instituição. No trabalho sobre cisnes vermelhos, listei cinco capacidades para governar sob essas condições: humildade estratégica, pluralismo de opções, reflexividade institucional, irracionalidade construtiva — desenhar para o que parece impossível — e inteligência temporal além da previsão. Nenhuma delas se chama esperar a evidência.
Destruição criativa, agora com Nobel
Schumpeter escreveu, em 1942, que a destruição criativa é o fato essencial do capitalismo. Em outubro do ano passado, a Academia Real Sueca de Ciências deu o Nobel de Economia a três economistas que explicaram o crescimento movido por inovação [veja no link nobelprize.org/prizes/economic-sciences/2025/press-release]. Metade foi para Joel Mokyr, por ter identificado os pré-requisitos do crescimento sustentado pelo progresso tecnológico. A outra metade foi para Philippe Aghion e Peter Howitt, pela teoria do crescimento sustentado por meio da destruição criativa.
Duas frases do comunicado do comitê deveriam estar afixadas na porta de toda reitoria. A primeira: a destruição criativa cria conflitos que precisam ser administrados de forma construtiva; do contrário, a inovação será bloqueada por empresas estabelecidas e grupos de interesse que correm o risco de ficar em desvantagem. A segunda, do presidente do comitê, John Hassler: o crescimento econômico não pode ser tomado como garantido; precisamos sustentar os mecanismos da destruição criativa, para não recair na estagnação.
Mokyr acrescenta duas lições. Uma é que a inovação só se sustenta quando a sociedade está aberta a ideias novas e permite a mudança. A outra é que não basta saber que uma coisa funciona; é preciso saber por que funciona. E produzir o porquê, aliás, é o ofício da universidade.
Leia de novo, agora com a universidade no lugar da firma. No sentido técnico de Aghion e Howitt, a universidade é uma incumbente. O bem que ela vende — o pacote de instrução, certificação, formação, sociabilidade e credencial — está sendo desempacotado por uma tecnologia que derruba o custo de explicar, dar feedback, traduzir, resumir, programar e corrigir. E incumbentes, diante disso, fazem o que o comitê do Nobel descreveu: protegem a posição. No ensaio com Luciano, chamamos esse cenário de institucionalismo defensivo: restringir IA, preservar a avaliação convencional, defender o monopólio do diploma, resistir à modularização. Jornais, televisão aberta e varejo tradicional já fizeram esse caminho. Para instituições de elite, cujo prestígio a defesa preserva, é uma estratégia coerente. Para todas as outras, é um risco alto.
Falta a eletricidade. Em 1995, Timothy Bresnahan e Manuel Trajtenberg chamaram de tecnologias de propósito geral aquelas que se espalham por quase todos os setores, melhoram continuamente e disparam inovação complementar em toda parte: a máquina a vapor, a eletricidade, a computação. Em 2023, pesquisadores da OpenAI e da Universidade da Pensilvânia fizeram o trocadilho que pegou — GPTs are GPTs — e mostraram que a exposição aos grandes modelos de linguagem se concentra justamente nas ocupações de maior escolaridade [veja no link arxiv.org/abs/2303.10130]. Ou seja, nas ocupações que a universidade forma.
E há a lição de Paul David, de 1990, que é o título deste texto [o artigo está em gwern.net/doc/economics/automation/1990-david.pdf]. O dínamo chegou às fábricas no fim do século XIX. Por quase quatro décadas, os ganhos de produtividade foram decepcionantes, porque as fábricas trocaram o motor a vapor central por um motor elétrico central e mantiveram tudo o mais: os eixos, as correias, o prédio de vários andares organizado em torno da fonte única de força. O salto só veio nos anos 1920, quando os galpões foram redesenhados em torno de motores pequenos, distribuídos, no ponto de uso — e, com eles, o leiaute, o fluxo de materiais, a arquitetura, a organização do trabalho. Muitos gestores e engenheiros da primeira geração nunca fizeram essa passagem.
Relatórios como o de Minnesota avaliam o motor elétrico preso às correias da fábrica a vapor. E concluem, corretamente, que ali ele dá problema: quebra correia, desalinha eixo, superaquece. A conclusão está certa. O que está errado é a fábrica.
Instituições que esperam clareza para se redesenhar serão redesenhadas pelo ambiente.
Mas Schumpeter, sozinho, é incompleto. A metáfora da destruição criativa dá a escala do momento e esconde a pergunta distributiva: quem paga a destruição e quem captura a criação? Se a universidade não se redesenhar, a destruição acontece do mesmo jeito. Ela já está acontecendo, em cada trabalho que vale nota. A criação, porém, vai para outro lugar: para as plataformas que já vendem tutoria, avaliação e certificação, e para as poucas instituições de elite com dinheiro para combinar IA com formação humana intensiva. Isso não é resultado de mercado. É escolha política e institucional — e a omissão também é uma escolha.
Não é ferramenta: é eixo
Desde 2023 venho dizendo que IA não é ferramenta, nem plataforma. É uma terceira dimensão da inteligência. Em As Três Inteligências, Revisitadas, publicado em agosto com André Neves, Rui Belfort, Filipe Calegario, Vinicius Garcia e Courtnay Guimarães, a tríade ganhou forma de espaço. A inteligência individual é cognitiva, afetiva, metacognitiva e corporificada, e é dela a responsabilidade moral. A social é emergente, irredutível à soma das individuais: está nas redes, nas instituições, nos coletivos. A artificial é agência funcional sem fenomenologia — faz o que historicamente associamos à cognição sem a experiência que funda a inteligência humana. Dizer que IA é uma terceira inteligência não é atribuir a ela consciência, compreensão ou estatuto moral. É reconhecer que ela ocupa um papel cognitivo que não se reduz aos outros dois.
O espaço que as três formam tem oito regiões, e o achado menos óbvio do livro é que esse espaço não é uniforme. Há regiões em que a composição multiplica valor, e regiões em que a composição o destrói. Quatro condições produzem a destruição: coordenação cara, cascata de erros, consenso colapsado e captura assimétrica, quando um eixo domina os outros.
Agora releia o relatório de Minnesota com esse mapa na mão. O que ele descreve, quase sempre, é um aluno sozinho diante de um chatbot genérico. No espaço triádico, isso é a região indivíduo com máquina: o centauro, que multiplica valor dentro da fronteira irregular do que a máquina faz bem e o destrói fora dela. Sem revisão social, essa região degrada no que chamamos de cavalo cego — o centauro que perdeu a visão crítica. E o medo do tecido social rompido, o do aluno que pergunta ao chatbot em vez de perguntar ao colega, descreve a região coletivo com máquina sem expertise individual, cuja patologia é o consenso colapsado e a autoria fantasma.
Os achados de Minnesota, em outras palavras, não contradizem a tríade. Cabem nela, como casos particulares: são as regiões pobres do espaço. O que o relatório não vê é a região que faltou desenhar, a triádica, em que indivíduo, coletivo e máquina se compõem sob desenho deliberado. Ela é um atrator virtuoso, porém instável. Não aparece sozinha, exige cultivo institucional contínuo e degrada quando ninguém cuida dela.
O que falta ao aluno sozinho com o chatbot não é menos IA.
É mais universidade.
Porque a universidade é, historicamente, a instituição da inteligência social por excelência: a revisão por pares, o seminário, a banca, o laboratório, a comunidade de prática. Ela tem exatamente o eixo que falta para devolver ao centauro a visão. Tratar IA como ferramenta, a ser liberada ou restringida, é abrir mão desse papel. Tratá-la como eixo é assumir que a tarefa é de composição: ensinar a reconhecer qual decisão pede juízo humano, qual pede validação coletiva e qual pode ser delegada à máquina sob supervisão — e defender essa escolha numa banca.
É disso que é feito o trabalhador metacognitivo do livro, nos seus quatro papéis de todo dia: designer de problemas, orquestrador de agentes, avaliador crítico e integrador de sentido. É o que chamei, em Desaprender é o Segredo, de Sistema 3: a camada que orquestra as outras. Nenhum dos 65 processos do relatório o descreve. E é para isso que a universidade, daqui para a frente, existe — ou deixa de existir.
Redesenhar tudo
Se IA é eixo, e não acessório, o redesenho não é de disciplina. É de ecossistema. Em quatro direções, pelo menos.
No tempo. Cursos que terminam ainda fazem sentido? Como marco, sim; como ponto final, não. Em junho, escrevi que numa economia e numa sociedade do conhecimento e da inteligência ninguém jamais estará graduado; em agosto, que ninguém vai ficar atualizado. O diploma de quatro ou cinco anos sempre foi um contrato implícito de validade de quarenta. Esse contrato acabou. A matrícula precisa virar relação de vida, e não período: entradas e saídas ao longo da carreira, créditos modulares que se empilham e viajam com quem aprende, certificação do que a pessoa demonstra saber fazer, e não das horas que passou sentada.
Há uma urgência dentro dessa: o paradoxo do aprendiz. Os primeiros degraus das carreiras — revisar documentos, escrever código de andaime, montar a primeira planilha, fazer a pesquisa preliminar — eram trabalho e eram aprendizado. Juízo profissional se formava ali, como subproduto do emprego. IA está comendo esses degraus, e os primeiros sinais aparecem no emprego de jovens nas ocupações mais expostas. Se os degraus somem do mercado, a prática supervisionada tem de entrar na formação: clínicas, estúdios, residências, projetos com cliente real, sob supervisão de gente que sabe — e com atenção explícita a como se supervisiona a máquina. Isso custa tempo humano. É por isso que o ganho de eficiência com IA precisa ser reinvestido em atenção humana, e não em corte de custo.
No espaço. Aprende-se onde? No mundo figital: o físico, o digital em rede, o social em rede. O físico tem prioridade, e ela não é nostalgia: corpos, laboratórios, bibliotecas, bancas e o café depois da aula formam inteligência individual e social de um jeito que nenhuma tela substitui. Mas o campus deixou de ser lugar exclusivo. O trabalho, a comunidade, a casa e a rede são lugares de aprendizagem que a universidade pode orquestrar — ou deixar que outros orquestrem. A hipótese que defendi em junho é que a universidade se torne uma plataforma figital de aprendizagem para a vida inteira, avaliada por ser efetiva, eficiente, escalável, estratégica e econômica.
Na profundidade. O ensaio com Luciano propõe um currículo em cinco camadas. A primeira são os fundamentos: ler, escrever, raciocinar matematicamente, ter consciência histórica, método científico e capacidade de argumentar. Eles ficam mais relevantes, não menos, porque é com eles que se avalia o que IA produz; quem não lê com cuidado nem escreve com precisão fica à mercê da máquina. Aqui o acordo com Minnesota é total: competência primeiro, acesso depois. A segunda camada é fluência em IA e dados, que não é especialidade técnica, e sim letramento crítico de cidadão e profissional. A terceira é a orquestração triádica, decidir qual inteligência faz o quê, sob que supervisão e com que responsabilidade. A quarta é a profundidade de domínio, recomposta em torno do que a IA não faz bem: o juízo tácito, integrador, contextual. A quinta é a formação integradora e cívica — estúdios, clínicas, projetos públicos, iniciação científica.
A avaliação muda junto: defesas orais, desempenhos ao vivo, simulações, portfólios, registros de decisão, traços de processo. É mais exigente do que o trabalho escrito sem supervisão que substitui, não menos. E o desmame cognitivo entra como desenho, não como proibição: zonas de não delegação, janelas protegidas de produção sem máquina, para que o desejo de saber não seja corroído pela disponibilidade infinita do saber alheio. Profundidade, no fim, é Bateson: é tirar a formação do primeiro nível de aprendizagem e levá-la ao segundo.
Na escala. O ensino superior tem 269 milhões de estudantes no mundo, mais que o dobro de duas décadas atrás, segundo o primeiro relatório global da UNESCO sobre o tema, deste ano [veja no link thepienews.com/global-he-enrolment-reaches-269-million…]. A expansão não trouxe equalização. No Brasil, como escrevi em junho, crescemos em acesso sem crescer, na mesma proporção, em aprendizado. O risco do momento é o que, no ensaio, chamamos de dualismo de prestígio fragmentado: IA com formação humana intensiva para poucos, automação rala para muitos.
Agora junte isso com o quase negacionismo. Se a universidade pública e a universidade de massa recusarem IA, os alunos delas não vão recusar. Vão usá-la sozinhos, sem desenho, como o grupo do experimento que perdeu 17% na prova. Ou vão usá-la desenhada por outros, nas plataformas que já disputam a camada de orquestração da educação. A recusa defensiva, que parece proteger os mais vulneráveis, entrega-os exatamente ao arranjo que mais os prejudica. Quem não controla a sua infraestrutura cognitiva terceiriza o seu futuro.
E o teste que decide tudo. Uma universidade não pode, com credibilidade, preparar alunos para a orquestração metacognitiva enquanto organiza o próprio trabalho como cumprimento programado de rotinas, sobrecarga invisível e controle por painel. Professores, bibliotecários, designers de aprendizagem, técnicos e gestores precisam redesenhar o próprio ofício do mesmo jeito que se pede aos alunos. A destruição criativa que IA exige tem de acontecer dentro da universidade, e não só em volta dela.
Quanto tempo?
Menos do que parece, e mais do que o pânico sugere.
Em As Três Inteligências, Revisitadas, identificamos três janelas de decisão: de 2026 a 2028, de 2028 a 2030 e de 2031 a 2034. Escrevemos que elas não se reabrem, porque arquiteturas instaladas até 2030 tendem à irreversibilidade na década seguinte. Em Pipoco, lembrei que essas janelas foram calibradas para o ritmo de 2023 a 2026, antes de se falar seriamente em explosão de inteligência — e que as estimativas para o pipoco convergem em torno de 2028 a 2030.
Agora faça a conta da universidade. Quem entrar num curso de graduação em março de 2027 sai, se tudo correr bem, no fim de 2030 ou em 2031: depois do 2028 dos laboratórios, no limite do 2030 de Vinge, dentro da janela em que as arquiteturas se fecham. Essa pessoa vai se formar num mundo que nenhum dos 65 processos do relatório de Minnesota descreve, e vai carregar o diploma até a década de 2070.
Em Pipoco, o tempo que temos era um mandato.
Para a universidade, é uma turma. Uma só.
E daí?… Por que isso importa?…
Ariano Suassuna, de quem tomei emprestada a definição que uso para mim mesmo, dizia que o otimista é um tolo; o pessimista, um chato. O realista esperançoso é o que entende o problema e luta para resolvê-lo quando é possível [a conversa está em silvio.meira.com/acervo/silvio-meira-um-realista-esperancoso-2].
O otimista, aqui, diria que basta liberar IA e deixar os alunos aprenderem sozinhos. Está errado, e o experimento da Turquia mostra por quê. O pessimista diria que IA vai destruir o pensamento de uma geração e que o melhor é fechar a porta. Também está errado: a porta não fecha, os alunos já estão do outro lado, e o mesmo experimento mostra que, com desenho, o dano desaparece. O realista esperançoso vê as duas coisas ao mesmo tempo, e pergunta o que dá para fazer com uma turma de tempo.
Dá para fazer bastante, e quase nada disso é técnico. Dá para mudar a avaliação antes de mudar a aula, porque o que se avalia é o que se aprende. Dá para instituir zonas de não delegação, com o mesmo cuidado com que se institui um laboratório. Dá para desenhar tutores com professores, em vez de comprar chatbots de prateleira. Dá para comprometer, de saída, que todo ganho de eficiência vai virar atenção humana — mentoria, feedback, banca. Dá para tratar dados de aprendizagem como direito de quem aprende. E dá para recusar o que deve ser recusado: vigilância, decisão disciplinar automática, terceirização do juízo pedagógico a algoritmos de fornecedor. Recusa não é tecnofobia. É a universidade dizendo o que ela é, e o que a distingue das plataformas que a imitam.
Kendeou disse à MPR que, com IA na educação, não podemos nos dar ao luxo de errar. Concordo mais ou menos. Só que errar tem três formas, e o relatório só olha para uma. Uma é usar IA errado. A outra é proteger, com evidência fraca e convicção forte, uma arquitetura que IA já desmontou — e chamar isso de prudência. A terceira, talvez muito mais grave, é não tentar fazer o que não se sabe… porque nunca se fez, e se achar que não haverá erros, e dos grandes. A prudência pode levar a isso. E aí, vai ser fatal.
No sertão, ninguém reza contra a cheia. Reza pela chuva, e faz açude. A universidade que merece existir depois de IA generativa não é um campus nostálgico, defendido contra as máquinas, nem uma plataforma que automatiza a aprendizagem e continua se chamando educação. É uma instituição humana redesenhada para um mundo em que a cognição é mediada por tecnologia. O propósito dela não é competir com as máquinas. É garantir que as pessoas que as usam continuem capazes de juízo, de responsabilidade e de razão pública.
O erro mais caro não é usar IA errado.
É continuar ensinando certo para um mundo que acabou.
A fábrica já mudou de lugar. Falta a universidade mudar de layout. Na verdade, faltava ontem.
As obras de referência deste texto
Todas as fontes jornalísticas e documentais estão linkadas ao longo do texto, no ponto exato em que são usadas. As obras de fundo, que sustentam o argumento inteiro, são estas:
Panayiota Kendeou, Jeffrey A. Greene, Nia Nixon e outros, Expert consensus report: Ways generative AI can support and threaten learning in K-20 U.S. education, CEHD, University of Minnesota, outubro de 2026 [em cehd.umn.edu/AI-expert-consensus-report-2026].
Hamsa Bastani, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı e Rei Mariman, “Generative AI without guardrails can harm learning: Evidence from high school mathematics”, PNAS 122(26), 2025 [em doi.org/10.1073/pnas.2422633122].
Joseph A. Schumpeter, Capitalism, Socialism and Democracy, Harper & Brothers, 1942.
The Royal Swedish Academy of Sciences, The Prize in Economic Sciences 2025 — Joel Mokyr, Philippe Aghion e Peter Howitt, comunicado de imprensa, outubro de 2025 [em nobelprize.org/prizes/economic-sciences/2025/press-release]; Philippe Aghion e Peter Howitt, “A Model of Growth Through Creative Destruction”, Econometrica 60(2), 1992; Joel Mokyr, A Culture of Growth: The Origins of the Modern Economy, Princeton University Press, 2016.
Paul A. David, “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox”, American Economic Review 80(2), 1990 [em gwern.net/doc/economics/automation/1990-david.pdf].
Timothy F. Bresnahan e Manuel Trajtenberg, “General purpose technologies: ‘Engines of growth’?”, Journal of Econometrics 65(1), 1995; Tyna Eloundou, Sam Manning, Pamela Mishkin e Daniel Rock, “GPTs are GPTs: Labor market impact potential of LLMs”, Science, 2024 [versão em arxiv.org/abs/2303.10130].
Gregory Bateson, Steps to an Ecology of Mind, Chandler, 1972 — os níveis lógicos de aprendizagem.
Silvio Meira, André Neves, Rui Belfort, Filipe Calegario, Vinicius Garcia e Courtnay Guimarães, As Três Inteligências, Revisitadas: tríade sinérgica, redes de agentes e orquestração metacognitiva do trabalho na era pós-LLM, TDS.company, Porto Digital, agosto de 2026 [em biblioteca.tds.company/ebook-as-tres-inteligencias-revisitadas].
Silvio Meira e Luciano Meira, The University After Generative AI: A Field Guide for Designing AI-Native Higher Education, 2026–2035, julho de 2026, https://biblioteca.tds.company/ebook-the-university-after-generative-ai.
Silvio Meira, Red Swans: Ontologies of the Unthinkable in the Age of Strategic Collapse, SSRN, setembro de 2025 [em doi.org/10.2139/ssrn.5486446]; e Silvio Meira, André Neves e Carlos A. Primo Braga, From Programmed Labor to Meta-Cognitive Orchestration, SSRN, 2025 [em doi.org/10.2139/ssrn.5329936].
Rose Stephenson e Charlotte Armstrong, Student Generative Artificial Intelligence Survey 2026, HEPI Report 199, HEPI e Kortext, março de 2026 [em hepi.ac.uk/reports/student-generative-ai-survey-2026].
E, neste blog: O medo que IA provoca não é o que parece (março de 2026), Manifesto—Tractatus sobre a Criatividade Humana (março de 2026), Desaprender é o Segredo (abril de 2026), A China, o Brasil e o Ensino Superior na Era das Três Inteligências (junho de 2026), O Que Você Faz de Melhor É o Que Terá de Desaprender Primeiro (agosto de 2026) e PIPOCO DE INTELIGÊNCIA, ENCHENTE DE INFORMAÇÃO (setembro de 2026).
