IA nas escolas: adoção cresce, regulação fica para trás — o risco de não agir

Inteligência artificial já está dentro das salas de aula — corrigindo provas, personalizando conteúdo, identificando alunos em risco de evasão. O problema: quem está definindo as regras? Nos Estados Unidos, a resposta é "quase ninguém" no nível federal. No Brasil, o cenário é ainda mais indefinido. Enquanto a tecnologia avança em velocidade exponencial, a regulação caminha em ritmo burocrático — e os riscos de não agir recaem sobre os mais vulneráveis: os estudantes.

1. O cenário atual: IA nas escolas sem manual de instruções

A adoção de inteligência artificial na educação deixou de ser experimental. Nos Estados Unidos, ferramentas de IA já são usadas em larga escala para tutoria personalizada, correção automatizada de provas, criação de conteúdo didático e identificação precoce de dificuldades de aprendizagem. O Departamento de Educação americano reconheceu a tendência ao publicar orientações sobre uso responsável de IA — e destinando US$ 169 milhões para iniciativas de IA no ensino superior.

Empresas como a OpenAI lançaram programas de certificação para professores, buscando posicionar seus modelos como ferramentas pedagógicas legítimas. A narrativa oficial é de progresso: IA como aliada do professor, como democratizadora do ensino, como solução para turmas superlotadas e recursos escassos.

Mas essa narrativa omite um fato central: não existe regulação federal nos EUA que defina como a IA pode e não pode ser usada em escolas. As orientações do Departamento de Educação são exatamente isso — orientações, sem força de lei. E quando algo dá errado, quem responde?

2. Como estados americanos estão reagindo

Na ausência de um framework federal, estados americanos estão criando suas próprias abordagens — com graus muito diferentes de rigor e abrangência.

Ohio aprovou o HB 96, que exige que todos os distritos escolares do estado tenham uma política formal de uso de IA até julho de 2026. A lei não dita o conteúdo da política, mas obriga cada distrito a enfrentar a questão de forma deliberada — definindo quais ferramentas são permitidas, como dados de alunos são protegidos e quem é responsável por decisões automatizadas.

West Virginia foi mais prescritivo com o HB 5205, que estabelece políticas-modelo para o uso de IA em escolas estaduais. O ponto mais significativo: a lei proíbe explicitamente que sistemas de IA tomem decisões de alto impacto sobre estudantes — como aprovação, reprovação, encaminhamento para educação especial ou medidas disciplinares — sem revisão humana qualificada.

A abordagem de West Virginia merece atenção porque ataca diretamente o risco mais grave: a delegação invisível de decisões que afetam trajetórias de vida. Quando um algoritmo decide que um aluno de 12 anos precisa de reforço — ou não precisa —, isso não é uma recomendação neutra. É uma decisão que carrega os vieses dos dados com que o modelo foi treinado.

Outros estados, como Califórnia e Nova York, discutem legislações próprias. Mas o padrão é fragmentação: cada estado com suas regras, cada distrito escolar com sua interpretação, cada escola com seu nível de preparo. É o oposto de governança consistente.

3. Os riscos concretos: o que pode dar errado

A lista de riscos não é teórica — são problemas documentados:

• Viés algorítmico em avaliações: Sistemas de correção automatizada já demonstraram tendências a penalizar redações de alunos não nativos de inglês e a favorecer padrões linguísticos de grupos demográficos específicos. Quando esses sistemas são usados em avaliações de alto impacto, o viés se traduz em injustiça concreta.
• Privacidade de dados de menores: Ferramentas de IA educacional coletam volumes massivos de dados comportamentais — padrões de estudo, tempo de resposta, erros recorrentes, interações sociais. Esses dados são extremamente sensíveis, especialmente quando envolvem crianças e adolescentes. A maioria dos contratos entre escolas e fornecedores de EdTech não especifica adequadamente quem é dono desses dados e como são usados para treinamento de modelos.
• Integridade acadêmica: O uso de IA generativa por alunos para produzir trabalhos levanta questões legítimas sobre plágio e aprendizagem real. Mas a resposta — ferramentas de detecção de IA — é igualmente problemática: estudos mostram taxas de falsos positivos significativas, com impacto desproporcional sobre alunos que escrevem em segundo idioma.
• Dependência tecnológica sem supervisão: Professores que usam IA para gerar planos de aula, atividades e avaliações podem inadvertidamente delegar decisões pedagógicas a sistemas que não compreendem o contexto específico de suas turmas, criando uma automatização passiva do ensino.

4. O Brasil: adoção sem framework

Se o cenário americano é de regulação fragmentada, o brasileiro é de regulação praticamente inexistente no que diz respeito à IA na educação.

O MEC não possui diretrizes específicas sobre o uso de inteligência artificial em escolas públicas ou privadas. Não há orientações sobre quais ferramentas são adequadas para cada faixa etária, como dados de alunos devem ser protegidos em sistemas de IA, ou que tipo de decisão pode ser delegada a algoritmos.

Enquanto isso, a adoção de EdTech cresce aceleradamente. Plataformas adaptativas de aprendizagem, sistemas de correção automatizada e assistentes virtuais já estão presentes em redes estaduais e municipais — frequentemente implementados por decisão administrativa, sem consulta pedagógica ampla e sem avaliação de impacto.

O PL 2338, principal projeto de lei sobre IA no Brasil, classifica educação como área de potencial alto risco — o que, se aprovado, exigiria avaliação de impacto, transparência e supervisão humana para sistemas de IA usados em contextos educacionais. Mas o projeto segue em tramitação, sem previsão de votação final.

A LGPD oferece alguma proteção de base — dados de crianças e adolescentes recebem tratamento diferenciado (art. 14). Mas a lei não foi desenhada para lidar com as especificidades da IA educacional: modelos que aprendem continuamente, inferências comportamentais, decisões automatizadas sobre desempenho acadêmico.

5. O que precisa acontecer

A lição que emerge tanto dos EUA quanto do Brasil é a mesma: a adoção de tecnologia sem governança adequada transfere riscos para os mais vulneráveis. No caso da educação, os mais vulneráveis são crianças e adolescentes.

Para evitar que a IA educacional reproduza e amplifique desigualdades, são necessárias ações concretas:

• Diretrizes nacionais: O MEC precisa estabelecer um framework mínimo para uso de IA em escolas — tipos de decisão que exigem supervisão humana, padrões de proteção de dados de menores, requisitos de transparência para fornecedores.
• Proibição de decisões automatizadas de alto impacto: Seguindo o modelo de West Virginia, nenhum sistema de IA deveria poder decidir aprovação, reprovação ou encaminhamento de alunos sem revisão humana qualificada.
• Avaliação de impacto obrigatória: Antes de implementar ferramentas de IA em escolas, é necessário avaliar riscos de viés, privacidade e impacto pedagógico — não depois que os problemas aparecem.
• Formação de professores: Educadores precisam entender o que a IA faz e o que ela não faz. Certificações de empresas de tecnologia não substituem formação crítica e independente sobre limitações e riscos dessas ferramentas.
• Aprovação do PL 2338: A classificação de educação como área de alto risco precisa sair do papel e virar lei, com obrigações claras para desenvolvedores e implementadores de IA educacional.

A tecnologia não espera pela regulação — e cada semestre sem regras claras é um semestre em que alunos estão sujeitos a decisões algorítmicas sem supervisão adequada. O momento de agir é agora.

O IBGIA acompanha a regulação de IA em setores críticos como educação, saúde e governo. Para receber análises como esta diretamente, assine nossa newsletter. Para participar do debate sobre governança de IA no Brasil, conheça como se associar.