PB-2026-011 — IA e Educação no Brasil: Guia de Conformidade para Instituições de Ensino

Autores: André Nakamura, Thiago Almeida Data: Março de 2026 Classificação: Policy Brief DOI (preprint): IBGIA-PB-2026-011

Resumo Executivo

A IA está transformando a educação brasileira em velocidade acelerada: sistemas adaptativos de aprendizagem personalizam conteúdo para alunos; algoritmos detectam abandono escolar antes que aconteça; ferramentas de monitoramento de integridade acadêmica identificam plágio e uso indevido de IA em provas; chatbots respondem dúvidas de estudantes 24 horas por dia. Ao mesmo tempo, o uso de IA em educação envolve dados extremamente sensíveis de crianças e adolescentes e decisões com impacto profundo em trajetórias de vida.

Este Policy Brief oferece um guia prático de conformidade regulatória e ética para instituições de ensino — escolas públicas, privadas, universidades e plataformas EdTech — que usam ou planejam usar sistemas de IA.

Palavras-chave: educação, LGPD, ECA, dados de crianças, aprendizagem adaptativa, detecção de plágio, abandono escolar, EdTech

1. Usos de IA em Educação e Riscos Associados

1.1 Mapa de Aplicações

| Aplicação | Exemplos | Risco Principal | |-----------|---------|-----------------| | Aprendizagem adaptativa | Khan Academy, Duolingo, plataformas BR | Perfilamento de crianças; desigualdade de acesso | | Detecção de abandono | Algoritmos de "alerta precoce" em redes estaduais | Viés socioeconômico; estigmatização | | Avaliação automatizada | Correção de redações por NLP | Viés em estudantes de dialetos não-padrão | | Monitoramento de integridade | Turnitin, GPTZero, proctoring | Falsos positivos; privacidade em provas online | | Chatbots educacionais | Assistentes de dúvidas 24/7 | Informação incorreta; dependência cognitiva | | Análise de comportamento | Eye-tracking, análise de engajamento | Vigilância invasiva de menores | | Gestão escolar | Sistemas de frequência com FR; detecção de emoções | Altamente invasivo; viola ECA |

1.2 O Contexto Brasileiro

O Brasil tem 48 milhões de estudantes na educação básica pública, 7,5 milhões no ensino superior e um dos maiores mercados de EdTech da América Latina (R$ 8,5 bilhões em 2024). Especificidades do contexto:

Alta desigualdade digital: 30% dos alunos da rede pública não têm acesso à internet em casa
Diversidade linguística: Libras, línguas indígenas, dialetos regionais — sistemas de NLP treinados em português padrão têm desempenho ruim
Altas taxas de abandono: 1,7 milhões de jovens entre 15-17 anos fora da escola (IBGE, 2023)
Diversidade racial: sistemas treinados em dados eurocêntricos têm viés em avaliação de estudantes negros

2. Marco Regulatório

2.1 LGPD e Dados de Crianças e Adolescentes

A LGPD (Art. 14) estabelece proteção reforçada para dados de crianças (até 12 anos) e adolescentes (12-18 anos):

Consentimento diferenciado:

Crianças: consentimento dos pais ou responsável legal obrigatório
Adolescentes: tratamento em seu "melhor interesse"
Proibição de coleta desnecessária ou comercialização de dados de crianças

Aplicação em EdTech:

Plataformas que coletam dados de desempenho, comportamento ou perfil de menores precisam de consentimento parental explícito
Dados de aprendizagem não podem ser vendidos para terceiros ou usados para publicidade

O que muitas escolas e EdTechs fazem errado:

Termos de uso de plataformas internacionais (Google Classroom, Microsoft Teams Education) muitas vezes transferem dados para fora do Brasil sem adequação à LGPD
Sistemas de gestão escolar (SGE) frequentemente coletam mais dados do que necessário
Falta de política de privacidade específica para dados de alunos menores

2.2 ECA e Proteção Integral

O Estatuto da Criança e do Adolescente (ECA, Lei 8.069/1990) estabelece princípios que se aplicam ao uso de IA em educação:

Art. 17: direito ao respeito, que inclui inviolabilidade da integridade moral
Art. 18: dever de proteção à dignidade da criança
Art. 71: direito a informação, cultura e lazer sem conteúdo prejudicial

Implicação: Sistemas de IA que criam perfilamento psicológico de crianças ou monitoram seu comportamento de forma invasiva podem violar o ECA, independente de consentimento parental.

2.3 PL 2338/2023 e Educação

O PL classifica explicitamente sistemas de IA em educação como alto risco quando utilizados para:

Avaliação de desempenho com impacto em trajetória escolar
Detecção de abandono com consequências sobre alunos

Obrigações para alto risco:

Avaliação de Impacto Algorítmico
Supervisão humana em decisões de impacto
Transparência com alunos e responsáveis

3. Checklist de Conformidade para Instituições de Ensino

3.1 Tier 1 — Obrigações Básicas (toda escola com sistema digital)

☐ Inventário de sistemas de IA: Liste todas as plataformas e ferramentas com componentes de IA usadas pela escola (inclui Google Workspace, Microsoft 365, LMS, apps de comunicação)

☐ Política de privacidade estudantil: Documento específico, em linguagem acessível a alunos e pais, sobre coleta e uso de dados

☐ Consentimento parental documentado: Para coleta de dados de alunos menores, especialmente em sistemas de terceiros

☐ Contratos DPA com fornecedores: Antes de contratar qualquer plataforma EdTech, exigir Data Processing Agreement (DPA) com cláusulas LGPD

☐ Canal de atendimento de direitos: Email ou formulário para pais/responsáveis exercerem direitos LGPD (acesso, correção, eliminação)

3.2 Tier 2 — Para Escolas com Sistemas de IA de Alto Impacto

☐ Avaliação de Impacto (RIPD/AIA): Para sistemas que influenciam avaliação, progressão ou outras decisões sobre alunos

☐ Auditoria de viés: Verificar se sistemas de avaliação automatizada têm desempenho equitativo entre grupos raciais, gênero e nível socioeconômico

☐ Supervisão humana documentada: Protocolo formal para que decisões significativas (aprovação/reprovação, encaminhamento para reforço, sinais de abandono) sejam revisadas por professor ou equipe pedagógica

☐ Transparência com alunos: Alunos (de acordo com a idade) devem ser informados quando IA está sendo usada para avaliação

☐ Processo de contestação: Alunos e pais devem poder contestar avaliações automatizadas

3.3 Tier 3 — Para Universidades e Sistemas de Ensino Estaduais/Municipais

☐ DPO designado: Para instituições de grande porte com tratamento sistemático de dados de menores

☐ Política de uso de IA generativa: Definir posição institucional sobre uso de ChatGPT e similares por alunos e professores

☐ Framework de avaliação de EdTech: Processo padronizado antes de adotar nova plataforma (inclui conformidade LGPD, análise pedagógica, análise de equidade)

☐ Relatório anual de IA: Para sistemas estaduais/municipais, publicar relatório público sobre uso de IA, resultados e auditorias

4. IA Generativa em Sala de Aula: O Debate que as Escolas Não Podem Evitar

4.1 O Dilema do ChatGPT

Proibir ou permitir IA generativa em avaliações é a questão que mais polariza gestores educacionais no momento. O IBGIA propõe uma abordagem nuançada:

Não proibir de forma ampla: A proibição total é ineficiente (impossível de monitorar) e contraproducente (estudantes precisam aprender a usar IA criticamente)

Definir contextos claros:

Atividades onde uso de IA é permitido e incentivado (pesquisa, criação, brainstorming)
Avaliações onde o objetivo é medir capacidade individual sem auxílio de IA
Atividades colaborativas com IA como ferramenta declarada

Avaliar processo, não apenas produto: Redesenhar avaliações para incluir justificativas, defesas orais e reflexões sobre processo — habilidades que a IA não pode substituir

4.2 Ferramentas de Detecção de IA: Cuidados Obrigatórios

Ferramentas como GPTZero e detecção nativa do Turnitin apresentam problemas graves:

Altas taxas de falso positivo para estudantes que escrevem em segundo idioma
Viés contra estudantes com estilos de escrita muito organizados ou com vocabulário rico
Não há evidência científica robusta de que qualquer ferramenta detecta IA com precisão suficiente para ações disciplinares

Recomendação do IBGIA: Ferramentas de detecção de IA NUNCA devem ser usadas como base única para acusação de desonestidade acadêmica. São indicadores para investigação, não evidência.

5. Recomendações

Para Escolas e Universidades

Implementar o Checklist Tier 1 imediatamente — obrigações LGPD vigentes
Antes de adotar nova plataforma EdTech, verificar: conformidade LGPD, onde ficam os dados, quem tem acesso
Desenvolver política institucional de IA generativa em colaboração com docentes, alunos e pais
Nunca usar ferramenta de detecção de IA como evidência única em processos disciplinares
Garantir equidade digital: sistemas de IA não devem penalizar alunos sem acesso à internet

Para Redes Estaduais e Municipais de Ensino

Realizar auditoria de todos os sistemas de IA em uso antes de renovar contratos
Incluir cláusula de conformidade LGPD como requisito obrigatório em licitações de tecnologia educacional
Capacitar gestores escolares em literacia de dados e IA
Criar canal de denúncias para casos de uso inadequado de IA por plataformas contratadas

Para o MEC e INEP

Publicar diretrizes nacionais sobre uso de IA em avaliações (ENEM, SAEB)
Exigir conformidade LGPD para todas as EdTechs que recebem financiamento público (PRONATEC, FIES)
Criar programa de avaliação de impacto de IA em resultados educacionais com INEP

Para o Marco Legal da IA

Incluir proteções específicas para dados educacionais de menores — mais restritivas que a proteção geral
Proibir uso de dados educacionais para fins comerciais sem consentimento específico
Exigir auditoria de equidade racial e socioeconômica para sistemas de avaliação por IA em educação pública

6. Conclusão

A IA pode democratizar o acesso à educação de qualidade no Brasil — ou aprofundar as desigualdades já existentes. A diferença está em como as instituições adotam e governam essas tecnologias.

O caminho não é o medo da tecnologia, mas a adoção responsável: com clareza sobre o que os dados de alunos podem e não podem ser usados, com transparência sobre quando IA está tomando decisões sobre trajetórias educacionais, e com supervisão humana nas decisões que realmente importam.

Referências

INEP. Censo Escolar 2023. 2024.
IBGE. Pesquisa Nacional por Amostra de Domicílios (PNAD) Contínua 2023. 2023.
UNESCO. Guidance for Generative AI in Education and Research. 2023.
UNICEF. Policy Guidance on AI for Children. 2021.
Senado Federal. PL 2338/2023. 2023.
Future of Privacy Forum. Student Privacy and Ed Tech: Recommendations for School Districts. 2023.

IA e Educação no Brasil: Guia de Conformidade para Instituições de Ensino