Quando a inteligência artificial resolve rápido demais, ela pode retirar justamente o esforço que transforma informação em memória. O problema não é usar IA. É descobrir quem está fazendo o trabalho cognitivo.
Uma criança abre o computador para fazer a lição. A pergunta parece difícil. Ela copia o enunciado, cola em uma inteligência artificial e recebe, em segundos, uma resposta organizada, convincente e pronta para entregar.
O dever foi concluído.
Mas uma pergunta mais incômoda permanece: o cérebro aprendeu alguma coisa?
A chegada da inteligência artificial generativa à vida escolar está ocorrendo numa velocidade que famílias e escolas mal conseguem acompanhar. Em 2026, uma pesquisa da Common Sense Media com 1.204 crianças e adolescentes de 9 a 17 anos nos Estados Unidos encontrou uso de IA por 86% dos participantes; quase um quarto relatou uso diário. Em outro levantamento da organização, 70% dos adolescentes disseram usar IA para trabalhos escolares, e uma parcela expressiva descreveu formas de uso que transferem parte importante do raciocínio para a ferramenta.
O UNICEF também alertou, em junho de 2026, que crianças estão adotando tecnologias de IA em ritmo mais de três vezes superior ao dos adultos nos países analisados. A questão, portanto, já não é se crianças vão usar inteligência artificial.
A questão é como.
Aprender exige mais do que exposição a uma informação correta. Para que o conhecimento se torne utilizável, o cérebro precisa selecionar informações, relacioná-las ao que já sabe, recuperar conteúdos da memória, testar possibilidades, detectar erros e reorganizar representações mentais.
Grande parte desse processo envolve esforço.
E isso cria um paradoxo desconfortável: uma ferramenta capaz de tornar uma tarefa mais fácil pode, dependendo de como é usada, tornar a aprendizagem mais fraca.
Não porque dificuldade seja uma virtude moral. Sofrimento não ensina por si só. Mas certos esforços cognitivos são parte do próprio mecanismo da aprendizagem. Tentar lembrar antes de consultar, formular uma resposta antes de receber um modelo pronto, comparar hipóteses, explicar com as próprias palavras e corrigir um erro são atividades que obrigam o cérebro a trabalhar sobre a informação.
Quando uma IA executa essas etapas no lugar do estudante, o produto final pode melhorar enquanto a aprendizagem real permanece igual ou até pior.
Essa diferença é fundamental.
Uma criança pode produzir um texto melhor com ajuda de IA sem ter aprendido a escrever melhor. Pode resolver uma equação com orientação automática sem ter construído uma representação mais sólida do conceito. Pode entregar um resumo impecável sem conseguir reconstruir as ideias principais algumas horas depois.
Em educação, desempenho imediato e aprendizagem duradoura não são sinônimos.
Um estudo experimental publicado em 2025 acompanhou universitários que estudaram com ou sem ChatGPT e aplicou, 45 dias depois, um teste surpresa de retenção. O grupo que utilizou ChatGPT apresentou desempenho inferior no teste tardio. O resultado não prova que IA sempre prejudica a memória, nem pode ser transportado automaticamente para crianças, mas oferece uma demonstração concreta do risco: quando a ferramenta reduz demais o esforço necessário para aprender, parte do benefício pode desaparecer depois que a ferramenta sai de cena.
Ao mesmo tempo, uma meta-análise publicada em 2025, reunindo dezenas de estudos no ensino superior, encontrou efeitos positivos da IA generativa sobre vários resultados de aprendizagem, incluindo desempenho acadêmico e habilidades de ordem superior. Ou seja: a evidência disponível não sustenta nem o entusiasmo ingênuo nem o pânico tecnológico.
A IA pode ajudar a aprender. Também pode ajudar a evitar aprender.
O que muda é o desenho da interação.
Pesquisadores usam a expressão cognitive offloading, ou descarga cognitiva, para descrever a transferência de parte do trabalho mental para algum recurso externo.
Isso não começou com a inteligência artificial. Escrevemos listas para não depender apenas da memória. Usamos calculadoras para evitar cálculos repetitivos. Consultamos mapas em vez de memorizar trajetos. A civilização inteira é, em certa medida, uma gigantesca máquina de descarregar tarefas cognitivas.
O problema surge quando terceirizamos justamente a operação que deveria ser treinada.
Se uma criança usa a calculadora depois de compreender multiplicação, a ferramenta economiza esforço mecânico. Se usa a calculadora antes de construir noções numéricas básicas, pode deixar de praticar relações que ainda precisam ser consolidadas.
Com IA, a fronteira é ainda mais sutil, porque a ferramenta não apenas calcula. Ela argumenta, resume, compara, escreve, explica e sugere decisões. Em outras palavras, ela consegue executar exatamente os processos mentais que muitas atividades escolares tentam desenvolver.
Uma regra simples ajuda a separar usos produtivos de usos que substituem aprendizagem:
Antes de pedir a resposta à IA, a criança produziu alguma coisa com o próprio cérebro?
Ela tentou resolver? Recuperou o que lembrava? Explicou o raciocínio? Formulou uma hipótese? Identificou onde estava a dúvida?
Se a resposta é sim, a IA pode entrar como tutora, revisora, adversária intelectual ou fonte de feedback.
Se a resposta é não, há um risco maior de a ferramenta ocupar exatamente o espaço onde o aprendizado deveria acontecer.
Considere duas crianças diante da mesma questão de história.
A primeira pergunta à IA: “Responda esta questão para mim”. Recebe três parágrafos prontos, ajusta algumas palavras e entrega.
A segunda escreve primeiro uma resposta, mesmo incompleta, e pergunta: “Estas são as duas causas que identifiquei. O que estou deixando de considerar? Não me dê a resposta final; faça perguntas para eu revisar meu raciocínio”.
Ambas usaram inteligência artificial.
Neurocognitivamente e pedagogicamente, porém, são experiências muito diferentes.
Na segunda situação, a criança precisa recuperar conhecimento, monitorar a própria compreensão, comparar argumentos e decidir se aceita ou rejeita a sugestão da IA. A ferramenta atua como andaime.
Na primeira, ela pode atuar como substituta.
Há outro problema: modelos de linguagem podem produzir erros com aparência de certeza.
Para um adulto com conhecimento prévio, isso já é inconveniente. Para uma criança que ainda está construindo critérios para julgar uma resposta, o risco é maior. Uma explicação clara pode parecer verdadeira simplesmente porque está bem escrita.
Isso torna a alfabetização em IA inseparável da alfabetização informacional. A criança precisa aprender que uma resposta gerada não é autoridade. Ela é uma proposta que deve ser examinada.
O hábito cognitivo desejável não é perguntar “o que a IA disse?”, mas:
Proibir completamente a IA tende a ser pouco realista. Liberá-la sem critérios é intelectualmente preguiçoso. Entre esses extremos existe uma solução melhor: estabelecer uma sequência de uso.
A criança deve ter alguns minutos para recuperar o que sabe, organizar uma hipótese e enfrentar o problema. Esse intervalo importa. Ele transforma a atividade em oportunidade de aprendizagem antes que a resposta externa apareça.
Uma boa instrução pode ser: “Não responda. Dê apenas uma pista” ou “Faça uma pergunta de cada vez para me ajudar a encontrar o erro”.
Depois de usar IA, peça uma explicação com palavras próprias, sem olhar para a tela. Se ela não consegue reconstruir a ideia, provavelmente houve conclusão de tarefa sem consolidação suficiente.
A ferramenta pode gerar perguntas, criar exemplos novos, apresentar contra-argumentos, montar quizzes, pedir justificativas e adaptar exercícios. Nesse papel, ela aumenta a prática em vez de removê-la.
Algumas tarefas precisam continuar sendo realizadas sem IA. Não como punição tecnológica, mas porque só assim pais e professores conseguem observar o que a criança consegue fazer sozinha.
Há também uma responsabilidade de design.
Se ferramentas destinadas a estudantes respondem imediatamente a qualquer problema, elas são extremamente eficientes para concluir deveres e potencialmente ruins para formar habilidades. Sistemas educacionais mais inteligentes deveriam identificar quando o estudante está tentando terceirizar a tarefa e devolver perguntas, pistas graduais, exemplos parciais e convites à explicação.
Pesquisas recentes em ensino superior vêm justamente defendendo essa direção: preservar “fricção cognitiva”, alternar fases com e sem IA e tratar o modelo como parceiro provisório de pensamento, não como autoridade final.
Não necessariamente.
Essa frase seria conveniente demais, o que já deveria torná-la suspeita.
Hoje, a evidência mais defensável é outra: a IA amplifica o método de estudo que construímos ao redor dela.
Quando a criança usa a ferramenta depois de tentar, para receber feedback, comparar estratégias, formular perguntas e revisar o próprio raciocínio, a IA pode ampliar oportunidades de aprendizagem.
Quando ela aparece antes do pensamento e entrega a resposta que deveria ser produzida pelo estudante, pode ocorrer uma terceirização justamente dos processos responsáveis por construir memória, autonomia intelectual e julgamento.
A tecnologia não elimina a necessidade de pensar.
Ela torna possível parecer que pensamos sem ter feito todo o trabalho.
E talvez esse seja o desafio educacional mais importante da era da inteligência artificial: ensinar crianças a usar uma máquina extraordinariamente capaz sem entregar a ela a parte da mente que ainda precisam construir.
A IA pode ajudar uma criança a aprender ou pode fazer o trabalho cognitivo em seu lugar. Entenda o que pesquisas sobre memória, esforço mental e cognitive offloading sugerem para famílias e escolas.
Seu filho não está apenas vendo vídeos inocentes de animais, ele está sendo treinado para desistir Durante anos fizemos a pergunta errada: quanto tempo
Por que uma criança pode treinar futebol por meses sem melhorar? Entenda como memória procedural, prática, erro, feedback e variabilidade transformam repetição em habilidade.
Aprendizagem matemática exige mais do que acertar exercícios. Entenda como memória de trabalho, prática espaçada, recuperação ativa e intercalamento ajudam o conhecimento a permanecer disponível ao longo do tempo.
Aprender a ler reorganiza circuitos cerebrais, mobiliza redes também usadas em tarefas matemáticas e pode ampliar nossa capacidade de compreender outras mentes. Entenda por que a leitura profunda é uma habilidade cultural que precisa ser cultivada.
A criança aprende a controlar emoções, atenção e impulsos por meio da maturação cerebral, da corregulação e de experiências repetidas. Entenda por que essas capacidades sustentam a aprendizagem escolar.