O que a pesquisa diz sobre IA, aprendizagem e humanos

Cheguei à educação no final da minha carreira. E isso me humilhou de maneiras que eu não esperava. Existem habilidades e áreas de pesquisa além do que a maioria das pessoas conhece. Quanto mais leio a investigação, particularmente em relação à IA, mais acredito que estamos a olhar para isto da forma errada. Existe uma versão da conversa sobre IA em T&D que é mais ou menos assim: a IA cuidará das instruções de rotina e as equipes de T&D se concentrarão nas questões estratégicas. Parece reconfortante. Também é muito simples.

A pesquisa sobre aprendizagem assistida por IA conta uma história mais complicada e interessante. A IA não cuida apenas da rotina. Quando bem concebido, pode genuinamente superar a aprendizagem facilitada tradicional em resultados mensuráveis. E quando mal concebido, não produz qualquer benefício e pode até dar resultados negativos. Essa lacuna, entre a aprendizagem de IA bem concebida e a aprendizagem de IA mal concebida, é exactamente onde o papel do profissional de T&D se torna mais importante, e não menos.

O que a instrução liderada por humanos ainda faz de melhor

Antes de explorar o que a IA pode fazer, vale a pena ser preciso sobre o que ela não pode. Uma metanálise marcante de Roorda et al. (2017) descobriram que a qualidade da relação entre instrutor e aluno é um dos mais fortes preditores de envolvimento e resultados de aprendizagem. O inverso é igualmente verdadeiro: uma relação de facilitação deficiente prejudica de forma mensurável os resultados. Esta constatação não desaparece no contexto do local de trabalho. Facilitadores humanos e profissionais de T&D possuem quatro coisas que a IA não consegue replicar de forma confiável:

1. Lendo a sala
   Detectar problemas de desligamento, resistência ou segurança psicológica em uma coorte que nenhum modelo ainda pode inferir apenas a partir de dados de interação.
2. Julgamento contextual
   Saber quando o objetivo de aprendizagem é menos importante do que o que está acontecendo na equipe ou organização ao seu redor.
3. Valores e cultura
   Moldar normas sobre como as pessoas aprendem juntas, desafiam umas às outras e aplicam novas habilidades em um contexto organizacional específico.
4. Autoridade ética
   Tomar decisões defensáveis ​​sobre avaliação, desempenho e desenvolvimento que afetam as carreiras das pessoas

A restrição ao T&D liderado por humanos nunca foi a motivação ou a experiência. Foi escala. Fornecer feedback e práticas genuinamente personalizados a cada aluno, no ritmo que eles necessitam individualmente, não é viável sem a assistência da IA.

O que a aprendizagem assistida por IA pode realmente oferecer

Em 1984, Benjamin Bloom identificou o que chamou de “Problema 2 Sigma”: os alunos que recebiam aulas particulares superavam os colegas ensinados em grupo por dois desvios padrão (1). A questão que se seguiu foi como conseguir isso em grande escala. Quarenta anos depois, a IA começa a fornecer uma resposta prática.

Um ensaio clínico randomizado de 2025 publicado em Relatórios Científicos da Natureza descobriram que um sistema de tutoria de IA projetado para pesquisa superou a aprendizagem ativa facilitada nos resultados de conhecimento. De forma crítica, o benefício só surgiu quando o sistema foi estruturado para promover o pensamento crítico e a aplicação, em vez de simplesmente fornecer respostas a pedido. O acesso não guiado à IA não mostrou nenhum benefício mensurável. O design da experiência de aprendizagem foi tudo.

Um outro RCT (2024), baseado no Reino Unido, que testou o LearnLM da Google, chegou a uma conclusão semelhante: os alunos supervisionados pelo modelo de IA conseguiram uma melhor transferência de conhecimentos para problemas novos do que aqueles que receberam apenas instrução liderada por humanos (2). Os facilitadores humanos nesse estudo focaram no ritmo, na motivação e no apoio socioemocional. O modelo híbrido superou qualquer uma das abordagens de forma independente.

A pesquisa fundamental de VanLehn sobre design de sistemas de tutoria explica por que isso funciona quando bem feito: sistemas eficazes de aprendizagem de IA transformam avaliação em instrução continuamente, fornecendo feedback em cada etapa, e não no final de um módulo. Esse princípio é ainda mais poderoso agora com Grandes Modelos de Linguagem que podem responder a respostas abertas, e não apenas a seleções de múltipla escolha.

No entanto, a aprendizagem assistida por IA tem modos de falha reais que os profissionais de T&D precisam desenvolver:

1. Alucinações
   Os modelos de IA podem produzir conteúdo fluente, confiável e incorreto. Num contexto de conformidade ou de competências técnicas, este é um risco significativo que requer supervisão humana
2. Dependência
   A assistência sempre disponível da IA ​​pode reduzir o esforço produtivo que consolida a aprendizagem a longo prazo. A recuperação espaçada e a dificuldade são recursos, não bugs.
3. Viés
   A pontuação e o feedback automatizados devem ser auditados para verificar taxas de erro diferenciadas entre grupos de alunos, especialmente em organizações com forças de trabalho diversificadas.

Formativo vs. Sumativo: Uma Estrutura Prática para T&D

A lente mais útil para decidir onde implantar a IA em um programa de aprendizagem é a distinção formativa e somativa. Para atividades de aprendizagem formativa (prática, reflexão, verificação de conhecimentos, respostas a cenários), a IA é muitas vezes uma verdadeira vitória líquida. Os alunos obtêm feedback mais rápido, mais oportunidades de prática e um ambiente de menor risco para cometer e aprender com os erros. Uma revisão sistemática de 2025 em Fronteiras na Educação confirmaram estes ganhos em 37 estudos, ao mesmo tempo que observaram que os benefícios dependem de os profissionais de T&D permanecerem mediadores ativos da experiência, e não implementadores passivos da ferramenta (3).

Para avaliações somativas e de alto risco, o cálculo muda. Validade, justiça e defensabilidade são mais importantes do que eficiência. Pesquisa de Litman et al. (2021) sobre pontuação assistida por IA estabelece claramente onde a avaliação automatizada pode ser confiável e onde a revisão humana é inegociável, especialmente para trabalhos escritos, tarefas de julgamento profissional e qualquer coisa com implicações na gestão de desempenho. Em termos práticos: deixe a IA carregar a carga formativa. Mantenha os humanos informados sobre qualquer coisa que afete a trajetória de um aluno na organização.

O profissional de T&D em uma função de aprendizagem assistida por IA: comportamentos e habilidades

As evidências apontam para uma conclusão clara: o papel do profissional de T&D não diminui num ambiente de aprendizagem assistido por IA. Muda e, em alguns aspectos, torna-se mais exigente. Aqui estão os comportamentos e habilidades específicos que distinguem os profissionais de T&D que usarão a IA de forma eficaz daqueles que terão dificuldades com ela.

1. Aprendendo a alfabetização em design: sabendo o que a IA deve ou não fazer

O 2025 Nature RCT descobriu que o uso não orientado de IA não produziu nenhum benefício de aprendizagem. Os profissionais que obterão valor das ferramentas de IA são aqueles que compreendem o design da aprendizagem suficientemente bem para especificar o que a IA deve fazer, quando e com que restrições.

Isso significa ir além da seleção de conteúdo e passar a projetar arquiteturas de aprendizagem: sequenciar a prática da IA ​​com a reflexão humana, construir intervalos de recuperação e especificar o que a IA não deve simplesmente entregar ao aluno.

2. Interpretação de dados: lendo o que a IA surge e agindo de acordo com ela

As plataformas de aprendizagem assistidas por IA geram dados dos alunos em uma escala e granularidade que antes não estavam disponíveis. O profissional de T&D da próxima década precisa de se sentir confortável em perguntar: o que é que este padrão nos dados me diz sobre o que não está a funcionar? Onde os alunos estão constantemente travados? Quais coortes estão se desligando e por quê? Esta não é uma função de ciência de dados, mas requer fluência analítica suficiente para passar do painel à decisão de design.

3. Prompt e design do sistema: especificando com precisão o comportamento da IA

Implantar uma ferramenta de aprendizagem de IA não é o mesmo que configurá-la bem. Profissionais eficazes precisarão ser capazes de escrever resumos instrucionais claros para sistemas de IA: especificando a persona, as restrições, os tipos de feedback que a IA deve fornecer e os pontos de escalada em que um facilitador humano deve intervir. Esta é uma nova forma de Design Instrucional e está rapidamente se tornando uma habilidade central de T&D.

4. Supervisão Ética: Auditoria de Preconceito e Manutenção da Defensibilidade

À medida que a IA assume maior parte da carga de avaliação formativa, os profissionais de T&D assumem uma nova responsabilidade: garantir que o feedback automatizado seja justo, preciso e não prejudique sistematicamente grupos específicos de alunos. Isto requer a criação de hábitos de auditoria no ciclo do programa, e não o tratamento da justiça como um item único da lista de verificação de aquisições. Significa também manter a confiança necessária para ignorar as recomendações da IA ​​quando o julgamento humano diz que algo está errado.

5. Facilitação que a IA não consegue replicar

À medida que a IA absorve mais a transferência de conhecimento e a carga de trabalho prático, a facilitação humana que resta precisa ser genuinamente insubstituível. Isso significa focar mais nas coisas que a pesquisa confirma que são mais importantes: segurança psicológica, apoio motivacional, desafio contextual e o tipo de feedback que requer conhecer a pessoa, não apenas a resposta. Os profissionais de T&D que prosperarão serão aqueles que veem a IA assumindo o trabalho repetitivo e escalável como uma oportunidade de fazer melhor o trabalho humano, e não como uma ameaça à sua identidade profissional.

A investigação é clara sobretudo num ponto: a qualidade do julgamento do profissional de T&D é o que determina se a aprendizagem assistida por IA funciona ou falha. Esse não é um papel diminuído. É algo mais consequente. As organizações que conseguirão fazer isso direito serão aquelas que investirem na qualificação de suas funções de T&D juntamente com suas ferramentas de IA. A tecnologia sem a capacidade do profissional não é, como mostram as evidências, melhor do que nenhuma tecnologia.

Para você

Quais dessas habilidades você já está desenvolvendo em sua equipe de T&D e onde estão as maiores lacunas? Eu gostaria de receber respostas de profissionais que trabalham na ponta disto.

Referências:

(1) O problema 2 Sigma: a busca por métodos de ensino tão eficazes quanto a tutoria individual

(2) A tutoria de IA pode apoiar os alunos de forma segura e eficaz: um RCT exploratório nas salas de aula do Reino Unido

(3) Reflexões dos educadores sobre o feedback automatizado por IA no ensino superior: uma revisão integrativa estruturada de potenciais, armadilhas e dimensões éticas

Pesquisa citada:

(1) Relações afetivas professor-aluno e envolvimento e desempenho dos alunos: uma atualização meta-analítica e teste do papel mediador do envolvimento

(2) O problema 2 Sigma: a busca por métodos de ensino tão eficazes quanto a tutoria individual

(3) O comportamento dos sistemas de tutoria

(4) Uma avaliação de justiça de métodos automatizados para pontuação do uso de evidências de texto na escrita

(5) A tutoria de IA supera a aprendizagem ativa em sala de aula: um ECR que introduz um novo design baseado em pesquisa em um ambiente educacional autêntico

(6) A tutoria de IA pode apoiar os alunos de forma segura e eficaz: um RCT exploratório nas salas de aula do Reino Unido

(7) Reflexões dos educadores sobre feedback automatizado por IA no ensino superior: uma revisão integrativa estruturada de potenciais, armadilhas e dimensões éticas

(8) O que a pesquisa mostra sobre IA generativa na tutoria