Três regras do MIT sobre IA no ensino que valem pra quem trabalha com IA
O Dani Geek — arte original
A manchete foi algo como “o MIT admite que a IA resolve qualquer tarefa da graduação”. A parte útil veio depois do susto: um relatório de cinco meses propondo o que a instituição deve fazer a respeito. Boa parte dele serve para o seu dia de trabalho.
O susto que circulou e a metade que ficou de fora
Em janeiro de 2026 o MIT montou um comitê ad hoc, co-presidido por Eric Klopfer e Sam Madden, com três tarefas: mapear como professores e alunos já usavam IA generativa, levantar o que estava funcionando e o que estava quebrando no ensino e na avaliação, e propor uma política de uso. O relatório final, datado de 13 de agosto, foi publicado em 25 de agosto de 2026 junto com uma carta da presidente Sally Kornbluth. Ela chamou o momento de “watershed” e repetiu a frase do comitê: “isto não é um exercício opcional”.
O que virou notícia foi o diagnóstico: a IA generativa já produz soluções críveis para quase qualquer tarefa escrita da graduação. Forbes e Futurism repercutiram isso. O resto do documento quase ninguém repercutiu, e é o resto que interessa a quem usa IA para trabalhar, porque o MIT chegou, por um caminho próprio, a uma tese que eu defendo aqui há tempo: a ferramenta é boa, o que muda é o desenho do trabalho.
O termo que o MIT usa para o problema
O relatório adota um termo que vale guardar: cognitive surrender, rendição cognitiva. O comitê descreve assim: a resposta certa vinda de um chatbot pode criar a ilusão de aprender, e pode também disparar a rendição cognitiva. É o que acontece quando a tarefa fica difícil e você pede a resposta pronta na primeira resistência.
O texto lista as consequências: menos pensamento crítico, memória mais fraca, confiança corroída, domínio comprometido.
Os alunos sabem disso. Na pesquisa de outono de 2025 do jornal estudantil The Tech, citada no apêndice do relatório, 46% dos graduandos disseram usar LLMs todos os dias. Na mesma pesquisa, 90% se disseram preocupados com dependência excessiva. Usam todo dia e, ao mesmo tempo, dizem temer o que isso faz com a própria cabeça. Se você trabalha com IA desde 2023, você reconhece a sensação.
Regra 1: o atrito que ensina fica com você
O sétimo dos oito princípios do relatório resume a posição: a IA deve ser usada para ampliar a curiosidade, a criatividade e o aprendizado. O documento é explícito em dizer que automatizar essas três coisas é o uso errado. O quarto princípio complementa: apostar no aprendizado, com o productive struggle, o esforço produtivo, no centro.
Traduzido para o trabalho: antes de delegar uma tarefa para a IA, pergunte que parte dela é a que te faz melhor no seu ofício. Um consultor que pede ao modelo a análise inteira de um cliente entrega a análise hoje e perde a habilidade de fazê-la em seis meses. Um consultor que monta a estrutura à mão, faz a IA testar os furos e depois reescreve, entrega melhor hoje e continua sabendo analisar.
O MIT aplica isso ao UROP, o programa de pesquisa de graduação que envolve 93% dos alunos e 58% dos professores. O relatório descarta substituir bolsistas por agentes de IA: o programa existe para educar, e a mão de obra vem como consequência, nunca como objetivo. Se você lidera um time, esse é o teste para cada tarefa que pensa em automatizar: essa tarefa existe para produzir algo ou para formar alguém?
Regra 2: política de IA com o porquê, e valendo para quem manda
O relatório pede que toda disciplina publique uma política de IA explícita, com a justificativa amarrada ao objetivo de aprendizagem. Proibido, permitido ou exigido, sempre com o motivo. Na mesma data, a governança docente distribuiu um guia prático para os instrutores escreverem essas políticas.
A maioria das empresas que conheço tem, no máximo, o “pode” e o “não pode”. Sem o porquê, a regra vira arbitrariedade e as pessoas contornam. Com o porquê, a regra vira critério e as pessoas conseguem decidir sozinhas nos casos que a regra não previu.
E tem um detalhe que o comitê registrou com honestidade rara: “Students notice when instructors are clearly using AI for slides, feedback, or grading while imposing restrictions on student use.” Por isso o relatório pede que professores declarem onde usam IA. O gestor que redige o e-mail com o modelo e proíbe o time de fazer o mesmo está na mesma posição, e a política vale para ele também.
O mesmo vale para autoria. Para as teses, o MIT pede uma declaração de como a IA foi usada em cada uma, e determina que a IA nunca apareça como coautora. É um modelo pronto para qualquer entregável de conhecimento.
Regra 3: detector não funciona, processo visível funciona
O comitê desaconselha os detectores de texto gerado por IA. Os motivos: falsos positivos que atingem em cheio estudantes não nativos de inglês e estudantes neurodivergentes, uma corrida armamentista contra os “AI humanizers”, e um clima adversarial entre professor e aluno que custa mais do que rende.
O que o MIT propõe no lugar é mudar a avaliação: menos problem set e prova take-home, mais prova oral, portfólio do semestre, trabalho feito fora da aula seguido de conversa em aula, discussão com participação avaliada. Toda disciplina deve ter um componente social presencial regular, e a instituição deve investir em espaços físicos, inclusive espaços com computadores sem IA ou com IA limitada.
O princípio por trás é o mesmo que faz um trabalho feito com IA ser confiável numa empresa: o processo fica visível, e ninguém precisa policiar o texto final. Quem consegue explicar a decisão numa conversa de dez minutos fez o trabalho, com ou sem modelo; quem não consegue, não fez. A conversa faz o papel do detector.
O que mais o MIT decidiu
Alguns pontos do relatório são decisões de infraestrutura, e valem como referência para quem monta o próprio sistema.
Acesso: assinaturas comerciais chegavam a US$ 200 por mês em junho de 2026, e isso cria desigualdade entre alunos. A plataforma interna do MIT, a Parley, é agnóstica de modelo e dá até US$ 30 por mês em créditos gratuitos. O próprio relatório reconhece que isso é pouco para alguns usos, como engenharia de software.
Fornecedor: “We urge MIT not to commit to any single commercial AI ecosystem.” O comitê pede acesso hospedado a modelos locais, sem medo de captura de dados para treino. Quem montou um workflow inteiro em cima de uma única API e viu o preço mudar sabe por quê.
Sugestões de experimento: cursos “AI Light” e “AI Heavy” rodando em paralelo, um fundo-piloto para redesenhar disciplinas, um comitê permanente e líderes de IA por escola e departamento. O primeiro princípio da lista é ser humilde: a tecnologia muda rápido e vai haver correção de rota. O segundo é ser ousado. Os dois juntos são a postura certa para qualquer operação.
Ambiente: incentivar ferramentas de menor impacto e auditar a pegada de IA do próprio MIT.
Usar muito é diferente de saber usar
Um número da pesquisa do The Tech vale citar com a moldura certa, porque isolado ele vira isca. Foram 1.002 respondentes, 659 deles graduandos. Entre os graduandos, cerca de 7 em 10 concordaram que proficiência em IA vai importar na carreira. Só 25% acharam que o MIT os prepara adequadamente para isso.
Isso numa instituição onde quase metade dos alunos usa IA todo dia. O gap entre usar e saber usar existe no MIT e existe na sua empresa. A resposta do relatório é a mesma que eu daria: o que fecha esse gap é desenho. Definir o que fica com a pessoa, escrever a política com o motivo, tornar o processo visível.
O comitê escreveu que muito do que os alunos ganham no MIT nunca aparece num syllabus, e que “the most important product of their education is not a GPA or a diploma but themselves”. Troque “education” por “carreira” e a frase continua verdadeira.
O fio para puxar
O relatório sugere rodar cursos AI Light e AI Heavy em paralelo, e eu quero ver se a versão pesada produz alunos que resolvem melhor ou alunos que se rendem mais cedo. A pergunta que fica para quem gere um time: você já sabe quais tarefas do seu fluxo existem para produzir algo e quais existem para formar alguém? Me conta no X ou no Threads, em @odanigeek.
Fontes: Relatório do comitê · Apêndices, com a pesquisa do The Tech · Carta da presidente Sally Kornbluth, 25/ago/2026 · Guia de política de IA para instrutores, MIT Faculty Governance · PDF do relatório, datado 13/ago/2026 · Forbes, 25/ago/2026 · Futurism