Potencializando o aprendizado com IA 

(English version below)

A realidade subversiva da Inteligência Artificial (IA) tem impactado diretamente todas as áreas. Frequentemente, surgem matérias sobre empregos que vão desaparecer, máquinas que substituirão humanos e assim por diante. No entanto, apesar do surgimento de novas tecnologias, um dos fatores determinantes para o futuro das pessoas é a capacidade de aprender.

Relatórios como o Future of Jobs, do World Economic Forum, apontam desde 2016 que competências como pensamento crítico, análise, tomada de decisão e a habilidade de aprender continuamente seguem entre as mais valorizadas, especialmente em um cenário moldado por mudanças tecnológicas constantes. Em outras palavras, mesmo diante da avalanche de novas ferramentas, é a forma como aprendemos que continua nos diferenciando.

O desafio é que aprender hoje não é o mesmo que aprender no passado. Estamos imersos em um ecossistema de excesso informacional — a infoxication, como chamou o psicólogo David Lewis — que exige filtro, curadoria e pensamento crítico para não confundir volume de conteúdo com qualidade de conhecimento. Nesse contexto, os modelos de linguagem natural (LLMs) surgem como aliados estratégicos no processo de aprendizagem: personalizando trilhas, adaptando interações e acelerando a performance rumo a um mercado cada vez mais competitivo.

Se olharmos para a linha do tempo do aprendizado, saímos da era dos livros escassos e autores restritos, passamos pela internet e seus buscadores, migramos para o consumo audiovisual em múltiplos formatos e chegamos agora a um ponto em que é possível treinar modelos de IA para se especializar em temas específicos apenas com instruções — sem precisar programar. O salto é significativo, mas a pergunta inevitável é: 

Como usar a IA para aprender de fato?

Hoje já existem ferramentas para gravar, transcrever, resumir e criar testes. Outras simulam diálogos, como no ensino de idiomas, desenvolvendo cenários realistas, a chegada a um aeroporto estrangeiro, por exemplo. Há também plataformas capazes de receber documentos, livros, áudios ou vídeos e permitir que você literalmente converse com o conteúdo, até mesmo criando podcasts que debatem o material em tempo real, prontos para serem interrompidos por perguntas “ao vivo”.

Alguns LLMs já oferecem um “modo estudo” que abandona a resposta direta e adota o pensamento socrático, provocando o aluno com perguntas, desafios e explicações graduais. Isso levanta outra questão inevitável:

 A IA substitui o professor?

O papel do professor vai além da transmissão de informação. Ele lê nuances comportamentais, reconhece contextos, traz repertório de vida e provoca reflexões estratégicas. Mesmo assim, muitos estudantes esbarram na falta de tempo ou disponibilidade de orientação acadêmica, e aí a IA pode preencher parte dessa lacuna, oferecendo apoio imediato. Mas atenção: para que isso seja efetivo, o estudante precisa dominar habilidades analíticas. Caso contrário, as respostas da IA podem se resumir a observações genéricas como “Seu trabalho está bom, mas pode ser melhorado”.

Na prática acadêmica, bons orientadores provocam perguntas que o texto não responde: “Qual o impacto na sociedade? Como o público percebe esse problema? Que hipóteses sustentam sua análise e por quê?”. Esses questionamentos deslocam o pensamento do binário certo/errado e aproximam a ciência de seu objetivo mais nobre: melhorar a vida das pessoas.

Portanto, a relevância da IA na aprendizagem não está apenas na entrega de conteúdo, mas na capacidade de criar um ambiente que desafie e expanda o pensamento. Hoje é possível definir bases de dados específicas, gerar questões e receber feedback detalhado, criar infográficos em segundos, produzir vídeos, usar comandos de voz e até desenvolver habilidades socioemocionais no processo. Quando combinada com soft skills, a IA não apenas amplifica competências já existentes, mas também catalisa novas.

O ponto não é usar tecnologia a qualquer custo, mas adotá-la de forma estratégica. Assim como antes de confiar em uma calculadora é preciso dominar as contas no papel, antes de depender da IA para aprender é preciso construir fundamentos sólidos. É a partir dessa base que a tecnologia deixa de ser substituta e se torna multiplicadora do aprendizado.

Quer conversar com esse artigo?

Por Daniel Maier e Eduardo Santos pesquisadores de cultura analítica no Cappra Institute.

Enhancing Learning with AI

The subversive reality of Artificial Intelligence (AI) has been directly impacting all areas. News frequently emerges about jobs that will disappear, machines that will replace humans, and so on. However, despite the rise of new technologies, one of the determining factors for people’s future is the ability to learn.

Reports such as The Future of Jobs, from the World Economic Forum, have pointed out since 2016 that skills such as critical thinking, analysis, decision-making, and the ability to learn continuously remain among the most valued—especially in a scenario shaped by constant technological changes. In other words, even in the face of an avalanche of new tools, it is the way we learn that continues to set us apart.

The challenge is that learning today is not the same as learning in the past. We are immersed in an ecosystem of informational excess—infoxication, as psychologist David Lewis called it—which demands filtering, curation, and critical thinking so as not to mistake content volume for knowledge quality. In this context, natural language models (LLMs) emerge as strategic allies in the learning process: personalizing learning paths, adapting interactions, and accelerating performance toward an increasingly competitive market.

If we look at the learning timeline, we went from the era of scarce books and limited authors, to the internet and its search engines, then to audiovisual consumption in multiple formats, and now we have reached a point where it is possible to train AI models to specialize in specific topics with just instructions—without needing to program. The leap is significant, but the inevitable question is:

How can AI truly be used to learn?

Today there are already tools for recording, transcribing, summarizing, and creating tests. Others simulate dialogues, such as in language learning, developing realistic scenarios—for example, arriving at a foreign airport. There are also platforms capable of receiving documents, books, audio, or videos and allowing you to literally converse with the content, even creating podcasts that debate the material in real time, ready to be interrupted by “live” questions.

Some LLMs already offer a “study mode” that abandons direct answers and adopts Socratic thinking, challenging the student with questions, tasks, and gradual explanations. This raises another inevitable question:

Does AI replace the teacher?

A teacher’s role goes beyond transmitting information. They read behavioral nuances, recognize contexts, bring life experience, and provoke strategic reflections. Even so, many students encounter a lack of time or availability for academic guidance—and that’s where AI can fill part of the gap, offering immediate support. But caution: for this to be effective, the student must master analytical skills. Otherwise, AI’s responses may be reduced to generic comments like “Your work is good, but it could be improved.”

In academic practice, good advisors provoke questions the text doesn’t answer: “What is the impact on society? How does the public perceive this problem? What hypotheses support your analysis, and why?” These questions shift thinking away from the binary right/wrong view and bring science closer to its noblest goal: improving people’s lives.

Therefore, the relevance of AI in learning is not just in delivering content, but in creating an environment that challenges and expands thinking. Today it is possible to define specific databases, generate questions and receive detailed feedback, create infographics in seconds, produce videos, use voice commands, and even develop socioemotional skills in the process. When combined with soft skills, AI not only amplifies existing competencies but also catalyzes new ones.

The point is not to use technology at any cost, but to adopt it strategically. Just as before trusting a calculator one must master calculations on paper, before relying on AI to learn it is necessary to build solid foundations. It is from this base that technology stops being a substitute and becomes a multiplier of learning.

Want to talk with this article?

By Daniel Maier and Eduardo Santos, researchers of analytical culture at Cappra Institute.

Referências/references