# A era do desinteresse: a inteligência artificial, o abandono do esforço e a possibilidade de uma nova Idade das Trevas

Durante milênios, a aprendizagem foi uma resposta à necessidade. Saber cultivar alimentos, reconhecer plantas, dominar instrumentos, calcular, reparar máquinas, interpretar leis ou escrever programas constituía uma forma de ampliar a própria liberdade. O conhecimento permitia trabalhar, pertencer a uma comunidade, transmitir uma herança cultural e enfrentar situações inesperadas. A partir do momento em que uma máquina consegue entregar o resultado sem exigir o percurso, surge uma pergunta que as sociedades industriais não precisaram responder em escala comparável: **por que aprender aquilo que já se pode obter sem aprender?**

A inteligência artificial não inventou a preguiça, a distração ou a tendência humana a economizar esforço. Tampouco é a primeira tecnologia que torna competências anteriores menos necessárias. Calculadoras reduziram a necessidade de cálculos repetitivos; máquinas agrícolas modificaram o trabalho rural; sistemas de navegação dispensaram a memorização de trajetos. O salto recente está no alcance da substituição: as ferramentas já não realizam apenas movimentos ou operações delimitadas. Podem produzir a aparência de uma redação argumentada, de um diagnóstico preliminar, de um programa funcional, de uma tradução competente e de uma pesquisa bibliográfica. A distância entre parecer capaz e ser capaz pode crescer justamente quando a sociedade passa a depender mais dessas capacidades.

A hipótese de uma era do desinteresse não exige imaginar seres humanos universalmente apáticos. Basta que, para parcelas crescentes da população, o custo percebido de adquirir uma competência ultrapasse seu benefício esperado; que escolas passem a premiar entregas em vez de compreensão; que empresas interrompam o treinamento de iniciantes; e que instituições aceitem decisões que seus próprios responsáveis já não consigam explicar. O resultado possível não é a ausência de informação, mas uma forma nova de ignorância: conhecimento produzido em abundância e compreensão distribuída de maneira cada vez mais desigual.

Essa transformação não está demonstrada como tendência inevitável. Dados educacionais de 2025, experiências de tutoria por IA e pesquisas sobre esforço cognitivo apresentam resultados conflitantes. O risco precisa ser compreendido em sua forma mais precisa: **uma sociedade pode ampliar extraordinariamente sua capacidade de produzir respostas e, ao mesmo tempo, reduzir a capacidade de seus integrantes de reconhecer quando essas respostas estão erradas.**

## 1. O sonho de eliminar o esforço e a parte da vida que desaparece

Em *Click* (2006), Michael Newman recebe um controle capaz de avançar as partes incômodas da própria vida. O mecanismo parece resolver um problema de eficiência: eliminar espera, conflito, cansaço e repetição para chegar rapidamente às recompensas. Entretanto, o controle começa a determinar automaticamente aquilo que merece ser vivido. Michael descobre que as experiências descartadas não eram intervalos entre os momentos importantes; eram a própria matéria de sua existência. [1]

A história não é uma profecia tecnológica nem uma descrição de sistemas de IA. É uma imagem útil de um mecanismo comportamental: quando a capacidade de evitar uma atividade também elimina experiências que desenvolvem uma habilidade ou relação, a economia de tempo pode produzir perda de autonomia. Aprender uma língua envolve hesitações, erros, lembranças e diálogos. Aprender um instrumento envolve repetição, dores nos dedos, ritmo e percepção auditiva. Aprender matemática envolve atravessar a frustração de não compreender. Um sistema que oferece a tradução, a música ou a resposta pode entregar o produto e eliminar parte do caminho que teria transformado a pessoa.

O contraste entre eficiência e experiência é antigo. Em *Fedro*, Platão apresenta a inquietação atribuída a Sócrates sobre os efeitos da escrita na memória: a possibilidade de conservar conhecimento externamente também pode criar dependência de sinais exteriores. A objeção não provou que escrever destrói a inteligência. Ao contrário, a escrita expandiu a civilização intelectual. A relevância da comparação é mostrar que tecnologias cognitivas alteram o lugar onde uma capacidade é exercida. A questão histórica não é se recorrer a recursos externos constitui decadência, mas quais competências se perdem, quais são ampliadas e quem conserva a capacidade de corrigir a ferramenta.

A máquina que realiza uma tarefa não precisa destruir o interesse humano por ela. Computadores superaram grandes mestres no xadrez, mas não eliminaram o xadrez humano; sintetizadores não encerraram a música instrumental; câmeras não acabaram com a pintura. O erro está em equiparar utilidade econômica e significado humano. Uma competência pode deixar de ser indispensável ao mercado e continuar indispensável à experiência de quem a desenvolve. O risco mais grave aparece quando o indivíduo deixa de reconhecê-la como valiosa sob qualquer critério que não seja eficiência imediata.

## 2. O que seria realmente uma Idade das Trevas tecnológica?

A expressão “Idade das Trevas” é historicamente controversa: sua aplicação indiscriminada à Idade Média apaga continuidades intelectuais, universidades, tradições manuscritas e realizações científicas de diferentes sociedades. Como metáfora contemporânea, só é útil se indicar um mecanismo verificável, e não apenas nostalgia por uma época imaginada em que todos liam mais ou pensavam melhor.

Uma forma plausível de obscurecimento tecnológico seria uma **assimetria entre capacidade sistêmica e competência individual**. Hospitais disporiam de instrumentos extraordinários, mas poucos profissionais compreenderiam seus critérios de decisão; governos processariam quantidades imensas de dados, mas perderiam a capacidade interna de contestar fornecedores; empresas produziriam milhões de linhas de código, mas encontrariam dificuldades para formar engenheiros capazes de manter sistemas críticos sem assistência permanente; pessoas receberiam informações em qualquer idioma, mas se tornariam menos aptas a avaliar sua qualidade.

Não seria retorno à economia agrária, à censura medieval ou à ausência de eletricidade. Seria um mundo tecnologicamente iluminado e socialmente dependente, com conhecimento concentrado em instituições e plataformas que apenas uma minoria consegue auditar. Sua estabilidade dependeria da qualidade das infraestruturas, da transmissão entre gerações e da existência de reservas humanas de conhecimento.

A hipótese tem quatro condições cumulativas: degradação mensurável de aprendizagem independente; queda persistente do investimento privado e público em formação básica; dependência de sistemas inacessíveis a controle e fiscalização; e enfraquecimento da capacidade de recuperar processos quando a automação falha. Uma população que usa IA intensamente, mas demonstra melhores resultados sem ela, falsificaria a dimensão educacional dessa tese. Empresas que ampliam treinamento de iniciantes e elevam sua autonomia também seriam evidência contrária. A existência de chatbots, isoladamente, não comprova uma nova era de ignorância.

## 3. A longa história da substituição do esforço humano

A mecanização agrícola transformou a necessidade de força física e o conhecimento prático do campo. A industrialização separou a concepção e a execução de numerosas tarefas, permitindo escala e especialização, mas também tornando operários dependentes de sistemas fabris que não controlavam integralmente. Em *O capital*, Marx examinou a maquinaria não apenas como força produtiva, mas como instrumento que reorganiza a subordinação do trabalho ao capital. A consequência não decorre da máquina isoladamente: depende de propriedade, disciplina, negociação e distribuição dos ganhos.

A produção em massa barateou bens antes inacessíveis e substituiu parte do saber artesanal por processos padronizados. Isso ampliou o consumo e criou profissões novas. Também reduziu o espaço econômico de certas habilidades transmitidas por aprendizado prolongado. Na segunda metade do século XX, computadores executaram cálculos, ordenaram arquivos, sistematizaram contabilidade e automatizaram operações administrativas. Internet e mecanismos de busca reduziram o custo de localizar informações, sem necessariamente eliminar a necessidade de interpretá-las.

A IA generativa amplia essa tendência para tarefas cuja execução parecia exigir a formulação humana de explicações, imagens, textos, projetos e códigos. Ao contrário de uma calculadora, sua resposta pode apresentar segurança retórica mesmo quando é falsa. Ao contrário de um sistema industrial fechado, ela atua em tarefas heterogêneas e muda rapidamente de desempenho. A terceirização abrange, portanto, parte da formulação do problema, não apenas o cálculo da solução.

Ainda assim, o paralelo histórico impõe prudência. O fato de uma tecnologia substituir etapas de trabalho não significa que extinguirá a motivação para dominar o ofício. A alfabetização não desapareceu porque livros passaram a circular. Fotografia e cinema multiplicaram, em vez de anular, determinadas práticas artísticas. A diferença contemporânea precisa ser medida na relação entre aprendizagem, remuneração e autonomia, não presumida a partir da potência de demonstrações tecnológicas.

## 4. Ellul, Arendt, Illich e Stiegler: quando o meio passa a determinar os fins

Jacques Ellul, em *A sociedade tecnológica* (publicado originalmente em francês em 1954), descreveu a técnica como um conjunto de métodos orientados pela máxima eficiência, que tende a reorganizar instituições e escolhas. Sua crítica não pressupunha que aparelhos fossem mal-intencionados. O problema era a autonomia adquirida pelo critério técnico: o procedimento mais eficiente passa a orientar decisões sobre educação, trabalho e vida privada, mesmo quando eficiência não deveria ser o valor decisivo.

Hannah Arendt, em *A condição humana* (1958), distinguiu trabalho ligado à manutenção da vida, fabricação de um mundo durável e ação entre pessoas. Essa distinção não é uma teoria contemporânea sobre IA, mas ajuda a perceber que uma sociedade pode produzir bens com enorme eficiência sem produzir participação política, responsabilidade ou significado. Automatizar atividades penosas pode libertar tempo; não define por si só o que os cidadãos farão com esse tempo.

Ivan Illich, em *Tools for Conviviality* (1973), propôs distinguir ferramentas que ampliam a iniciativa de seus usuários daquelas que criam dependência institucional e reduzem a capacidade de agir. A questão, aplicada a tutores artificiais, não é quantas respostas oferecem, mas se seus usuários conseguem formular novas perguntas, corrigir erros e aprender sem assistência. Uma tecnologia pode ser poderosa e, simultaneamente, fortalecer a autonomia quando é compreensível, modificável e inserida em práticas educativas robustas.

Bernard Stiegler desenvolveu uma crítica mais diretamente relacionada à exteriorização do saber. Sua noção de proletarização não se limita à perda de propriedade ou salário: inclui a perda do *saber-fazer* e de capacidades de julgamento quando processos são transferidos a sistemas técnicos. Uma sociedade pode possuir acesso a milhões de instruções e perder a experiência necessária para decidir quais aplicar. O risco é um trabalhador que opera sistemas sem compreendê-los e um cidadão que consome decisões sem poder contestá-las.

Neil Postman, em *Technopoly* (1992), questionou a transformação de técnicas e quantificações em fontes de autoridade cultural. Richard Sennett, em *The Craftsman* (2008), recuperou a importância do engajamento paciente com materiais, instrumentos e problemas concretos. Matthew Crawford, em *Shop Class as Soulcraft* (2009), examinou a relação entre ofício manual, julgamento e independência. Essas obras não anteciparam literalmente os modelos generativos de 2026. Iluminam uma perda potencial: se fazer deixa de ser uma fonte de compreensão, o indivíduo pode tornar-se consumidor de resultados cuja qualidade não sabe avaliar.

## 5. Theodore Dalrymple e o risco de confundir sentimento com conhecimento

Em *Podres de mimados*, edição brasileira de *Spoilt Rotten: The Toxic Cult of Sentimentality*, Theodore Dalrymple critica uma cultura que atribui valor moral privilegiado à expressão de sentimentos e enfraquece o hábito de submeter impressões à razão. [2] Seu argumento não trata de IA nem demonstra que gerações recentes sejam naturalmente incapazes de estudar. A obra participa de uma tradição conservadora de crítica cultural; suas generalizações normativas precisam ser separadas de evidências experimentais.

A conexão com sistemas digitais aparece quando a experiência subjetiva de satisfação substitui critérios externos de competência. Uma redação que soa inteligente pode ser aceita sem compreensão; uma notícia que confirma uma identidade pode ser compartilhada sem verificação; um aluno pode sentir-se confiante porque recebeu uma explicação convincente, não porque resolveu o problema sozinho. A facilidade de confundir sensação de domínio com domínio efetivo favorece uma cultura de resultados aparentes.

O argumento também tem um limite decisivo. Emoções não são inimigas da aprendizagem. Curiosidade, pertencimento, frustração tolerável e satisfação pela conquista participam da motivação. Desqualificar sentimentos de estudantes ou trabalhadores não produz automaticamente disciplina. A psicologia educacional identifica mecanismos mais precisos do que uma oposição simples entre razão e emoção. A crítica de Dalrymple é útil para interrogar a substituição de julgamento por autoafirmação; não autoriza concluir que empatia, proteção social ou mudanças pedagógicas sejam causas da deterioração cognitiva.

## 6. A psicologia do esforço: autonomia, competência e gratificação imediata

A teoria da autodeterminação, associada a Edward Deci e Richard Ryan, distingue a motivação sustentada pela autonomia, pela percepção de competência e pelo vínculo com outras pessoas. Aprender tende a ser mais duradouro quando o indivíduo participa da definição de objetivos, percebe progresso e encontra significado social na atividade. A promessa de uma resposta instantânea pode enfraquecer a motivação quando elimina a experiência de construir competência. Mas pode fortalecê-la quando reduz uma barreira inicial e permite que alguém avance para tarefas antes inacessíveis.

Albert Bandura estudou a autoeficácia: a convicção de que é possível executar ações necessárias a um resultado. Sucesso obtido por esforço e feedback pode reforçar essa percepção. Receber um produto pronto sem compreender seu processo não fornece necessariamente a mesma experiência. Mihaly Csikszentmihalyi descreveu estados de *flow* associados ao equilíbrio entre desafio e habilidade. Não se trata de defender sofrimento gratuito: tarefas fáceis demais desmobilizam, enquanto desafios impossíveis podem gerar desistência. O ponto produtivo é preservar dificuldades que possam ser superadas.

A economia da atenção acrescenta incentivos externos. Interfaces digitais competem pelo tempo mediante atualizações constantes, recomendações personalizadas e recompensas rápidas. A atenção destinada a ler um livro, estudar circuitos ou praticar escalas musicais tem retorno lento, incerto e frequentemente privado. O entretenimento oferece retorno imediato e mensurável. Entretanto, atribuir qualquer perda de concentração à dopamina constitui simplificação neurobiológica: a relação entre recompensa, hábito e atenção não pode ser reduzida a uma substância nem a um diagnóstico geracional.

O interesse pelo aprendizado depende também de segurança econômica, sono, alimentação, ambiente familiar, acesso a professores e expectativas plausíveis de futuro. Alunos obrigados a trabalhar, submetidos à violência ou privados de oportunidades não podem ser explicados pela categoria moral de preguiça. A tecnologia pode agravar desigualdades preexistentes, mas não as criou.

## 7. Descarregamento cognitivo: produzir melhor não é necessariamente aprender mais

A literatura sobre *cognitive offloading* descreve o uso de recursos externos para reduzir o esforço de memória e processamento. Anotações, calendários e calculadoras também executam essa função. A externalização pode liberar recursos para problemas difíceis ou impedir o exercício de habilidades básicas; o resultado depende de quais processos são delegados e de como a pessoa usa o tempo recuperado.

Uma pesquisa apresentada no CHI 2025, envolvendo 319 trabalhadores do conhecimento e 936 exemplos de tarefas, encontrou associação entre maior confiança na IA e menor exercício autodeclarado de pensamento crítico. O mesmo estudo observou deslocamento do esforço para verificação de informações, integração de respostas e supervisão. Como os dados são principalmente relatos de participantes, não demonstram que a ferramenta tenha produzido perda permanente de capacidade. [3]

Uma pesquisa exploratória do MIT sobre produção de ensaios, inicialmente divulgada como pré-publicação em 2025, acompanhou 54 participantes nas três primeiras sessões e 18 numa quarta. Registrou diferenças em medidas de conectividade eletroencefalográfica, recordação e apropriação do texto entre condições de escrita com IA, busca e sem ferramentas. A amostra pequena, a tarefa específica e as limitações de interpretação de EEG impedem extrapolar esse resultado para o cérebro de uma geração inteira. [4]

Há evidência educacional em direções opostas. Uma experiência controlada publicada em 2025 por Kestin e colaboradores encontrou maior aprendizagem em menor tempo com um tutor de IA projetado com princípios pedagógicos, em comparação com uma modalidade presencial de aprendizagem ativa, no contexto estudado. Já um trabalho experimental divulgado em outubro de 2026, com 2.379 universitários, identificou queda em notas finais e participação em ambientes de aprendizagem nas turmas com acesso a um tutor integrado, particularmente preocupante para alunos de primeira geração. Trata-se de estudo de trabalho ainda sujeito a avaliação adicional, e as intervenções não são equivalentes. [5][6]

A OCDE sintetizou essa tensão em seu *Digital Education Outlook 2026*: produzir respostas superiores com IA genérica pode não produzir ganhos persistentes quando a ferramenta é retirada; sistemas pedagogicamente desenhados, porém, podem auxiliar a aprendizagem. A variável crucial deixa de ser apenas ter acesso à IA e passa a ser **se o aluno continua praticando aquilo que se pretende que aprenda**. [7]

## 8. Escolas, universidades e cursos técnicos: o que perde valor e o que permanece escasso

A educação formal oferece mais do que a entrega de informações. Uma escola ensina convivência, linguagem, persistência, regras compartilhadas e competências elementares. A universidade concentra formação avançada, laboratórios, pesquisa, redes profissionais, avaliação por pares e acesso a profissões reguladas. Cursos técnicos oferecem práticas com máquinas, redes elétricas, sistemas mecânicos, instrumentos e procedimentos de segurança. Todos podem falhar em seus objetivos; nenhum se reduz a um conjunto de respostas textuais.

Quando um chatbot explica uma integral em segundos, o estudante pode perguntar por que cursar cálculo. A resposta econômica depende do que pretende fazer com o conhecimento. Se quiser apenas um número, a execução externa pode bastar. Se precisar projetar uma ponte, avaliar uma falha, demonstrar uma propriedade matemática ou descobrir uma inconsistência no cálculo da máquina, o domínio conceitual permanece indispensável. Em atividades sujeitas a risco físico, legal ou financeiro, confiar numa resposta sem compreender limites e pressupostos pode ser mais caro do que estudar.

Há, contudo, uma crise potencial das credenciais. Se trabalhos escritos, exercícios e códigos podem ser gerados sem compreensão, notas baseadas apenas nas entregas deixam de informar com precisão o que o aluno sabe. Universidades podem reagir com exames orais, projetos práticos, avaliação contínua, defesa de decisões, experimentos de laboratório e tarefas realizadas sem assistência. Isso exige investimento docente e reduz a viabilidade de modelos educacionais baseados em escala e correção automática.

No *Education at a Glance 2025*, a OCDE encontrou rendimentos médios 54% maiores entre trabalhadores com ensino superior do que entre aqueles com ensino médio completo, nas populações e definições comparadas. No Brasil, a diferença observada superava 140%. Esses números são associações de rendimentos e composições ocupacionais; não representam retorno causal garantido para qualquer diploma individual. Ainda assim, desmentem a afirmação de que estudar já deixou de ter valor econômico. [8]

A pergunta de longo prazo é mais difícil: o prêmio salarial decorre da capacidade realmente adquirida, do sinal emitido pelo diploma, das redes de relacionamento ou de restrições de entrada em profissões? Se softwares reduzirem a remuneração de tarefas antes exclusivas de diplomados, parte dos retornos pode cair. Se a IA ampliar a produtividade de especialistas capazes de supervisioná-la, outra parte pode aumentar. A valorização relativa de formações técnicas também dependerá de robótica, infraestrutura, licenciamento profissional e disposição social a pagar por trabalho seguro e presencial.

## 9. O desaparecimento do aprendiz: uma falha de transmissão entre gerações

Especialistas não surgem apenas de livros. Médicos aprendem com casos e supervisão; engenheiros com projetos, revisões e falhas; programadores com manutenção, depuração e correções; técnicos com observação, diagnóstico e repetição. Muitas das tarefas consideradas simples sustentam a formação que permite assumir responsabilidades complexas.

Uma empresa pode automatizar trabalho de entrada e manter profissionais experientes. No curto prazo, reduz custos. No longo prazo, se deixar de contratar e supervisionar iniciantes, perde a fonte de seus futuros especialistas. O problema não aparece imediatamente nas estatísticas de emprego agregado: a companhia pode apresentar produtividade maior enquanto consome um estoque de conhecimento formado em gerações anteriores.

A Organização Internacional do Trabalho estimou em 2025 que cerca de um quarto dos trabalhadores globais está em ocupações com alguma exposição à IA generativa, enfatizando que a maior parte dessas ocupações tende a ser transformada, não simplesmente eliminada. O FMI estimou em 2024 que aproximadamente 40% do emprego mundial possui exposição em uma medida diferente. Esses percentuais não medem demissões, não compartilham a mesma metodologia e não podem ser somados. [9][10]

David Autor propôs uma leitura oposta ao fatalismo: a IA poderia distribuir decisões complexas entre profissionais com conhecimentos complementares, aumentando oportunidades de ocupações intermediárias. Daron Acemoglu advertiu que ganhos macroeconômicos dependerão de tarefas realmente automatizáveis, custos e complementaridades, e não apenas de expectativas comerciais. O cenário de erosão do aprendizado profissional é possível, mas não está estabelecido como resultado agregado inevitável. [11][12]

## 10. A economia política do desinteresse: retornos, salários e propriedade

O esforço para adquirir habilidades constitui investimento em capital humano. Seu retorno depende de salários futuros, satisfação pessoal, possibilidade de empreender, mobilidade e segurança. O custo inclui tempo, mensalidades, materiais, renda sacrificada e risco de fracasso. Quando a tecnologia altera a remuneração esperada de uma competência, muda o cálculo econômico mesmo de indivíduos plenamente disciplinados.

Se a IA reproduz com baixo custo tarefas de escrita comercial, a disposição de pagar por certas formas de treinamento pode diminuir. Se amplia a demanda por verificação, integração, eletricidade, engenharia de produção e avaliação de risco, o incentivo para aprender essas funções pode crescer. Em alguns setores, a abundância de conteúdo torna escassos a confiança, a responsabilidade legal, os dados exclusivos e o julgamento que se constrói com experiência.

O poder de mercado altera a distribuição desses efeitos. Empresas proprietárias de modelos, chips, nuvem, plataformas de distribuição e bases de dados podem receber lucros e tarifas mesmo quando os usuários executam menos trabalho intelectual. Se uma parcela crescente da renda se concentra nos proprietários dos sistemas, famílias sem patrimônio podem depender mais de transferências, de empregos complementares ou de serviços públicos. Isso não prova uma sociedade sem trabalho; mostra que produtividade e renda são perguntas distintas.

A automação pode também reduzir preços, abrir atividades econômicas e aumentar a demanda total. O argumento de que todo ganho de eficiência necessariamente elimina postos ignora expansão de mercado, novas tarefas e mudanças no consumo. Por outro lado, a ideia de que novas ocupações sempre compensarão perdas na mesma região, geração e faixa salarial ignora custos de transição e diferentes velocidades de adaptação.

Em termos políticos, o desinteresse pode tornar-se uma resposta racional a incentivos deteriorados. Não é preciso que jovens desprezem o saber: basta acreditarem, com base em sinais de contratação e salários, que anos de formação não serão recompensados. A resposta institucional não pode se limitar a campanhas morais em favor do esforço. Precisa preservar caminhos efetivos de mobilidade, aprendizagem profissional, concorrência e participação nos ganhos de produtividade.

## 11. O Brasil diante de uma educação desigual e da automação cognitiva

A vulnerabilidade brasileira não nasce com a IA. No PISA 2025, 28% dos estudantes brasileiros alcançaram pelo menos o nível 2 em matemática, contra 65% na média da OCDE. Em leitura, os percentuais foram 49% e 69%. A diferença reflete desigualdades de aprendizagem e condições escolares acumuladas; não é evidência de que ferramentas generativas tenham causado o problema. As pontuações médias brasileiras permaneceram aproximadamente estáveis entre 2022 e 2025. [13]

```chart
type: bar
title: Estudantes com nível mínimo de proficiência em matemática, PISA 2025
unit: % dos estudantes de 15 anos
Brasil | 28
Média OCDE | 65
```

Fonte: OCDE, PISA 2025, nota Brasil [13]. Comparação internacional de proficiência, não efeito causal da IA.

Uma interpretação exclusivamente pessimista seria incompleta. O mesmo PISA informa que 72% dos estudantes brasileiros declararam curiosidade por muitos assuntos, praticamente a média da OCDE, de 73%. Cerca de 59% relataram esforço adicional diante de desafios, contra 60% na média da organização. E 16% declararam considerar a escola perda de tempo, abaixo dos 24% da OCDE; a proporção brasileira caiu 6,9 pontos percentuais entre 2022 e 2025. Uma sociedade com baixos resultados não é necessariamente uma sociedade que despreza aprender. [13]

| Indicador, PISA 2025 | Brasil | Média OCDE | Alcance da observação |
| --- | ---: | ---: | --- |
| Nível 2 ou superior em matemática | 28% | 65% | Proficiência mínima na avaliação |
| Nível 2 ou superior em leitura | 49% | 69% | Proficiência mínima na avaliação |
| Curiosidade sobre muitos assuntos | 72% | 73% | Autodeclaração de estudantes |
| Esforço adicional quando desafiado | 59% | 60% | Autodeclaração de estudantes |
| Escola considerada perda de tempo | 16% | 24% | Autodeclaração de estudantes |
| Uso semanal de chatbots para ajudar a aprender | 48% | 46% | Autodeclaração de estudantes |

Fonte: OCDE, nota do Brasil, PISA 2025 [13]. Indicadores de proficiência e atitudes pertencem a instrumentos diferentes; os percentuais não constituem um índice único de desinteresse nem estabelecem causalidade.

```chart
type: bar
title: Estudantes que consideram a escola perda de tempo, PISA 2025
unit: % dos estudantes de 15 anos
Brasil | 16
Média OCDE | 24
```

Fonte: OCDE, PISA 2025, nota Brasil [13]. Autodeclaração; não equivale a comportamento ou proficiência.

O fato de 48% dos estudantes brasileiros declararem usar chatbots pelo menos semanalmente para aprender torna urgente testar o que acontece sem ferramentas. A IA pode ampliar o acesso a explicações e exercícios em cidades que não dispõem de professores especializados; também pode produzir certificados sem domínio. O Brasil precisa evitar ambos os simplismos: imaginar que tecnologias dispensarão a escola e supor que proibições generalizadas resolverão a baixa aprendizagem.

Cursos de eletrotécnica, enfermagem, manutenção, mecânica, automação e outras formações práticas dependem de instalações, instrumentos e segurança. Uma simulação pode ajudar a aprender, mas não substitui automaticamente a capacidade de realizar uma medição, identificar um componente defeituoso ou assumir responsabilidade numa operação. A vantagem nacional dependerá de integrar ferramentas de IA a formação fundamental e prática supervisionada, sem degradar a própria capacidade de fazer e verificar.

```map
title: Onde foram obtidas as evidências sobre aprendizagem e trabalho
Brasil | PISA 2025: 28% atingem a proficiência básica em matemática | Pesquisa nacional da OCDE; não identifica efeito da IA
Estados Unidos | Experimentos universitários com tutores de IA tiveram resultados divergentes | Intervenções distintas; resultados não representam o país inteiro
Mundo | OIT estima um em cada quatro trabalhadores em ocupação com alguma exposição à IA generativa | Exposição ocupacional não mede desemprego nem interesse por estudar
```

O contraste geográfico não estabelece uma classificação mundial de perda de aprendizagem causada pela IA. Identifica pesquisas com populações, medidas e desenhos causais diferentes [5][6][9][13].

## 12. A política da ignorância confortável

Democracias pressupõem uma população capaz de avaliar promessas, confrontar versões dos fatos, reconhecer interesses e responsabilizar governantes. Nunca exigiram que todos fossem especialistas. Exigem, porém, instituições intermediárias — imprensa, escolas, tribunais, universidades, organismos técnicos, associações e administração pública — capazes de produzir conhecimento discutível e verificável.

Quando a informação se torna barata e abundante, a atenção humana e a capacidade de julgar podem tornar-se recursos ainda mais escassos. Campanhas políticas podem produzir milhões de versões de mensagens adaptadas a públicos distintos; plataformas podem personalizar argumentos, imagens e emoções; governos podem usar sistemas automáticos para decidir benefícios, prioridades e fiscalização. A possibilidade técnica de automação não implica que essas práticas sejam universais ou inevitáveis. A preocupação institucional está na assimetria entre quem projeta sistemas, quem obtém dados e quem recebe decisões.

A terceirização do julgamento também pode ocorrer no Estado. Uma repartição que contrata software sem equipe capaz de auditar critérios pode perder autonomia administrativa. Quando decisões precisam ser justificadas em linguagem acessível, o direito ao recurso exige pessoas com conhecimento suficiente para explicar erros. Sem essa capacidade, a responsabilidade formal continua humana, mas o controle efetivo migra para fornecedores.

A disputa não se resolve com uma oposição simplista entre democracia e tecnologia. Sistemas públicos bem avaliados podem aumentar transparência, identificar fraudes, traduzir documentos e oferecer serviços a populações distantes. O problema surge quando automatizar decisões reduz contestabilidade, ou quando economias orçamentárias de curto prazo desmantelam competências estatais difíceis de recompor.

## 13. Aceleração técnica e velocidade da formação humana

O aceleracionismo abriga tradições diferentes. Nick Land descreveu processos de autoamplificação do capitalismo e da tecnologia; Williams e Srnicek defenderam uma orientação política de esquerda para mobilizar capacidades técnicas e superar limitações de relações sociais existentes; correntes contemporâneas de aceleração efetiva enfatizam inovação, competição e expansão da capacidade tecnológica. Essas posições não formam uma única doutrina e não respondem da mesma maneira à educação ou ao trabalho.

Em todas elas surge um conflito temporal: modelos e infraestrutura digital podem mudar em meses, enquanto formar um médico, um engenheiro, um pesquisador ou uma cultura institucional de julgamento exige anos. O ritmo de criação de respostas pode superar o ritmo de formação dos responsáveis por verificá-las. A teoria de uma nova Idade das Trevas tecnológica não depende de uma conspiração para embrutecer a população. Ela pode emergir de decisões descentralizadas: estudantes otimizam notas, empresas cortam treinamento, universidades reduzem custos, governos compram soluções prontas e plataformas ampliam a facilidade de uso.

```flow
Redução do custo de obter respostas → menor necessidade percebida de aprender certas tarefas → menor prática independente, se a avaliação só premia entregas → competências menos exercitadas → maior necessidade de assistência
Automação do trabalho inicial → menos oportunidades de aprendizagem supervisionada, se não houver substitutos → menor formação de especialistas → dependência futura de fornecedores e profissionais escassos
Tutoria que exige explicação e prática → feedback verificável → aprendizagem retida sem ferramenta → autonomia ampliada
```

O mecanismo apresenta retroalimentação possível, não uma lei histórica. Se uma escola avalia compreensão independente, o aluno conserva incentivo para estudar. Se uma empresa mede a qualidade de decisões e financia aprendizagem supervisionada, o ganho tecnológico pode acelerar a formação. Se usuários conseguem inspecionar modelos, transferir dados e mudar de fornecedor, o conhecimento técnico pode se difundir em vez de se concentrar. A política institucional altera a direção do processo.

## 14. Uma aristocracia cognitiva em uma economia de respostas abundantes

Desigualdade digital não se limita ao acesso à internet ou ao preço de uma assinatura. Duas pessoas podem usar a mesma ferramenta e receber resultados sociais diferentes. Quem domina matemática, estatística, programação, escrita, história e métodos de verificação consegue formular melhores problemas, reconhecer ambiguidades e interpretar erros. Quem não possui essas competências pode aceitar a primeira resposta plausível.

Se os sistemas de educação se organizarem em dois regimes, o risco se agravará. Em um, estudantes com recursos terão professores, laboratórios, mentores, leitura longa, matemática rigorosa, instrumentos e avaliação própria, usando IA como extensão de competências. No outro, estudantes com menos recursos receberão produção automática de conteúdo, plataformas com baixo custo de supervisão e certificados que atestam presença, não domínio. A tecnologia será idêntica em aparência e radicalmente diferente em função.

Essa divisão pode produzir uma aristocracia cognitiva não determinada por talento natural, mas por acesso a experiências de formação exigentes. O paradoxo é que ferramentas anunciadas como democratização do conhecimento poderiam consolidar desigualdades se os grupos mais privilegiados preservassem o esforço enquanto os demais fossem convidados a substituí-lo por conveniência.

Há, porém, um caminho contrário: sistemas de tutoria acessíveis, abertos e pedagogicamente testados podem reduzir a escassez de atenção docente individual; tradução em tempo real pode ajudar alunos antes excluídos; apoio à deficiência pode ampliar autonomia. O efeito distributivo depende de desenho, avaliação, infraestrutura e governança, não de uma propriedade metafísica da IA.

## 15. Música, esporte e ofícios: o valor de fazer quando já não é necessário fazer

O xadrez oferece uma experiência histórica reveladora. Máquinas já superam há muito tempo a capacidade dos maiores enxadristas, mas continuam existindo partidas, clubes, estudos e torneios humanos. Seu valor não reside em produzir o lance matematicamente mais forte possível, e sim na experiência de um ser humano enfrentar outro, construir padrões e sustentar decisões sob pressão.

O músico atravessa situação semelhante. A IA pode gerar harmonias, sons, solos e canções sem que alguém aprenda um instrumento. Porém, tocar guitarra modifica coordenação motora, escuta, percepção temporal e relação com outras pessoas. O som final é parte do valor; o restante está no processo. Um instrumento automático pode executar uma passagem com precisão superior, mas não vivencia esforço, história pessoal e presença social como um músico humano. Não é preciso afirmar que performances humanas nunca serão substituídas comercialmente para reconhecer sua importância pessoal e cultural.

O mesmo vale para desenhar, construir móveis, cozinhar, correr, programar por curiosidade ou estudar uma língua sem exigência profissional. Em uma economia de abundância, atividades podem sobreviver porque as pessoas querem realizá-las. O perigo não é a obsolescência econômica de toda habilidade; é uma cultura que passa a julgar atividades humanas apenas pelo custo de reproduzir seu produto final.

A possibilidade mais fértil de automação não é abolir o esforço, mas abolir esforços estéreis e reservar tempo para experiências formadoras. Isso exige uma ideia de progresso diferente da maximização de entregas: uma sociedade próspera deveria ter mais condições para as pessoas aprenderem a fazer aquilo que desejam, não menos razões para tentar.

## 16. Três futuros de 2027 a 2040: erosão, divisão ou florescimento

| Trajetória | Educação e competências | Trabalho e renda | Instituições e poder | Evidência que a enfraqueceria |
| --- | --- | --- | --- | --- |
| Erosão dependente | Melhores entregas assistidas, pior desempenho independente; menos repetição supervisionada | Economia de custos acompanhada de redução persistente da entrada profissional | Dependência de fornecedores e baixa capacidade de auditoria | Ganhos duradouros em provas sem IA, contratação de aprendizes e capacidade pública de revisão |
| Dualização cognitiva | Formação rigorosa concentrada, assistência automática substituindo parte do ensino para grupos vulneráveis | Prêmio crescente para conhecimento de verificação e patrimônio tecnológico | Desigualdade de participação e decisão | Redução de lacunas socioeconômicas com tutoria acessível e aprendizagem verificada |
| Complementaridade difundida | Tutoria guiada, avaliação de competência, mais prática e criatividade | Produtividade com novos ofícios, jornadas negociadas e oportunidades de ingresso | Ferramentas interoperáveis, contestabilidade e supervisão humana | Queda persistente da aprendizagem, concentração de ganhos e bloqueio da mobilidade |

Essas trajetórias são condicionais, não previsões com probabilidades mensuradas. Nos próximos seis meses, sinais úteis incluem regras de avaliação escolar, desenho dos tutores e indicadores de contratação de iniciantes. Em dois anos, será possível comparar retenção sem IA, programas de aprendizagem profissional, salários de entrada e continuidade dos estudos em instituições que adotaram políticas distintas. Em cinco anos, a questão central será se capacidade produtiva e conhecimento humano evoluíram juntos — ou se serviços cada vez mais sofisticados passaram a depender de um grupo cada vez menor de pessoas capazes de compreendê-los.

A primeira trajetória não exige que tudo piore: a produção econômica pode crescer enquanto a autonomia diminui. A segunda admite inovação e prosperidade agregadas acompanhadas por segregação cognitiva. A terceira não elimina conflito político nem necessidades de regulação; supõe que instituições decidam deliberadamente quais dificuldades devem continuar fazendo parte da aprendizagem.

## 17. A escolha política: preservar a capacidade de aprender

Proibir toda ferramenta de IA não recuperaria automaticamente a atenção, a qualidade escolar ou o investimento em treinamento. Entregar toda aprendizagem a plataformas também não resolveria essas deficiências. O objetivo verificável é que alunos saibam mais depois de utilizar instrumentos, que trabalhadores ampliem sua capacidade de decidir e que instituições mantenham competência suficiente para corrigir os sistemas dos quais dependem.

Escolas precisam distinguir resposta pronta de compreensão: provas sem assistência quando apropriadas, defesas orais, projetos experimentais, leitura sustentada, exercícios progressivos e tutoria que pergunta antes de responder. Universidades precisam manter pesquisa, laboratórios, discussão e supervisão; não apenas disputar custos com produtores automatizados de conteúdo. Empresas precisam preservar vias de ingresso e aprendizagem para que não consumam sem reposição seu estoque de especialistas. Governos precisam investir em capacidade própria de avaliar, contratar e contestar sistemas automatizados, inclusive quando soluções privadas são mais eficientes em tarefas específicas.

A aplicação dessas medidas depende de recursos e contextos desiguais. Professor sobrecarregado e estudante sem acesso a materiais não se beneficiam de slogans sobre disciplina. A política educacional precisa financiar formação docente, infraestrutura, tempo de estudo e avaliação independente de tecnologias pedagógicas. Direitos de acesso e recurso, transparência em sistemas públicos e regras concorrenciais podem impedir que a transferência de tarefas se converta automaticamente em perda de controle.

Uma sociedade não entra em decadência apenas porque suas máquinas fazem mais. Entra em risco quando perde a vontade, as oportunidades e as instituições necessárias para formar pessoas capazes de compreender o que essas máquinas fazem. A possível Idade das Trevas do século XXI não seria um mundo sem respostas. Seria um mundo em que quase tudo parece respondido, poucos continuam fazendo perguntas difíceis e menos pessoas ainda sabem descobrir quando a resposta está errada.

## Fontes e referências

[1] Sony Pictures, *Click* (2006), sinopse oficial: https://www.sonypictures.com/movies/click

[2] Theodore Dalrymple, *Podres de mimados* (*Spoilt Rotten: The Toxic Cult of Sentimentality*), edição brasileira É Realizações; dados bibliográficos e apresentação: https://www.inaeditora.com.br/produtos/podres-de-mimados/

[3] Lee, H.-P. e colaboradores, “The Impact of Generative AI on Critical Thinking”, *CHI 2025*: https://www.microsoft.com/en-us/research/publication/the-impact-of-generative-ai-on-critical-thinking-self-reported-reductions-in-cognitive-effort-and-confidence-effects-from-a-survey-of-knowledge-workers/

[4] Kosmyna, N. e colaboradores, *Your Brain on ChatGPT*, pré-publicação, 2025: https://arxiv.org/abs/2506.08872

[5] Kestin, G. e colaboradores, “AI tutoring outperforms in-class active learning”, *Scientific Reports*, 3 jun. 2025: https://doi.org/10.1038/s41598-025-97652-6

[6] Liu, J. e colaboradores, *The Effects of Course-Integrated AI Tutoring on Student Performance and Engagement*, EdWorkingPaper, outubro de 2026: https://doi.org/10.26300/y3f8-vh05

[7] OCDE, *Digital Education Outlook 2026*: https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html

[8] OCDE, *Education at a Glance 2025*, rendimentos por escolaridade: https://www.oecd.org/en/publications/education-at-a-glance-2025_1c0d9c79-en/full-report/what-are-the-earnings-advantages-to-education_7a7e64e0.html

[9] OIT, *Generative AI and jobs: A 2025 update*, 20 mai. 2025: https://www.ilo.org/publications/generative-ai-and-jobs-2025-update

[10] FMI, *Gen-AI: Artificial Intelligence and the Future of Work*, jan. 2024: https://www.elibrary.imf.org/view/journals/006/2024/001/article-A001-en.xml

[11] David Autor, *Applying AI to Rebuild Middle Class Jobs*, NBER 32140, 2024: https://www.nber.org/papers/w32140

[12] Daron Acemoglu, “The Simple Macroeconomics of AI”, *Economic Policy* 40(121), 2025: https://academic.oup.com/economicpolicy/article-abstract/40/121/13/7728473

[13] OCDE, *PISA 2025 — Brasil*, 8 set. 2026: https://www.oecd.org/pt/publications/resultdos-do-pisa-2025-volume-i_afb355f4-pt/brasil_c7e013c5-pt.html

[14] Stanford HAI, *AI Index Report 2026*, capítulos Education e Economy: https://hai.stanford.edu/ai-index/2026-ai-index-report

[15] OCDE, *PISA 2025 Results (Volume I)*, 8 set. 2026: https://www.oecd.org/en/publications/pisa-2025-results-volume-i_73451bc5-en/full-report/student-performance-in-pisa-2025_23e075c2.html

[16] UNESCO, *Guidance for Generative AI in Education and Research*, 2023, atualização 2026: https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

**Bibliografia intelectual:** Platão, *Fedro*; Karl Marx, *O capital*, livro I; Jacques Ellul, *La Technique ou l'enjeu du siècle* (1954); Hannah Arendt, *A condição humana* (1958); Ivan Illich, *Tools for Conviviality* (1973); Neil Postman, *Technopoly* (1992); Bernard Stiegler, *Technics and Time* e obras sobre a proletarização do saber; Theodore Dalrymple, *Spoilt Rotten* (2010); Richard Sennett, *The Craftsman* (2008); Matthew B. Crawford, *Shop Class as Soulcraft* (2009); Edward Deci e Richard Ryan, teoria da autodeterminação; Albert Bandura, estudos sobre autoeficácia; Mihaly Csikszentmihalyi, *Flow*; David Autor, economia das tarefas e do trabalho; Daron Acemoglu, economia da automação. As obras conceituais não constituem medições dos efeitos de IA em 2026.