Criatividade na Inteligência Artificial: estudantes, educação e homogeneização
Inteligência Artificial já faz parte da rotina de estudos em faculdades de ponta como Yale e Bard College, e isso está mudando de forma profunda a maneira como os alunos falam em aula e como os professores avaliam o que eles sabem de verdade. A reportagem original da CNN mostra um quadro bem claro: seminários que antes eram cheios de opiniões diferentes agora soam como um grande coro em uníssono. O vocabulário é mais bonito, os argumentos são mais polidos, mas a originalidade dá lugar a respostas que parecem sair todas do mesmo lugar: um chatbot.
Em turmas pequenas, a cena é repetida. Enquanto o professor faz uma pergunta sobre a leitura do dia, alguns colegas abaixam os olhos para o notebook e começam a digitar no chat de IA, na tentativa de gerar, na hora, uma fala articulada. A resposta até vem com uma cara de análise sofisticada, mas, na prática, tende a repetir os mesmos enquadramentos e estruturas de raciocínio. O que deveria ser um debate vivo vira quase uma sequência de mini ensaios padronizados, que soam corretos, porém pouco conectados com a experiência própria de cada estudante.
Pesquisas recentes em ciências cognitivas reforçam essa percepção. Estudos citados na reportagem mostram que grandes modelos de linguagem vêm homogeneizando a forma como a gente escreve, argumenta e até pensa, em três frentes principais: linguagem, perspectiva e estratégias de raciocínio. E isso não é só um detalhe técnico. Quando todo mundo começa a se apoiar nesses mesmos modelos para formular ideias, a diversidade de pensamento que antes surgia naturalmente em sala de aula começa a encolher.
Como a IA está deixando os debates mais parecidos
Um dos efeitos mais visíveis é o jeito como os alunos falam e escrevem. Professores descrevem um padrão: trabalhos diferentes, de pessoas completamente distintas, passam a ter o mesmo tom neutro, a mesma estrutura de parágrafos e argumentação, o mesmo tipo de introdução e conclusão. Aquele traço pessoal de linguagem, com construções curiosas, referências fora do comum e até alguns deslizes típicos de quem ainda está aprendendo, vai sumindo.
De acordo com o estudo citado pela CNN, isso não acontece por acaso. Os modelos são treinados para prever a próxima palavra mais provável, com base em um volume gigantesco de textos. Como esse material tende a privilegiar idiomas, culturas e visões de mundo dominantes, as respostas acabam refletindo um recorte estreito e enviesado do que é produzido pela humanidade. Os pesquisadores chamam isso de reforço de pontos de vista WEIRD – sigla em inglês para ocidental, educado, industrializado, rico e democrático.
Na prática, quando um estudante joga o PDF da aula no chatbot e pede uma síntese, uma análise ou uma fala pronta para usar no seminário, ele não recebe só ajuda com a forma. Ele importa, de quebra, uma certa maneira de olhar para o tema. Com o tempo, se toda a turma faz isso, as perspectivas alternativas – mais locais, mais intuitivas, mais ligadas à própria vivência – vão perdendo espaço. O resultado é essa sensação de que, como relatou uma aluna de Yale, “todo mundo agora meio que soa igual”.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Quando até o raciocínio fica padronizado
Não é só o texto que entra nesse modo genérico. A forma de raciocinar também começa a seguir trilhas muito parecidas. Ferramentas de IA estão cada vez mais treinadas para exibir cadeias passo a passo de lógica, explicando “como chegaram” à resposta. Isso é ótimo para clareza, mas pode ir sufocando outros jeitos de pensar: mais intuitivos, mais visuais, mais conectados a repertórios culturais específicos.
Pesquisadores citados no artigo alertam que, se um grupo interage repetidamente com esses sistemas, a criatividade coletiva tende a achatar em comparação com o mesmo grupo trabalhando sem IA. Em vez de explorar múltiplas rotas para chegar a uma ideia, alunos passam a se apoiar nas mesmas estratégias que o modelo usa, reduzindo a variedade de caminhos mentais.
O impacto concreto na sala de aula
Nas universidades retratadas pela CNN, esse efeito já virou problema prático. Em seminários de economia, por exemplo, alunos contam que, logo antes de começar a aula, quase todos colocam os PDFs das leituras em um chatbot e pedem resumos, mapas de argumento ou possíveis respostas para perguntas típicas do professor. Quando chega a hora do debate, tecnicamente ninguém está completamente perdido, mas quase todo mundo arma sua fala em cima do mesmo pacote de interpretações.
Professores relatam uma mistura estranha: o “piso” da participação subiu – poucas pessoas falam bobagem completa –, mas o “teto” criativo baixou. Ideias esquisitas, conexões inesperadas e comentários que fogem do senso comum aparecem bem menos. Um dos docentes entrevistados descreve isso como o desaparecimento do pensamento “estranho, excêntrico e original” que, antes, costumava surgir até dos alunos que não eram os mais brilhantes em termos formais, mas tinham intuição forte e coragem de arriscar.
Isso afeta também a forma de avaliar. Em muitas disciplinas, trabalhos para casa deixaram de ser um reflexo confiável do que o estudante realmente sabe. A mesma redação impecável que impressiona no papel pode, na verdade, ter sido construída com forte dependência da IA. E, como os modelos conseguem responder praticamente qualquer pergunta de prova aberta, fica difícil identificar quando o aluno apenas virou um bom “operador de prompt”.
A frustração de quem evita a IA
Nem todo mundo embarca de cabeça nesse uso massivo. Alguns estudantes, como os citados em Yale e Bard, evitam recorrer à IA justamente por medo de perder sua própria voz. Eles relatam um incômodo duplo: de um lado, a preocupação com o impacto ambiental do uso intensivo de modelos gigantes; de outro, a sensação de que sua experiência em sala é prejudicada quando colegas usam chatbots para ocupar o tempo de discussão com falas genéricas.
Uma aluna descreve a preferência por admitir que não entendeu certo texto, em vez de fingir compreensão com uma fala perfeita gerada pelo modelo. Para ela, a chave da formação está em se envolver de verdade com a leitura, conectar o material com a própria história e construir senso crítico. Quando isso é trocado por um discurso pronto, a discussão deixa de ser aprofundada e vira algo burocrático, que só cumpre tabela.
Como os professores estão reagindo
Diante desse cenário, docentes de diferentes áreas começaram a redesenhar disciplinas, avaliações e regras de uso de IA. Em Yale, por exemplo, há orientações institucionais que deixam claro que ferramentas generativas podem ou não ser usadas dependendo de cada curso, e que detectores automáticos de IA não são confiáveis o bastante para servirem como base de punição.
Algumas tendências aparecem com força:
- Menos laptops em sala: muitos professores têm limitado ou até proibido o uso de computadores em determinados encontros, priorizando leitura em papel, anotações à mão e discussões olho no olho.
- Avaliações presenciais: cresce o peso de provas em classe, redações escritas na hora, apresentações e avaliações orais, em que o professor pode ver, em tempo real, como o estudante formula suas ideias.
- Problemas reutilizados: alguns cursos de lógica, computabilidade e áreas técnicas passaram a transformar listas de exercícios em bancos de questões para provas presenciais. O aluno pode até recorrer à IA no dever de casa, mas, na hora da prova, terá que resolver variações parecidas sem ajuda.
- Feedback em vez de nota em tarefas de casa: para reduzir a tentação de terceirizar tudo, certos docentes passaram a atribuir peso menor aos trabalhos entregues fora de sala, usando-os mais como base de correção e orientação do que como nota decisiva.
Há também quem tenha adotado exames orais individuais, prática que alguns professores já usavam antes mesmo da onda de IA generativa. Nesses encontros, o aluno precisa explicar soluções, defender raciocínios e responder a perguntas inesperadas. É um formato trabalhoso, mas que torna muito mais difícil esconder o nível real de compreensão atrás de um texto fabricado.
Da proibição ao uso guiado
Nem todos vão pelo caminho da proibição. Alguns pesquisadores defendem um uso mais sofisticado da IA, posicionando o modelo como colaborador, não como substituto do pensamento humano. Em vez de pedir que a ferramenta escreva redações inteiras, por exemplo, usam-na para:
- testar a consistência de argumentos já elaborados pelo próprio aluno;
- apontar possíveis falhas lógicas ou contradições;
- gerar contra-argumentos que o estudante precisa rebater;
- sugerir referências adicionais que depois serão checadas de forma crítica.
Nessa abordagem, a IA vira uma espécie de espelho e sparring intelectual, ajudando a refinar ideias originais em vez de fornecê-las prontas. O estudante continua sendo autor, mas ganha um parceiro para tensionar e expandir o próprio raciocínio. O ponto de atenção, reforçado por especialistas, é justamente evitar que o modelo passe a ser usado para criar o núcleo das ideias – ou até para indicar em quem votar, o que alguns relataram, e que os pesquisadores consideram bem preocupante.
Riscos de longo prazo para a diversidade de pensamento
A grande preocupação dos estudiosos que aparecem na matéria não é só com as tarefas de hoje, mas com o efeito acumulado dessa dependência em uma geração que está aprendendo a pensar. Se, durante anos de formação, alunos terceirizam leitura, síntese, análise e até tomada de decisão, existe o risco real de perderem a prática do esforço cognitivo contínuo. E, sem essa musculatura mental, fica difícil inovar, questionar ideias dominantes e formular críticas a narrativas prontas, inclusive políticas.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Há também um efeito de retroalimentação. Quanto mais as pessoas usam IA para escrever textos, fazer resumos e estruturar argumentos, mais esses conteúdos acabam voltando para a internet e, com o tempo, para os dados de treinamento da próxima geração de modelos. Isso tende a aumentar ainda mais a homogeneização da linguagem e das perspectivas, num ciclo em que a máquina aprende com a própria saída e vai reforçando seus padrões preferidos.
Em termos sociais, pesquisadores alertam para o risco de uma cultura intelectual menos diversa, em que modos de pensar não convencionais, estilos de escrita marginais e visões de mundo minoritárias vão sendo empurrados para fora do centro, não necessariamente por censura explícita, mas por uma mistura de conveniência tecnológica e preguiça mental.
Possíveis caminhos para preservar a criatividade
Se banir a IA do ambiente educacional não é realista, o desafio vira encontrar formas de conviver com ela sem sacrificar a originalidade. Alguns caminhos em discussão incluem:
- Desenhar perguntas que exigem experiência pessoal: tarefas que pedem conexão com vivências concretas, contextos locais ou trajetórias individuais são menos suscetíveis a respostas genéricas.
- Valorizar o processo, não só o produto: cobrar rascunhos, registros de raciocínio, versões intermediárias e reflexões sobre como o trabalho foi feito ajuda a separar quem realmente pensou de quem só refinou um texto pronto.
- Ensinar metacognição: incentivar o aluno a observar como pensa, quais estratégias usa, onde costuma travar e como a IA entra nesse fluxo, em vez de operar a ferramenta no piloto automático.
- Explorar outras formas de expressão: além do texto escrito, dar espaço para apresentações orais, protótipos, mapas, vídeos e projetos práticos, onde a voz pessoal e o improviso ainda têm peso grande.
Ao mesmo tempo, há uma expectativa de que empresas de tecnologia invistam em modelos capazes de refletir uma diversidade maior de estilos, contextos culturais e formas de raciocínio. Enquanto isso não acontece de forma ampla, a responsabilidade maior recai sobre escolas, universidades e, claro, sobre os próprios estudantes, que precisam decidir quando faz sentido usar a IA e quando vale mais a pena encarar o desconforto de pensar por conta própria.
No fim, o ponto central que atravessa o debate é simples, mas pesado: delegar tudo à máquina pode até deixar o texto mais bonito, mas tem um custo alto em termos de autonomia intelectual. A tecnologia pode ser uma parceira poderosa, desde que não vire o piloto automático do pensamento. O trabalho difícil – e ao mesmo tempo mais recompensador – continua sendo o de construir ideias próprias, tropeçar, revisar, discutir e melhorar. É aí que mora a parte mais rica da educação e é justamente aí que a criatividade precisa continuar viva, mesmo em um mundo tomado por modelos de linguagem gigantes.
