Artigo do prof. Dr. Marcelo Aves, coordenador do CEA, em sua coluna na Gazeta Mercantil Digital, publicado em 15/07/2026.
O professor Roberto Serrano leciona economia em Brown University (EUA) há 34 anos. Em março deste ano, pela primeira vez em sua carreira, decidiu aplicar a prova de meio de curso da disciplina ECON 1170 no formato take-home, ou seja, os alunos poderiam levar a prova para casa. O resultado foi imediatamente suspeito: a média histórica da turma, que costumava ficar entre 65 e 80 pontos, saltou para 96. Dos 86 alunos matriculados, 40 tiraram nota máxima.
Serrano deu à turma o benefício da dúvida. Anunciou que, se o desempenho na prova final — agora presencial — repetisse o padrão do meio de curso, ele manteria as notas. Se não repetisse, anularia o resultado anterior. O final saiu em maio: a média despencou para 48. Dos 86 alunos que fizeram a primeira prova, apenas 59 apareceram para a segunda. Vinte e dois dos que faltaram tinham tirado 100 no meio de curso. Vários dos presentes entregaram a folha em branco.
O caso, relatado por Serrano ao Chronicle of Higher Education, publicação especializada em ensino superior, é hoje descrito como um dos maiores escândalos recentes de cola da história das universidades de elite americanas, usando inteligência artificial. Mas o que torna a história relevante não é apenas o tamanho do escândalo — é a reação da instituição. Serrano formalizou o caso à reitoria e ao comitê de integridade acadêmica de Brown. Não recebeu resposta por dois meses. Quando finalmente cobrado, um decano pediu que ele produzisse um memorando individual para cada um dos cerca de 50 alunos suspeitos, um volume de trabalho que o próprio professor classificou como absurdo. Só depois que o caso ganhou repercussão na imprensa espanhola é que a universidade voltou a se manifestar.
Este episódio na Brown University não é um incidente isolado nem uma anedota sobre má-fé estudantil. É um sintoma de um problema que a educação superior ainda não resolveu: a IA generativa quebrou a equação que sustentava a avaliação acadêmica há séculos — a de que um texto entregue por um aluno é evidência do que esse aluno sabe ou aprendeu durante um curso.
A primeira pergunta que essa quebra levanta é a de autoria. Quando um estudante usa um assistente de IA para estruturar um argumento, resolver uma equação ou redigir um parágrafo, quem é o autor do trabalho final? A resposta não é simples. Há uma diferença real entre usar a IA como corretor ortográfico, como ela foi usada por muitos anos em outras ferramentas, e usar a IA para substituir o próprio raciocínio. O problema é que, do lado de fora, o texto entregue é muitas vezes indistinguível nos dois casos, mesmo com ferramentas que detectam o uso de IA, não é possível ignorar a evolução da IA, tornando obsoletas muitas destas ferramentas de detecção — e foi exatamente essa indistinguibilidade que traiu os alunos de Serrano: o mesmo argumento “convoluto” gerado pelo ChatGPT apareceu, palavra por palavra, em dezenas de provas independentes.
A segunda pergunta é prática e mais urgente: como avaliar alunos em um mundo em que qualquer tarefa de casa pode ser terceirizada a um modelo de linguagem em segundos? A resposta de Serrano foi radical, mas reveladora: voltar à prova presencial, sem consulta, sob supervisão. Funciona, mas é um retrocesso que ignora o motivo pelo qual ele havia adotado a prova em casa — a turma vinha de um tiroteio no campus em dezembro, que matou dois alunos, e muitos ainda tinham medo de estar fisicamente em sala. A solução técnica para o problema de integridade acadêmica entrou em conflito direto com uma necessidade humana real. Não existe formato de avaliação que resolva os dois problemas ao mesmo tempo, e isso deveria preocupar qualquer instituição que trate a questão como um mero ajuste de regras.
A terceira pergunta é a mais difícil de todas, e talvez a mais relevante para quem pensa o ensino superior: é inevitável que esses mesmos alunos vão usar IA todos os dias assim que começarem a trabalhar. Nenhuma empresa vai pedir que um analista resolva um problema sem as ferramentas que tem à disposição. Preparar alguém para esse ambiente profissional exige, em algum grau, treiná-lo para usar IA bem. Mas isso não pode significar abrir mão de avaliar se o aluno também sabe fazer o trabalho sem a ferramenta — porque é esse conhecimento de base que permite reconhecer quando a IA erra, o que ela faz com frequência maior do que os alunos de Serrano imaginavam.
A saída, ainda incompleta, provavelmente passa por separar dois tipos de avaliação em vez de tentar resolver os dois com o mesmo instrumento. Uma parte da formação — a que constrói raciocínio, domínio técnico e capacidade de julgamento — precisa continuar sendo avaliada sem apoio de IA, em ambiente controlado, porque é essa capacidade que permite usar a ferramenta com competência depois. Outra parte, voltada à aplicação profissional, pode e deve incorporar IA abertamente, avaliando não se o aluno chegou à resposta, mas se soube usar a ferramenta com critério, verificar o resultado e assumir a responsabilidade por ele.
Há um desafio mais sutil por trás disso. Para tirar o máximo proveito de uma ferramenta de IA, é preciso ter bagagem suficiente para julgar se a resposta que ela devolve faz sentido — e esse julgamento depende exatamente do tipo de domínio técnico que o atalho da IA pode impedir que se desenvolva. Como um estudante constrói essa base se pode terceirizar boa parte do exercício que a formaria? E como docentes e instituições atestam à sociedade que um diploma corresponde, de fato, a um conjunto mínimo de conhecimento? Certificar essa formação é uma das funções centrais da universidade. Quando essa capacidade se perde — e a confiança da sociedade junto com ela — fica muito mais difícil afirmar que um profissional formado sabe o que o diploma diz que ele sabe.
Esse colapso de confiança tem custo concreto, e o caso de Brown deixa isso claro. Roberto Serrano descreveu a reação da própria universidade como mais frustrante do que o episódio de cola em si — a sensação de lutar sozinho por um princípio que a instituição deveria defender por conta própria. Há também um argumento de mercado que interessa a qualquer leitor acostumado a pensar em valor e reputação: um diploma vale o que o mercado acredita que ele sinaliza sobre a capacidade de quem o carrega. Se universidades de prestígio começarem a formar, em escala, profissionais que não sabem produzir sem assistência, esse sinal se deteriora — e o mercado, mais cedo ou mais tarde, vai notar.
Nenhuma universidade brasileira está imune a essa mesma pressão. A diferença é que ainda há tempo de decidir, com mais clareza do que Brown teve, o que se está de fato avaliando quando se avalia um aluno.