Num mundo que discute a IA como se fosse oxigénio — algo que todos respiram naturalmente —, há uma pergunta que raramente aparece nas conferências de tecnologia: e quem não tem sequer acesso à internet? Foi exatamente esta a questão que abriu a sessão “GenAI Educacional em Áreas de Baixos e Médios Rendimentos”, integrada na Perspectiva de Educação Digital da OCDE 2026. E a resposta, como tantas vezes acontece, é mais incómoda do que qualquer solução tecnológica consegue resolver.

O dado que ficou na sala foi este: crianças em países de baixos rendimentos têm até 14 vezes menos probabilidade de ter acesso à internet em casa. Catorze vezes. Não é uma diferença de matiz — é um abismo. E o debate que se seguiu, moderado por Cristóbal Cobo, reuniu quatro vozes com experiência real no terreno: Paul Atherton (Fab AI), Seiji Isotani (Universidade da Pensilvânia), María Florencia Ripani, especialista em políticas, e Juan-Pablo Giraldo, da UNICEF. O que saiu desse encontro não foi uma lista de promessas. Foi um retrato honesto de um problema que ainda não tem dono.

O acesso não chega

É tentador pensar que o problema da exclusão digital se resolve com mais dispositivos e melhor cobertura de rede. Mas o debate desfez essa ilusão com alguma elegância. O acesso, como foi repetido várias vezes ao longo da sessão, não é suficiente. A questão é o que acontece depois de ligar o ecrã.

Seiji Isotani deu um exemplo que vale a pena guardar: a sua equipa conseguiu chegar a meio milhão de estudantes em todo o Brasil usando apenas um telemóvel de baixo custo e um painel de professores imprimível. Sem cloud. Sem banda larga. Sem infraestrutura sofisticada. Pequenos modelos de linguagem, desenhados para funcionar offline e em ambientes de largura de banda reduzida, podem ser a diferença entre incluir e excluir estruturalmente as comunidades que mais precisam da IA. A tecnologia não precisa de ser grandiosa para ser útil — precisa é de saber onde está a pisar.

O efeito Matthew e a armadilha da IA

Um dos conceitos mais poderosos que emergiu no debate foi o chamado Efeito Matthew (fenómeno em que os indivíduos com melhor desempenho e bases sólidas são os que mais beneficiam da tecnologia, exacerbando a desigualdade) aplicado à inteligência artificial: quem já sabe, aprende mais depressa com a IA; quem não sabe ler, fica bloqueado à porta. A IA generativa desbloqueia potencial — mas só para quem já tem alguma base para o reconhecer.

Isto tem uma implicação pedagógica séria. O objetivo da IA na educação deve ser o pensamento aumentado, não o pensamento terceirizado. Se um aluno delega todo o raciocínio à máquina, não está a aprender — está a copiar de uma fonte que fala muito bem e erra com muita confiança. E quando essa fonte erra em contextos de baixa literacia, o problema agrava-se: resultados alucinados podem passar despercebidos por estudantes que não têm ainda o quadro crítico para questionar o que soa fluente. A língua não é apenas língua — é cultura. E a localização da IA precisa de ir muito além da simples tradução de palavras.

O professor no centro — não na margem

Outro tema que atravessou toda a sessão foi o papel do professor. Há um equívoco persistente de que a IA serve sobretudo para planificar aulas. Na realidade, o uso mais frequente que os professores fazem da IA é a clarificação de conteúdo — perceber melhor o que estão a ensinar, encontrar outras formas de explicar um conceito difícil, adaptar materiais a contextos específicos.

Isto diz tudo. A IA deve servir para reduzir a carga administrativa e devolver tempo ao núcleo humano do ensino — a relação, o cuidado, a presença. Os professores não podem ser substituídos, e talvez mais importante: não devem. O perigo é que os ganhos de produtividade se tornem um pretexto para sobrecarregar ainda mais os docentes, em vez de os libertar. O modelo centrado no ser humano não pode ser assumido como garantido — tem de ser ativamente defendido contra a pressão do mercado.

As perguntas que ainda não têm resposta

O que tornou esta sessão particularmente valiosa foi a honestidade sobre o que ainda não sabemos. Cinco temas ficaram em aberto — e são os mais difíceis de resolver precisamente porque não dependem apenas de tecnologia.

Faltam evidências longitudinais em larga escala sobre se a IA generativa melhora de facto os resultados de aprendizagem em regiões carentes. Faltam respostas claras sobre soberania de dados: quem é o dono dos dados dos alunos do Sul Global quando estes interagem com modelos proprietários desenvolvidos no Norte? E existe uma tensão real entre a agilidade que a adoção tecnológica exige e a burocracia sistémica das escolas — ciclos de procurement, regras orçamentais, políticas de propriedade de ativos — que foram construídas numa lógica de fábrica que resiste à inovação.

As escolas foram construídas como fábricas. E a lógica das fábricas não muda por decreto. Mudar isso exige que o ónus da usabilidade seja transferido — dos educadores para os tecnólogos. Não é o professor que se deve adaptar à ferramenta; é a ferramenta que tem de se adaptar ao professor.

Uma questão de justiça

No fundo, o debate da OCDE 2026 colocou no centro uma questão que é simultaneamente técnica, pedagógica e ética: a IA generativa vai amplificar a divisão digital — ou ajudar a diminuí-la? A resposta, como ficou claro, depende menos da tecnologia em si e mais das escolhas políticas, das prioridades de investimento e da vontade de colocar as comunidades mais vulneráveis no centro do design — e não apenas como destinatárias de uma solução pensada para outros.

A IA tem o potencial de ser uma das ferramentas mais democratizantes da história da educação. Ou pode tornar-se mais uma camada de desigualdade com interface bonita. A diferença está nas decisões que tomamos agora — antes de o abismo se tornar irreversível.

---

Artigo baseado na sessão “GenAI Educacional em Áreas de Baixos e Médios Rendimentos”, Perspectiva de Educação Digital da OCDE 2026.