Um diagnóstico nacional revela que o ensino superior em Portugal adota a inteligência artificial mais depressa do que consegue regulá-la. O que significa isto para professores, alunos e escolas?
Download |
Em abril de 2026, o CNIPES — Conselho Nacional para a Inovação Pedagógica no Ensino Superior — publicou um relatório que deveria preocupar e, simultaneamente, entusiasmar toda a gente que trabalha em educação. O documento, coordenado por Nelson Zagalo, com Filipe Silva e Syeda Faryal, chama-se Inteligência Artificial no Ensino Superior em Portugal: Diagnóstico Nacional para Governação Institucional e faz exactamente aquilo que o título promete: uma radiografia ao que se passa, de facto, nas instituições de ensino superior portuguesas quando o assunto é IA.
E o retrato não é o que muitos esperariam.
Nem ausência, nem caos — mas um desfasamento que importa
A ideia de que as universidades portuguesas estão paradas perante a IA é simplesmente falsa. O inquérito realizado junto de 68 instituições mostra que mais de metade (52,9%) já utiliza IA no ensino, 42,6% na investigação e cerca de um quarto na gestão. Existe movimento real, não apenas discurso.
O problema está noutro sítio. Quando se pergunta às mesmas instituições se têm políticas formais sobre o uso de IA, o panorama muda radicalmente: apenas 14,7% reportam políticas já em prática. Quase 43% dizem ter orientações em elaboração, e outros 43% admitem não dispor de qualquer enquadramento formal.
Ou seja: a IA já está dentro das salas de aula, dos laboratórios e dos serviços administrativos — mas, em muitos casos, sem regras claras sobre como deve ser usada, verificada ou declarada. O sistema avança mais depressa do que a governação que o deveria enquadrar.
Este desfasamento não é exclusivamente português. O relatório analisa 30 documentos políticos internacionais — da UNESCO à OCDE, de Cambridge a Harvard — e conclui que o fenómeno é global. Mas no contexto português, ele assume contornos próprios que merecem atenção.
Quatro desequilíbrios que atravessam o sistema
O diagnóstico do CNIPES não se limita a apresentar números. Cruza a realidade portuguesa com evidência internacional e identifica quatro tensões estruturais que atravessam todo o sistema de ensino superior.
A primeira é o contraste entre princípios maduros e procedimentos inconsistentes. Toda a gente concorda com transparência, responsabilidade e centralidade humana. Mas traduzir esses princípios em regras operacionais — quem valida o quê, quando se declara o uso de IA, que limites se aplicam à avaliação — continua a ser um trabalho incompleto na maioria das instituições.
A segunda tensão opõe o uso crescente à verificação insuficiente. A IA generativa produz textos plausíveis, fluentes e persuasivos. Mas plausibilidade não é sinónimo de verdade. E quando faltam rotinas institucionais de validação, o risco não é técnico — é epistémico. Um aluno que aceita sem verificar o que o ChatGPT lhe devolve não está a aprender; está a delegar o julgamento.
A terceira tensão diz respeito à proliferação de experiências localizadas sem aprendizagem sistémica. A revisão de 191 estudos empíricos feita no relatório mostra um campo dinâmico, com projetos-piloto em várias áreas, mas quase sempre circunscritos a uma turma, uma disciplina, um semestre. Falta escala, falta comparabilidade, falta acumulação de evidência que permita dizer, com segurança, o que funciona e porquê.
A quarta tensão é talvez a mais profunda: a aceleração operacional que a IA proporciona pode coexistir com a erosão do julgamento humano. Se um estudante consegue produzir um ensaio em minutos sem compreender o que escreveu, terá aprendido? Se um professor usa IA para gerar materiais que nunca revê criticamente, estará a ensinar? A velocidade, quando não acompanhada de reflexão, não é eficiência — é superficialidade.
O que muda para professores e alunos
Estes desequilíbrios não são apenas problemas de reitores e vice-reitores. Têm consequências directas na sala de aula.
Para os professores, o relatório sublinha que a formação está a avançar de forma desigual. Os dados mostram que 55,1% das instituições já oferecem formação sobre IA dirigida a docentes, mas a capacitação dos estudantes fica aquém. E o tipo de formação importa tanto quanto a quantidade: não basta ensinar a usar ferramentas. É preciso ensinar a verificar resultados, a declarar o uso, a manter o julgamento crítico activo mesmo quando a máquina devolve uma resposta convincente.
Para os alunos, o risco mais insidioso não é a batota — é a dependência. O relatório cita dados internacionais segundo os quais 88% dos estudantes universitários no Reino Unido usam IA regularmente, mas menos de metade receberam formação formal. A ambivalência que muitos descrevem — “ajuda-me a parecer inteligente, mas não me sinto eu mesmo” — é reveladora de algo mais profundo do que uma questão técnica. Quando o resultado parece competente mas não é genuíno, o que se perde não é apenas autoria: é autoconfiança intelectual.
O relatório introduz aqui um conceito que merece circular: a literacia afetiva. Não basta saber como a IA funciona; é preciso reconhecer como ela nos afecta. A motivação, a atenção, a relação com o esforço — tudo isto muda quando existe uma máquina que responde sem atrito, sem espera e sem exigência. Ensinar com IA exige, por isso, reintroduzir deliberadamente a fricção formativa: o rascunho que se reescreve, a defesa oral que obriga a explicar, o processo iterativo que torna o esforço visível.
Três pilares para não perder o norte
Perante este cenário, o relatório propõe um enquadramento que vale a pena conhecer, mesmo para quem não trabalha no ensino superior. A estrutura dos Três Pilares — desenvolvida por Zagalo e Couvaneiro (2025) — organiza a resposta institucional em torno de três dimensões complementares.
O primeiro pilar — Saber sobre IA — diz respeito às literacias. Compreender o que é um modelo de linguagem, perceber porque é que “alucina”, saber distinguir previsão estatística de conhecimento. Sem este pilar, a IA é usada sem compreensão, e o domínio superficial substitui o pensamento crítico.
O segundo pilar — Fazer com IA — trata da integração pedagógica propriamente dita. Não de forma genérica, mas diferenciada: a IA pode funcionar como ferramenta operativa, como interlocutor interpretativo, como presença co-reguladora ou como superfície criativa, conforme a área disciplinar e o objetivo de aprendizagem. Na engenharia, valoriza-se a simulação; nas humanidades, o diálogo conceptual; nas artes, a exploração estética; na filosofia, a interrogação sobre a própria autoria.
O terceiro pilar — Ser sem IA — é, para muitos, o mais surpreendente. Trata-se de cultivar a capacidade de decidir quando não usar IA. Não por recusa tecnológica, mas por discernimento: há momentos em que o valor educativo, ético ou institucional depende precisamente da não delegação. Saber estar sem a máquina não é um retrocesso — é uma forma de maturidade.
Cinco critérios mínimos para uma instituição madura
O relatório propõe ainda cinco critérios mínimos de maturidade institucional, que funcionam como uma espécie de checklist para qualquer escola ou universidade que queira levar a integração da IA a sério.
O primeiro é a mediação humana: sempre que a IA entra em processos críticos — avaliação, aconselhamento, produção de evidência —, deve haver interpretação humana explícita e responsabilidade identificável. O segundo é a verificação: os resultados gerados por IA devem ser tratados como objectos falíveis que requerem validação, não como factos. O terceiro é a transparência: declarar quando e como a IA contribuiu para o trabalho. O quarto é a literacia afetiva: reconhecer os efeitos da IA sobre motivação, autonomia e autoeficácia. O quinto é a decisão baseada em evidências: apoiar estratégias institucionais em dados sobre práticas reais, não em intuições ou modas.
Estes critérios não são receitas — são condições mínimas para que a resposta institucional deixe de ser reactiva e passe a ser deliberada.
E agora? Da experimentação dispersa à governação com sentido
O relatório do CNIPES não termina com uma conclusão fechada. E faz bem. A Fase 2 do projecto está em curso, com um segundo inquérito nacional dirigido a docentes, estudantes e funcionários, complementado por grupos de discussão interinstitucionais. Em paralelo, propõe-se a criação de uma Plataforma de Práticas Pedagógicas de IA no Ensino Superior — uma estrutura leve de articulação entre instituições, pensada para transformar experiências dispersas em inteligência partilhada.
Para quem trabalha em educação — no ensino superior ou fora dele —, a mensagem central deste diagnóstico é clara: a questão já não é se a IA existe ou se deve ser usada. A questão é como a governar de forma responsável, como verificar o que ela produz, como proteger o espaço do julgamento humano e como garantir que a aceleração tecnológica não corrói aquilo que torna a educação valiosa.
A passagem necessária, como escreve a equipa do CNIPES, é da experimentação dispersa para a governação baseada em evidências. E essa passagem não se faz sozinha. Faz-se com políticas claras, com formação adequada, com critérios partilhados — e, sobretudo, com a coragem de manter o humano no centro, mesmo quando a máquina parece resolver tudo.
Fonte
Zagalo, N. (coord.), Silva, F., & Faryal, S. (2026). Inteligência artificial no ensino superior em Portugal: Diagnóstico nacional para governação institucional. CNIPES — Conselho Nacional para a Inovação Pedagógica no Ensino Superior. https://doi.org/10.5281/zenodo.19555760
