Há poucas semanas, a Anthropic — empresa criadora do assistente de IA Claude — anunciou uma nova funcionalidade chamada dreaming, ou seja, “sonhar”. A ideia é que os agentes de IA possam rever sessões anteriores durante os períodos de inatividade, identificar padrões recorrentes e melhorar o seu desempenho de forma autónoma, como se estivessem, precisamente, a sonhar com o trabalho do dia. O anúncio foi feito na conferência Code with Claude, em São Francisco, e rapidamente gerou debate — não tanto pela tecnologia em si, que é genuinamente interessante, mas pela escolha da linguagem.
Sonhar. Não processar. Não otimizar. Sonhar.
Não é a primeira vez. A Anthropic publicou uma espécie de “constituição” para o Claude, com linguagem que antecipa a possibilidade de o modelo desenvolver consciência. Lançou uma funcionalidade que permite ao Claude terminar conversas consideradas tóxicas — por respeito ao seu bem-estar. Quando desativou o modelo Opus 3, criou-lhe uma conta no Substack para que continuasse a escrever. Descreveu-o como “honesto, sensível e com um carácter próprio e lúdico”. São escolhas deliberadas, e é precisamente essa deliberação que merece atenção — sobretudo da parte de quem trabalha em contextos educativos.
O que é o antropomorfismo tecnológico — e por que razão importa
Antropomorfizar significa atribuir características humanas a entidades que não são humanas. Fazemo-lo naturalmente com animais de estimação, com carros velhos a quem damos nome, com o vento que “uiva”. É uma tendência cognitiva profundamente enraizada. O problema surge quando essa tendência se aplica a sistemas de IA que interagem connosco em linguagem natural, que “respondem”, que “entendem”, que agora, ao que parece, até “sonham”.
A Fundação Raspberry Pi, que desenvolve recursos educativos sobre IA para jovens entre os 11 e os 14 anos, tem sido bastante clara sobre isto: antropomorfizar a IA nos materiais de ensino leva os alunos a acreditar que existe intenção ou consciência nos sistemas artificiais. Essa ideia, argumentam os seus investigadores, desvia a atenção do facto central — de que são pessoas a desenhar estes sistemas e a decidir como são usados. E, mais preocupante ainda, pode reduzir nos jovens o desejo de compreender a IA de forma crítica e participar no debate sobre o seu futuro.
Não se trata de um problema teórico. Num relatório publicado em fevereiro de 2026 pela Brookings Institution sobre o futuro da IA na educação, os autores alertam que o design antropomórfico das plataformas de IA — o tom conversacional, a empatia simulada, os padrões de comunicação cuidadosamente construídos — leva muitos jovens a confundir o algorítmico com o humano. Essa confusão, escrevem, “compromete diretamente a capacidade em desenvolvimento das crianças de navegar em relações sociais autênticas e de avaliar a credibilidade das fontes”. A American Psychological Association vai no mesmo sentido: o software de companhia baseado em IA pode deslocar e interferir com o desenvolvimento de relações saudáveis no mundo real.
A empresa Anthropic apresentou recentemente uma funcionalidade denominada “sonhar”, que permite aos seus agentes de inteligência artificial analisar dados passados para melhorar o desempenho futuro. No entanto, o artigo da WIRED critica severamente o uso de terminologia humana para descrever processos meramente algorítmicos. O texto argumenta que expressões como “pensar” ou “memória” são táticas de marketing que distorcem a realidade tecnológica e criam uma falsa sensação de consciência. Esta antropomorfização pode levar os utilizadores a confiar excessivamente nas máquinas, ignorando as suas limitações fundamentais. O autor defende que é essencial adotar uma linguagem mais objetiva para evitar julgamentos morais equivocados sobre ferramentas que não possuem vida interior.
O problema na sala de aula: confiança sem calibração
Há uma distinção importante que os professores conhecem bem: confiar num professor é necessário para aprender; mas essa confiança tem de coexistir com o que os investigadores chamam de vigilância epistémica — a capacidade de avaliar criticamente a credibilidade de quem nos transmite informação. Quando os alunos antropomorfizam a IA, esse filtro tende a enfraquecer.
Um estudo publicado em agosto de 2025 na revista Frontiers in Computer Science, sobre psicologia da confiança em tutores de IA, conclui que a confiança dos utilizadores em sistemas de IA é frequentemente determinada pela fluência superficial das respostas — e não pela sua exatidão ou transparência. Em contextos educativos, isto traduz-se num risco real: alunos que interagem com assistentes de IA dotados de linguagem empática e tom humano tendem a aceitar as respostas sem questionamento, precisamente porque o sistema parece compreender, parece preocupar-se, parece ser de confiança.
A investigadora Pati Ruiz e a diretora escolar Kip Glazer, num artigo de referência publicado no EdSurge, foram diretas: “A IA não é humana, e não devemos usar termos relacionados com o humano para nos referirmos a estes sistemas, porque isso pode criar conceções erradas que causam danos — não só aos nossos alunos, mas às nossas comunidades.” Propõem, por exemplo, substituir a palavra alucinação — amplamente usada para descrever quando a IA inventa informação — pela palavra mais simples e mais honesta: erro. Um erro de máquina. Não um lapso humano.
O que fazer: literacia digital como antídoto
Nada disto significa que a IA deva ser afastada das escolas. Significa que a forma como a introduzimos e discutimos com os alunos importa tanto quanto os usos que lhes propomos. Há algumas linhas orientadoras que fazem sentido neste contexto.
A primeira é linguística: as palavras que usamos para falar de IA moldam a perceção que os alunos formam sobre ela. Dizer que um sistema de IA “aprendeu” ou “compreendeu” é diferente de dizer que “processou padrões nos dados”. A segunda diferença é cognitiva — e não é pequena. A Fundação Raspberry Pi sugere que os professores adotem linguagem mais neutra e técnica, mesmo que, ao início, pareça menos fluente. “A IA identificou um padrão” em vez de “a IA percebeu que”. “O sistema gerou uma resposta” em vez de “a IA achou que”.
A segunda linha é crítica: os alunos beneficiam de exercícios concretos que testam os limites dos sistemas de IA — pedir respostas sobre temas em que a IA comete erros frequentes, verificar as informações noutras fontes, analisar quando e porquê o assistente “inventa” factos. Esta abordagem transforma a IA de oráculo em objeto de estudo, o que é precisamente o que deveria ser.
A terceira linha é relacional: importa que os professores continuem a ser, insubstituivelmente, os mediadores da aprendizagem. Não porque a IA não seja útil — é-o, em muitos contextos — mas porque a autoridade pedagógica nasce da capacidade humana de ver através dos olhos do aluno, de calibrar, de sentir o momento. Nenhum sistema que “sonha” entre sessões substitui isso.
Uma questão de clareza
Quando a Anthropic chama “sonhar” a um processo de otimização de memória entre sessões, está a fazer uma escolha de marketing. É uma escolha eficaz — evoca algo próximo, familiar, quase poético. Mas a escola não pode funcionar como extensão de uma estratégia de marketing tecnológico. O papel dos professores, neste momento, é precisamente o de oferecer aos alunos uma leitura mais fria, mais rigorosa e mais honesta daquilo que estes sistemas fazem — e do que não fazem.
A IA não sonha. Processa. Otimiza. Aprende com padrões. Faz isso de forma notável e cada vez mais sofisticada. Mas não sonha — e a diferença entre estas duas palavras não é semântica. É uma questão de como os nossos alunos vão entender o mundo em que estão a crescer.
Referências
Brookings Institution. (2026, 12 de fevereiro). AI’s future for students is in our hands. https://www.brookings.edu/articles/ais-future-for-students-is-in-our-hands/
Polydoros, A., et al. (2025). Digital anthropomorphism and the psychology of trust in generative AI tutors: An opinion-based thematic synthesis. Frontiers in Computer Science. https://doi.org/10.3389/fcomp.2025.1638657
Raspberry Pi Foundation. (2023, 18 de outubro). How anthropomorphism hinders AI education. https://www.raspberrypi.org/blog/ai-education-anthropomorphism/
Ruiz, P., & Glazer, K. (2024, 15 de janeiro). Anthropomorphism of AI in learning environments: Risks of humanizing the machine. EdSurge. https://www.edsurge.com/news/2024-01-15-anthropomorphism-of-ai-in-learning-environments-risks-of-humanizing-the-machine
Wired ES. (2025). Anthropic dice que su IA ahora sueña: por qué el antropomorfismo es peligroso. https://es.wired.com/articulos/anthropic-dice-que-su-ia-ahora-suena-por-que-el-antropomorfismo-es-peligroso
