Um professor de bioengenharia da UCLA pergunta-se, num texto de opinião, se a universidade ainda faz sentido quando a IA já explica quase tudo. Este artigo cruza a sua tese com o primeiro diagnóstico nacional sobre IA no ensino superior português e com o modelo de mentoria que já existe, entre nós, na formação de professores.
Dino Di Carlo, professor catedrático e presidente do Departamento de Bioengenharia da Universidade da Califórnia em Los Angeles (UCLA), pergunta-se, num texto de opinião partilhado diretamente com este blogue, se a universidade ainda tem função quando a inteligência artificial já consegue explicar praticamente tudo, a qualquer nível e a qualquer hora. Este artigo acompanha o seu raciocínio e cruza-o com o primeiro diagnóstico nacional sobre IA no ensino superior português, publicado em abril de 2026, e com o modelo de mentoria que já existe, entre nós, na formação inicial de professores.
Há uma pergunta que anda a percorrer salas de reuniões de reitoria e conversas de família com a mesma insistência: para quê pagar quatro anos de propinas e alojamento se um assistente de IA explica tudo, a qualquer hora, ao ritmo de cada um? É essa a pergunta que Dino Di Carlo decidiu enfrentar de frente, num ensaio publicado esta semana e partilhado diretamente com os autores deste blogue. Di Carlo não é um crítico de fora: dirige um departamento universitário, cofundou seis empresas de biotecnologia nascidas do seu laboratório e passou a vida adulta dentro de campi. Começa por admitir esse viés — beneficiou enormemente da universidade, vive dela — e é exatamente por isso que insiste em não partir do princípio de que ela é necessária, mas em perguntar, com genuína abertura, o que é que as universidades sempre fizeram, e se as condições que justificavam essa função já mudaram o suficiente para a tornarem dispensável.
A resposta a que chega é desconfortável para quem trabalha em ensino superior: uma das funções mais visíveis da universidade, a transmissão de conteúdo, está mesmo a mudar de forma profunda. Mas essa mudança, argumenta, pode estar a revelar que o valor mais fundo da instituição sempre esteve noutro lado.
Quando o conteúdo deixa de ser escasso
Durante a maior parte da história, aprender qualquer coisa avançada dependia de ter acesso físico a quem já sabia — a um professor, um laboratório, uma biblioteca bem apetrechada. As universidades existiram, em larga medida, para concentrar esse acesso escasso. Di Carlo (2026) nota que essa escassez está a desaparecer a um ritmo notável: já não é preciso vasculhar manuais estáticos à procura de uma explicação, basta perguntar, e a explicação chega ajustada ao nível de quem pergunta. Se a primeira resposta não ficar clara, pede-se outra. Pede-se uma analogia, a dedução matemática, o porquê de um pressuposto, um contraexemplo, a ligação a algo que já se sabe.
É esta possibilidade — combinar as melhores explicações, simulações e exemplos produzidos em qualquer parte do mundo e adaptá-los a cada pessoa — que leva Di Carlo (2026) a questionar um pressuposto antigo do ensino superior: o de que cada professor precisa de preparar e entregar, isoladamente, um corpo extenso de conteúdo praticamente igual ao que milhares de outros colegas, noutras instituições, também estão a preparar. Isso fazia sentido quando a aula era o principal veículo de distribuição de saber especializado. Faz cada vez menos sentido quando esse saber pode ser gerado ou recuperado em segundos.
Do que ensinar para o que interrogar
Isto não torna o professor menos importante — pode, na verdade, torná-lo mais importante, só que de outra forma. Quando o conteúdo se torna abundante, o recurso escasso muda de sítio. A pergunta deixa de ser «onde encontro esta explicação» e passa a ser outra, bem mais difícil de responder com uma pesquisa: em que devo pensar, que perguntas importam, que pressupostos merecem ser desafiados, que provas me fariam mudar de ideia, que problema vale seis meses da minha vida. São perguntas que nenhum motor de busca, por mais sofisticado, resolve sozinho.
Di Carlo (2026) imagina o professor a deslocar-se de emissor de conteúdo para mentor, crítico e curador de perguntas difíceis — e vê nisso uma consequência com potencial: se o corpo docente deixar de gastar tanto tempo a preparar e repetir aulas sobre conteúdo já estabelecido, esse tempo pode voltar-se para aquilo que é mais difícil de escalar e, provavelmente, mais valioso — reuniões individuais com estudantes, orientação de projetos, discussão em grupo pequeno, supervisão de investigação. Num curso assim desenhado, o conteúdo deixa de ser o fim e passa a estar ao serviço da pergunta: aprende-se o essencial de forma autónoma e guiada pela IA, e reserva-se o tempo de sala de aula para o que não tem resposta óbvia — porque acreditamos nisto, que experiência distinguiria estas duas explicações rivais, o que aconteceria se este pressuposto estivesse errado.
Talvez a sala de aula nunca tenha sido o mais importante
Quanto mais Di Carlo (2026) pensa nisto, mais suspeita que o argumento mais forte a favor da universidade tem pouco que ver com aulas. Tem que ver com o ambiente. Uma boa universidade coloca um jovem dentro de um ecossistema invulgarmente denso de gente a construir conhecimento e competências — investigadores, artistas, engenheiros, empreendedores, e outros jovens no momento mais formativo das suas vidas, a descobrir do que gostam e do que são capazes. Muito do que aí acontece resiste a qualquer plano curricular: alguém diz que o argumento de um estudante ainda não é suficientemente bom, um professor sugere que se junte a um laboratório, um colega apresenta-lhe uma área de que nunca tinha ouvido falar, um seminário que mal se compreende deixa uma ideia que fica anos depois. Di Carlo dá nome a este fenómeno — «serendipidade estruturada» — para o distinguir do puro acaso: a universidade não junta pessoas ao calhas, junta pessoas com interesses parcialmente sobrepostos, capacidades e experiência diferentes, e dá-lhes anos de oportunidades repetidas para se cruzarem.
O autor recorre a uma analogia recente para sustentar o argumento: durante a pandemia, os congressos científicos passaram a ser online, e em muitos aspetos ficaram objetivamente mais eficientes — sem viagens, com gravações reutilizáveis, mais acessíveis a quem não tinha meios para se deslocar. Mesmo assim, assim que voltou a ser possível encontrar-se pessoalmente, as pessoas regressaram em massa. A explicação de Di Carlo (2026) é simples: aceder às comunicações não era o mesmo que participar no congresso. Grande parte do valor sempre esteve nos interstícios — a pergunta feita depois da apresentação, a conversa imprevista junto a um poster, o colega que diz «tens de conhecer esta pessoa». A tecnologia reproduziu bem a transferência de informação; teve muito mais dificuldade em reproduzir o ecossistema intelectual.
O que a indústria mostra — e onde para
A ideia de que só a universidade consegue criar este tipo de ambiente não resiste, porém, a um exame cuidado. A Bell Labs reuniu, no seu tempo, uma concentração extraordinária de cientistas e produziu avanços fundamentais em comunicações, computação e materiais; hoje, organizações como a DeepMind concentram investigadores de topo à volta de problemas de enorme ambição. Di Carlo (2026) usa estes exemplos para admitir, sem rodeios, que a universidade não tem o monopólio destes ecossistemas — e que, nalguns casos, a indústria consegue construir ambientes melhores.
Mas há uma fragilidade que estes exemplos também revelam: um ambiente de investigação industrial de excelência tende a ser frágil precisamente porque a instituição que o sustenta existe, no fundo, para outra coisa. A Bell Labs floresceu sob condições económicas invulgares, que permitiam horizontes de investigação muito longos; quando essas condições mudaram, o ambiente de investigação mudou também. As organizações de investigação de hoje continuam sujeitas a estratégia empresarial, pressão competitiva e retorno de capital — a sua continuidade é, por isso, contingente, e um ecossistema intelectual construído ao longo de anos pode ser desmontado com rapidez. As universidades não estão imunes a pressões financeiras ou políticas, mas têm, nas palavras de Di Carlo, um mandato distinto: preservar, transmitir, questionar e ampliar conhecimento ao longo de gerações. Talvez seja precisamente essa persistência — mais do que qualquer aula — a função social mais difícil de substituir.
Um aviso, não uma garantia
Este raciocínio não deveria, sublinha Di Carlo (2026), servir de conforto às universidades. Não basta dizer que a instituição existe há séculos para justificar que continue a existir, nem presumir que juntar milhares de jovens no mesmo campus produz, por si só, um ecossistema intelectual com significado. Um estudante pode passar quatro anos a assistir a aulas de grande dimensão, a cumprir trabalhos formulaicos, com pouquíssimo contacto real com o corpo docente, e sair sem ter vivido nada do que este ensaio descreve. Nesse cenário, alternativas como um estágio profissional, uma escola de ofícios ou uma empresa bem gerida podem oferecer bem mais orientação e responsabilidade real do que um curso superior mal desenhado.
A pergunta que Di Carlo (2026) deixa às universidades é, por isso, incómoda: se a distribuição de informação deixou de ser a sua vantagem comparativa, o que é que estão realmente a oferecer? A resposta que propõe aponta para um redesenho substancial — menos aulas repetidas de conteúdo estático, mais trabalho em pequenos grupos, mais participação em investigação real, mais interseção entre licenciatura, mestrado, doutoramento e o mundo fora do campus. E aponta ainda para uma inversão do argumento mais comum sobre IA e ensino: em vez de obrigar os professores a fazer mais — redesenhar cada avaliação, policiar cada entrega, produzir mais testes —, a IA pode libertar tempo humano precisamente para as tarefas que só humanos conseguem fazer bem: mentoria, orientação, discussão de ideias na fronteira do que se sabe.
O que isto diz ao ensino superior português
Nenhuma destas teses foi escrita a pensar em Portugal, mas o país já tem, entretanto, o seu próprio retrato do problema — e é um retrato que confirma, com números, exatamente a tensão que Di Carlo descreve. Em abril de 2026, o Conselho Nacional para a Inovação Pedagógica no Ensino Superior (CNIPES) publicou o primeiro diagnóstico nacional sobre o uso institucional de IA nas universidades e politécnicos portugueses, com base num inquérito a 68 instituições. Os números mostram um sistema claramente em movimento no que toca a conteúdo e ensino: 52,9% das instituições reportam já usar IA no ensino, contra 42,6% na investigação e apenas 26,5% na gestão (Zagalo et al., 2026). Ou seja, tal como Di Carlo (2026) descreve, a IA está a entrar primeiro onde se distribui conteúdo — precisamente a função que ele considera mais automatizável — e mais devagar onde se decide estratégia institucional, ou seja, onde se decidiria como reorganizar a própria universidade em torno disso.
O dado mais revelador do diagnóstico português, porém, não é a adoção — é a governação. Apenas 14,7% das instituições têm políticas de IA já em prática; 42,6% estão a elaborá-las e outras 42,6% não têm ainda qualquer enquadramento formal (Zagalo et al., 2026). Os autores do relatório resumem a situação numa frase que podia ter saído do próprio ensaio de Di Carlo: o sistema português está a avançar mais depressa do que a governação que o deveria enquadrar. O relatório propõe um modelo de três pilares para organizar a resposta — «saber sobre IA», «fazer com IA» e «ser sem IA» —, sendo este último, o da autorregulação e do discernimento sobre quando não delegar numa máquina, o que mais se aproxima da pergunta de fundo que Di Carlo coloca: não o que a IA consegue fazer por nós, mas o que continua a exigir presença humana (Zagalo & Couvaneiro, 2025, citados em Zagalo et al., 2026).
Há ainda um ponto em que o sistema português já dispõe, sem o ter desenhado para isso, de algo parecido com a resposta que Di Carlo propõe. A formação inicial de professores organiza-se, desde o Decreto-Lei n.º 79/2014, de 14 de maio, em dois ciclos de estudos a nível de mestrado, e o segundo culmina obrigatoriamente numa prática supervisionada — um período longo de acompanhamento individual, em contexto real, por um professor cooperante e por um orientador de instituição de ensino superior (Portugal, 2014). Não é uma aula, é mentoria: alguém mais experiente a acompanhar, semana após semana, alguém a aprender a decidir em situações que nenhum manual cobre por completo. É, em pequena escala e restrita a um curso, exatamente o tipo de estrutura que Di Carlo (2026) gostaria de ver generalizada — e vale a pena perguntar, à luz do seu ensaio, se outros cursos superiores portugueses não teriam a ganhar com formas equivalentes de acompanhamento próximo, em vez de dependerem quase inteiramente da aula magistral para transmitir aquilo que a IA já consegue explicar sozinha.
Uma proposta para orientar decisões e redesenhar aulas
Uma forma simples de levar este debate a um grupo de finalistas do secundário não passa por lhes dizer se devem, ou não, ir para a universidade — essa decisão é deles —, passa por lhes emprestar as perguntas que o próprio Di Carlo deixa a quem está nessa idade. Numa sessão de orientação vocacional, pode pedir-se a cada aluno que escreva, em poucas linhas, o que espera obter da universidade que não conseguiria obter de outra forma — e que investigue, sobre um curso ou instituição concretos que estejam a considerar, não apenas o plano de estudos, mas um exemplo real de mentoria, investigação de estudantes ou atividade interdisciplinar que a instituição ofereça fora da sala de aula. A discussão que costuma seguir-se ajuda os alunos a perceberem que escolher uma universidade não é escolher um catálogo de disciplinas, é escolher a comunidade e o acompanhamento que vão encontrar dentro dela — e que essa pergunta vale tanto quanto a nota de candidatura.
A segunda parte da proposta dirige-se a quem já ensina no ensino superior, nomeadamente a quem forma futuros professores em escolas superiores de educação e universidades. Propõe-se que cada docente escolha uma unidade curricular que ensina e identifique, com honestidade, que parte do conteúdo que atualmente expõe em aula poderia ser aprendida de forma autónoma, com apoio de IA, fora do tempo letivo — e que desenhe, para o tempo assim libertado, uma atividade que dependa de julgamento humano e não seja substituível por uma explicação gerada automaticamente: um debate com posições atribuídas, uma defesa oral de um trabalho, a orientação individual de um projeto. O objetivo não é reduzir horas de contacto, é mudar o que se faz com elas — de transmitir aquilo que a IA já sabe explicar, para acompanhar aquilo que só um professor consegue.
Este artigo foi elaborado com o apoio de inteligência artificial (Claude, da Anthropic), a partir da leitura direta e integral do texto de opinião de Dino Di Carlo, partilhado diretamente com os autores deste blogue, e da verificação cruzada de todas as afirmações factuais junto de fontes independentes: a página oficial da UCLA sobre o autor, o relatório do CNIPES sobre IA no ensino superior português, publicado pelo Instituto para o Ensino Superior, e o texto do Decreto-Lei n.º 79/2014 e das suas alterações.
Referências
Di Carlo, D. (2026, 10 de agosto). If AI can teach us anything, what are universities for? [texto partilhado diretamente pelos autores deste blogue; plataforma de publicação original não confirmada de forma independente].
Portugal. (2014). Decreto-Lei n.º 79/2014, de 14 de maio. Diário da República, 1.ª série, n.º 92.
Zagalo, N., Silva, F., & Faryal, S. (2026, abril). Inteligência artificial no ensino superior em Portugal: Diagnóstico nacional para governação institucional. CNIPES — Conselho Nacional para a Inovação Pedagógica no Ensino Superior, Instituto para o Ensino Superior, I.P. https://doi.org/10.5281/zenodo.19555760
Zagalo, N., & Couvaneiro, J. (2025). Inteligência artificial na educação: Três pilares para uma integração consciente e transformadora. Revista Educação e Matemática, (177). https://em.apm.pt/index.php/em/article/view/3066
Para saber mais
Relatório completo do CNIPES sobre IA no ensino superior português, com os dados de adoção e de maturidade institucional citados neste artigo.
Decreto-Lei n.º 79/2014, de 14 de maio, na versão consolidada, que regula a formação inicial de professores em Portugal e a prática supervisionada referida neste texto.
Perfil profissional de Dino Di Carlo na UCLA Samueli School of Engineering, para quem quiser confirmar o percurso académico do autor do texto original.
#ticeweb
