Uma nova geração de ferramentas de IA já não se limita a responder: planeia, decide e executa tarefas em vários passos, sozinha. Este artigo isola o que interessa a professores, alunos e escolas — incluindo o risco, pouco falado, de deixarmos de exercitar o próprio pensamento.
Download |
Um relatório do Laboratório de Inteligência Artificial da Faculdade de Direito da Universidade de Buenos Aires (IALAB) descreve a passagem de assistentes de IA que respondem para agentes que planeiam e agem sozinhos. Este artigo isola, desse relatório, o que interessa a uma escola: o que muda quando um aluno deixa de perguntar a uma IA e passa a delegar-lhe uma tarefa inteira — e porque é que a própria literatura técnica já admite que estes agentes falham mais do que a publicidade costuma sugerir.
A obra Gobernar la IA Agéntica*, de Juan Gustavo Corvalán, Mariana Sánchez Caparrós e Carolina Melanie Martín, publicada pelo IALAB da Universidade de Buenos Aires, foi partilhada diretamente para este blogue e é dirigida, em primeira instância, a organizações e profissionais do direito. Não fala de escolas nem de alunos. Mas descreve, com um rigor pouco comum neste tipo de literatura, uma mudança tecnológica que já está a chegar às salas de aula portuguesas pela porta do fundo — dentro dos mesmos assistentes de IA que muitos alunos já usam para os trabalhos de casa. Este artigo segue as suas ideias mais relevantes e cruza-as com os quadros de literacia de IA e os documentos curriculares já disponíveis às escolas portuguesas.*
Há uma diferença que a maior parte dos alunos — e não poucos professores — ainda não distingue com clareza: a diferença entre perguntar a uma IA e mandar uma IA fazer. Perguntar é o que já se faz há anos com o ChatGPT, o Claude ou o Gemini: escreve-se uma pergunta, a IA responde dentro daquela conversa, e cabe a quem pergunta decidir o que fazer com a resposta. Mandar fazer é outra coisa. É dar um objetivo a um sistema — «organiza estas notas num resumo e envia-o por email aos colegas do grupo de trabalho», por exemplo — e deixar que seja o próprio sistema a decidir os passos: que ficheiros abrir, que informação procurar, em que ordem agir, quando parar. É essa segunda categoria que a literatura técnica chama IA agêntica, e é dela que trata o relatório Gobernar la IA Agéntica, do IALAB (Corvalán et al., 2026).
De responder a agir: o que distingue um agente de um assistente
O relatório propõe uma distinção que vale a pena levar para a sala de aula, porque explica com precisão aquilo que muitos professores já sentem informalmente: nem toda a IA que os alunos usam é igual, mesmo quando parece igual por fora. Os autores distinguem dois conceitos que costumam confundir-se — agência e autonomia. A agência é a capacidade de agir sobre o mundo: consultar uma base de dados, escrever um ficheiro, enviar uma mensagem. A autonomia é o grau em que essa ação acontece sem intervenção humana direta (Corvalán et al., 2026). Um assistente como o ChatGPT, o Claude ou o Gemini, no seu uso mais comum, já tem alguma agência — pode pesquisar na internet ou escrever código —, mas mantém-se de baixa autonomia: cada ação depende de um pedido explícito, dentro da mesma conversa. Um agente de IA propriamente dito inverte essa relação: recebe um objetivo, não uma instrução passo a passo, e é ele que decide o caminho para lá chegar, corrigindo o rumo consoante o que vai descobrindo (Corvalán et al., 2026).
Para um professor, a pergunta útil já não é «este aluno usou IA?» — sozinha, essa pergunta já não distingue quase nada. A pergunta útil é: quantos passos deu essa IA sem que o aluno tivesse de aprovar cada um deles? Foi um resumo pedido e lido de imediato, ou foi uma tarefa inteira — pesquisar, organizar, escrever, formatar — entregue de uma vez e recebida já pronta?
As ferramentas que já estão dentro da mochila digital dos alunos
Esta distinção deixou de ser teórica em 2026, porque as principais plataformas de IA já oferecem, ao alcance de um clique, um modo agêntico que qualquer aluno com conta paga pode ativar. O ChatGPT introduziu, em julho de 2025, um «modo agente» que dispõe de um navegador próprio e consegue planear e executar tarefas de vários passos — desde investigar um tema até preencher um documento — pedindo ajuda ao utilizador apenas quando precisa (Corvalán et al., 2026). A Anthropic lançou, a 12 de janeiro de 2026, o Claude Cowork, uma ferramenta que já não vive dentro de uma janela de conversa: acede a pastas e ficheiros do computador do próprio utilizador, dentro dos limites que este autoriza, e mantém sessões de trabalho que continuam mesmo que o ecrã se feche (Aragon Research, 2026; InfoQ, 2026). É a diferença entre uma IA que descreve o que faria e uma IA que já o fez, à espera de aprovação — ou, nalguns casos, sem sequer esperar por ela.
Nenhuma destas ferramentas foi construída a pensar na escola. Mas os alunos não separam o que usam nos trabalhos de casa das ferramentas de produtividade que veem os adultos usar — e, mais cedo do que tarde, vão encontrar-se com um botão que promete «fazer isto por ti» em vez de «responder a isto para ti». Vale a pena que a escola chegue lá primeiro.
Um aviso que a própria indústria da IA já reconhece: os agentes falham mais do que parecem
Um dos pontos mais úteis do relatório para desmontar o mito da IA infalível não é uma opinião, é um facto incómodo que a própria literatura técnica documenta. Segundo o relatório, testes consolidados de capacidade agêntica — com nomes como GAIA, SWE-bench Verified, AgentBench e WebArena — mostram taxas de sucesso em tarefas reais que oscilam entre 30% e 70%, consoante a área, mesmo nos sistemas comerciais mais avançados (Corvalán et al., 2026). Os autores resumem a distância entre a promessa e a prática numa frase que qualquer professor de literacia digital pode usar tal e qual numa aula: «a indústria comunica os agentes como se fossem trabalhadores confiáveis; a evidência experimental sustenta uma imagem mais matizada» (Corvalán et al., 2026, tradução livre). Este artigo não reavaliou, de forma independente, os números exatos desses testes — a afirmação é do próprio relatório —, mas o padrão geral que descrevem, o de que os agentes de IA erram com frequência significativa mesmo quando parecem seguros do que fazem, está amplamente documentado noutras fontes técnicas sobre o tema.
Esta é, provavelmente, a ideia mais diretamente utilizável numa aula de literacia mediática ou de Cidadania e Desenvolvimento: uma resposta fluente e bem escrita não é o mesmo que uma resposta correta, e um agente que executa uma tarefa inteira sem qualquer interrupção não está necessariamente a executá-la bem — está apenas a executá-la sem que ninguém tenha verificado nada pelo caminho.
O risco que mais interessa à escola: o «sedentarismo cognitivo»
Do ponto de vista pedagógico, o conceito mais relevante que o relatório recupera não é técnico, é cognitivo, e já tem nome próprio em português: sedentarismo cognitivo. O termo, cunhado por Mariano Sigman e Santiago Bilinkis e desenvolvido por Juan Gustavo Corvalán — um dos autores do relatório aqui analisado — noutro livro seu, publicado também em 2026, descreve o que acontece quando uma competência é delegada de forma permanente a uma máquina: atrofia, tal como um músculo que deixa de ser exercitado (Corvalán, 2026, citado em Perfil, 2026). O relatório aplica esta ideia à IA agêntica através de quatro «paradoxas da automação», originalmente formuladas pela investigadora Lisanne Bainbridge em 1983 e agora atualizadas para o contexto dos agentes: cada competência que se delega por completo deixa de ser exercitada; quanto mais fiável parece um agente, menos sustentada tende a ser a supervisão humana sobre ele; e a própria automação pode não eliminar o esforço mental, apenas transformá-lo — da execução ativa de uma tarefa para a fiscalização passiva, e cansativa, do que outro já fez (Corvalán et al., 2026).
Para uma escola, este último ponto merece particular atenção. Um aluno que delega a um agente a totalidade de um trabalho — pesquisa, estrutura, redação — não está a poupar esforço cognitivo, está a trocar um tipo de esforço por outro: já não precisa de pensar sobre o tema, mas precisaria, para que a aprendizagem se mantivesse, de verificar com igual cuidado tudo o que o agente produziu. Na prática, é exatamente esse segundo esforço que costuma desaparecer primeiro — e é aí, mais do que na simples cópia de um texto gerado por IA, que reside o risco real para a aprendizagem.
Delegar uma tarefa não é delegar a responsabilidade
Há uma ideia jurídica no relatório que se transporta, quase sem alterações, para o regulamento interno de qualquer escola: o facto de uma tarefa ter sido executada por um agente de IA não retira a responsabilidade de quem a encomendou. Os autores insistem neste ponto a propósito das ações que um agente executa em nome de uma organização: cada ação é uma manifestação de vontade atribuível a quem ativou o agente, e a delegação operativa não equivale a delegação de responsabilidade (Corvalán et al., 2026). Trocando a linguagem jurídica pela linguagem escolar: um trabalho de casa gerado, em grande parte, por um agente de IA continua a ser um trabalho apresentado — e assinado, ainda que informalmente — pelo aluno que o entregou, com as mesmas consequências de integridade académica que já se aplicam hoje a trabalhos copiados de outras fontes.
O relatório sugere ainda um princípio de desenho útil para qualquer política escolar sobre IA: as ações irreversíveis, ou de maior peso, deveriam exigir sempre validação humana explícita — não como boa prática opcional, mas como condição do próprio desenho do sistema (Corvalán et al., 2026). Aplicado à sala de aula, isto sugere uma regra simples: quanto maior for o peso de uma tarefa na avaliação final de um aluno, menor deveria ser a margem de autonomia que se concede a um agente de IA na sua realização — e maior a exigência de que o próprio aluno consiga explicar, passo a passo, o que foi feito e porquê.
O que isto diz à escola portuguesa
Nenhuma destas ideias foi escrita a pensar no currículo português, mas o enquadramento para as aplicar já existe, e cobre praticamente todos os pontos que o relatório levanta. O domínio «gerir a IA», um dos quatro pilares do Quadro de Literacia em IA (AILit) da OCDE e da União Europeia, pede explicitamente aos alunos que compreendam como e quando delegar tarefas a sistemas de IA, e que saibam avaliar criticamente os seus resultados — exatamente a distinção entre agência e autonomia que este artigo tem vindo a seguir (OCDE/União Europeia, 2026). O quadro DigCompEdu, já adotado como referência europeia para a competência digital docente, situa a capacitação dos aprendentes e a avaliação crítica de ferramentas digitais entre as competências que os próprios professores precisam de desenvolver antes de as poderem ensinar (Redecker, 2017) — um lembrete de que esta conversa não pode ficar reservada aos alunos.
O Perfil dos Alunos à Saída da Escolaridade Obrigatória oferece um terceiro ponto de entrada, talvez o mais direto: entre as suas dez áreas de competência, inclui o raciocínio e resolução de problemas e o pensamento crítico e pensamento criativo, definidos como a capacidade de interrogar a realidade e formular juízos fundamentados, e não apenas de obter uma resposta (Direção-Geral da Educação, 2017) — uma formulação que se aplica, sem qualquer adaptação, à diferença entre um aluno que usa um agente de IA para verificar o seu próprio raciocínio e um aluno que o usa para o substituir. A componente de Cidadania e Desenvolvimento, por seu lado, já inclui a literacia mediática entre os seus domínios obrigatórios (Portugal, 2025), o espaço curricular mais óbvio para discutir, de forma sistemática, o que significa confiar — ou não confiar — no resultado de uma tarefa que um sistema executou sozinho.
Uma proposta para a sala de aula
Uma forma simples de tornar tudo isto tangível para uma turma do 3.º ciclo ou do secundário não exige qualquer ferramenta de IA agêntica — exige apenas tornar visível um processo que, de outra forma, ficaria escondido. Pode pedir-se a cada aluno que peça a um assistente de IA comum, no modo habitual de pergunta e resposta, que resolva uma pequena tarefa em várias etapas — por exemplo, resumir um texto, identificar os três argumentos mais fortes e propor um contra-argumento a cada um. Em vez de aceitar apenas o resultado final, pede-se ao aluno que peça à própria IA para mostrar o raciocínio passo a passo, e que assinale, nesse raciocínio, o momento em que teria sido razoável parar e verificar antes de continuar. O objetivo não é desconfiar da ferramenta por princípio — é treinar o hábito de procurar o momento de verificação, que é exatamente o que desaparece quando uma tarefa inteira é delegada a um agente sem qualquer interrupção.
A segunda parte da proposta dirige-se a quem coordena a política de IA de uma escola. Vale a pena que qualquer regulamento sobre o uso de IA nos trabalhos escolares distinga explicitamente entre os dois níveis que este artigo tem vindo a descrever — pedir uma resposta pontual e delegar uma tarefa inteira, sem supervisão intermédia — em vez de tratar «uso de IA» como uma categoria única. É essa distinção, mais do que qualquer proibição genérica, que vai continuar a fazer sentido à medida que os assistentes que os alunos já conhecem forem, eles próprios, ganhando cada vez mais autonomia.
Nota de transparência: este artigo foi elaborado com o apoio de inteligência artificial (Claude, da Anthropic), a partir da leitura direta e integral do relatório «Gobernar la IA Agéntica», de Juan Gustavo Corvalán, Mariana Sánchez Caparrós e Carolina Melanie Martín (IALAB, Universidade de Buenos Aires), partilhado diretamente para este blogue.
Referências
Aragon Research. (2026, 16 de janeiro). Anthropic democratizes agentic AI with Claude Cowork. https://aragonresearch.com/anthropic-claude-cowork/
Corvalán, J. G. (2026). Sedentarismo cognitivo: Productividad, agentes de IA y los riesgos de delegar el pensamiento. La Ley.
Corvalán, J. G., Sánchez Caparrós, M., & Martín, C. M. (2026). Gobernar la IA agéntica. IALAB, Facultad de Derecho, Universidad de Buenos Aires; AI Academy by doinGlobal. https://bit.ly/4qtyJqz
Direção-Geral da Educação. (2017). Perfil dos alunos à saída da escolaridade obrigatória. Ministério da Educação. https://www.dge.mec.pt/sites/default/files/Noticias_Imagens/perfil_do_aluno.pdf
InfoQ. (2026, 12 de janeiro). Anthropic announces Claude CoWork. https://www.infoq.com/news/2026/01/claude-cowork
OCDE/União Europeia. (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing. https://doi.org/10.1787/65cd27d4-en
Perfil. (2026, 3 de julho). Hay cosas que no deberíamos delegarle a la inteligencia artificial, aunque las haga mejor que nosotros.https://bit.ly/4xOonUR
Portugal. (2025). Resolução do Conselho de Ministros n.º 127/2025, de 29 de agosto — Estratégia Nacional de Educação para a Cidadania. Diário da República, 1.ª série. https://www.dge.mec.pt/sites/default/files/Curriculo/enec-2025.pdf
Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu (Y. Punie, Ed.). Publications Office of the European Union. https://doi.org/10.2760/159770
Para saber mais
O relatório integral «Gobernar la IA Agéntica», do IALAB (Universidade de Buenos Aires), em acesso aberto, fonte principal deste artigo.
Anúncio oficial da Anthropic sobre o Model Context Protocol, o protocolo aberto referido neste texto que já liga agentes de IA a ferramentas externas em várias plataformas.
Quadro de Literacia em IA (AILit), na sua página oficial, incluindo o domínio «gerir a IA» mencionado neste artigo.
Perfil dos alunos à saída da escolaridade obrigatória, na Direção-Geral da Educação, para enquadrar as áreas de competência referidas neste texto.
