O comité de IA do MIT admite que a inteligência artificial já resolve, de forma credível, quase qualquer trabalho de licenciatura — e propõe repensar exames, notas e todo o modelo de ensino superior. O que isto já está a mudar também nas universidades portuguesas.
Um comité criado pelo MIT para estudar o impacto da inteligência artificial na sala de aula chegou a uma conclusão que poucas instituições do seu prestígio assumiriam publicamente: a IA já consegue, hoje, completar de forma credível praticamente qualquer trabalho escrito exigido a um aluno de licenciatura, do ensaio ao problema de matemática, passando pela demonstração e pelo código. A resposta que o MIT propõe não é proibir nem baixar os braços — é repensar, com alguma urgência, o que significa ensinar e avaliar numa universidade onde essa ferramenta já está em cada telemóvel. O que o relatório descreve sobre o ensino superior norte-americano já tem eco nas universidades portuguesas, onde a mesma tensão entre proibir e adaptar está a dividir docentes e instituições.
Uma frase que poucas universidades diriam em voz alta
Em janeiro de 2026, a reitoria do Instituto de Tecnologia de Massachusetts encarregou um comité ad hoc, copresidido pelos professores Eric Klopfer e Samuel Madden, de avaliar o uso de inteligência artificial no ensino, identificar inovações pedagógicas e propor uma política institucional. Cinco meses de reuniões, investigação e auscultação junto de estudantes, docentes e bibliotecários depois, o comité entregou, a 13 de agosto de 2026, um relatório que ultrapassa largamente o mandato inicial (MIT Ad Hoc Committee, 2026).
A frase mais citada do documento resume, com uma frieza quase técnica, o problema de fundo: os sistemas de IA generativa já conseguem «produzir soluções credíveis e dar respostas razoáveis a quase qualquer trabalho escrito» do currículo de licenciatura do MIT — uma das universidades mais seletivas do mundo em engenharia e ciências exatas (MIT Ad Hoc Committee, 2026). Não se trata de uma opinião isolada de um professor descontente: é a conclusão formal de um comité institucional, construída a partir de meses de trabalho de campo dentro da própria instituição.
O que a IA já está a mudar no campus, antes de qualquer exame
O relatório insiste que o problema não se resume a copiar respostas. Em menos de três anos, o comité documentou mudanças visíveis na vida do campus: menos alunos a frequentar horas de atendimento dos docentes, menos participação em discussões online e, segundo relatos recolhidos junto de estudantes, menos grupos de estudo presenciais em residências e bibliotecas (MIT Ad Hoc Committee, 2026). A explicação que o próprio comité avança é que, quando um aluno pode obter uma resposta razoável em segundos, o incentivo para procurar um colega, um assistente ou o próprio professor diminui — mesmo quando essa procura seria mais formativa do que a resposta obtida.
O comité dá um nome a este fenómeno: «rendição cognitiva», o momento em que um aluno recorre à IA ao primeiro sinal de dificuldade, em vez de persistir na luta produtiva que, segundo o relatório, é onde a aprendizagem duradoura efetivamente acontece. A preocupação central não é tanto que os alunos usem IA — é que, ao fazê-lo cedo de mais, percam a oportunidade de aprender que a própria tarefa devia proporcionar.
Repensar a avaliação: exames orais, portefólios e desenho ao contrário
Perante este diagnóstico, o MIT não recomenda banir a ferramenta — recomenda desenhar de novo a avaliação. O relatório propõe que cada disciplina reveja primeiro os seus objetivos de aprendizagem, usando uma técnica de planeamento conhecida como «desenho ao contrário»: em vez de perguntar se a IA deve ser proibida ou permitida, o docente começa por definir o que o aluno deve efetivamente saber fazer no final, e só depois decide que papel a IA pode ou não desempenhar nesse percurso (MIT Ad Hoc Committee, 2026).
Na prática, isto significa dar mais peso a formas de avaliação menos vulneráveis à automação: exames orais, portefólios semestrais, trabalhos fora da aula combinados com conversas presenciais sobre o que foi produzido. O comité reconhece que isto tem um custo em tempo docente e em assistentes disponíveis, e reconhece também um efeito colateral incómodo: quando as instituições reagem apenas aumentando o peso dos exames feitos na aula, correm o risco de reduzir o incentivo dos alunos para investirem em projetos longos e exigentes — precisamente os que constroem mestria a prazo.
Um segundo eixo da proposta é usar a própria capacidade da IA para tornar os projetos mais ambiciosos: se um sistema de IA já ajuda a programar ou a desenhar, os trabalhos podem exigir mais do que exigiam há três anos, libertando tempo para uma aprendizagem mais experimental e menos repetitiva. O relatório dá como exemplo os cursos de engenharia de software, onde projetos que antes tinham de ser limitados no seu âmbito passaram a poder aproximar-se, num único semestre, de produtos quase prontos para produção.
Um pensamento radical sobre notas
Uma das passagens mais assinaláveis do relatório é também das mais discretas: o comité admite ter discutido, como exercício de reflexão, a hipótese de o MIT deixar simplesmente de atribuir notas — porque, sem notas a maximizar, grande parte do incentivo para trapacear com IA desapareceria (MIT Ad Hoc Committee, 2026). O comité não recomenda esta mudança, mas usa-a para argumentar contra outra tentação comum: limitar por regulamento o número de notas máximas que um docente pode atribuir. Segundo o relatório, essa política tenderia a ser contraproducente, porque intensificaria exatamente a pressão para recorrer à IA que se pretende reduzir.
O documento sugere, em alternativa, explorar sistemas de avaliação por competências e valorizar mais os portefólios de trabalho como prova de mestria — reconhecendo que, cada vez mais, os próprios empregadores dão menos peso às notas do que ao desempenho em provas próprias de seleção.
Porque não detetores de IA nem exames trancados
O relatório é particularmente direto quanto às soluções tecnológicas fáceis. Recomenda, explicitamente, não confiar em detetores automáticos de texto gerado por IA: além de gerarem uma corrida armamentista entre detetores e «humanizadores» de texto, estas ferramentas penalizam de forma desproporcionada estudantes que escrevem em inglês como segunda língua e estudantes neurodivergentes, cujo estilo de escrita tende a acionar falsos positivos com mais frequência (MIT Ad Hoc Committee, 2026). O comité nota ainda que a própria comissão disciplinar do MIT já não aceita o resultado de um detetor, isolado, como prova suficiente para abrir um processo de integridade académica.
Quanto aos chamados navegadores de exame trancados — que bloqueiam o acesso à internet durante uma prova digital —, o comité recomenda estudá-los, mas descreve a geração atual destas ferramentas como pouco fiável e com um efeito que se assemelha a vigilância. Por agora, considera que os exames presenciais com vigilância humana continuam a ser, na maioria dos casos, a opção mais equilibrada — ainda que exijam mais espaço físico e mais pessoal do que o MIT tem atualmente disponível.
Portugal já está a ter a mesma discussão
O que o MIT descreve não é uma singularidade norte-americana. Em janeiro de 2026, um manifesto assinado por 28 professores de instituições de ensino superior de todo o país pediu formalmente a proibição da IA generativa nos processos de ensino-aprendizagem, acusando a maioria das instituições de ter adotado, por receio de «perder o comboio do progresso», uma política que o texto qualifica como demasiado permissiva, e alertando para o risco de os estudantes se tornarem «cretinos digitais» (Lusa, 2026a). É uma posição mais radical do que a do MIT — mas nasce exatamente do mesmo diagnóstico de urgência.
Um mês depois, em fevereiro de 2026, uma reportagem da agência Lusa mostrava que a maioria das universidades portuguesas seguia, de facto, o caminho inverso ao da proibição: repensar métodos de avaliação sem fechar a porta à tecnologia, na medida em que esta já é parte integrante do mercado de trabalho que os seus diplomados vão integrar. A ideia que resume essa posição institucional — de que «a IA pode apoiar o trabalho académico, mas não pode substituir o pensamento crítico» do estudante (Lusa, 2026b) — é, quase palavra por palavra, o mesmo princípio de «aumentar em vez de automatizar» que estrutura as recomendações do MIT. Segundo a mesma reportagem, o ISCTE já dá formação aos seus docentes sobre como incorporar IA no trabalho letivo, e a NOVA SBE criou um centro dedicado à inovação pedagógica, sinais concretos de que universidades portuguesas estão a experimentar respostas semelhantes às que o MIT agora sistematiza num relatório de referência.
O caso mais visível de resposta institucional continua a ser, no entanto, norte-americano: em maio de 2026, o corpo docente de Princeton votou pôr fim a 133 anos de exames sem vigilância, um dos códigos de honra mais antigos do ensino superior dos Estados Unidos, depois de um aumento assinalado de queixas sobre facilidade de acesso a ferramentas de IA durante provas presenciais. A partir de 1 de julho de 2026, os professores passaram a estar presentes nas salas de exame — um recuo simbólico que ilustra, melhor do que qualquer estatística, a distância entre a confiança institucional de há três anos e a cautela de hoje.
Uma proposta para a sala de aula
Uma forma simples de trazer esta discussão para uma reunião de departamento não exige qualquer ferramenta nova. Antes de qualquer disciplina decidir se proíbe, permite ou exige o uso de IA num trabalho, vale a pena aplicar o mesmo exercício que o MIT recomenda aos seus próprios docentes: perguntar primeiro o que se quer que o aluno saiba fazer no final, sem qualquer referência à ferramenta, e só depois decidir onde a IA ajuda essa aprendizagem e onde a atravessa. Um trabalho escrito entregue fora da aula pode manter-se, desde que seja acompanhado por uma pergunta oral curta e ao acaso — «explica-me esta decisão» ou «porque escolheste este exemplo» — que revela, em menos de um minuto, se houve pensamento próprio por trás do que foi entregue, sem exigir qualquer ferramenta de deteção.
A segunda parte da proposta dirige-se a quem desenha os critérios de avaliação de uma disciplina ou curso. Vale a pena aproveitar a atualidade deste relatório para uma discussão curta sobre o que se pretende avaliar quando se pede um trabalho: o produto final, o processo que lhe deu origem, ou os dois em proporções diferentes consoante a natureza da tarefa. Não é preciso esperar que o problema se agrave para começar esta conversa — a distância entre a confiança de há três anos e a cautela de hoje, como mostra o próprio caso do MIT, pode instalar-se num único ano letivo.
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 do comité ad hoc do MIT sobre IA no ensino, publicado em aiandeducation.mit.edu, e do artigo da Futurism que motivou este texto. Os factos relativos a Portugal foram verificados de forma independente junto de duas peças da agência Lusa (janeiro e fevereiro de 2026); os factos relativos a Princeton foram confirmados junto de múltiplas fontes independentes, incluindo o jornal estudantil The Daily Princetonian e o Times Higher Education, uma vez que não constavam do relatório do MIT nem do artigo da Futurism com o mesmo grau de detalhe.
Referências
Landymore, F. (2026, 30 de agosto). MIT warns that AI can now credibly complete pretty much any undergrad assignment, considers overhaul of entire educational model. Futurism. https://futurism.com/artificial-intelligence/mit-warns-ai-undergrad-assignments
Lusa. (2026a, 19 de janeiro). Professores pedem proibição da IA em universidades e politécnicos portugueses. Rádio Renascença. https://rr.pt/noticia/pais/2026/01/19/professores-pedem-proibicao-da-ia-em-universidades-e-politecnicos-portugueses/455905/
Lusa. (2026b, 28 de fevereiro). Universidades não fecham a porta à IA, mas repensam métodos de avaliação. Rádio Renascença. https://rr.pt/noticia/pais/2026/02/28/universidades-nao-fecham-a-porta-a-ia-mas-repensam-metodos-de-avaliacao/461216/
MIT Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training. (2026, 13 de agosto). Report. Massachusetts Institute of Technology. https://aiandeducation.mit.edu/report/
Para saber mais
Report, no site oficial do comité de IA e Educação do MIT, com o texto integral das oito conclusões e das recomendações discutidas neste artigo.
MIT warns that AI can now credibly complete pretty much any undergrad assignment, na Futurism, o artigo que motivou este texto.
Universidades não fecham a porta à IA, mas repensam métodos de avaliação, na Rádio Renascença, com o retrato da situação em universidades portuguesas.
