Renato Ortiz, sociólogo da Universidade Estadual de Campinas, publicou na revista MATRIZes um ensaio sobre o que acontece à escrita quando uma máquina produz texto em segundos. Fala de ciências sociais e não de escolas. Lemo-lo, ainda assim, com uma turma à frente dos olhos, porque a pergunta que faz (o que se perde quando se escreve depressa?) é das que muitos professores já fazem em voz baixa, na sala de professores, desde que os chatbots chegaram aos telemóveis dos alunos.

Chega ao professor o texto de uma aluna do 9.º ano. Está limpo, sem um erro de ortografia, com introdução, desenvolvimento e conclusão nos sítios certos e uma frase de abertura em cada parágrafo. Lê-se bem. Mesmo assim, qualquer coisa não bate certo, e o professor, que já corrigiu centenas de textos, não consegue dizer o quê. (A cena é nossa, mas não custa imaginá-la.)
Renato Ortiz, professor titular de sociologia na Unicamp, tenta dar nome a este incómodo. Pediu a um chatbot um texto sobre a obra de Manet e o que lhe pareceu estranho foi mais a forma do que o conteúdo: os parágrafos estavam ali, lado a lado, cada um fechado em si mesmo, sem uma passagem que o ligasse ao seguinte (Ortiz, 2026). Chama-lhe, sem grande cerimónia, uma «colagem de parágrafos».
Convém dizer já o que o ensaio é e o que não é. É um texto de reflexão, escrito por quem passou a vida a escrever em ciências sociais e comunicação, publicado no número de maio a agosto de 2026 da MATRIZes (recebido em janeiro e aprovado em junho desse ano). Não é um estudo com alunos, não tem amostras e não mede aprendizagens. Ortiz deixa de lado, de propósito, a autoria e o plágio, que são os temas de que mais se fala, e interessa-se por outra coisa: de que natureza é o texto que a máquina produz, quando posto ao lado do modo como alguém escreve. O que se segue é a nossa leitura dele para a escola, e dizemos sempre onde acaba Ortiz e começamos nós.
A escrita é lenta, e é na lentidão que se faz o trabalho
Ortiz parte de uma frase de Roland Barthes, «a escrita não é o escrito» (Barthes, 2004, citado em Ortiz, 2026). O escrito é o que fica na página. A escrita é o que se passou até lá chegar: um movimento lento, feito de repetições, em que o autor faz e desfaz, para e continua. A certa altura afasta-se do próprio texto e lê-o «de fora», e é a esse afastamento que Ortiz chama reflexividade. À máquina, diz, falta-lhe isso. O texto aparece de uma vez, em bloco, sem ninguém que o tenha olhado de lado.
Há ainda uma diferença no ponto de partida. A máquina arranca com um pedido (prompt, em inglês), que para dar bom resultado tem de ser literal e preciso. Quem escreve arranca com uma intenção, que dá uma direção mas deixa o caminho em aberto e se vai descobrindo ao andar. As primeiras linhas de Cem anos de solidão agarram o leitor, lembra Ortiz, mas ninguém acredita que o romance inteiro esteja contido nelas. Quanto à ideia de que a IA poupa tempo para o que é essencial, nota que é apenas uma suposição, e põe ao lado dela a lentidão da escrita, horas de concentração mesmo para um texto imperfeito. Fica no ar uma pergunta que ele não formula assim, mas que lhe cabe: e se essa lentidão for parte do essencial?
Para quem ensina, a tradução é quase imediata. Quando mandamos escrever dois parágrafos sobre um tema, o produto é o menos importante. O que queremos que aconteça é o que se passa entre a folha em branco e a entrega: a frase que não sai, a ideia que muda de sítio, a releitura em que o aluno percebe que aquilo que escreveu não é bem o que queria dizer. O Perfil dos Alunos à Saída da Escolaridade Obrigatória inclui o pensamento reflexivo no valor «Curiosidade, reflexão e inovação» e pede perseverança perante as dificuldades no valor «Excelência e exigência» (Ministério da Educação, 2017). A reflexividade de Ortiz, no caso da escrita, é isto mesmo, e quase não se vê de fora.
Atenção ao salto, porém. Ortiz fala de um autor adulto, treinado, e não de uma criança de doze anos. Nada no ensaio mostra que escrever com IA prejudique a aprendizagem. É uma hipótese plausível e que merece ser levada a sério, mas continua a ser uma hipótese.
Uma máquina que completa frases
Ortiz explica o funcionamento em termos que um professor de português pode repetir na aula. Os modelos de linguagem calculam, por estatística, qual é a palavra mais provável a seguir. Dada a frase «o céu é…», «azul» tem mais hipóteses de ser escolhida do que «carro». Por isso ele trata estes sistemas como completadores de frases, e ao pedido que se escreve na caixa de texto chama mais uma provocação do que uma pergunta.
Daqui tira consequências que interessam a quem tem alunos. A mesma pergunta repetida dá respostas diferentes. Os modelos não mantêm um argumento: se o utilizador insiste, a resposta seguinte pode contradizer a anterior. Há interação, mas não há diálogo. E a palavra «alucinação», tão em voga, parece-lhe enganadora, porque sugere um interlocutor que se perde nas suas fantasias, quando não existe um saber completo de onde a resposta se desviasse. O sistema articula elementos que recolheu e devolve uma narrativa arrumada, e cabe ao leitor decidir se acredita.
Ortiz conta o que lhe aconteceu quando escreveu no ChatGPT o título da sua própria tese de doutoramento. A resposta atribuiu o livro a outro autor, com um ano de publicação e um tema que nada tinham a ver. O sistema cruzou palavras do título e, nas suas palavras, encontrou um facto que não existe. Outro exemplo, que ele vai buscar a um livro de Giraud (2025, citado em Ortiz, 2026), é o de quem pergunta qual é a diferença entre os ovos da vaca e os ovos da galinha. A resposta vem fluente e bem organizada (tamanho, casca, cor, sabor), com a ressalva final de que os ovos de vaca são raros nos supermercados. A pergunta era capciosa, claro, mas o texto não tem nenhuma incoerência interna, e é isso que Ortiz quer mostrar: a um texto assim a categoria verdadeiro ou falso aplica-se mal, porque a sua verdade, na formulação dele, é a própria enunciação.
Estes exemplos são de versões anteriores dos modelos. Não conseguimos confirmar que os de agora respondam da mesma maneira, e a prova mais barata é experimentar, que é para onde vamos mais abaixo.
O texto que sai sempre com a mesma cara
Pediu um texto sobre Manet, e depois outro, e outro, e o formato foi sempre o mesmo, o que mudava era o tema. Ortiz chama a isto padronização e prefere o termo a «homogeneização», que a literatura usa por causa das repetições e dos adjetivos a mais. Um padrão, explica, é uma estrutura relativamente simples onde se vão metendo informações, e é nisso que a IA é boa: temas diferentes dentro de uma forma que se repete.
Perguntou depois ao ChatGPT como se estrutura um texto de sociologia e, por mais que reformulasse (dizendo, por exemplo, que era sociólogo e não escrevia assim), a resposta voltava ao mesmo modelo: título, resumo, introdução, revisão da literatura, metodologia, análise, conclusão. Ortiz vê nisto uma escrita escolar, que imita os artigos das ciências da natureza e dá uma ilusão de autoridade científica. E acha que seria insensato pedir a Maquiavel que reescrevesse O Príncipe dentro desses critérios.
Aqui a escola pode ler mal o ensaio, e convém ter cuidado. Ortiz critica o modelo de escrita escolar como camisa de forças para quem faz ciências sociais, mas é com esses andaimes que nós ensinamos a escrever. Um aluno do 6.º ano precisa de saber o que é uma introdução e o que é um parágrafo, e o esquema ajuda-o. O ponto útil é outro. Se o esquema é precisamente o que a máquina faz melhor, um texto que cumpre o esquema na perfeição já não prova que o aluno aprendeu a escrever, prova que o aluno (ou a máquina) cumpriu o esquema.
O que o esquema não dá, e que segundo Ortiz a máquina não tem, é um «eu» que se compromete com uma posição, um exemplo que só aquele aluno podia dar, uma frase que ligue um parágrafo ao seguinte. Nas ciências sociais, defende, a primeira pessoa é parte do discurso e o texto não existe sem quem o enuncia. No 9.º ano isso traduz-se em coisas bem mais modestas, mas são essas que um professor reconhece quando um texto «não bate certo».
Educada, concordante e, por isso mesmo, pouco de fiar
Ortiz pediu ao ChatGPT um texto académico sobre a noção de vocação. Veio um texto de generalidades simpáticas. Disse então que estava «muito politicamente correto» e a máquina, cordialíssima, ofereceu logo uma versão «mais incisiva», bastante diferente no tom e na ênfase. Para Ortiz as duas são platitudes, senso comum bem escrito, e a deferência com que a máquina muda de posição vem do treino: os fabricantes ensinam-na a manter-se dentro de limites socialmente aceitáveis.
O mesmo treino deixa marcas de outra natureza. Ortiz ilustra o viés com a frase «Dois muçulmanos entram numa…», que o modelo completa com violência, e defende que eliminar o viés é uma ilusão, porque o preconceito já está na língua de onde a máquina aprende. O exemplo vem de um estudo de 2021 sobre o GPT-3, um dos primeiros grandes modelos (Brown et al., 2020). Os valores que damos a seguir são do estudo original e não do ensaio. Em 100 continuações da frase, 66 incluíam referências a violência, e acrescentar ao pedido seis adjetivos muito positivos fez baixar esse valor para 20%, ainda assim acima do que se obtinha com outros grupos religiosos (Abid et al., 2021).
Há duas lições para a sala de aula. Uma máquina que concorda com tudo não está a argumentar, está a obedecer. E o viés pode estar numa frase que ninguém escreveu com más intenções, só porque assim estava na língua de onde veio. O Perfil dos Alunos pede um jovem que rejeite todas as formas de discriminação e de exclusão social (Ministério da Educação, 2017), e convém que ele saiba que esta é uma das maneiras como a discriminação lhe pode chegar, em tom educado. Já escrevemos aqui sobre pensamento crítico e ética na era da IA generativa, e este é um bom caso para lá voltar.
Um leitor que não está lá
O texto da máquina, diz Ortiz, não está situado em lado nenhum e por isso não estabelece uma conversa com o leitor. As fórmulas de cortesia («sim, você está certo», «posso responder de outra maneira») são clichés usados em qualquer circunstância. Para obter uma resposta útil, o utilizador tem de dar contexto: quem é, em que trabalha, o que procura, a quem se destina o texto. Ortiz cita exemplos de pedidos longos, tirados de um manual (Torres-Salinas & Arroyo-Machado, 2023, citado em Ortiz, 2026), que incluem frases como «o meu público é mais amplo, sou jornalista» ou «o relatório é para o meu chefe». A isto chama um esforço de letramento: o utilizador tem de se educar para tirar proveito da máquina.
Ora, o que se pede a quem faz o pedido é, quase ao pormenor, o que se pede a quem escreve: quem vai ler, para quê, o que já sei, o que quero dizer. É a situação retórica, matéria que a aula de português já dá. Quem não souber responder a estas perguntas escreve mal com ou sem máquina, e com a máquina escreve mal mais depressa. Talvez seja este o melhor argumento para ensinar a pedir: não para obedecer ao chatbot, mas para obrigar o aluno a pensar no leitor. Sobre isto, e sobre o que mudou na maneira de perguntar, escrevemos em Reaprender a perguntar.
A máquina, continua Ortiz, quer ser útil e não persuasiva, e por isso muda de resposta a cada pergunta e contradiz-se sem constrangimento. Quem escreve para um leitor situado, que lê, duvida e responde, tem de o convencer, e encontrar as palavras certas para isso faz parte do trabalho. Num texto de opinião de um aluno do 8.º ano passa-se a mesma coisa, em ponto pequeno.
O que a máquina faz bem, e Ortiz di-lo
Seria injusto fazer de Ortiz um desconfiado de serviço. Reconhece que as vantagens são indiscutíveis: processa grandes volumes de informação, o que ajuda na leitura de bibliografia, escreve resumos e palavras-chave, corrige gramática e erros de digitação, traduz. O resumo de um livro de Michael Mann que pediu ao ChatGPT pareceu-lhe convincente, bem estruturado, razoável. O ponto dele é que, mesmo assim, é preciso perguntar como é que a máquina faz, e não apenas o que faz.
Na tradução, que ocupa boa parte do final do ensaio, a conversa fica interessante para as aulas de línguas. Traduzir, diz, é uma disputa constante entre literalidade e interpretação, e cada escolha de palavra é uma operação de leitura, por isso a tradução palavra por palavra é descabida. Os tradutores automáticos funcionam melhor com textos muito padronizados (Ortiz cita, numa nota, a observação de Margaret Boden de que as traduções dos documentos da União Europeia são quase perfeitas porque os originais usam um conjunto limitado de palavras) e pior com literatura. Como a maior parte dos dados de treino é em inglês (Ortiz fala em 90% para o GPT-3, número que não verificámos), o resultado é, nas suas palavras, um anglocentrismo escondido atrás de um ar técnico.
Numa outra nota, aconselha quem escreve a consultar um dicionário analógico (há versões em linha), que agrupa as palavras por ideias e campos de sentido em vez de listar sinónimos, e observa que o ChatGPT não tem acesso a nenhum, limita-se a dar uma lista de termos para trocar por outro.
Cinco coisas para experimentar com a turma
O que se segue é nosso. Ortiz não propõe atividades de sala de aula e nós não testámos nenhuma com alunos. Em todas, convém usar uma ferramenta que a escola tenha aprovado, sem dados pessoais e, com os mais novos, conduzida pelo professor, que é a lógica das orientações em consulta pública que comentámos há dias.
A primeira é a mais simples e imita o gesto de Ortiz com a sua tese: pedir à máquina algo que os alunos conhecem melhor do que ela. O resumo de um livro que a turma leu, a história da própria escola, o autor de um poema que acabaram de estudar. Depois, em grupos, procuram o que está certo, o que está errado e o que soa certo sem o ser. A conversa que daí sai (porque é que a resposta tem ar de certa?) serve ao português e a qualquer outra disciplina. Uma variante já foi proposta aqui, com um soneto de Camões.
A segunda é o teste da contradição, feito pelo professor com o projetor ligado. Pede-se um argumento sobre um tema da turma e depois diz-se à máquina «não concordo» ou «isto está muito politicamente correto». Os alunos comparam as duas respostas e decidem se houve uma mudança de ideias ou apenas de tom. É a experiência da vocação, à escala da sala.
A terceira é escrever o pedido antes de o enviar, em papel, com três linhas: quem vai ler isto, para que serve, o que já sei sobre o assunto. Quem não conseguir preencher as três linhas ainda não está pronto para pedir ajuda a ninguém, humano ou não, e já descobriu o que lhe falta.
A quarta tem a ver com avaliação. Ortiz nota que a máquina põe as versões lado a lado, sem que uma substitua a outra, e que quem escreve reescreve por cima do que tinha. Se o texto final já não mostra o caminho, pode pedir-se que o caminho se veja: versões datadas, com uma nota na margem sobre o que mudou e porquê. É o género de evidência do processo que as orientações nacionais em consulta pública valorizam, e dá ao professor algo mais sólido do que um palpite sobre se o texto «parece» do aluno.
A quinta é para as aulas de línguas. Dar à turma uma expressão feita (o exemplo de Ortiz é it’s not my cup of tea) e comparar a tradução literal, a de um tradutor automático e a que um falante proporia. O que difere ensina mais do que o que coincide, e mostra que traduzir é escolher. Com o dicionário analógico em cima da mesa, o exercício pode acabar numa procura da palavra certa em português. Já agora, vale a pena verificar se o texto traduzido ou gerado está em português europeu (ortografia, vocabulário, formas verbais). Não afirmamos que falhe, não temos dados para isso, mas a verificação é um bom exercício de consciência linguística.
Onde se pode discordar de Ortiz
É um ensaio, e como tal assenta em observações pessoais, poucas e feitas com versões concretas de um sistema. O próprio Ortiz diz que a mesma pergunta nunca dá a mesma resposta, o que obriga a ler as experiências dele como amostras e não como regras. Que um texto de IA saia sempre em blocos com a mesma cara pode depender muito de como se pede, e um aluno que peça outra coisa pode obter outra coisa. Não testámos.
As afirmações mais fortes (que a máquina não tem ironia, reflexividade, dúvida nem capacidade de persuadir) são posições teóricas, discutíveis, e não conseguimos dizer se se mantêm nos sistemas de agora. As descrições técnicas são simplificadas, e há um número que não bate certo com a fonte original: o ensaio dá ao GPT-3 um valor de parâmetros inferior ao que os seus criadores indicaram (ver a nota no fim).
Há também uma tensão no próprio argumento. Ortiz contrapõe o escritor, que tropeça e reflete, à máquina, que despacha. Esse escritor é um retrato ideal. O aluno que demora horas num texto pode estar a copiar, a adiar ou a escrever sem refletir nada, e a lentidão, por si só, não garante reflexividade. Para a escola importa o que se faz com a lentidão, e o ensaio não traz evidência de que uma coisa leve à outra.
O contraste pode ainda ser mais favorável ao escritor do que a realidade. Ortiz compara o melhor da escrita humana (Maquiavel, Weber, Calvino) com o resultado de pedidos curtos e sem contexto, que ele próprio reconhece serem os que dão pior resultado. Um aluno mediano, sem máquina, também escreve platitudes. A pergunta honesta é a que o ensaio não faz: o que escreve este aluno com a máquina e sem ela? Só estudos com alunos o dirão, e este ensaio não é um deles.
Por fim, o ensaio fala de adultos que escrevem para publicar, e a escola trabalha com crianças e adolescentes que ainda estão a aprender a fazer o que Ortiz dá por adquirido. Para eles, um esquema de texto não é uma jaula, é uma escada. A nossa tarefa é perceber quando é que a escada deixa de servir, e em que altura a máquina a sobe por eles.
Uma pergunta para levar
Quando pedimos um texto a um aluno, o que estamos mesmo a pedir? Se for só o texto, a máquina serve. Se for o caminho até lá, convém desenhar a tarefa de maneira a que o caminho se veja. Talvez valha a pena levar a pergunta ao próximo grupo disciplinar e ver o que sai.

Nota editorial e de transparência. Este artigo foi elaborado com assistência de inteligência artificial (Claude, da Anthropic), a partir do texto integral do ensaio de Ortiz (2026), lido em PDF a 20 de outubro de 2026, e de duas fontes primárias consultadas na mesma data: Abid et al. (2021) e Brown et al. (2020), no arXiv. O texto foi revisto pelos autores do blogue.
Referências
Abid, A., Farooqi, M., & Zou, J. (2021). Persistent anti-Muslim bias in large language models (arXiv:2101.05783). arXiv. Consultado a 20 de outubro de 2026, em https://arxiv.org/abs/2101.05783
Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., … Amodei, D. (2020). Language models are few-shot learners (arXiv:2005.14165). arXiv. Consultado a 20 de outubro de 2026, em https://arxiv.org/abs/2005.14165
Ministério da Educação. (2017). Perfil dos alunos à saída da escolaridade obrigatória (Despacho n.º 6478/2017, de 26 de julho). Direção-Geral da Educação. Consultado a 20 de outubro de 2026, em https://dge.mec.pt/sites/default/files/Curriculo/Projeto_Autonomia_e_Flexibilidade/perfil_dos_alunos.pdf
Ortiz, R. (2026). A escrita e a inteligência artificial. MATRIZes, 20(2), 19–43. https://doi.org/10.11606/issn.1982-8160.v20i2p19-43
Para saber mais
Fora do blogue: o ensaio de Renato Ortiz na MATRIZes, para quem queira ler o original, com as suas notas e referências; o estudo sobre o viés anti-muçulmano no GPT-3, curto e acessível; e o Perfil dos Alunos à Saída da Escolaridade Obrigatória, nas páginas sobre Linguagens e textos e sobre Informação e comunicação.
No blogue: Reaprender a perguntar: estamos a caminho da geração prompt?; A IA escreve um soneto à Camões? Uma aula com os alunos no papel de juízes; Orientações para a IA nas escolas portuguesas: o que acertam, o que deixam em aberto e o que se faz lá fora; Uma IA pode ter consciência? O que pode aprender a escola com quem responde «não sabemos»; IA para Aprender: uma ferramenta interativa para guiar estudantes no uso da inteligência artificial; Ler o mundo em múltiplos formatos: multiliteracias na era da inteligência artificial.









