IA na sala de aula: o que pedir, o que revisar e onde não delegar

Última atualização: 07/10/2026

O que você vai aprender neste artigo

• Em quais tarefas do dia a dia a IA realmente economiza tempo do professor
• Exemplos de pedidos que funcionam melhor, antes, durante e depois da aula
• O que revisar sempre antes de usar qualquer resultado
• Onde a decisão deve continuar com o professor
• Como combinar o uso de IA do professor com o uso dos alunos

Em resumo

Este guia é para professores do ensino superior que querem usar IA generativa no dia a dia sem perder o controle pedagógico. IA generativa é um sistema que produz texto, imagens ou outros conteúdos a partir de um pedido em linguagem natural. Mostramos em quais tarefas ela ajuda antes, durante e depois da aula, o que revisar sempre e quais decisões continuam com o professor.

O professor no centro, e não a ferramenta

Quase tudo que se escreve sobre IA na educação fala com gestores, com a área de tecnologia ou com quem decide a compra. O professor, que é quem de fato leva a ferramenta para a sala de aula, costuma ficar com a parte menos clara da conversa: usar para quê, até onde confiar e quando recusar. Partimos de uma ideia simples neste guia. A IA é boa em produzir rascunhos, variações e primeiras versões em grande velocidade, e o professor é quem tem o contexto da turma, o critério pedagógico e a responsabilidade pelo resultado. Quando cada um faz o que faz melhor, o tempo economizado volta para o que só o professor faz, que é acompanhar o aluno.

Para quem quer uma referência de competências, a UNESCO publicou em 2024 um marco de competências em IA para professores, com cinco dimensões, 15 competências e três níveis de progressão: adquirir, aprofundar e criar (UNESCO, AI competency framework for teachers, 2024). Explicamos como usá-lo para montar um programa na instituição no artigo sobre letramento em IA para professores.

Antes da aula: onde a IA mais ajuda

O planejamento é a etapa em que o ganho de tempo costuma ser mais visível, justamente porque envolve produzir muito material a partir de uma intenção que o professor já tem clara. Alguns usos que funcionam bem são a geração de variações de um mesmo exercício em níveis diferentes de dificuldade, a criação de exemplos e analogias para um conceito que a turma não está pegando, a elaboração de um roteiro de aula com tempos sugeridos e a preparação de perguntas de discussão para o início ou o fim do encontro.

A qualidade do resultado depende de quanto contexto o professor entrega. Um pedido genérico gera uma resposta genérica, enquanto um pedido que informa o nível da turma, o objetivo de aprendizagem, o tempo disponível e o formato desejado tende a gerar algo muito mais próximo do que será usado. Um exemplo seria pedir: "Crie 5 questões discursivas sobre juros compostos para uma turma do primeiro semestre de Administração, com um caso do dia a dia em cada uma e um gabarito com os pontos que uma boa resposta deve cobrir." O pedido diz o conteúdo, o público, o formato e o que se espera da resposta, e isso reduz o retrabalho.

Durante a aula: apoio, não substituição

Dentro da sala, a IA funciona melhor como um apoio que o professor controla. Pode ajudar a gerar na hora um exemplo alternativo quando a turma não entendeu o primeiro, a reformular uma explicação em linguagem mais simples ou a propor um problema novo para quem terminou antes dos colegas. O ponto de atenção é que o professor continua sendo quem conduz o ritmo e quem decide o que entra na aula. Usar a IA ao vivo exige conferir o que ela produz antes de projetar ou ditar, porque um erro apresentado na frente da turma custa mais caro do que um erro corrigido no planejamento.

Para a rotina de estudo fora da aula, é nesse ponto que entram ferramentas de tutoria integradas ao ambiente da instituição. Elas atendem o aluno nos momentos em que o professor não está presente, algo que o artigo sobre tutoria multidisciplinar com IA explora para áreas além da redação.

Depois da aula: feedback e organização

Depois da aula, a IA pode ajudar a organizar o que sobrou: resumir pontos que renderam dúvidas, sugerir uma atividade de reforço para o próximo encontro ou montar um primeiro rascunho de comunicado para a turma. No feedback sobre trabalhos, a IA pode funcionar como uma primeira leitura que aponta onde o texto fugiu do critério, desde que a rubrica esteja clara e o professor revise o resultado. Para quem corrige muitas atividades discursivas, esse é o caso em que uma ferramenta própria de correção, com critérios definidos pela instituição, faz diferença, e o artigo sobre o caminho prático de ativação da correção mostra como começar.

O que revisar sempre

Seja qual for o uso, algumas conferências devem virar hábito, porque a IA escreve com a mesma confiança quando acerta e quando erra. Quatro perguntas ajudam a organizar essa revisão:

1. O conteúdo está correto? Confira conceitos, números, datas e fórmulas, principalmente nos gabaritos. Referências bibliográficas e citações em particular devem ser verificadas na fonte, porque a IA pode produzir referências que parecem plausíveis e não existem.
2. Está adequado à minha turma? O nível de linguagem, os exemplos e o grau de dificuldade precisam combinar com o que os alunos já viram e com a realidade deles.
3. Está alinhado ao objetivo da aula? Um material bem escrito pode estar fora do que se pretendia ensinar. Vale comparar o resultado com o objetivo de aprendizagem antes de usar.
4. Há algum viés ou generalização indevida? Textos gerados podem repetir estereótipos ou tratar como universal algo que vale só para um contexto.

Em cursos com regras profissionais próprias, como Direito, a conferência de fontes pesa ainda mais, e tratamos disso em IA para cursos de Direito.

Há ainda um cuidado de proteção de dados. Nomes, notas e informações pessoais dos alunos não devem ser colados em ferramentas sem que a instituição tenha definido o que é permitido. A divisão de responsabilidades entre quem controla e quem opera os dados é discutida no artigo sobre LGPD na educação.

Onde não delegar

Há decisões que devem continuar com o professor, mesmo quando a ferramenta consegue produzir uma resposta. A primeira é a nota final de qualquer avaliação, que envolve critério, contexto e responsabilidade acadêmica. A segunda são as decisões sobre um aluno específico, como aprovação, recuperação, encaminhamentos e conversas sobre desempenho, que dependem de conhecimento da trajetória dele. A terceira é a relação pedagógica em si: o reconhecimento de que um aluno está desmotivado, o incentivo na hora certa, a conversa difícil. A IA pode apoiar a preparação dessas situações, mas não faz o papel de quem as conduz.

Quando a instituição adota uma ferramenta de correção, a regra é a mesma. O professor revisa o parecer e valida a nota final, e a ferramenta atua como apoio para reduzir a leitura repetitiva. Para o gestor, o checklist de auditabilidade na correção por IA detalha o que exigir do fornecedor para que essa validação seja possível na prática.

O uso do aluno também precisa de combinado

Falar de IA em sala de aula também é falar do uso que os alunos fazem dela. Um estudo recente, ainda em formato de preprint e sem revisão por pares, acompanhou milhares de estudantes chineses e encontrou um padrão que merece atenção: quem usava a IA para terceirizar o dever tinha notas de casa mais altas, mas desempenho pior em provas fechadas meses depois, e a perda se concentrava nesse grupo. O contexto do estudo é o sistema de ensino chinês e os resultados não devem ser transpostos diretamente para o Brasil, mas o alerta pedagógico vale: o ganho de produtividade do aluno pode esconder uma perda de aprendizagem. O artigo sobre o paradoxo da IA nos estudos detalha esses achados.

Na prática, isso sugere combinar com a turma, no início do curso, em que atividades o uso de IA é permitido, em quais é desejável e em quais não é aceito, e como o aluno deve declarar quando usou. Esse combinado é mais eficaz quando acompanha as diretrizes da instituição, tema do artigo sobre integridade acadêmica na era da IA generativa.

Termos usados neste guia

• IA generativa: sistema que produz texto, imagens ou outros conteúdos a partir de um pedido em linguagem natural.
• Rubrica: descrição dos critérios e dos níveis de desempenho usados para avaliar um trabalho.
• Tutoria com IA: assistente que responde dúvidas do aluno dentro do ambiente de aprendizagem da instituição.
• Preprint: estudo divulgado antes da revisão por pares.

Perguntas frequentes

Por onde o professor deve começar a usar IA? Pelo planejamento, que é a etapa em que o ganho de tempo é mais claro e o risco é menor, porque o professor revisa tudo antes de chegar à turma.

Posso confiar nas respostas e nos gabaritos gerados? Não sem conferir. A IA pode errar com a mesma confiança com que acerta, então conceitos, números e referências devem ser verificados.

A IA pode corrigir as atividades dos meus alunos? Pode apoiar a correção, desde que haja critério claro, de preferência definido pela instituição, e que o professor revise e valide a nota final.

Posso colocar dados dos alunos em ferramentas de IA? Só dentro do que a instituição permitir. Nomes, notas e dados pessoais exigem cuidado, e a política de uso deve estar definida antes.

Como lidar com o uso de IA pelos alunos? Com um combinado claro no início do curso sobre o que é permitido, desejável ou vedado em cada tipo de atividade, alinhado às diretrizes da instituição.

O estudo citado vale para o Brasil? Não diretamente. É um preprint sobre estudantes chineses, sem revisão por pares, e serve como alerta, não como medida do cenário brasileiro.

Fontes

• UNESCO, AI competency framework for teachers (2024)

Principais takeaways de IA na sala de aula: o que pedir, o que revisar e onde não delegar

• A IA é mais útil ao professor no planejamento, em apoio durante a aula e na organização e no feedback depois dela.
• Pedidos com contexto (nível da turma, objetivo, formato e o que se espera da resposta) produzem resultados mais próximos do uso real.
• Antes de usar, revise sempre o conteúdo, a adequação à turma, o alinhamento ao objetivo e possíveis vieses, e não cole dados pessoais de alunos sem política da instituição.
• Nota final, decisões sobre cada aluno e a relação pedagógica continuam com o professor.
• Combinar com a turma como a IA pode ser usada ajuda a proteger a aprendizagem dos alunos.

José Messias Jr. é CEO e cofundador da emy education, ferramenta pedagógica de IA que se integra ao AVA/LMS que a instituição já usa para oferecer tutoria 24h, exercícios adaptativos e correção de atividades discursivas em escala. À frente da emy, liderou a empresa a ser a única edtech da América Latina selecionada pelo Google para o Gemini Founders Forum (2025). Escreve sobre IA aplicada à educação, retenção de alunos e o futuro das instituições de ensino no Brasil. LinkedIn: https://www.linkedin.com/in/josé-messias-jr-7b94a5136