Antes de qualquer debate técnico, é importante deixar claro que a sociedade passa por transformações tecnológicas constantes, e a mais recente delas é a chamada transformação digital, e agora entramos no mundo da inteligência artificial.
Quando falamos em transformação digital, estamos falando de pessoas, de trabalho e de organização social, e não apenas de ferramentas.
Este texto inaugura a série IA no cotidiano do professor justamente para tentarmos compreender o que está acontecendo, e por que isso afeta diretamente o trabalho docente e como é possível se apropriar dessas mudanças de forma crítica, sistêmica, consciente e sustentável.
No momento atual, uma boa honesta sobre a utilização da inteligência artificial na educação não é se ela vai revolucionar a escola, mas como podemos utilizá-la para executar melhor as tarefas do dia a dia, de forma sistemática, consciente, organizada e mais importante, para melhorar a nossa entrega e não nos substituir.
Antes de falar em grandes transformações, é preciso olhar para o cotidiano real do trabalho docente e para a sobrecarga que se acumula silenciosamente ao longo dos anos, mesmo sabendo que precisamos de grandes transformações.
A ideia deste post não é dizer que a educação não precisa mudar, eu acredito que precisa, e muito, não apenas no Brasil, mas no mundo inteiro. O Brasil precisa, sim, de uma revolução educacional, e isso envolve organização social, planejamento de longo prazo, investimento contínuo, políticas públicas consistentes e luta permanente.
É preciso lembrar que uma coisa é dar aula, outra é ser professor! Pode apostar que são diferentes. Um professor pode lecionar diversas aulas, mas quem apenas dá aula dificilmente se transformará num professor.
Uma matéria publicada em 17/11/2025, no G1, chamou minha atenção: quase 100 (95 para ser exato) afastamentos diários de professores por questões de saúde mental, apenas no estado de São Paulo. A sociedade como um todo está adoecendo, isso não é novidade.
Mas os professores ocupam um lugar central nesse cenário: são eles que constroem experiências de aprendizagem, mediam conflitos, formam repertório crítico e contribuem para preparar os estudantes em cidadãos que participam ativamente da sociedade. O professor deveria ser reconhecido como um dos profissionais mais importantes do século XXI.
É a partir desse contexto que decidi criar a série “IA no cotidiano do professor”. Para organizar essa reflexão, utilizei o Relatório TALIS (Teaching and Learning International Survey), da OCDE, edição de 2024, que mostra onde professores do mundo inteiro investem mais tempo e quais são suas principais fontes de estresse e preocupação.
A proposta da série não é oferecer soluções mágicas, mas discutir como a imitação algorítmica (Silvio Meira), utilizada com inteligência, pode ajudar a tornar processos menos desgastantes e devolver algo essencial ao trabalho docente: tempo, clareza para criar experiências de aprendizagem que façam sentido no mundo atual.
Toda tecnologia que muda a estrutura e o trabalho exige apropriação dela e não resistência
Toda nova tecnologia carrega em si um conjunto de contradições. Assim como na vida, o equilíbrio só existe porque há desequilíbrio, e esse desequilíbrio pode ser lido de forma negativa ou como motor de transformação. O que não é possível é fingir que ele não existe.
Precisamos compreender que existem contradições que precisam ser encaradas para continuarmos avançando, e é um trabalho de longo prazo.
Com as tecnologias acontece o mesmo, elas (re)organizam práticas, deslocam esforços, criam ganhos, mas também geram perdas que precisam ser compreendidas e remediadas.
Desde os primórdios da humanidade, as tecnologias surgem com um objetivo recorrente: reduzir o trabalho braçal humano ou animal e aumentar a eficácia produtiva. Essa substituição do esforço físico por ferramentas e máquinas sempre foi vista como avanço, mas também levanta questões legítimas.
Ao retirar parte do esforço corporal do cotidiano, essas tecnologias contribuíram para uma mudança profunda na forma de viver e trabalhar, inclusive abrindo caminho para formas de sedentarismo.
A questão agora é que as máquinas conseguem de alguma forma gerar conteúdos, imagens, vídeos, buscar informações, produzir plantas de casa como se fossem arquitetos, escrever teses, letras de músicas, criar músicas (The Velvet Sundown banda gerada por IA, com mais de 1 milhão ouvintes por mês). Sem considerar a área médica que já utiliza faz tempo. Agora passamos por um momento onde a IA Generativa também consegue entregar coisas que só nos humanos conseguiam.
O ponto central, portanto, não é negar o avanço tecnológico, mas entender como reorganizar a vida e o trabalho diante dessas transformações, quanto mais rápido entender essas mudanças mais simples será a adaptação a essa nova era que já chegou.
IA como Tecnologia de Propósito Geral
Antes de entrar nos detalhes, é importante entender o que são Tecnologias de Propósito Geral, não é algo teórico ou distante da vida real. É, na prática, uma forma de entender por que a maneira como você trabalha, aprende (estou me referindo do ponto de vista das interações e não do ponto de vista biológico) e vive já está mudando e vai continuar mudando. Esse tipo de tecnologia não altera só uma tarefa aqui ou outra ali. Ela muda rotinas inteiras, expectativas, profissões e até a forma como nos relacionamos com o mundo.Quando entendemos isso, deixamos de apenas reagir às mudanças e passamos a lidar com elas de forma mais consciente e gerando valor para as pessoas.
Isso significa que não estamos diante de mais uma ferramenta pedagógica, mas de uma tecnologia capaz de alterar profundamente a própria organização do trabalho docente.
O termo Tecnologia de Propósito Geral surgiu justamente para explicar esse tipo de transformação mais profunda. Ele foi criado por economistas que tentavam entender por que algumas tecnologias, como o motor a vapor ou a eletricidade, mudaram tanto a economia e a organização da sociedade, enquanto outras tiveram impactos mais limitados.
Mais tarde, esse mesmo conceito passou a ser usado para explicar o papel da computação e das tecnologias digitais no mundo contemporâneo. Em meados dos anos 1990, pesquisadores como Timothy Bresnahan e Manuel Trajtenberg ajudaram a organizar essa ideia, mostrando que certas tecnologias não apenas aumentam a produtividade, mas (re)organizam sistemas inteiros, o que exige adaptação, aprendizado e mudanças reais na forma como trabalhamos e usamos essas tecnologias no dia a dia.
| Característica de uma GPT | O que significa (explicação simples) |
|---|---|
| Uso generalizado | Pode ser aplicada em muitos setores e atividades diferentes, espalhando-se pela economia e pela vida social (não fica “presa” a um único uso). |
| Função genérica | Funciona como um “insumo” ou capacidade geral (ex.: energia, computação, conectividade), que pode ser usada em contextos variados. |
| Tecnologia facilitadora (habilitadora) | Não entrega uma solução completa sozinha; ela habilita novas soluções, produtos e formas de organizar processos em diferentes áreas. |
| Dinamismo tecnológico | Evolui continuamente: melhora desempenho, reduz custos e amplia capacidades ao longo do tempo (não “nasce pronta”). |
| Inovação na própria GPT | Conforme mais gente usa e mais aplicações surgem, aumenta o incentivo para aperfeiçoar a própria tecnologia (novas versões, novas infraestruturas, mais eficiência). |
| Complementaridades de inovação | Seu valor cresce quando outros setores inovam em cima dela: o impacto vem do “ecossistema” (processos, produtos, práticas e organização). |
| Ciclo de feedback positivo | Melhorias na GPT permitem novas aplicações; essas aplicações aumentam o retorno e estimulam novas melhorias, criando um ciclo de crescimento. |
| Co-invenção | A simples existência da GPT não gera ganhos automáticos: cada área precisa adaptar, redesenhar processos, investir em competências e criar usos próprios para gerar valor real. |
A tabela a seguir amplia essa visão e mostra outras tecnologias de propósito geral que marcaram a história da humanidade. Ao compará-las, fica mais fácil perceber um padrão recorrente: são tecnologias que não resolvem apenas um problema específico, mas reorganizam formas de trabalho, produção, comunicação e vida social, sempre acompanhadas de ganhos, tensões e necessidade de adaptação.
| Tecnologia de propósito geral (exemplos históricos) | Período (aprox.) | Uso generalizado (função genérica + amplo alcance) |
Tecnologia facilitadora (habilita novas oportunidades) |
Dinamismo tecnológico (melhoria contínua) |
Complementaridades de inovação (feedback + co-invenção) |
|---|---|---|---|---|---|
| Agricultura (domesticação + técnicas agrícolas) | ~10.000 a.C. | Alimentação, organização social, trabalho, comércio, crescimento urbano. | Habilita sedentarização, excedente, especialização de ofícios e administração. | Irrigação, rotação, arado, sementes, fertilização, mecanização posterior. | Infraestrutura (armazenagem, transporte), mercados, tributação, instituições. |
| Escrita (sistemas de registro) | ~3.200 a.C. | Administração, ciência, educação, direito, contabilidade, cultura. | Habilita gestão do conhecimento, coordenação de grandes sistemas e memória social. | Evolui em materiais, padronização, alfabetização, sistemas de arquivo. | Burocracias, escolas, bibliotecas, leis, estados e economias complexas. |
| Imprensa (prensa tipográfica) | ~século XV | Educação, religião, ciência, política, comércio editorial. | Habilita reprodução em massa do conhecimento, padronização e difusão rápida. | Novas técnicas, materiais, logística editorial, redução de custos. | Universidades, imprensa jornalística, ciência moderna, alfabetização em escala. |
| Motor a vapor | séculos XVIII–XIX | Mineração, manufatura, transporte, energia, mecanização industrial. | Habilita produção mecanizada e novos arranjos de fábrica e logística. | Eficiência, controle e escalabilidade (aperfeiçoamentos sucessivos). | Ferrovias, urbanização, cadeias industriais, padrões de trabalho e gestão. |
| Eletricidade | fim do séc. XIX–XX | Indústria, casas, saúde, comunicações, iluminação, serviços. | Habilita novas máquinas, turnos, redes, eletrodomésticos, automação inicial. | Geração, transmissão, motores, eficiência, custo e alcance aumentam. | Reorganização de fábricas, redes elétricas, novos produtos e setores inteiros. |
| Motor a combustão / automóvel | século XX | Mobilidade, logística, serviços, agricultura mecanizada, urbanismo. | Habilita cadeias de suprimento, cidades expandidas, novas profissões e serviços. | Segurança, eficiência, produção em massa, eletrônica embarcada, custo/benefício. | Estradas, leis, seguros, postos, manutenção, planejamento urbano e trabalho. |
| Computador e semicondutores (TIC) | século XX–XXI | Ciência, indústria, finanças, educação, saúde, governo, mídia. | Habilita automação informacional, simulação, controle, softwares e dados. | Aumento exponencial de capacidade e redução de custo/tamanho. | Software, redes, novos mercados; organizações redesenham processos (co-invenção). |
| Internet / redes digitais | fim do séc. XX–XXI | Comunicação, comércio, educação, governo, trabalho remoto, cultura. | Habilita plataformas, colaboração em escala, novos modelos de negócio e acesso. | Banda larga, mobilidade, protocolos, computação em nuvem. | Ecossistemas (apps, e-commerce, redes sociais), novas instituições e práticas sociais. |
| Inteligência Artificial (incl. IA generativa) | século XXI | Educação, saúde, indústria, serviços, pesquisa, criação, gestão, governo. | Habilita automação cognitiva parcial (apoio a escrita, análise, atendimento, decisão). | Modelos evoluem rapidamente; custo/qualidade mudam em ciclos curtos. | Exige redesenho de processos, novas competências, governança e “co-invenção” setorial. |
Depois de entender como Tecnologias de Propósito Geral funcionam e de observar como elas transformaram profundamente diferentes períodos da história, é inevitável trazer essa discussão para a realidade da sala de aula e do trabalho docente. Quando uma tecnologia desse tipo se difunde, ela não muda apenas o mercado ou a economia, ela altera o cotidiano das profissões. O próximo passo é olhar para os dados do Relatório TALIS, que apresenta onde os professores efetivamente investem mais tempo e quais são as principais fontes de estresse no dia a dia escolar.
É a partir desse retrato concreto da prática docente que faz sentido discutir como a inteligência artificial pode atuar como apoio real, e não como promessa vazia dentro da escola.
O que a TALIS revela sobre o cotidiano da sala de aula
O Relatório TALIS (Teaching and Learning International Survey), conduzido pela OCDE, é hoje uma das principais pesquisas internacionais sobre o cotidiano de professores e diretores. Ele investiga, a partir da própria percepção dos profissionais da educação, como o tempo de trabalho é distribuído, quais atividades geram mais pressão e quais fatores estão associados ao estresse e ao bem-estar docente.
Ao olhar para esses dados, deixamos o campo das suposições e passamos a enxergar, com mais clareza, onde estão os principais gargalos do trabalho na sala de aula e fora dela, ponto essencial para discutir de forma responsável como tecnologias como a inteligência artificial podem apoiar, e não sobrecarregar ainda mais, o professor.
O Relatório TALIS aponta 16 fatores principais associados ao estresse docente. Para esta série, optei por trabalhar apenas com 8 desses itens, aqueles em que é possível testar, de forma responsável, como a inteligência artificial pode atuar como apoio aos processos de trabalho. Nos demais casos, seria necessário um nível maior de contexto institucional, organizacional e relacional da escola para compreender melhor os fluxos envolvidos antes de qualquer tentativa de intervenção tecnológica.
Alguns fatores, como manter a disciplina dentro da escola, ser responsável pelo bem-estar social e emocional dos estudantes e outros elementos diretamente ligados à dimensão relacional do trabalho docente, não farão parte dos testes desta série.
Neste momento, não acredito que a inteligência artificial seja a ferramenta adequada para lidar com esse tipo de questão. Esses desafios exigem presença humana, escuta qualificada, mediação pedagógica e, muitas vezes, apoio profissional especializado, como o trabalho conjunto com psicólogos e equipes multiprofissionais. Reconhecer onde a IA pode ajudar e onde ela não deve ser aplicada é parte essencial de um uso ético, responsável e realmente comprometido com a saúde do professor e dos estudantes.
Veja abaixo as fontes de estresse
| Fontes de estresse | Brasil | Chile | Colômbia | Média OCDE | ||||
|---|---|---|---|---|---|---|---|---|
| % | S.E | % | S.E | % | S.E | % | S.E | |
| Ser responsabilizado pelo desempenho dos alunos | 66,3 | (1,6) | 55,5 | (1,8) | 34,4 | (1,5) | 45,0 | (0,3) |
| Manter a disciplina dentro da escola | 63,8 | (1,6) | 54,2 | (2,1) | 31,0 | (1,7) | 44,8 | (0,3) |
| Ter que corrigir muitas provas/exercícios | 59,8 | (1,7) | 48,8 | (1,7) | 30,4 | (1,6) | 40,3 | (0,3) |
| Ter muito trabalho administrativo para fazer | 54,4 | (2,0) | 56,9 | (2,0) | 30,7 | (1,7) | 51,7 | (0,3) |
| Ser responsável pelo bem-estar social e emocional dos alunos | 53,8 | (1,5) | 47,5 | (1,6) | 30,5 | (1,8) | 39,9 | (0,3) |
| Ter que preparar muitas aulas | 51,6 | (1,6) | 46,1 | (1,9) | 26,4 | (1,4) | 34,7 | (0,2) |
| Ter que dar muitas aulas | 51,4 | (1,5) | 47,3 | (1,7) | 21,1 | (1,6) | 31,1 | (0,3) |
| Acompanhar as mudanças nos requisitos das autoridades | 49,8 | (1,4) | 27,9 | (1,9) | 23,0 | (1,6) | 39,3 | (0,3) |
| Manter-se atualizado com as mudanças curriculares ou de programa na escola | 49,5 | (1,6) | 33,5 | (1,6) | 23,4 | (1,6) | 33,7 | (0,3) |
| Responder às preocupações de pais ou responsáveis | 47,2 | (1,6) | 47,6 | (2,2) | 24,5 | (1,6) | 41,6 | (0,3) |
| Ser intimidado ou ofendido verbalmente pelos alunos | 46,6 | (1,4) | 28,4 | (2,0) | 20,0 | (1,5) | 17,6 | (0,2) |
| Ter muito trabalho em questões de diversidade e equidade, preocupações ou conflitos | 46,5 | (1,5) | 26,4 | (2,0) | 19,7 | (1,9) | 26,8 | (0,2) |
| Acompanhar o desenvolvimento profissional | 44,0 | (1,3) | 34,3 | (1,8) | 22,8 | (1,8) | 24,5 | (0,2) |
| Modificar aulas para alunos com necessidade de educação especial | 43,3 | (1,4) | 31,5 | (1,6) | 24,4 | (2,2) | 37,2 | (0,3) |
| Ter que adaptar o trabalho devido a interrupções inesperadas | 36,3 | (1,5) | 28,2 | (1,8) | 20,0 | (1,9) | 19,8 | (0,2) |
| Ter responsabilidade extra devido à ausência de professores | 31,3 | (1,7) | 42,8 | (2,2) | 25,1 | (1,8) | 30,4 | (0,3) |
Nos próximos posts da série IA no cotidiano do professor, vou me aprofundar em situações concretas do cotidiano docente que aparecem de forma recorrente no Relatório TALIS como fontes de estresse e sobrecarga. Cada post irá tratar um desses pontos de forma isolada, analisando os processos envolvidos e discutindo como a inteligência artificial pode atuar como apoio prático, ajudando a organizar tarefas, otimizar o retrabalho, sempre com limites claros e sem substituir o trabalho pedagógico. A ideia não é oferecer soluções mágicas, mas explorar caminhos possíveis para que você possa conhecer as ferramentas e encontrar essa “nova” forma de trabalhar em sala de aula.
Esses são os temas que serão abordados ao longo da série:
Correção de muitas provas e exercícios
Excesso de trabalho administrativo
Preparação de muitas aulas
Carga elevada de aulas semanais
Acompanhamento de mudanças nos requisitos das autoridades
Atualização constante frente às mudanças curriculares ou de programas
Adaptação de aulas para estudantes com necessidades educacionais específicas
Acompanhamento do desenvolvimento profissional
Nos próximos posts desta série, vamos aprofundar como a inteligência artificial pode atuar, de maneira ética (será?), realista e responsável (será?), em diferentes dimensões do trabalho docente: planejamento, avaliação, gestão do tempo e desenvolvimento profissional.
Fique atento aos próximos conteúdos e acompanhe a série. Cada post abordará um desafio concreto do dia a dia do professor, sempre com olhar crítico, pé no chão e foco na prática real da escola.
Referências
ELOUNDOU, Tyna; MANNING, Sam; MISHKIN, Pamela; ROCK, Daniel. GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. Working paper, arXiv, 22 ago. 2023. Disponível em: https://arxiv.org/pdf/2303.10130.
BRESNAHAN, Timothy F.; TRAJTENBERG, Manuel. General Purpose Technologies “Engines of Growth?” NBER Working Paper No. 4148, ago. 1992. Disponível em: https://download.ssrn.com/nber/nber_w4148.pdf?abstractId=282685.
(Observação: esse trabalho também tem versão publicada depois no Journal of Econometrics em 1995, mas o seu link é do working paper do NBER.)WOESSNER, Mary N.; TACEY, Alexander; LEVINGER-LIMOR, Ariella; PARKER, Alexandra G.; LEVINGER, Pazit; LEVINGER, Itamar. The Evolution of Technology and Physical Inactivity: The Good, the Bad, and the Way Forward. Frontiers in Public Health, 2021. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC8193221/.
INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS ANÍSIO TEIXEIRA (INEP). Pesquisa Internacional sobre Ensino e Aprendizagem – TALIS 2024: Relatório Nacional (Primeira Parte). Disponível em: https://download.inep.gov.br/acoes_internacionais/pesquisa_talis/resultados/2024/relatorio_nacional_talis_2024.pdf.
(Divulgação institucional dos resultados do Brasil: 7 out. 2025.)
Autor: Fernando Giannini
A construção do pensamento, as relações conceituais e a verificação das fontes foram realizadas pelo autor, assim como a responsabilidade por eventuais erros.
O Sistema algorítmico de processamento colaborou na organização do texto e na otimização para mecanismos de busca, sem interferir na originalidade das ideias.
