Vale a pena ir às aulas, como escrevi no início de junho. A resposta continua a ser esta, quase austera, quase antiga, mas agora precisa de ser dita com uma nova gravidade. Defendi que a aula não é apenas transmissão de conteúdos: é presença, pertença, atenção partilhada, disciplina intelectual e formação humana. Essa ideia deve permanecer como ponto de partida, porque a universidade não é um armazém de ficheiros nem uma sucessão de tarefas submetidas numa plataforma; é uma comunidade onde se aprende a pensar com outros.

A evolução e adoção generalizada da inteligência artificial generativa veio tornar esta discussão mais urgente. Se antes já era possível faltar e recuperar parte dos materiais através do Moodle, de vídeos ou de apontamentos, hoje é possível pedir a um sistema de IA que explique, resuma, traduza, programe, compare, argumente e até simule uma resposta académica. A ausência ficou mais confortável. Mas o conforto, em educação, nem sempre é sinónimo de progresso. Há aprendizagens que exigem demora, fricção, escuta, reformulação e contacto com a dificuldade. Uma máquina pode oferecer uma resposta, mas uma aula bem construída pode ensinar o estudante a merecê-la.

A mudança já não é marginal. No Reino Unido, o estudo da HEPI publicado em 2025 indicou que a percentagem de estudantes que dizia usar alguma ferramenta de IA passou de 66% em 2024 para 92% em 2025; o mesmo relatório assinala que muitos estudantes usam IA para gerar texto, editar trabalhos e apoiar atividades de estudo. O Digital Education Council, num inquérito internacional de 2024, reportou que 86% dos estudantes usavam IA nos seus estudos e que 54% a usavam pelo menos semanalmente. Estes números dizem-nos algo simples: a pergunta já não é se os estudantes usam IA. Usam. A pergunta decisiva é se a usam para aprender melhor ou para atravessar a universidade com menor contacto com o próprio ato de aprender.

As universidades de referência perceberam que não basta responder com medo ou entusiasmo. Oxford afirma que qualquer uso não autorizado de IA em trabalho submetido para avaliação constitui fraude e plágio segundo as regras da instituição, podendo ter sanções graves; ao mesmo tempo, a própria universidade disponibiliza orientações sobre utilização segura e responsável. Cambridge declara que o uso de conteúdo gerado por IA numa avaliação sumativa, sem reconhecimento e como se fosse trabalho próprio, constitui má conduta académica, salvo indicação explícita em contrário. Stanford recomenda que, na ausência de uma orientação clara do docente, o uso de IA generativa seja tratado como ajuda de outra pessoa; acrescenta ainda que os estudantes devem reconhecer esse uso sempre que não seja meramente incidental. A UCL oferece uma das abordagens mais pedagógicas, ao organizar a utilização de IA em três categorias: situações em que a IA não pode ser usada, situações em que pode ter um papel de assistência e situações em que faz parte integrante da avaliação. Harvard, por sua vez, recomenda que os docentes explicitem de forma clara, nos programas das unidades curriculares, como a IA pode ou não pode ser usada, em vez de deixarem os estudantes presos a zonas cinzentas de interpretação. O MIT vai ainda mais longe no plano pedagógico, ao sugerir que os docentes redesenhem objetivos, avaliações e atividades considerando as capacidades da IA, a equidade no acesso, a privacidade e a necessidade de tornar explícitas as expectativas de uso.

Deste conjunto de políticas emerge um padrão comum. As universidades mais fortes não estão apenas a escrever regulamentos para proibir ou permitir. Estão a tentar reconstruir a confiança. Essa confiança exige clareza, transparência, responsabilidade, proteção de dados, justiça no acesso e avaliação mais autêntica. Exige que o estudante saiba quando pode usar IA, como deve declarar esse uso e que responsabilidade mantém sobre o trabalho entregue. Exige, também, que o professor deixe de imaginar que pode avaliar da mesma forma num mundo em que uma ferramenta digital produz, em segundos, textos fluentes, código funcional, resumos convincentes e respostas aparentemente sofisticadas.

A UNESCO defende que a IA generativa em educação deve ser regulada e usada a partir de uma visão centrada no ser humano, com atenção à inclusão, à equidade, à diversidade linguística e cultural, à proteção de dados e ao desenvolvimento de capacidade institucional. O AI Act europeu confirma que a educação é uma área sensível: sistemas de IA usados para determinar acesso, admissão, avaliação de resultados de aprendizagem ou monitorização de comportamentos em testes podem ser classificados como sistemas de alto risco, precisamente porque podem influenciar o percurso educativo e profissional das pessoas. A mensagem é clara: a IA na universidade não é apenas uma ferramenta de produtividade, mas uma tecnologia que toca a justiça, a autonomia, a avaliação e o futuro dos estudantes.

A IA não criou todos os problemas da universidade, mas tornou-os mais visíveis. Se uma avaliação pode ser resolvida por uma máquina sem que o estudante pense, talvez a avaliação já estivesse demasiado próxima da reprodução mecânica. Se uma pergunta pode ser respondida por um modelo sem contexto, talvez fosse uma pergunta pobre. Se um trabalho final é aceite sem etapas, sem discussão oral, sem defesa, sem reflexão sobre o processo, então a universidade confundiu produto com aprendizagem. A IA obriga-nos a regressar ao essencial.

Devemos, então, criar regulamentos para a utilização da IA? Sim. Seria irresponsável não o fazer. Regulamentos claros evitam arbitrariedade, reduzem injustiças, protegem docentes e estudantes, definem limites e tornam explícito aquilo que é aceitável. Sem regras, instala-se uma universidade de interpretações várias: um docente proíbe tudo, outro permite tudo, outro finge que nada mudou. O estudante passa a navegar por um arquipélago de normas contraditórias. A política institucional deve ser suficientemente clara para orientar e suficientemente flexível para respeitar diferenças entre áreas, níveis de ensino e tipos de avaliação.

Mas a pergunta maior não é apenas regulamentar. A pergunta maior é curricular e filosófica: devem os conteúdos programáticos continuar a ser os mesmos, apenas ensinados com apoio da IA, ou devem mudar os próprios conteúdos e as competências a desenvolver?

Ao mesmo tempo, seria ingénuo manter os cursos como se nada tivesse acontecido. Os conteúdos devem ser preservados quando são estruturantes, mas precisam de ser reorganizados em torno de novas competências. O estudante deve aprender a trabalhar com IA, mas também contra a IA: verificar, testar, auditar, corrigir, explicar, limitar, proteger, documentar e assumir responsabilidade. No caso da programação, por exemplo, o problema já não é apenas escrever código; é compreender sistemas, formular problemas, validar soluções, avaliar riscos, comunicar decisões técnicas e garantir que aquilo que funciona também é seguro, sustentável e ético.

Esta discussão torna-se ainda mais urgente porque cresce a dúvida pública sobre o valor do grau universitário. O artigo do The Guardian reporta dados do British Social Attitudes segundo os quais a percentagem de pessoas que consideram que uma educação universitária não vale o tempo e o dinheiro subiu de 14% em 2005 para 34% em 2025. A fonte primária da NatCen confirma esse valor de 34% e mostra diferenças relevantes consoante a geração que enfrentou, ou não, propinas universitárias mais elevadas.

Perante isto, a universidade não pode limitar-se a defender o diploma como tradição. Tem de demonstrar valor formativo. Um grau universitário só continuará a valer a pena se representar uma transformação reconhecível na forma de pensar, resolver problemas, comunicar, colaborar, decidir e aprender. A universidade não pode prometer apenas empregabilidade imediata, porque o mercado muda mais depressa do que qualquer plano de estudos. Mas pode prometer algo mais profundo, como a capacidade de continuar a aprender quando as ferramentas mudam, quando as profissões se alteram e quando as respostas fáceis deixam de chegar.

No curto prazo, as instituições devem criar políticas de IA simples, públicas e inteligíveis. Cada unidade curricular deve indicar se a IA é proibida, permitida como apoio limitado ou integrada na própria avaliação. Devem existir modelos de declaração de uso, exemplos concretos de práticas aceitáveis e inaceitáveis, regras de proteção de dados e procedimentos proporcionais perante suspeitas de uso indevido. As recomendações de UCL, Stanford, Oxford, Cambridge, Harvard e MIT convergem neste ponto: a clareza é condição de justiça.

Ainda no curto prazo, a avaliação deve ser revista. Trabalhos genéricos, perguntas recicladas e textos sem defesa tornaram-se frágeis. Não devem desaparecer todos, mas devem ser acompanhados por etapas intermédias, reflexão sobre o processo, discussão oral, resolução em aula, análise crítica de respostas geradas por IA e tarefas ligadas a contextos específicos. Stanford, por exemplo, recomenda formatos presenciais, exames orais e escrita em aula quando o objetivo é limitar o uso de IA em avaliações de maior risco; a mesma fonte alerta para problemas dos detetores de IA, incluindo falsos positivos, falsos negativos e enviesamentos.

No médio prazo, os cursos devem rever os resultados de aprendizagem. Não basta acrescentar o uso de ferramentas de IA nas unidades curriculares. Cada curso deve perguntar: que tarefas desta área serão transformadas por IA? Que fundamentos se tornam ainda mais necessários? Que competências humanas ganham valor porque a máquina executa parte e melhor o trabalho operacional? Em muitos cursos, será necessário ensinar literacia em IA, ética, verificação de resultados, privacidade, explicabilidade, comunicação técnica, pensamento crítico e decisão sob incerteza. Uma possibilidade é os docentes começarem pelos resultados de aprendizagem e redesenharem avaliações e atividades tendo em conta aquilo que a IA permite, facilita ou pode contornar.

No longo prazo, o próprio conceito de grau universitário terá de evoluir. Talvez o diploma precise de ser menos uma fotografia final e mais um portefólio de capacidades demonstradas ao longo do tempo. Talvez a formação superior tenha de combinar graus longos, módulos curtos, atualização contínua e experiências práticas supervisionadas. Mas essa evolução não deve transformar a universidade numa fábrica de certificados rápidos. O mercado pede adaptação; a universidade deve acrescentar profundidade. O mercado pede resposta; a universidade deve formar pergunta. O mercado pede competência; a universidade deve formar critério.

Por isso, a universidade depois da IA deve ser mais exigente, não menos. Mais humana, não menos tecnológica. Mais clara nas regras, mas também mais corajosa no currículo. Deve ensinar os estudantes a usar IA sem se tornarem dependentes dela. Deve proteger a presença em aula sem negar o valor do digital. Deve redesenhar avaliações sem transformar tudo em vigilância. Deve formar docentes, não para entreterem mais, mas para ensinarem melhor num mundo em que o acesso à informação deixou de ser o problema principal.

A inteligência artificial veio mudar a universidade. Mas talvez a sua maior contribuição seja obrigar-nos a recordar aquilo que a universidade nunca deveria ter esquecido: educar não é acelerar respostas, mas é formar pessoas capazes de habitar perguntas difíceis. E essa travessia, por mais tecnologia que exista, continua a precisar de presença.