Uma escola ou instituição de ensino é composta por dois tipos de tempo que raramente estão distribuídos de forma igual: tempo em sala de aula ou auditório, e tempo fora dela. Essa última categoria é maior do que geralmente se assume. Preparação de aulas, elaboração e correção de provas, relatórios, prestação de contas à inspeção ou à direção, horários, comunicação com pais ou estudantes, e administração relacionada a cuidados e acompanhamento. Muito desse trabalho é de natureza textual: consiste em ler textos, escrever textos, avaliar textos. Isso torna a educação um setor onde a mudança do trabalho por meio da IA se faz sentir de forma concreta e precoce, pois o trabalho textual é exatamente aquilo em que os modelos de linguagem mais atuam.
A isso se soma uma circunstância que distingue a educação de uma loja ou de uma fábrica: o resultado do trabalho é o desenvolvimento de uma pessoa, e esse desenvolvimento é avaliado e financiado segundo quadros fixos. Um currículo, um programa de exames, um quadro de inspeção. Isso influencia quais tarefas podem ser transferidas e quais permanecem com o docente, independentemente do que é tecnicamente possível.
Em algumas escolas, uma primeira versão de uma prova, de uma rubrica ou de uma formulação de feedback já é elaborada por IA, com um docente que verifica, ajusta e só depois libera. Em outras escolas isso ainda não acontece, e a diferença raramente está na vontade de inovar. Está em três aspectos que precisam estar todos presentes antes que o trabalho de fato seja transferido.
O primeiro é o acesso: um professor pode utilizar um modelo de linguagem sobre dados de alunos, ou existe um acordo de processamento de dados e uma avaliação de privacidade que ainda não foi concluída? O segundo é a supervisão: quem avalia se uma avaliação de um aluno gerada por IA está correta, com que competência e segundo qual protocolo? O terceiro é a confiança do próprio usuário: um docente que duvida se uma sugestão de IA faz justiça a um aluno específico irá ignorar essa sugestão, independentemente da qualidade do sistema.
Essas três categorias permeiam todo o trabalho na educação. Uma parte pode ser assumida de forma autônoma pela IA, como resumir um texto de política extenso ou elaborar uma primeira versão de horário. Uma parte segue com supervisão humana que aprova ou reprova com justificativa, como o feedback sobre uma redação ou um rascunho de relatório. E uma parte permanece trabalho humano, como a conversa com um aluno que enfrenta dificuldades, ou a ponderação pedagógica atrás de um alerta de cuidado. Qual parte vai para onde varia não apenas entre instituições, mas também entre tarefas dentro da mesma instituição.
"Utilizamos IA para reduzir a carga de trabalho" é uma frase que cabe em praticamente qualquer relatório de gestão e que, na prática, quase nada define. Refere-se a liberar tempo de correção para dar mais atenção por aluno, ou a preencher uma quantidade fixa de tempo de ensino com menos pessoal de apoio? Ambas são ambições legítimas, mas exigem capabilities diferentes: sistemas diferentes, competências diferentes, acordos diferentes com a representação dos funcionários. Enquanto essa escolha não for consolidada em uma visão concreta de futuro e testada em relação ao que a organização precisa ser capaz de fazer, uma equipe de direção continuará a falar com as mesmas palavras sem se entender de fato.
É aí que um teste de preparação faz diferença: não reformular a ambição, mas verificar se as condições para ela estão presentes. Pense no acesso a dados, em direitos de decisão claros sobre quem pode aprovar uma sugestão de IA, em habilidades treinadas entre docentes e equipe, em uma estrutura de supervisão adequada à sensibilidade dos dados dos alunos.
Quando o trabalho textual se transfere, surge tempo de ensino ou tempo de apoio disponível. O que uma direção faz com essa capacidade liberada pertence às próprias ponderações estratégicas e trabalhistas dessa instituição, com requisitos legais próprios quando se trata de decisões relativas a pessoal. Esta página descreve apenas para onde o próprio trabalho está se movendo, não o que uma direção deveria fazer com isso.
A dinâmica subjacente — o trabalho textual se transfere antes do trabalho físico ou relacional, e a supervisão continua sendo o fator determinante — não se manifesta apenas na educação. Padrões semelhantes podem ser reconhecidos naquilo que se observa em ambições de IA no setor de TI, na forma como o comércio a retalho encara as tarefas de IA, e na posição de partida muito diferente das ambições de IA na hotelaria e restauração. O que varia sempre não é a tecnologia, mas a preparação da organização por detrás dela.
Uma ambição como "a IA apoia o desenvolvimento de provas" traduz-se em papéis concretos: quem elabora, quem aprova, quem é responsável se um erro passar despercebido. Essa tradução de ambição para papel e direito de decisão é o foco central da página sobre quais capabilities uma organização precisa para realizar uma ambição de IA, e raramente é apenas uma questão técnica para uma direção escolar ou Conselho de Administração — é também uma questão sobre como uma equipe de direção se alinha sobre o que a ambição realmente significa.
A questão de qual trabalho na sua instituição pode realmente ser assumido pela IA não se responde com uma visão geral do setor; essa questão é respondida tarefa por tarefa com o scan de trabalho da FTE TO AI. Se quiser saber primeiro em que ponto sua organização está atualmente, o teste de preparação gratuito, com oito perguntas curtas, uma por dimensão, dá uma visão de onde está mais avançado e onde está menos avançado. O teste de ambição completo, com as quatro camadas, da visão ao estado-alvo, e a tradução para papéis e direitos de decisão, está em desenvolvimento.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.