Um artigo conceitual publicado na revista Artificial Intelligence in Education propõe um novo quadro de “atributos de egresso” para universidades, alinhado à transição para a Industry 5.0 e ao avanço da inteligência aumentada, uso de IA para ampliar, e não substituir, capacidades humanas. A proposta organiza competências em três conjuntos (conceituais, tecnológicas e humanas) e defende maior colaboração entre universidade e indústria para reduzir lacunas de formação diante do rápido redesenho de ocupações e rotinas de trabalho impulsionado pela IA generativa.
O QUE HÁ DE NOVO: O estudo argumenta que os frameworks atuais de atributos de egresso, muitas vezes criados de forma local por instituições e com listas extensas e redundantes, não capturam de maneira suficiente as exigências emergentes do mercado em um cenário de Industry 5.0. Como evidência do ritmo da mudança, o texto cita a alta rápida de adoção de IA generativa no trabalho, de 22% em 2023 para 75% em 2024, e defende a necessidade de um modelo mais “universal” e comparável entre países e setores, especialmente para um mercado de trabalho cada vez mais globalizado.
COMO FUNCIONA: Em vez de testar uma intervenção em sala de aula, o artigo faz uma síntese conceitual estruturada da literatura entre 2015 e 2025, com busca em bases como Scopus, Web of Science, ERIC e ScienceDirect. A construção do framework se apoia em duas lentes de gestão de pessoas: a ambidestria do empregado (equilibrar exploração de novas ideias e exploração/otimização do que já existe) e o “pipeline” de gestão de talentos (atração, desenvolvimento e retenção), conectando o papel da universidade, na formação inicial, ao desenvolvimento contínuo de competências ao longo da carreira.
INSIGHT CENTRAL: O “pulo do gato” da proposta é tratar a prontidão para a Industry 5.0 como uma combinação explícita de três dimensões que precisam caminhar juntas: habilidades conceituais (pensamento de alto nível e visão sistêmica), habilidades tecnológicas (letramento e capacidade de operar com sistemas digitais e de IA, com postura de aprendizagem contínua) e habilidades humanas (ética, empatia, colaboração e comunicação para garantir supervisão responsável). A ambidestria vira o objetivo: profissionais devem tanto usar IA para aumentar eficiência quanto explorar espaços em que capacidades humanas sigam essenciais.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para a sala de aula, a implicação é que “ser digitalmente letrado” tende a ficar pequeno: o texto coloca a “AI literacy” como atributo-chave para que estudantes consigam avaliar criticamente saídas de sistemas, reconhecer vieses e tomar decisões mais responsáveis quando a IA entra em processos de criação, análise e gestão. Para docentes e gestores, o argumento aponta para revisão curricular menos baseada em listas genéricas e mais orientada por competências transferíveis e atualizáveis, incluindo habilidades como pensamento crítico, resolução de problemas, criatividade, adaptabilidade e resiliência, que aparecem como transversais às três dimensões propostas e mais resistentes à substituição por automação.
SIM, MAS…: O próprio artigo reconhece limites importantes: trata-se de um trabalho conceitual, sem coleta empírica com estudantes, professores ou empregadores para validar a estrutura proposta, medir impacto em aprendizagem ou verificar se a simplificação realmente melhora a comparabilidade entre contextos. Além disso, a ambição de um framework “universal” esbarra em realidades de infraestrutura, regulação e culturas institucionais distintas, o que pode fazer com que a implementação se traduza em experiências muito desiguais entre cursos e universidades, especialmente quando o acesso a tecnologias e parcerias com empresas não é homogêneo.
EXEMPLOS NA PRÁTICA EDUCACIONAL: Entre as recomendações, o texto sugere módulos de design thinking como uma via para integrar habilidades conceituais e humanas em desafios reais, com participação de especialistas da indústria e ciclos de empatia, definição de problemas, ideação, prototipagem, testes e implementação. Outra frente é ampliar oportunidades práticas, em todas as áreas (não só STEM), para que estudantes compreendam como sistemas e ferramentas de Industry 5.0 são usados no trabalho, quais tarefas são automatizadas e quais passam a exigir supervisão humana mais qualificada, incluindo atenção a bem-estar e produtividade.
O QUE VEM DEPOIS: O artigo propõe que universidades criem mecanismos claros de revisão periódica de atributos de egresso e de “cascateamento” dessas mudanças para os currículos, além de avaliações regulares com feedback de estudantes e empregadores. Para avançar a agenda, os autores indicam a necessidade de pesquisas empíricas que testem o framework em diferentes contextos, coletem dados de indústria e academia e verifiquem se a combinação entre formação inicial e programas de aprendizagem contínua (incluindo requalificação e cursos online para egressos) consegue acompanhar, de fato, o ritmo de mudança de funções e competências em ambientes cada vez mais mediados por IA.
