Um estudo qualitativo com 28 entrevistados em Portugal, Holanda e Estados Unidos identificou sete perfis de percepção sobre o uso de IA no trabalho acadêmico, indo de “otimistas” a “céticos cautelosos”. Ao cruzar entrevistas com princípios éticos (transparência, privacidade, responsabilização e justiça) e a lente de “trabalho decente”, a pesquisa aponta que ganhos de eficiência com modelos de linguagem convivem com preocupações sobre desigualdade de acesso, autoria e governança institucional.
O QUE HÁ DE NOVO: A pesquisa reúne, em um mesmo desenho, especialistas em IA, especialistas que também são professores e docentes de outras áreas para entender como cada grupo enxerga a IA em tarefas centrais de ensino e pesquisa no ensino superior. Realizado em 2024, o estudo se baseou em entrevistas semiestruturadas de cerca de uma hora, com 28 participantes distribuídos entre três países, e organizou os achados em sete “clusters” de atitudes, além de classificar o tom das respostas (positivo, negativo, neutro ou misto) sobre impactos atuais e futuros.
COMO FUNCIONA: Os pesquisadores construíram um roteiro de entrevistas a partir de dois referenciais: princípios éticos para IA (com ênfase em transparência, privacidade, accountability e fairness) e dimensões de “trabalho decente” (como carga de trabalho, saúde e segurança, oportunidades, proteção social e sentido do trabalho). As respostas foram registradas e validadas com os participantes durante a própria entrevista (member checking), anonimizadas e codificadas em um esquema híbrido: parte das categorias foi definida previamente e parte emergiu dos relatos, totalizando 86 códigos. Depois, a equipe aplicou análise de sentimento e um procedimento de clusterização por coocorrência de códigos (coeficiente de Jaccard), gerando sete perfis interpretados à luz da abordagem de sistemas sociotécnicos, que enfatiza a necessidade de alinhar tecnologia, pessoas, processos e cultura institucional.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para universidades e redes que desenham diretrizes de IA, o estudo sugere que o principal desafio não é apenas escolher ferramentas, mas governar seu uso em ambientes com culturas, competências e recursos desiguais. No nível da sala de aula, os modelos de linguagem aparecem como apoio para planejamento, síntese de conteúdos e personalização de materiais, mas com o risco de desinformação e de enfraquecimento do pensamento crítico se virarem atalho. Para o trabalho docente, a promessa de economia de tempo vem acompanhada da possibilidade de aumento de expectativas de produtividade e da necessidade de formação contínua em “letramento em IA”. Na gestão, o recado é que políticas e infraestrutura, licenças, integração com sistemas, orientação sobre dados e autoria, influenciam diretamente se a IA rehumaniza o trabalho (reduzindo tarefas repetitivas) ou se amplia vigilância, precarização e desigualdades.
PRINCIPAIS RESULTADOS: A análise encontrou predominância de avaliações neutras ou ambivalentes, com ganhos percebidos sobretudo em eficiência e organização do trabalho, e críticas concentradas em ética, privacidade e disparidades de acesso. Os sete perfis ajudam a explicar a heterogeneidade: “otimistas” focam em usos imediatos e conveniência; “moderados” equilibram benefícios e riscos regulatórios; “sonhadores” enxergam transformações pedagógicas e criativas; “céticos cautelosos” enfatizam limites práticos, necessidade de checagem e risco de dependência; “expansionistas” conectam IA a empreendedorismo, normas e equidade; “bem-informados” apresentam alta literacia e destacam custos, autoria e proteção de dados; “estrategistas” cobram estruturas de governança e justiça distributiva. Um achado adicional é que os perfis variam com o tipo de participante: certos clusters foram exclusivos de especialistas em IA, enquanto grupos mistos tenderam a discutir mais política, equidade e mudanças institucionais.
SIM, MAS…: Como estudo qualitativo, os resultados não pretendem medir “quanto” a IA melhora aprendizagem ou produtividade, e sim mapear percepções e tensões de implementação; isso limita generalizações diretas para outros países e tipos de instituição. Além disso, a própria variação entre clusters indica um risco prático: onde a discussão ética é fraca ou inexistente, decisões podem ser tomadas com base em entusiasmo por eficiência, sem explicitar responsabilidades por vieses, falhas, violação de dados ou usos inadequados por estudantes. A pesquisa também reforça que o impacto da IA depende de investimento e capacitação; sem isso, a tecnologia pode ampliar a distância entre departamentos e instituições com diferentes níveis de recursos.
O QUE VEM DEPOIS: O estudo conclui com um conjunto de passos para orientar a adoção responsável: políticas claras de uso (incluindo responsabilidades, proteção de dados e critérios de aceitabilidade), programas estruturados de formação para docentes e pesquisadores, distribuição mais equitativa de infraestrutura e acesso a ferramentas, além de auditorias éticas e consultas regulares a stakeholders. A implicação para tomadores de decisão é tratar a IA como uma mudança sociotécnica, e não apenas como software,, garantindo que automação e produtividade caminhem junto com integridade acadêmica, condições de trabalho sustentáveis e experiências de aprendizagem de qualidade.
