Uma revisão sistemática mapeou 151 artigos sobre inteligência artificial em sistemas de gestão do conhecimento e concluiu que a área entrou em rápida expansão, com forte avanço depois de 2018 e pico de publicações em 2024. Embora o estudo trate de organizações em geral, suas conclusões são relevantes para a educação porque escolas, universidades e redes dependem diretamente de como criam, armazenam, compartilham e usam conhecimento para melhorar aprendizagem, gestão e inovação.
O QUE HÁ DE NOVO: O estudo analisou a produção acadêmica sobre IA aplicada a sistemas de gestão do conhecimento a partir de uma base de artigos indexados na Scopus, cobrindo publicações de 1989 até novembro de 2024. A busca inicial encontrou 385 trabalhos; após filtros por idioma, tipo de documento, área de negócios, gestão e contabilidade, e aderência ao tema, restaram 151 artigos e revisões. Entre os setores identificados, a educação aparece com nove estudos, sobretudo em usos ligados à colaboração acadêmica e à administração institucional.
COMO FUNCIONA: A revisão usou um protocolo sistemático de literatura dividido em etapas de identificação, organização, filtragem e avaliação. Depois da seleção dos artigos, os pesquisadores combinaram análise bibliométrica, mapeamento de redes com VOSviewer e análise temática em planilhas para identificar autores, países, periódicos, palavras-chave, agrupamentos intelectuais e tendências. A IA aparece nos estudos revisados em diferentes formas, incluindo aprendizado de máquina, processamento de linguagem natural, sistemas de apoio à decisão, mecanismos de recomendação, chatbots e ferramentas de IA generativa.
A IDEIA CENTRAL: A principal contribuição conceitual é um modelo chamado ACI, baseado em antecedentes, intermediários e consequências. Em vez de tratar a IA apenas como uma ferramenta técnica, o modelo organiza fatores que viabilizam sua adoção, como capacidades de IA, integração com repositórios de conhecimento, geração de insights e uso de chatbots; fatores que modulam o sucesso, como prontidão organizacional, liderança, letramento digital, pressão regulatória e confiança; e resultados esperados, como melhoria da decisão, inovação, sustentabilidade, aprendizagem organizacional e desempenho.
PRINCIPAIS RESULTADOS: A produção científica sobre IA e gestão do conhecimento cresceu em média 5,38% ao ano no período analisado, com cerca de 80% dos artigos publicados depois de 2018 e 39 publicações apenas em 2024. Os termos mais frequentes foram “inteligência artificial”, “gestão do conhecimento” e “compartilhamento de conhecimento”. Os temas dominantes incluem o impacto da IA nas dinâmicas de conhecimento, sua relação com inovação e sustentabilidade, seu papel na tomada de decisão e aprendizagem organizacional, os efeitos sobre desempenho e a redefinição do campo com IA generativa e chatbots.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Instituições educacionais são organizações intensivas em conhecimento: dependem de currículos, materiais didáticos, registros de aprendizagem, práticas docentes, pesquisa, atendimento ao estudante e memória institucional. Nesse contexto, sistemas de gestão do conhecimento com IA podem ajudar professores e gestores a localizar evidências, organizar materiais, apoiar feedback, identificar lacunas de aprendizagem, preservar boas práticas e reduzir retrabalho administrativo. Para universidades, a agenda também se conecta à colaboração científica e à circulação de conhecimento entre departamentos, cursos e equipes de apoio.
LIMITES E CUIDADOS: A revisão também indica que a adoção de IA em gestão do conhecimento não deve ser interpretada como substituição simples do julgamento humano. Há riscos de perda de conhecimento tácito, dependência excessiva de respostas automatizadas, vieses algorítmicos, problemas de privacidade e desigualdades relacionadas à infraestrutura e ao letramento digital. Na educação, esses pontos são especialmente sensíveis porque decisões baseadas em dados podem afetar trajetórias de estudantes, trabalho docente, avaliação, inclusão e confiança na instituição.
O QUE AINDA PRECISA SER INVESTIGADO: O próprio estudo reconhece limites importantes: a revisão usou apenas a Scopus, incluiu trabalhos em inglês e concentrou-se em uma área disciplinar específica, o que pode deixar de fora pesquisas de ciência da computação, ciências sociais, saúde, educação e publicações em outros idiomas. Para o campo educacional, o próximo passo é testar o modelo em escolas, universidades e redes públicas, medindo efeitos reais sobre aprendizagem, colaboração docente, governança de dados, custos de implementação e equidade no acesso às ferramentas de IA.
