Uma revisão sistemática de literatura publicada na REASE analisa como tecnologias de inteligência artificial podem ampliar a inclusão digital, e, por consequência, o acesso à educação, serviços e oportunidades, ao mesmo tempo em que enfatiza que esse ganho não é automático: depende de infraestrutura, letramento digital e salvaguardas éticas contra vieses, violações de privacidade e novas formas de exclusão.
O QUE HÁ DE NOVO: O estudo reúne e sintetiza evidências recentes sobre o papel da IA na democratização do acesso e no enfrentamento da desigualdade digital, com foco nas implicações para a educação. A partir de buscas em bases como Scielo, Google Acadêmico e Portal CAPES, os autores identificaram 38 trabalhos e selecionaram 10 artigos publicados na última década, aplicando critérios de pertinência e consistência metodológica. O resultado é um panorama que combina promessas (acessibilidade, personalização e apoio em contextos de baixa conectividade) com uma leitura crítica dos riscos que podem fazer a IA reforçar a exclusão que pretende combater.
COMO FUNCIONA: A análise descreve a inclusão digital via IA como um conjunto de aplicações que reduzem barreiras de uso e ampliam mediações pedagógicas: assistentes virtuais e chatbots para tirar dúvidas e orientar tarefas; reconhecimento de voz e recursos associados à acessibilidade; sistemas de recomendação e tutores inteligentes que ajustam conteúdo e ritmo de estudo; e ferramentas de tradução automática que mitigam barreiras linguísticas. No recorte educacional, a lógica é que sistemas adaptativos identifiquem necessidades individuais e ofereçam atividades e feedback mais imediatos, apoiando professores no planejamento e no acompanhamento, desde que as escolas consigam integrar essas tecnologias a práticas e documentos como currículo e Projeto Político-Pedagógico.
INSIGHT CENTRAL: O ponto mais forte do trabalho é insistir que “inclusão por IA” não se resume a disponibilizar ferramentas: trata-se de decisões técnicas, políticas e sociais que determinam quem consegue usar, com que qualidade e sob quais garantias. A revisão reforça que a mesma tecnologia capaz de simplificar interfaces e personalizar o ensino também pode produzir opacidade decisória, coleta excessiva de dados e vieses algorítmicos. Em outras palavras, a IA aparece como acelerador, para a redução das desigualdades quando desenhada de modo acessível e auditável, ou para a ampliação delas quando depende de infraestrutura rara e opera sem transparência.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para redes e escolas, o tema entra diretamente na agenda de aprendizagem e equidade: conectividade e habilidades digitais passaram a condicionar o acesso a recursos pedagógicos, formação, oportunidades e participação social. O texto conecta a discussão à BNCC ao destacar a necessidade do uso crítico, reflexivo e ético das tecnologias digitais, indicando que a inclusão digital envolve também letramentos e autoria, não apenas “entusiasmo” com ferramentas. No trabalho docente, a promessa é reduzir fricções, interfaces mais naturais, apoio a alunos com deficiência, feedback mais rápido,, mas com o alerta de que isso só se materializa com formação, governança de dados e objetivos pedagógicos claros. No nível de política pública, a revisão ecoa um diagnóstico recorrente: sem investimento em infraestrutura, dispositivos e energia estável, especialmente em áreas rurais e periferias urbanas, a IA tende a beneficiar mais quem já está conectado.
SIM, MAS…: A revisão coloca riscos e limitações no centro da discussão. Entre os principais, aparecem privacidade e segurança de dados em ferramentas que interagem diretamente com estudantes; vieses que podem discriminar grupos e reduzir oportunidades; e a falta de transparência sobre como algoritmos tomam decisões, o que pode gerar desconfiança e dificultar auditoria. Também há o risco de “inclusão parcial”: mesmo com acesso técnico, a ausência de letramento digital pode impedir o uso pleno dos recursos, produzindo uma nova camada de desigualdade baseada em competências. Por isso, a revisão sugere que modelos precisam ser fáceis de usar, acessíveis, auditáveis e sensíveis à diversidade cultural.
O QUE VEM DEPOIS: Como próximos passos, o estudo aponta a necessidade de pesquisas que saiam do plano conceitual e testem impacto concreto em diferentes contextos educacionais e sociais, identificando quais estratégias realmente reduzem desigualdades e quais podem produzir efeitos colaterais. A recomendação implícita para gestores é tratar IA e inclusão digital como um programa integrado, infraestrutura, formação, desenho acessível e regras de uso de dados, e não como adoção isolada de ferramentas. Também fica a provocação de inserir o tema de forma mais estruturada no currículo, desde cedo, para formar usuários capazes de avaliar criticamente sistemas de IA e participar de decisões sobre seu uso na escola.
