“Esforço produtivo”: o conceito que decide se a IA ajuda ou atrapalha o estudo

Em agosto de 2026, Bill Gates publicou um texto longo sobre os efeitos da inteligência artificial na próxima década. É um texto crítico — trata de desemprego, fraude, segurança e do risco de dependência emocional em relação a assistentes virtuais. Entre esses assuntos há um trecho dedicado à educação, e ele é ao mesmo tempo o mais preocupado e o mais útil para quem tem filho em idade escolar.

A preocupação, nas palavras dele, tem uma ironia: a mesma ferramenta que permitiria às pessoas aprender mais do que nunca pode fazer com que muitas aprendam menos. Gates cita um levantamento preliminar que associou o uso mais intenso de IA a menos pensamento crítico, com efeito mais forte entre os mais jovens. E observa que este seria o pior momento possível para perder essa capacidade: numa época de conteúdo falso cada vez mais convincente, distinguir o verdadeiro do falso deixou de ser um diferencial e virou habilidade básica de sobrevivência.

Mas o texto não para no diagnóstico — e é aqui que ele fica prático.

O esforço que constrói o entendimento

Gates recorre a um conceito que pesquisadores em educação chamam de productive struggle, ou esforço produtivo: o trabalho mental que efetivamente constrói a compreensão. É o intervalo entre não saber e saber, e ele não pode ser terceirizado — quem faz o percurso é quem aprende.

A partir daí, ele descreve como seria o uso correto da IA, em duas etapas com regras opostas:

Quando o aluno encontra uma ideia nova, a ferramenta deve explicar com profundidade, oferecer exemplos, apresentar perguntas e respostas. Aqui ela funciona como um bom professor particular, disponível às onze da noite.

Quando chega a hora de verificar se ele entendeu, a ferramenta deve segurar a resposta e ajudá-lo a chegar nela sozinho. Aqui, entregar o resultado destrói justamente o que estava sendo construído.

Traduzindo para a mesa de estudo: a IA é excelente na hora de aprender e péssima na hora de testar. Quando ela entrega a resposta no momento da verificação, o aluno sai com a sensação de estar preparado sem estar — e a prova revela isso depois, quando não há mais tempo de corrigir.

Gates também aponta um ganho para o professor: tempo liberado do trabalho repetitivo para atendimento individual ou em pequenos grupos, e uma visão mais clara de onde a turma inteira está travando.

Onde isso encosta nos dados

O argumento de Gates é conceitual, mas conversa diretamente com o que o PISA 2025 mediu. O relatório da OCDE constatou que o uso mais intensivo de ferramentas de IA costuma aparecer associado a resultados piores — e, na mesma página, registra que alguns dos sistemas educacionais mais bem-sucedidos do mundo estão entre os que mais usam. A quantidade de uso não explica o resultado. O que muda é em que momento a ferramenta entra.

Os números brasileiros estão detalhados em PISA registra a pior leitura já medida. E a tradução prática dessa mesma ideia, em forma de combinados para fazer em casa, está em Meu filho pode usar inteligência artificial para estudar?.

Por que isso importa aqui

Esse princípio é o que orienta o desenho dos exercícios do Rumo ao 10. O feedback e a explicação completa só aparecem depois que o aluno confirma a própria resposta — nunca antes. As dicas indicam o método, não o resultado. E, ao final, o responsável recebe por e-mail os temas em que o aluno errou, sem as perguntas e sem os gabaritos: uma direção de estudo, não um atalho.

Não é uma decisão de programação. É a aplicação da mesma ideia que Gates descreve — preservar o esforço que faz o conteúdo grudar.