O
ponto de êxtase da ignorância
Em
1985, Howard Moskowitz, psicólogo experimental a serviço da Prego, descobriu
que a aceitação de um molho para massa não cresce linearmente com a quantidade
de açúcar: sobe, atinge um pico, o bliss point, e depois despenca. Essa
intuição mudou a indústria alimentícia para sempre. A partir daquele momento,
não se tratava mais de fazer um bom produto, mas de encontrar o ponto em que o
cérebro do consumidor deixa de avaliar e passa a desejar. Michael Moss, em seu
"Sal, açúcar, gordura", contou como essa ideia gerou uma cadeia com
meio século de duração: comida projetada para saturar o paladar sem nutrir,
consumo que cresce porque o sinal de saciedade foi desativado, e custos
sanitários que se manifestam em outro lugar e muito depois.
Em 18
de agosto de 2026, a Economist publicou um artigo baseado num preprint de David
Strömberg, Victor Lei e Wu Yanhui, "The Generative AI Learning
Penalty", que conta, com números, uma história surpreendentemente
semelhante. Não diz respeito ao estômago, mas à cabeça. E não diz respeito a
uma indústria que engana, mas a uma ferramenta que obedece demais.
O
estudo acompanhou 26.811 estudantes chineses entre 12 e 18 anos, do sétimo ao
décimo segundo ano, por trinta meses, de setembro de 2022 a junho de 2025. A
amostra é grande e o período cobre trinta meses, suficiente para captar os
efeitos de médio prazo. Os pesquisadores aproveitaram a adoção progressiva da
IA generativa (modelos como Doubao e DeepSeek) num desenho
difference-in-differences. 80% dos estudantes começaram a usar IA; os 20%
restantes formaram o grupo de controle.
Depois
de seis meses, os resultados contam uma história em dois atos que não se quer
olhar juntos. Primeiro ato: as notas dos deveres de casa sobem 18%. O tempo
para completá-los cai de 64 para 45 minutos. Segundo ato: as notas das provas
em sala, de livro fechado, sem acesso à IA, despencam 20%. Nos exames de
admissão ao ensino médio e à universidade, a penalidade é ainda pior: entre 18
e 24%, e se manifesta plenamente apenas após dois anos de uso. Quem obtém as
notas mais altas nos deveres de casa é, paradoxalmente, quem se sai pior nas
provas. A correlação entre deveres de casa e desempenho, que por décadas havia
sido positiva, se inverteu.
O dado
mais importante, porém, não é a média. É a distribuição. A penalidade se
concentra em cerca de 80% dos usuários de IA cujo comportamento, tempos de
conclusão brevíssimos, notas altíssimas, é compatível com a terceirização pura:
copiar a resposta, colar, entregar. Quem usa a IA, mas dedica aos deveres o
mesmo tempo dos não usuários, sofre uma penalidade pequena, quase desprezível.
Não é a IA que prejudica, portanto. É o modo como ela é usada. Ou melhor: é o
tipo de relação que se estabelece com a ferramenta.
Aqui a
analogia com a comida ultraprocessada deixa de ser uma metáfora e se torna uma
estrutura. A comida ultraprocessada não é simplesmente "ruim": é
projetada para separar o prazer do nutrimento. A sensação de saciedade chega, o
paladar é satisfeito, a porção é abundante, mas os nutrientes faltam. O corpo
registra uma refeição; o metabolismo registra um déficit. E como o sinal de
prazer funciona, o circuito se repete.
A IA
aplicada aos deveres de casa está fazendo algo estruturalmente idêntico ao
aprendizado. A nota alta nos deveres é o bliss point cognitivo: o sistema
escolar registra um sinal de aprendizado, dever completo, nota excelente, mas o
aprendizado efetivo não ocorreu. O estudante recebeu a resposta sem atravessar
a resistência do problema. Obteve o produto sem o processo. E como o sinal de
"sucesso" está intacto (a nota sobe, os pais ficam contentes, o tempo
se libera), o comportamento se reforça.
Aquilo
que Moss chama de bliss point tem um equivalente preciso na ciência cognitiva
da aprendizagem: a fluency illusion. Robert Bjork e seus colegas na UCLA
demonstraram, em décadas de pesquisa, que a sensação subjetiva de ter
compreendido algo, a fluency, é um preditor pouco confiável do aprendizado
real. O aprendizado duradouro requer aquilo que Bjork chama de "desirable
difficulty": obstáculos calibrados que obrigam o cérebro a reconstruir o
percurso, não apenas a reconhecer o destino. O dever feito com a IA elimina a
dificuldade desejável. Resta apenas a fluency, a sensação de que tudo corre
bem.
Mas se
o dano se limitasse ao aluno individual, estaríamos diante de um problema
pedagógico solucionável com algum regulamento escolar. Não é assim. E aqui a
estrutura econômica da analogia alimentar mostra toda a sua força explicativa.
A
comida ultraprocessada funcionou em escala industrial porque externalizava os
custos: o lucro ficava com o produtor, a obesidade e o diabetes chegavam à
saúde pública, com um atraso de vinte anos que os tornava invisíveis no momento
da escolha. Quem escolhia o produto na prateleira não via a conta hospitalar;
quem pagava a conta hospitalar não conseguia remontar à prateleira. A IA na
educação produz uma estrutura de externalidades análoga. O atraso é sua arma
mais eficaz.
O
estudo de Strömberg mostra que a penalidade plena nos exames de alto risco
emerge apenas depois de dois anos. Dois anos são um tempo enorme na vida de um
adolescente de quatorze anos: o hábito se solidificou, as bases não foram
construídas, e o momento em que o déficit se torna visível, o exame de
admissão, é também o momento em que a recuperação é mais custosa. O sinal de
dano chega quando a capacidade de responder ao sinal já está comprometida. Como
o diabetes tipo 2 diagnosticado aos cinquenta anos, depois de trinta anos de
uma dieta que "funcionava", no sentido de que saciava.
Há
mais. A distribuição do dano não é casual. Strömberg e colegas constatam que as
perdas de aprendizado são maiores para os estudantes mais jovens, para os de
alto desempenho e nas disciplinas humanísticas, primeiro as ciências sociais,
depois as disciplinas STEM, depois as línguas. É um dado que deveria alarmar
qualquer pessoa que se ocupe de formação: a IA não penaliza os mais fracos, que
talvez a usem menos ou a usem para preencher um vazio real. Penaliza os mais
fortes, aqueles que tinham as bases para ir além e que, em vez disso, com a
ferramenta errada, param antes. Como um atleta que toma suplementos em vez de
treinar: o corpo já capaz é o que mais perde com a substituição.
E quem
paga, no fim das contas? Não o estudante que copiou os deveres, esse, quando
muito, verá os resultados no momento errado. Quem paga é o sistema: a
universidade que recebe estudantes com notas altas e competências vazias; o
mercado de trabalho que contrata com base em credenciais que já não
correspondem a capacidades; o Estado que financiou um sistema educacional cujo
resultado se desacoplou de seu propósito. A educação ultraprocessada não faz o
estudante fracassar, não de imediato, ao menos. Faz a instituição fracassar.
Um
segundo estudo, publicado quase simultaneamente, complica o quadro de maneira
essencial. Zara Contractor e Germán Reyes, do Middlebury College, conduziram um
experimento controlado em que estudantes universitários aprendiam um assunto
desconhecido para eles, com ou sem acesso a um chatbot. O resultado é
diferente: quem usava a IA obteve pontuações mais altas nos testes, e a
vantagem se manteve uma semana depois, quando os estudantes escreviam sem
assistência. A diferença crucial está no tipo de uso. Os estudantes que usavam
o chatbot para que lhes explicassem conceitos, augmentation, no léxico dos
pesquisadores, aprendiam mais. Os que o usavam para gerar o texto, automation,
viam os ganhos evaporarem assim que a ferramenta era removida.
O
paralelo alimentar se sustenta também aqui. Há quem use a tecnologia alimentar
para comer melhor, conservação inteligente, dietas calibradas com dados reais,
e quem a sofra passivamente, ingerindo aquilo que a indústria otimiza para o
retorno, não para a saúde. A tecnologia é a mesma. O resultado depende da
relação. Mas a relação não se estabelece no vazio: depende de cultura e de
regulação. Na ausência de ambas, o caminho de menor resistência vence, e o
caminho de menor resistência, na comida como no aprendizado, é aquele que
separa o prazer do esforço.
O ponto
não é proibir a IA nas escolas, assim como o ponto nunca foi proibir o açúcar.
O ponto é reconhecer que estamos diante de um problema de projeto, não da
ferramenta, mas do ambiente em que a ferramenta opera. A indústria alimentícia
levou décadas para entender (e muitas outras para esconder) que o problema não
era o ingrediente isolado, mas a arquitetura do produto. A educação se encontra
na mesma encruzilhada: a IA não é um ingrediente neutro inserido num sistema
estável. É um agente que redesenha os incentivos, e o dever de casa, o
dispositivo pedagógico mais antigo e mais dado como certo, é o primeiro a
ceder, porque é o menos vigiado e o mais repetitivo.
São
necessários indicadores de aprendizado que não possam ser contornados pela
máquina, assim como foram necessários rótulos nutricionais que não pudessem ser
contornados pelo marketing. São necessárias "dificuldades desejáveis"
integradas ao percurso, que a IA não possa transpor sem que ninguém perceba. E
é necessária, sobretudo, uma consciência: o fato de um sistema funcionar, de as
notas subirem, de os deveres se completarem mais rápido, de os estudantes
parecerem satisfeitos, não significa que ele esteja produzindo aquilo para o
qual existe. O bliss point é, por definição, o momento em que o paladar diz sim
e o corpo diz não. A cabeça do estudante, hoje, está vivendo exatamente essa
fratura.
A
pergunta não é se a IA deve entrar na educação. Ela já está dentro. A pergunta
é se saberemos distinguir o nutrimento do sabor, antes que o atraso torne o
dano irreversível.
Fonte:
Por Paolo Benanti, em seu Substack
Nenhum comentário:
Postar um comentário