IA no Ensino Superior: quando a prática corre à frente das regras

Em Abril de 2026, o Conselho Nacional para a Inovação Pedagógica no Ensino Superior (CNIPES) publicou o primeiro retrato rigoroso do que está realmente a acontecer com a Inteligência Artificial nas universidades e politécnicos portugueses. O resultado é desconfortável.

O número que resume tudo: 85,3% das instituições inquiridas já têm IA a circular em pelo menos um domínio (ensino, investigação ou gestão). Mas só 14,7% têm uma política formal de IA em prática. Há prática sem governação. Há adoção sem enquadramento. E, sobretudo, há uma convicção — errada, como veremos — de que o problema central ainda é o plágio.

Não é. O problema mudou.

O retrato nacional (e o seu paradoxo central)

O diagnóstico do CNIPES envolveu 68 instituições, numa fotografia tirada entre 2025 e 2026. Alguns números merecem ser citados de memória:

• 52,9% das instituições usam IA no ensino (mais 25% em desenvolvimento)
• 42,6% usam-na na investigação
• Apenas 26,5% a usam na gestão e administração
• Só 19,1% atingiram o que o relatório chama "maturidade plena" — IA simultaneamente em ensino, investigação e gestão

Há aqui um paradoxo que vale a pena desempacotar. As universidades adotaram a IA primeiro onde se esperaria mais cautela — na sala de aula — e hesitam onde se esperaria mais eficiência — no back-office. E, no entanto, é na avaliação que a adoção é "residual". Ou seja: as instituições portuguesas estão, em silêncio, a ser pragmaticamente prudentes onde o risco é maior.

Há outro dado que surpreende. As instituições privadas estão mais formalizadas que as públicas em política de IA: 69% das privadas têm políticas em prática ou em elaboração, contra 38,5% das públicas. O setor público — supostamente mais regulado — está atrás do privado neste tema.

Os quatro desequilíbrios do sistema

O CNIPES não se fica pelos números. O relatório propõe um quadro conceptual — quatro desequilíbrios — que vale a pena entender:

1. Princípios amadurecidos vs. procedimentos inconsistentes. Toda a gente fala de equidade, transparência, responsabilidade. O vocabulário ético está consolidado. Mas a tradução operacional é desigual — a regulação emerge "por unidade curricular", ao critério de cada docente, em vez de uma arquitetura integrada.

2. Uso crescente vs. verificação insuficiente. A adoção cresce mais depressa do que as rotinas de validação. Como escrevem os autores: "a adoção cresce; as rotinas institucionais de validação ainda não cresceram ao mesmo ritmo".

3. Projetos-piloto abundantes vs. evidência longitudinal frágil. Há muita experimentação localizada — numa unidade curricular, num chatbot, num projeto de I&D — mas pouca acumulação comparável. Os pilotos não são avaliados de forma sistemática, e por isso não geram evidência transferível.

4. Aceleração operacional vs. risco de erosão do julgamento. Este é o mais incómodo. O ganho de eficiência pode coexistir com uma erosão progressiva do julgamento, da autoria e da presença intelectual. Em nome da produtividade, perde-se músculo cognitivo.

A síntese dos autores é cirúrgica: "as universidades estão a realizar projetos-piloto mais rapidamente do que a governação consegue acompanhar".

O verdadeiro problema: risco epistémico, não plágio

Aqui chegamos à contribuição mais original do relatório. O debate público sobre IA no ensino tem sido dominado pela questão do plágio: os alunos usam o ChatGPT para escrever trabalhos; as universidades precisam de ferramentas de deteção; vamos rever códigos de conduta. Tudo verdadeiro. Tudo secundário.

O CNIPES desloca o enquadramento. O problema central, diz, não é a integridade académica (embora isso importe). É o risco epistémico. Os grandes modelos de linguagem (LLMs) — ChatGPT, Claude, Gemini — não são motores de conhecimento. São motores de plausibilidade linguística.

Lê-se no relatório, numa passagem que merece ser gravada:

"Os LLMs automatizam linguagem, não conhecimento; simulam raciocínio sem garantir verdade."

Isto não é uma hipótese teórica. A BBC estudou como assistentes de IA representam as suas próprias notícias: em 45% dos casos, as respostas continham erros graves. Não eram pequenos mal-entendidos — eram afirmações factuais erradas, ditas com a confiança de quem sabe. O modelo não estava a mentir; estava a fazer o que foi treinado para fazer: produzir linguagem estatisticamente plausível.

Quando se passa isto para uma sala de aula, o efeito é corrosivo de forma silenciosa. Um estudante que entrega um trabalho "escrito" por um LLM não está a trapacear — muitas vezes nem sequer sabe que o resultado é errado. O sistema que valida é o docente; mas se o docente também usa IA para corrigir, perdemos o laço de verificação humano. "A automação sem interpretação é abdicação", diz o relatório.

O risco epistémico é mais difícil de combater do que o plágio, porque não há ferramenta de deteção que resolva. Exige literacia — saber reconhecer o que um LLM é e o que não é — e exige verificação humana deliberada. Tratar os resultados de IA como "evidências falíveis que requerem validação", não como respostas.

O que já se faz em Portugal

Há boas notícias também. Várias instituições portuguesas estão a construir respostas sérias.

O Instituto Superior Técnico publicou em Novembro de 2025 o seu Guia para a Utilização Responsável da Inteligência Artificial, considerada a primeira iniciativa deste tipo entre escolas universitárias portuguesas. O documento resulta de reflexão interna, define orientações para estudantes, docentes e investigadores, e procura alinhar a prática com a evolução legislativa europeia (o AI Act classifica a educação como domínio "de alto risco"). Teresa Peña, uma das autoras, sintetiza: "não basta reconhecer que a IA existe; é necessário utilizá-la de forma mais correta e produtiva" — e isso significa cultivar o seu uso para expandir, não substituir, "as capacidades únicas do ser humano: pensamento crítico, criatividade e inteligência emocional".

A FCCN (unidade de serviços digitais da FCT) tem o IAedu, iniciativa dedicada à reflexão e capacitação para o uso responsável de IA na educação e na investigação. O enquadramento da FCCN é útil porque alarga o debate: a integração da IA no sistema científico não é apenas tecnológica nem apenas pedagógica — é estratégica. Exige infraestruturas robustas, políticas claras, capacitação da comunidade e uma visão partilhada. O objetivo, escrevem, é que a adoção da IA reforce, e não comprometa, os princípios de rigor, transparência, abertura e colaboração que sustentam a produção científica.

E há quem já leve o debate mais longe. Joana Mata Pereira, diretora de Learning Innovation da Católica-Lisbon SBE, defende que a discussão sobre integridade académica é necessária, mas insuficiente. A pergunta certa não é "como limitar a IA", mas sim: o que queremos que os estudantes aprendam? "Queremos que estejam a par de todas as mudanças ou que aprendam a lidar com a mudança? Que conheçam a ferramenta mais recente ou as bases para que saibam procurar, avaliar e usar o que precisam a cada momento?". Numa altura em que a IA gera, resume e sintetiza informação a uma velocidade exponencialmente superior à humana, o valor do ensino superior deixou de estar em disponibilizar conhecimento. Está, cada vez mais, em ensinar a pensá-lo.

O que falta — e o que vem a seguir

O CNIPES propõe três pilares para a integração da IA no Ensino Superior, e vale a pena conhecê-los porque provavelmente vão estruturar a política portuguesa nos próximos anos:

• Saber sobre IA — literacias conceptuais, éticas, epistémicas e afetivas
• Fazer com IA — aplicação pedagógica e criativa (operativa, interpretativa, reflexiva, criativa)
• Ser sem IA — restrição crítica e autorregulação; "a sabedoria para reconhecer quando não usar IA"

Este último pilar é o mais interessante — e o mais contracorrente. A discussão pública força-nos a estar sempre a favor (adoção) ou contra (proibição). A posição do CNIPES é mais sofisticada: para usar bem a IA, é preciso saber quando não a usar.

O que falta, em termos empíricos, é a Fase 2 do diagnóstico: um inquérito a docentes, estudantes e funcionários (o relatório atual inquiriu apenas as lideranças institucionais), que deverá chegar nos próximos meses. Vamos finalmente saber quantos estudantes portugueses usam IA, com que frequência, e para quê. O dado internacional — 88% dos estudantes universitários do Reino Unido usam regularmente IA generativa, segundo referenciado pelo CNIPES — sugere que vamos encontrar números semelhantes cá.

Uma nota sobre metacognição institucional

Há um detalhe neste relatório que merecia mais atenção do que tem tido. Logo na página 7, os autores declaram, numa secção de "Transparência da IA", que o próprio relatório foi escrito com assistência de IA — ChatGPT 5, Gemini, Elicit e SciSpace, numa função "assistiva e não substitutiva".

Isto não é um acidente nem uma Nota Técnica escondida. É uma escolha metodológica deliberada, e é um exemplo prático do que o relatório preconiza: usar IA declarando o seu uso, tratando os seus resultados como matéria-prima a verificar, mantendo a interpretação humana no centro. As instituições que levam a sério a governação da IA não são as que a proíbem — são as que a praticam com transparência.

Conclusão: a automação sem interpretação é abdicação

O retrato português não é o de um país atrasado. É o de um país onde a prática correu à frente da governação — e onde essa distância está a tornar-se o principal risco. Quando 85% das instituições têm IA a circular e só 15% a governam, o problema não está na tecnologia nem na ética. Está na instituição.

Os próximos doze meses vão ser decisivos. A Fase 2 do CNIPES vai revelar a escala real do uso — e provavelmente vai surpreender quem ainda pensa na IA como uma questão marginal. O AI Act europeu entra em fases de aplicação que afectam diretamente o ensino. As instituições que não tiverem, até lá, uma política minimamente funcional vão estar a descoberto.

Mas a boa notícia é que a pergunta já não é difícil. Já não se trata de decidir se a IA existe, ou se há-de ser adotada. Já existe, já foi adotada. A pergunta é outra: vamos continuar a fazer pilotos sem avaliar, ou vamos começar a construir evidência? Vamos continuar a deixar cada docente inventar a sua própria régua, ou vamos criar enquadramento institucional comparável? Vamos continuar a tratar a IA como um atalho para parecer inteligente — aquele estudante britânico: "Ajuda-me a parecer inteligente, mas não me sinto eu mesmo" — ou vamos usá-la para sermos melhores?

A escolha é nossa. E, como fecha o relatório, "a próxima etapa exige passar dos princípios à implementação, da experimentação à avaliação, dos esforços individuais à governação colectiva".

A automação sem interpretação é abdicação. E abdicar não é opção.

---

Referências

• CNIPES (Abril 2026). Inteligência Artificial no Ensino Superior em Portugal — Diagnóstico nacional para governação institucional. DOI: 10.5281/zenodo.19555760. wwwcdn.dges.gov.pt
• FCCN (Fevereiro 2026). Inteligência Artificial no Ensino Superior: desafios à identidade e aos valores da ciência. fccn.pt
• Mata Pereira, Joana (Católica-Lisbon SBE). Inteligência Artificial e Ensino Superior: o que muda afinal? clsbe.lisboa.ucp.pt
• Instituto Superior Técnico (Novembro 2025). Técnico apresenta Guia para a utilização responsável da Inteligência Artificial. tecnico.ulisboa.pt