19 Setembro 2026
Novos dados da China mostram que a IA faz com os deveres de casa o que a comida industrializada fez com a fome.
O artigo é de Paolo Benanti, publicado em seu Substack, 17-09-2026.
Paolo Benanti é teólogo italiano e franciscano, além de professor da Pontifícia Universidade Gregoriana, em Roma, e acadêmico da Pontifícia Academia para a Vida. Em português, é autor de Oráculos: entre ética e governança dos algoritmos (Unisinos, 2020).
Eis o artigo.
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.
Leia mais
- Inteligência Artificial e educação: uma mudança de paradigma. Artigo de Manuel Castells
- A 'intelligentsia', as máquinas-aprendizes e o pior 'ignorantsia'
- "Também o algoritmo precisa de ética. Assim reduziremos as desigualdades". Entrevista com Paolo Benanti
- O ChatGPT veio para ficar no ensino superior? Não se os professores resistirem. Artigo de LuElla D'Amico
- O futuro da IA e o seu impacto no conhecimento: mudará a forma como pensamos?
- “O mundo entrou em uma fase sem futuro”. Entrevista com Manuel Castells
- Universidade: publicar ou perecer. “O mercenarismo irá substituir o mecenato se nós, os universitários, não reagirmos a tempo”, afirma Manuel Castells
- Castells: o que (não) penso sobre o ChatGPT
- ChatGPT ou a escatologia das máquinas. Artigo de Yuk Hui
- Inteligência artificial/ChatGPT. Uma perspectiva humanista. Entrevista especial com Marco Schorlemmer
- ChatGPT: carta aos meus alunos. Carta de Russel P. Johnson
- O ChatGPT veio para ficar no ensino superior? Não se os professores resistirem. Artigo de LuElla D’Amico
- ChatGPT atualiza debate sobre uso da inteligência artificial na educação. Entrevista especial com Yuri Oliveira de Lima e Pedro Henrique de Castro
- ChatGPT contra o pensamento crítico. Entrevista com Noam Chomsky
- Éric Sadin: “O ChatGPT é um movimento civilizatório com profundas consequências antropológicas”
- ChatGPT: resta-nos habitar um cosmos de solidão. Comentário de Rodrigo Petronio
- Bostificação, o futuro irresistível do ChatGPT
- Chapação maquínica, alucinação estatística: pensar como o ChatGPT
- ChatGPT, tecnologia e programadores. E o bicho-papão da automação
- ChatGPT, o algoritmo que finge saber. Comentário de Bruno Cava
- As cinco perguntas sobre o sucesso do ChatGPT
- ChatGPT: entenda como funciona a inteligência artificial do momento - e os riscos que ela traz
- ChatGPT na ciência: as maravilhas e as ameaças
