CNE aprova primeiras regras nacionais para uso de inteligência artificial nas escolas e universidades

Uma decisão que define o futuro da sala de aula

Em 11 de maio de 2026, o Conselho Nacional de Educação (CNE) aprovou o primeiro marco regulatório nacional para o uso de inteligência artificial na educação brasileira. O parecer, relatado pelos conselheiros Celso Niskier e Israel Batista, estabelece diretrizes que alcançam desde a educação básica até o ensino superior, classificando aplicações de IA em quatro níveis de risco e fixando princípios como supervisão humana obrigatória, transparência algorítmica e proteção de dados pessoais de estudantes. A proposta ainda precisa passar por consulta pública e votação no Conselho Pleno antes de seguir para homologação do Ministério da Educação (MEC).

O que torna essa decisão relevante não é apenas o seu alcance institucional, mas o momento em que ocorre. A adoção de ferramentas de IA generativa nas escolas brasileiras acontece de forma desordenada, sem padrões nacionais e com desigualdades profundas entre redes de ensino. Segundo dados do Censo Escolar, o Brasil registrou queda de 1,07 milhão de matrículas na educação básica em um ano, e o país ainda ocupa posição inferior à média dos países da OCDE em termos de diploma no ensino superior. A tecnologia, nesse contexto, tanto pode ampliar franjas quanto aprofundar abismos — e é exatamente essa tensão que o novo parecer tenta endereçar.

O que o parecer determina e por que cada ponto importa

O documento aprovado pelo CNE não proíbe o uso de inteligência artificial nas escolas. Ao contrário, reconhece que a IA pode ampliar significativamente as possibilidades educacionais, desde que a aplicação seja responsável, preserve a centralidade humana, fortaleça a autonomia intelectual e promova inclusão e equidade. A questão central é como garantir esses objetivos na prática, e o parecer responde com uma estrutura de classificação de risco que separa as aplicações em quatro categorias.

A classificação de risco é o eixo central do novo marco regulatório. Ferramentas de organização de materiais, acessibilidade e revisão de textos sem impacto sobre notas ou decisões acadêmicas são consideradas de baixo risco e exigem apenas transparência básica e responsabilidade da instituição. Já sistemas como tutores virtuais, feedback formativo e assistentes institucionais — que interagem diretamente com alunos e fazem recomendações, mas não decidem por eles — são classificados como risco moderado e exigem informe obrigatório aos estudantes, registro de sistemas, revisão humana de conteúdos e monitoramento contínuo.

As aplicações de alto risco, que incluem correção automatizada de provas, monitoramento biométrico e perfilização de alunos para seleção e certificação, exigem avaliação prévia de impacto, relatório de dados, supervisão contínua, auditoria e direito de contestação. Por fim, e esta é a parcela mais significativa do ponto de vista ético, o parecer classifica como risco excessivo — e portanto vedado — qualquer uso de IA para vigilância emocional, pontuação social, perfilização para punição ou decisões totalmente automatizadas sobre aprovação, retenção ou desligamento de alunos.

A centralidade do professor e a revisão humana obrigatória

Um dos pilares fundamentais do parecer é a afirmação de que a inteligência artificial é um suporte, nunca um substituto do professor. O documento fixa que decisões pedagógicas permanecem sob responsabilidade dos docentes, e que qualquer conteúdo gerado por máquinas exige supervisão e intencionalidade pedagógica clara. Essa orientação reflete uma preocupação que especialistas em educação têm levantado desde a popularização de ferramentas como ChatGPT: sem mediação adequada, a IA pode gerar respostas convincentes mas incorretas, reproduzir vieses algorítmicos e criar dependência tecnológica que enfraquece o pensamento crítico.

A obrigatoriedade de revisão humana também funciona como salvaguarda contra erros e vieses. Sistemas de IA treinados em bases de dados imperfeitas podem reproduzir discriminações raciais, de gênero ou socioeconômicas. Na educação, isso é particularmente grave porque decisões automatizadas podem afetar a trajetória de vida de estudantes vulneráveis. Ao impor que toda aplicação de risco moderado ou alto passe por revisão humana, o parecer cria um freio institucional contra decisões algorítmicas que, por mais sofisticadas que sejam, não substituem o juizo profissional de um docente.

Transparência algorítmica e proteção de dados

O parecer também estabelece que escolas e universidades deverão informar quando sistemas automatizados estiverem em uso, documentar decisões de adoção e garantir transparência sobre o funcionamento das ferramentas. Essa obrigação conecta-se diretamente com a Lei Geral de Proteção de Dados (LGPD), que exige consentimento informado e tratamento adequado de dados pessoais — especialmente quando se trata de menores de idade, público que demanda proteção reforçada.

A exigência de transparência algorítmica responde a uma preocupação crescente na comunidade educacional. Ferramentas de IA generativa podem produzir resultados que parecem objetivos e neutros, mas carregam os vieses presentes nos dados de treinamento. Sem transparência sobre como esses sistemas funcionam, é impossível questionar, auditar ou corrigir decisões que afetam estudantes. O novo marco regulatório tenta endereçar essa lacuna ao impor que instituições documentem não apenas o uso, mas a lógica de adoção de sistemas de IA.

Contextos que explicam por que a regulamentação era necessária

A aprovação do parecer ocorre em um momento em que a IA já ocupa espaço significativo nas escolas brasileiras, mesmo sem regras formais. Pesquisa recente indica que três das principais universidades do país — USP, Unicamp e Unesp — já estão elaborando protocolos internos para uso de IA, cuja regra central é a transparência: toda utilização deve ser combinada entre professores e alunos e declarada em pesquisas e trabalhos acadêmicos. Essa iniciativa espontânea das universidades mostra que a demanda por padrões existia, mas faltava um referencial nacional que alcançasse também a educação básica e as redes públicas.

Também em março de 2026, o MEC havia lançado o guia "Inteligência Artificial na Educação Básica", que estabelece orientações para o uso ético da tecnologia nas escolas. O guia do MEC se diferencia do parecer do CNE porque é mais detalhado e divide o aprendizado em duas frentes: o ensino "sobre IA" (conhecimento técnico) e o ensino "com IA" (uso da ferramenta como apoio). No entanto, o guia do MEC não menciona universidades e oferece apenas sugestões às redes, sem força normativa.

O parecer do CNE, por sua vez, funciona como um marco regulatório abrangente que estabelece diretrizes com força de orientação para todos os níveis de ensino, define responsabilidades institucionais e objetivos estratégicos. A relação entre os dois instrumentos é de complementaridade: o guia do MEC é mais operacional e descritivo; o parecer do CNE é mais estruturante e principiológico.

Desigualdade estrutural como variável oculta

Um ponto presente no parecer que muitas vezes passa despercebido na cobertura é a consciência sobre as desigualdades estruturais. O documento reconhece que a adoção de IA na educação brasileira ocorre em um contexto de profundas diferenças entre redes de ensino — escolas urbanas equipadas com internet de alta velocidade convivem com instituições rurais sem infraestrutura digital mínima. Se a IA for adotada sem planejamento inclusivo, a tecnologia pode ampliar essas diferenças em vez de reduzi-las.

Por isso, o parecer orienta que redes de ensino adaptem a implementação às suas condições, em regime de cooperação federativa, e recomenda a ampliação de políticas de inclusão digital e acesso equitativo. Essa orientação reflete uma visão realista: não basta criar regras sofisticadas se grande parte das escolas brasileiras não tem condições de implementá-las. A regulamentação, nesse sentido, é também um convite à reflexão sobre investimentos necessários em infraestrutura e formação docente.

Impactos práticos e o que ainda precisa ser definido

O parecer aprovado em 11 de maio ainda não é vinculante. Após a aprovação inicial, o texto foi submetido a consulta pública, etapa em que cidadãos, instituições e especialistas podem enviar contribuições. Essas contribuições serão sistematizadas e incorporadas a uma versão final, que então seguirá para deliberação e votação no Conselho Pleno — reunião pública ainda sem data definida. Apenas após aprovação do Conselho Pleno, o parecer será encaminhado ao MEC para homologação final.

Isso significa que o texto pode sofrer alterações antes de virar norma. Especialistas da área educacional têm apontado que a classificação de risco, embora útil como enquadramento conceitual, pode ser difícil de aplicar na prática sem indicadores mais precisos. A diferença entre uma ferramenta de "risco moderado" e "alto risco" pode depender de fatores contextuais que um parecer geral não consegue capturar completamente.

Do ponto de vista prático, no entanto, o parecer já sinaliza uma direção que deve influenciar decisões de escolas, secretarias de educação e fornecedores de tecnologia educacional. A classificação de risco cria um referencial que permite a instituições avaliar suas ferramentas e, gradualmente, ajustar práticas. Escolas que já utilizam sistemas de correção automatizada, por exemplo, saberão que precisam implementar supervisão humana e garantir direito de contestação para se adequarem ao que o marco determina como boa prática.

Formação de professores como condição estrutural

O parecer também trata da formação docente como condição necessária para implementação. A proposta incentiva a capacitação contínua e o desenvolvimento de competências digitais de professores, reconhecendo que tecnologia sem docente preparado pode ser contraproducente. Essa orientação dialoga com pesquisas que mostram que a resistência ao uso de IA em sala de aula muitas vezes não é conservadorismo, mas desconhecimento — professores que não foram formados para usar essas ferramentas tendem a evitá-las ou a utilizá-las de forma superficial.

Para além da capacitação técnica, a formação docente precisa incluir letramento crítico sobre IA: entender como sistemas generativos funcionam, quais são seus limites, quais vieses podem apresentar e como avaliá-los pedagogicamente. O parecer propõe que estudantes aprendam não apenas a usar ferramentas de IA, mas a compreender como funcionam, seus limites e riscos — e isso só será possível se os próprios professores tiverem essa compreensão.

O que está em jogo e por que este momento importa

A regulamentação do CNE sobre IA na educação não é um tema técnico restrito a especialistas em tecnologia. É uma questão que afeta diretamente a vida de milhões de estudantes brasileiros, a autonomia de milhões de professores e a qualidade da formação que o país oferece às novas gerações. Quando um parecer define que vigilância emocional é proibida, está estabelecendo um limite ético sobre como a tecnologia pode ser usada contra pessoas em desenvolvimento. Quando determina que decisões automatizadas sobre aprovação são vedadas, está afirmando que o juízo pedagógico não pode ser substituído por algoritmos.

Esses princípios têm implicações jurídica e institucionais que vão além da sala de aula. A classificação de risco cria categorias que podem ser usadas em futuros procedimentos de responsabilização. A exigência de transparência algorítmica pode embasar questionamentos na justiça sobre decisões tomadas por sistemas de IA em contextos educacionais. E a relação com a LGPD fortalece a proteção de dados de estudantes, que são particularmente vulneráveis a usos indevidos de suas informações pessoais.

Para os profissionais de educação, a regulamentação oferece um referencial para orientar práticas. Para as famílias, cria expectativas sobre o que pode e não pode ser feito com tecnologia em ambientes escolares. Para as escolas, impõe obrigações de informação e supervisão que, na prática, exigirão ajustes em processos e investimentos em formação e infraestrutura.

Síntese e cenários prováveis

O parecer do CNE aprovado em maio de 2026 representa um marco inicial, não uma chegada. O texto ainda precisa passar por consulta pública, votação no Conselho Pleno e homologação do MEC antes de adquirir força normativa plena. Nesse caminho, é esperado que críticas e sugestões levem a ajustes — especialmente em relação à operacionalização da classificação de risco e à definição de indicadores claros para sua aplicação.

Enquanto isso, escolas e universidades que já utilizam IA terão um período de adaptação para se adequarem aos princípios estabelecidos. A expectativa é que o marco regulatório não proíba a inovação, mas condicione-a a padrões éticos e pedagógicos que preservem a centralidade do humano no processo educacional

Este artigo foi elaborado com apoio de inteligência artificial generativa como ferramenta de assistência à redação e de forma automatizada. As análises e opiniões expressas não constituem aconselhamento jurídico.