IA · 10 de novembro de 2026
Estudo revela queda de desempenho de 17% em alunos após desligar assistente de inteligência artificial
Um experimento de campo com alunos do ensino médio demonstrou que estudantes que utilizaram um assistente de inteligência artificial similar ao ChatGPT apresentaram desempenho 17% inferior ao de alunos que não tiveram acesso à ferramenta, após o desligamento do sistema. O estudo analisou o impacto da dependência tecnológica no aprendizado de matemática e na retenção de habilidades cognitivas.
Durante a fase ativa do experimento, o acesso ao modelo de linguagem GPT-4 elevou as notas práticas em 48% na versão com interface padrão e em 127% na versão com mecanismos de proteção e dicas. Esses resultados iniciais indicam um aumento imediato na produtividade e na resolução de problemas, alinhando-se a uma meta-análise de 69 trabalhos experimentais publicados entre 2022 e 2024. Essa análise anterior confirmou que a ferramenta melhora o desempenho acadêmico, a motivação e a disposição para o raciocínio de alto nível, ao mesmo tempo em que reduz o esforço mental percebido pelos usuários.
A teoria da carga cognitiva explica esse fenômeno ao distinguir três tipos de esforço mental: a carga intrínseca, que refere-se à complexidade do material; a carga extrínseca, gerada por uma apresentação ineficiente; e a carga relevante, que corresponde ao esforço investido na construção de conhecimento. A inteligência artificial reduz simultaneamente as três cargas. Ao eliminar a necessidade de processamento ativo, a ferramenta remove não apenas os elementos desnecessários, mas também o trabalho cognitivo essencial para a formação de esquemas mentais duradouros. Consequentemente, a qualidade do raciocínio e a profundidade do conhecimento diminuem em conjunto com a redução da carga.
Esse mecanismo opera como um suporte temporário, semelhante a uma muleta. Enquanto o assistente está ativo, os resultados melhoram, mas a ausência de aprendizado significativo torna-se evidente quando a ferramenta é removida. Observações em ambientes corporativos corroboram esse padrão: profissionais que dependem de sugestões automáticas para escrever código ou gerar relatórios de mercado frequentemente não conseguem explicar as decisões tomadas ou responder a perguntas detalhadas de gestores. Embora as métricas de conclusão de tarefas e satisfação do usuário permaneçam altas, não há acúmulo de competência técnica ou analítica.
Para produtos que integram inteligência artificial, a redução da carga extrínseca é uma condição necessária, mas não suficiente. É preciso implementar mecanismos que mantenham o usuário no processo de processamento da informação. Isso inclui oferecer explicações em vez de respostas prontas, exigir verificação antes da aceitação de sugestões e fornecer dicas que diminuam gradualmente conforme a expertise do usuário aumenta. O objetivo é remover o esforço desnecessário, preservando o trabalho cognitivo que é fundamental para o desenvolvimento de habilidades duradouras.