Superinteligência no ensino superior: secretaria, evasão e ética

Superinteligência no ensino superior: secretaria, evasão e ética

Superinteligência no ensino superior ainda não é algo que uma faculdade opera hoje. O que existe são sistemas de IA cada vez mais capazes, e a decisão prática é definir antes o que eles podem fazer na secretaria, no apoio ao aluno e na integridade acadêmica. Quem fixa limites, responsáveis e registros agora está preparado para qualquer nível de capacidade que venha depois.

Principais pontos

• Superinteligência é uma hipótese de longo prazo. A instituição opera agentes de IA de escopo restrito, e a governança deve ser desenhada para eles.
• Na secretaria, a IA serve bem para informar, orientar e organizar pedidos. Decisões que alteram a vida acadêmica do aluno continuam com pessoas.
• Em evasão, o valor está em perceber sinais cedo e acionar uma abordagem humana, não em classificar o aluno automaticamente.
• Integridade acadêmica depende de regras claras de uso de IA por curso e por tipo de avaliação, mais do que de detectores.
• O caminho seguro é mapear, limitar, pilotar um fluxo real com registros e só então decidir se expande.

O que superinteligência significa para uma instituição de ensino superior?

No debate técnico, superinteligência descreve um sistema que supera humanos em praticamente todas as tarefas cognitivas relevantes. Isso não descreve nenhuma ferramenta que uma faculdade contrate hoje. Os assistentes de conversa, os agentes de atendimento e os copilotos de professores são sistemas poderosos, mas limitados, que erram, inventam informação e dependem do contexto que recebem. Para separar os conceitos, vale ler a diferença entre AGI e superinteligência e o texto sobre mitos que atrapalham decisões na empresa.

Por que então falar do assunto? Porque a direção é de sistemas mais capazes, e as decisões de governança de uma instituição de ensino têm vida longa. Um regulamento de uso de IA, uma política de dados e um desenho de atendimento escritos hoje serão aplicados a ferramentas diferentes daqui a alguns períodos letivos. O que precisa ser estável são os princípios: quem responde pela decisão, que dados podem ser usados, o que o aluno pode contestar e como a instituição registra o que foi feito.

Uma boa pergunta de diretoria não é quando a superinteligência chega. É esta: se o sistema que usamos ficasse muito mais capaz amanhã, os limites que definimos ainda protegeriam o aluno e a instituição? Se a resposta depende da boa vontade da ferramenta, falta desenho.

Secretaria acadêmica: o que a IA pode fazer e o que precisa de decisão humana

A secretaria concentra um volume grande de perguntas repetitivas e de processos com regras: matrícula, rematrícula, trancamento, transferência, aproveitamento de estudos, declarações, histórico, colação de grau. É um terreno bom para IA justamente porque grande parte do trabalho é aplicar regras conhecidas a um caso, com documentos conferíveis. Quem já olhou o tema em escolas pode comparar com o texto sobre IA para escolas, secretaria e matrículas, lembrando que o ensino superior tem mais regras de curso, calendário e vínculo financeiro.

Uma forma útil de dividir o trabalho é por tipo de ação:

• Informar: explicar prazos, documentos exigidos, etapas de um processo e onde o aluno acompanha o pedido. Pode ser automatizado, desde que a resposta venha de regulamentos e calendários vigentes, e não da memória do modelo.
• Coletar: abrir o pedido, receber documentos, conferir se está completo e encaminhar à fila certa. Pode ser automatizado com validações simples.
• Consultar: dizer ao aluno a situação do próprio pedido ou de uma pendência. Exige autenticação e acesso restrito aos dados dele.
• Decidir: deferir trancamento, aproveitar disciplina, liberar colação, conceder exceção. Fica com a pessoa responsável, com a IA no máximo preparando um resumo para ela.
• Comunicar uma decisão sensível: reprovação por faltas, desligamento, pendência que impede matrícula. Preferir contato humano ou, no mínimo, mensagem revisada.

O ponto central é que a IA não deve ser a fonte da regra. A fonte é o regulamento, o calendário e o sistema acadêmico. O agente recupera o trecho vigente, responde com base nele e, quando não encontra, diz que não sabe e encaminha. Quando a regra muda, atualiza-se o documento, não o comportamento do modelo.

Evasão: como usar IA para cuidar do aluno sem rotulá-lo

Evasão raramente tem uma causa só. Pode envolver dificuldade financeira, choque com a rotina de trabalho, desempenho em disciplinas de base, falta de pertencimento, problemas de saúde ou simples desorganização com prazos. A IA ajuda mais em perceber sinais dispersos e organizar o contato do que em prever quem vai sair.

Sinais que costumam estar disponíveis nos sistemas da instituição e que podem alimentar um alerta:

• queda de acesso ao ambiente virtual de aprendizagem;
• ausência prolongada em atividades presenciais ou síncronas;
• pedidos de documentos que costumam anteceder transferência ou cancelamento;
• pendência financeira recorrente combinada com redução de contato;
• perguntas à secretaria sobre trancamento ou cancelamento.

O risco está no passo seguinte. Um modelo que atribui uma nota de risco a cada aluno pode virar um rótulo que influencia, sem ninguém perceber, a atenção que o aluno recebe ou a forma como é tratado. Para evitar isso, o alerta deve apontar o motivo observável (por exemplo, sem acesso há várias semanas) e não uma probabilidade opaca. A ação seguinte deve ser humana: um coordenador, tutor ou setor de apoio faz contato, ouve e oferece caminhos reais, como orientação financeira, flexibilização prevista em norma ou apoio pedagógico.

Cabe também uma regra de proporção: se o alerta gera um benefício, como uma oferta de apoio, o risco de erro é menor. Se gera restrição ou tratamento pior, exige revisão e direito de contestação. O texto sobre decisões automatizadas na LGPD e o direito de revisão detalha esse ponto.

Integridade acadêmica e ética: regras que sobrevivem a IA mais capaz

A tentação é tratar integridade como problema de detecção: comprar uma ferramenta que diz se o texto foi escrito por IA. Detectores erram nos dois sentidos, e uma acusação injusta pesa muito sobre o aluno. Além disso, quanto mais capaz o modelo, mais difícil distinguir o texto. Uma política que depende de detecção envelhece rápido.

O caminho mais durável é definir, por tipo de atividade, o que é permitido, o que é permitido com declaração e o que é proibido. Alguns exemplos de decisões que a instituição precisa tomar e publicar:

• Em quais avaliações o uso de IA é livre, em quais exige declaração do que foi usado e em quais é vedado.
• Como o aluno declara o uso: nota de rodapé, anexo com os comandos usados, ou conversa oral sobre o trabalho.
• Que formatos de avaliação passam a pesar mais: defesa oral, produção em sala, projetos com etapas versionadas, casos com dados próprios.
• Como funciona o processo quando há suspeita: quem analisa, que evidências valem, qual o prazo e como o aluno se manifesta.
• O que o professor pode fazer com IA, como corrigir ou dar devolutiva, e que dados do aluno não podem ser colados em ferramentas externas.

O último ponto costuma ser esquecido. A ética vale também para a instituição: usar IA para pré-corrigir trabalhos, resumir relatos de alunos ou analisar desempenho tem implicações de privacidade e de justiça. Uma regra simples ajuda: se uma decisão que afeta nota, vínculo ou imagem do aluno passou por IA, o aluno deve poder saber e pedir revisão humana. Referências como o NIST AI Risk Management Framework e os princípios de IA da OCDE oferecem vocabulário comum para essa governança, sem substituir a norma interna nem a legislação brasileira.

Dados do aluno, LGPD e o canal de atendimento

Secretaria e apoio ao aluno lidam com dados pessoais, às vezes sensíveis: saúde em pedidos de regime especial, situação financeira, dados de menores em programas de extensão, documentos de identificação. Quando entra IA, três perguntas precisam de resposta escrita antes de qualquer piloto.

• Que dados o agente enxerga? Cada fluxo deve acessar o mínimo necessário. Um agente de informações gerais não precisa ver histórico individual.
• Para onde os dados vão? Se o modelo roda em serviço de fora do país, há questões de transferência internacional. O texto sobre transferência internacional de dados com IA e LGPD ajuda a organizar a análise, e a ANPD é a referência oficial para orientações.
• Quem confirma que a pessoa é o aluno? Antes de mostrar nota, pendência ou protocolo, o agente deve autenticar por um meio que a instituição já usa, e não por um nome e uma data de nascimento fáceis de descobrir.

No WhatsApp, canal onde muitos alunos já preferem falar, valem também regras de conduta do próprio canal: mensagens ativas pedem permissão e modelo aprovado, e conversas sobre assuntos delicados merecem transição rápida para uma pessoa. Agentes que leem documentos e mensagens de terceiros também ficam expostos a instruções maliciosas escondidas em textos, o que a OWASP descreve na lista de riscos para aplicações com modelos de linguagem. Na prática, isso significa limitar as ferramentas do agente e nunca dar a ele poder de alterar registros acadêmicos sozinho.

Como começar: mapear, limitar, pilotar e transferir

O método que aplicamos a outros setores serve aqui sem adaptação grande. Cada passo tem um resultado concreto:

• Mapear: escolher um fluxo, como pedido de declaração ou dúvidas de rematrícula, e descrever como ele funciona hoje. Quem recebe, em que canal, com quais regras, em quanto tempo, com quais erros frequentes. Esse retrato é a linha de base para saber depois se melhorou.
• Limitar: definir quais dados o agente vê, quais ações pode executar, quais temas encaminha sempre a uma pessoa e qual mensagem usa quando não sabe. Registrar tudo isso em um documento curto, aprovado pela secretaria e pelo jurídico ou encarregado de dados.
• Pilotar: colocar o fluxo em operação com um grupo restrito, com registro de cada conversa, decisão de encaminhamento e correção feita por humanos. Acordar de antemão uma métrica de sucesso, por exemplo, pedidos completos na primeira tentativa, sem prometer número.
• Transferir: entregar à equipe da instituição os registros, as regras e o procedimento de ajuste, e decidir em conjunto se o fluxo expande, se ajusta ou se para.

A operação gerenciada, quando a instituição não tem equipe própria para acompanhar, pode ser feita pela Be Human, com permissões, observabilidade e aprovação humana. A decisão de expandir continua sendo da instituição.

Cenário ilustrativo: pedido de trancamento pelo WhatsApp

Este é um cenário ilustrativo, sem relação com nenhuma instituição real. Uma aluna escreve à noite perguntando como trancar a matrícula. O agente se identifica como assistente virtual, confirma a identidade da aluna por um código enviado ao e-mail cadastrado e explica, com base no regulamento vigente, os prazos, os efeitos sobre bolsa e financiamento e os documentos necessários.

A aluna diz que está com dificuldade financeira. Nesse ponto o agente não oferece nenhuma exceção nem promete nada. Registra o pedido, anexa o resumo da conversa e encaminha ao setor de apoio ao estudante, informando à aluna que uma pessoa entrará em contato no horário de atendimento. No dia seguinte, a secretaria analisa e decide; o agente apenas comunica o andamento. Se a aluna questionar, o histórico mostra o que foi dito, com base em qual norma e quem decidiu.

O desenho tem três proteções: a resposta vem de documento oficial, a decisão fica com pessoa e tudo fica registrado. Elas independem de quão capaz seja o modelo por trás.

Perguntas frequentes

Superinteligência já está sendo usada em faculdades? Não. O que as instituições usam são modelos de IA de escopo restrito, que respondem dúvidas, resumem documentos e apoiam tarefas. O termo superinteligência é útil para planejar governança de longo prazo, mas não descreve nenhuma ferramenta contratável hoje.

A IA pode decidir trancamento, aproveitamento de disciplina ou desligamento? Não deve decidir sozinha. Esses atos alteram a situação acadêmica do aluno e precisam de responsável identificável, com possibilidade de revisão. A IA pode organizar o pedido, conferir documentos e preparar um resumo para quem decide.

Detectores de texto de IA resolvem a integridade acadêmica? Sozinhos, não. Eles podem errar e acusar um aluno inocente, e tendem a perder eficácia quando os modelos melhoram. É mais seguro combinar regras claras de uso por atividade, declaração do uso, formatos de avaliação que exigem demonstração do raciocínio e um processo justo de apuração.

Por onde uma faculdade deve começar? Por um único fluxo da secretaria com regras claras e baixo risco, como orientação sobre documentos e prazos. Mapeie como ele funciona, defina limites de dados e de ações, rode um piloto com registros e uma métrica combinada, e só depois decida se amplia, ajusta ou interrompe.

Fontes

• NIST: AI Risk Management Framework
• ANPD: Autoridade Nacional de Proteção de Dados
• OECD AI Principles
• OWASP Top 10 for LLM Applications