Este relato parte da participação de Leonardo Foletto na palestra “Uso ético da IA na escrita didática”, promovida pela Abrale (Associação Brasileira de Autores de Livros Educativos), que reuniu especialistas para discutir os desafios e as possibilidades da inteligência artificial na produção de materiais educacionais. A partir de algumas pautas prévias discutidas com a Abrale, foi feito um documento para balizar a fala. No final, Leonardo acabou adentrando outros caminhos, também por isso a publicação aqui: como forma de difundir o material já preparado e não usado. Vale dizer que o texto foi produzido em diálogo com o Claude (modelo Opus 4.6), onde foram inseridas as questões propostas pela Abrale, trabalhadas com prompts e os dois documentos sobre IA recentemente produzidos pelo MEC sobre IA.
Já o encontro, realizado no auditório da Livraria da Vila, na Fradique Coutinho (São Paulo), abordou temas como autoria, transparência, critérios de uso da IA e os impactos dessas tecnologias no trabalho de autores, editoras e nas políticas públicas, especialmente no contexto do PNLD. O vídeo completo da palestra está disponível no canal da Abrale, aqui abaixo:
Dois documentos recentes do Ministério da Educação têm pautado a discussão sobre inteligência artificial na educação brasileira: o guia de IA na Educação Básica (SEB) e o Referencial de uso responsável de IA do MEC . Ambos reconhecem, com clareza, que a coprodução de materiais didáticos com apoio de IA é um uso legítimo: geração de textos, atividades, imagens, roteiros, planos de aula e adaptações de acessibilidade estão explicitamente contemplados. O que não significa, contudo, que qualquer uso vale: o guia estabelece condições pedagógicas, éticas e jurídicas que deslocam o debate do simples “pode ou não pode” para o terreno mais complexo da responsabilidade autoral e pública.
Três critérios para o uso legítimo
A legitimidade do uso da IA na produção didática, segundo o guia, repousa em três critérios articulados. O primeiro é a intencionalidade pedagógica: a IA entra como apoio a um objetivo didático claro, nunca como substituta do processo autoral. O segundo é a revisão técnica humana obrigatória, já que materiais gerados podem conter erros factuais, vieses culturais, inadequações etárias e até trechos de obras protegidas sem referenciação — cabendo ao autor a curadoria. O terceiro é o alinhamento curricular com a BNCC, com o campo da Educação Digital e Midiática e com a Resolução CNE/CEB nº 2/2025. Na prática, isso delimita o que não deveria ser feito: entregar texto gerado por LLM sem reescrita substantiva, usar imagens geradas sem verificar direitos de terceiros embutidos no treinamento, ou delegar à IA decisões de sequência didática sem mediação autoral.
Transparência como princípio inegociável
Os documentos do MEC colocam a transparência e a explicabilidade como princípios estruturantes, como afirma o Princípio 10 do guia da Educação Básica. Traduzido para a prática editorial, isso aponta para boas práticas ainda em construção no Brasil: declaração explícita indicando onde e como a IA foi utilizada; distinção entre materiais “escritos com apoio de IA” (rascunho seguido de reescrita autoral) e “revisados com IA” (texto autoral com apoio apenas de edição); e, quando pertinente, registro dos prompts e ferramentas utilizadas para fins de rastreabilidade.
Riscos éticos e autorais
Os guias são claros ao enumerar os riscos envolvidos, e aqui convergem preocupações sobre autoria, trabalho e cultura livre. Há risco de perda da propriedade intelectual da produção docente e autoral quando materiais criados em plataformas passam a ser insumo das empresas; risco de reprodução de vieses raciais, de gênero e linguísticos presentes nos dados de treinamento; risco de falta de transparência sobre fontes, com LLMs reproduzindo trechos protegidos sem atribuição. Pesquisas recentes (Kosmyna et al., 2025; Gerlich, 2025) alertam ainda para o “descarregamento cognitivo”, o empobrecimento do processo autoral quando a IA é usada de forma indiscriminada. E há, finalmente, o risco de homogeneização do repertório didático, reduzindo a diversidade epistêmica que as Leis 10.639/2003 e 11.645/2008 exigem dos materiais escolares.
Proteção de obras usadas no treinamento: o ponto mais frágil
Este é provavelmente o aspecto mais frágil do arcabouço regulatório atual. Os documentos do MEC reconhecem a dependência de modelos importados de grandes empresas globalizadas, mas não oferecem mecanismo concreto de proteção retroativa. O que existe hoje é um arcabouço parcial: a LGPD para dados pessoais embutidos em obras, o Marco Civil da Internet, a Lei de Direitos Autorais (9.610/98) — concebida antes do cenário de mineração massiva de textos — e o PL 2.338/2023 em tramitação, que prevê obrigações de transparência sobre dados de treinamento.
Os caminhos que merecem ser pautados são conhecidos de quem acompanha o debate: exigência legal de transparência sobre dados de treinamento (lista de obras, editoras, autores), como por exemplo: mecanismos efetivos de opt-out e opt-in ; discussão sobre remuneração coletiva, em lógica próxima à da gestão coletiva na música, adaptada ao texto didático. A assimetria entre grandes empresas de IA e autores individuais é tamanha que nenhuma solução puramente individual resolve. Trata-se de problema de política pública e ação coletiva.
Há ainda o fenômeno correlato do apagamento autoral por reempacotamento estatístico: os LLMs dissolvem autoria em padrões. Os documentos do MEC não tratam disso diretamente, mas oferecem ganchos úteis, como a exigência de explicabilidade e rastreabilidade de fontes e o dever contratual, quando redes de ensino adotam IA, de exigir dos fornecedores informações sobre as fontes consultadas.
O papel do autor: reconfiguração, não substituição
A posição mais consistente com os documentos do MEC, e a mais defensável publicamente, é a de que a IA reconfigura o trabalho autoral, em vez de substituí-lo ou apenas apoiá-lo. O autor didático segue responsável por três coisas que a IA não faz: a intencionalidade pedagógica situada (conhecer a realidade brasileira, a BNCC, o currículo, os estudantes reais), o julgamento ético e curatorial sobre o que entra no material, e a responsabilidade pública pela obra, jurídica e moralmente intransferível. A reconfiguração ocorre porque parte da produção textual mecânica se desloca para curadoria, revisão crítica e desenho didático, movimento que pode ser libertador ou precarizante, a depender de como editoras e Ministério estruturarem contratos, prazos e remuneração. Esse é um ponto de atenção sindical e político relevante.
Critérios para uso responsável
Sintetizando o que os dois documentos oferecem, um uso ético e pedagogicamente consistente da IA na escrita didática se caracteriza por transparência sobre onde e como a IA foi usada; revisão humana qualificada de todo conteúdo gerado (fatos, vieses, adequação); respeito a direitos autorais de terceiros; preservação da autoria (a IA não é coautora, é ferramenta); alinhamento curricular explícito; atenção a vieses e à diversidade epistêmica; proteção de dados quando há qualquer informação pessoal envolvida; e diversificação de ferramentas, com preferência por soluções abertas sempre que possível.