Conversar com uma inteligência artificial pode deixar você mais inteligente?

Durante muito tempo, ter uma pergunta era apenas o começo do problema.

Imagine alguém querendo entender por que o céu fica vermelho no pôr do sol. Dependendo da época, responder poderia exigir encontrar alguém que soubesse, procurar uma enciclopédia, ir a uma biblioteca, localizar o livro adequado e descobrir em que parte dele estava a explicação.

A pergunta levava segundos para surgir. A resposta podia levar dias.

E uma boa resposta frequentemente criava outra pergunta. Se a explicação envolvesse a luz na atmosfera, talvez surgisse uma dúvida sobre ondas. Depois sobre frequência. Depois sobre a visão humana. Uma pergunta que começou olhando para o céu poderia terminar atravessando física, química e biologia.

Cada mudança de assunto criava uma nova busca.

O conhecimento estava disponível. O problema era chegar até ele.

Da biblioteca à conversa

As bibliotecas foram uma das grandes soluções humanas para esse problema. Reunir livros num mesmo lugar significava reunir experiências, descobertas e ideias produzidas em outros lugares e em outras épocas.

Mas ainda era necessário encontrar o livro, conseguir acesso a ele e ler o suficiente para descobrir se a resposta realmente estava lá.

Catálogos e sistemas de classificação diminuíram essa dificuldade. Computadores, bases digitais e a internet diminuíram mais.

Depois vieram os mecanismos de busca.

Na década de 1990, Larry Page e Sergey Brin desenvolveram em Stanford o mecanismo que daria origem ao Google. A transformação não estava em produzir todo o conhecimento da internet, mas em tornar muito mais fácil encontrá-lo.

A distância entre a pergunta e a informação encolheu.

Ainda assim, o mecanismo de busca encontrava documentos. Você pesquisava, escolhia um resultado, abria uma página, lia, voltava, reformulava a busca e seguia.

A inteligência artificial conversacional introduziu outra mudança.

Ela não reduziu apenas a distância entre a pergunta e a resposta. Reduziu a distância entre uma resposta e a próxima pergunta.

Isso muda mais coisas do que parece.

Quando conversar já é praticar

Quando a conversa exige que o usuário formule, reformule e acompanhe respostas, existe um efeito tão simples que quase passa despercebido.

Para conversar com uma inteligência artificial, é preciso se comunicar.

Se você escreve, precisa transformar aquilo que está pensando em palavras. Se envia um áudio, precisa explicar o problema de forma que outra inteligência — ainda que artificial — consiga compreender.

Às vezes ela entende errado. Você percebe o erro, tenta novamente e reformula:

— Não foi isso que eu quis dizer.

Então reorganiza a explicação, acrescenta uma informação que havia esquecido e acaba notando que o problema não estava tão claro nem para você.

Quanto mais complexa a conversa, maior tende a ser a necessidade de explicar melhor o que se quer.

Depois acontece o movimento contrário. A IA responde. E você precisa compreender a resposta.

Talvez sejam três parágrafos. Talvez quinze. Você lê, interpreta, identifica o que não entendeu e formula a pergunta seguinte.

Não é preciso afirmar que conversar com IA transformará automaticamente alguém num grande escritor ou orador. Mas existe algo bastante elementar acontecendo: comunicação e leitura estão sendo praticadas.

E prática importa.

Quem passa horas conversando dessa maneira pode acabar lendo milhares de palavras sem ter decidido formalmente “agora vou praticar leitura”. Pode entrar para perguntar como consertar uma torneira e, algum tempo depois, estar lendo sobre pressão da água, materiais, corrosão e sabe-se lá como chegou à história do saneamento.

A ferramenta possui ainda uma característica que favorece essa continuidade: ela responde.

Um livro pode ser excelente, mas não percebe que você fechou na página 37. Uma conversa reage à sua próxima pergunta.

É aí que a interação começa a ficar mais interessante.

Quando não entender deixa de ser um problema coletivo

Imagine uma pessoa que interrompeu os estudos e, anos depois, voltou para uma sala de aula com trinta ou quarenta alunos.

O professor explica determinado conteúdo. Ela não entende. Pergunta. O professor explica novamente. Ainda não ficou claro.

Um bom professor pode tentar outra abordagem, mas existe uma limitação que não depende de sua competência: há uma turma inteira na sala.

Alguns entenderam. Outros também têm dúvidas. Alguns precisam de mais exemplos. Outros já gostariam que a aula avançasse.

O professor precisa administrar tudo isso ao mesmo tempo.

Uma IA não tem essa restrição quando está conversando com um único usuário.

— Não entendi.

Ela explica novamente.

— Ainda não.

Muda o exemplo.

— Explique sem usar a fórmula.

Tenta outro caminho.

— Agora entendi essa parte, mas não a anterior.

Volta.

Isso pode acontecer quantas vezes forem necessárias sem que outros trinta e nove estudantes precisem esperar — e sem o pequeno constrangimento humano de levantar a mão pela quinta vez.

Mais importante: a explicação pode mudar.

Uma pessoa pode dizer que entende melhor com exemplos concretos, pedir uma linguagem mais simples, solicitar exercícios ou pedir que a IA avance devagar.

Pode até inverter a relação:

— Não me dê a resposta. Faça perguntas até eu conseguir chegar nela.

Nesse momento, a IA deixa de ser apenas uma máquina de respostas e começa a funcionar como tutora.

Essa possibilidade já começa a ser estudada de forma controlada. Em 2025, pesquisadores de Harvard publicaram um experimento com estudantes universitários de física comparando aprendizagem ativa em sala com um tutor de IA cuidadosamente desenhado com princípios pedagógicos. Naquele contexto, os estudantes que utilizaram o tutor tiveram ganhos de aprendizagem maiores em menos tempo e relataram mais engajamento e motivação.

O detalhe importante é “cuidadosamente desenhado”.

Não basta colocar uma caixa de texto diante do estudante e esperar que a pedagogia aconteça espontaneamente.

Mas o experimento mostra o tamanho da possibilidade: tutoria individual e adaptável, disponível continuamente para quem tem acesso à ferramenta.

A pergunta que gera a próxima pergunta

A personalização é apenas uma parte da mudança. A outra é velocidade.

Pergunte à IA por que o céu fica vermelho. A resposta menciona dispersão da luz. Você pergunta por que algumas frequências se dispersam mais. A resposta produz uma dúvida sobre o olho humano. Dali surge uma pergunta sobre evolução da visão.

Em poucos minutos, você atravessou diferentes campos sem interromper a investigação para localizar outra fonte a cada mudança.

Isso não significa que tenha se tornado especialista em todos eles.

Velocidade de exploração não é profundidade de conhecimento.

Há ainda um problema prático: justamente quem está começando pode ser a pessoa menos preparada para perceber quando uma explicação da IA está errada. Uma resposta falsa pode soar perfeitamente convincente para quem ainda não possui conhecimento suficiente para desconfiar dela. Aprender com IA exige, portanto, uma forma de ceticismo: pedir fontes, confrontá-las quando necessário e distinguir uma explicação plausível de uma informação verificada.

Apesar desses limites, a velocidade importa porque mantém a investigação viva.

Antes, uma conexão com outra área podia exigir localizar um livro, conseguir o livro, ler parte dele e retomar a pergunta dias depois. Agora a próxima hipótese pode ser explorada enquanto a anterior ainda está na memória.

Uma resposta pode produzir três caminhos. Você segue um. Volta. Experimenta o segundo. Percebe que ele se conecta com algo discutido quarenta minutos antes. A investigação começa a parecer menos uma fila de livros e mais uma rede.

E aqui existe uma pergunta que vale guardar para outro artigo: o que acontece com nossa maneira de pensar quando comprimimos tanto o intervalo entre uma associação e outra?

Por enquanto, basta perceber que o intervalo mudou.

A IA pode pensar por você. Esse é justamente o problema.

Até aqui parece que encontramos uma máquina bastante conveniente: ela conversa, explica, adapta, atravessa assuntos e nunca reclama que já respondeu aquilo três vezes.

Naturalmente existe uma complicação.

Ela também pode fazer o trabalho por você. Pode escrever o texto. Resolver o exercício. Resumir o livro. Organizar o argumento.

Entregar uma resposta tão pronta que o usuário só precisa descobrir onde fica o botão de copiar.

A preocupação com terceirização cognitiva, portanto, é real.

Um estudo apresentado na CHI 2025 por pesquisadores da Microsoft Research e da Carnegie Mellon University analisou 319 profissionais e 936 exemplos relatados de uso de IA generativa no trabalho. Maior confiança na IA esteve associada a menor exercício relatado de pensamento crítico.

Mas há uma parte interessante no mesmo estudo: o trabalho cognitivo não simplesmente desaparecia. Parte dele mudava de lugar. Os usuários passavam a verificar informações, integrar respostas e supervisionar aquilo que a IA havia produzido.

Isso nos leva a uma distinção mais útil do que simplesmente perguntar se IA faz bem ou mal para a inteligência.

E existe uma assimetria importante: a IA diminui tanto a dificuldade de aprender quanto a dificuldade de evitar o aprendizado. O mesmo sistema que permite insistir vinte vezes numa explicação também pode entregar o resultado pronto em segundos.

Não é razoável imaginar que todos os usuários escolherão sempre o caminho mais trabalhoso — especialmente quando o atalho está a uma frase de distância.

A ferramenta pode fazer por você, explicar para você ou pensar com você.

No primeiro caso, você pede o resultado; no segundo, pede compreensão; no terceiro, apresenta uma hipótese, contesta a resposta, pede evidências, solicita uma perspectiva contrária, tenta explicar com suas próprias palavras e usa a ferramenta para encontrar falhas.

A tecnologia é praticamente a mesma. O exercício cognitivo não é.

Uma revisão sistemática publicada em 2026, reunindo 88 estudos empíricos sobre grandes modelos de linguagem na educação, encontrou justamente um cenário misto: benefícios em desempenho, engajamento e acessibilidade, acompanhados de preocupações com dependência excessiva, confiabilidade, privacidade e efeitos cognitivos que variam conforme o contexto.

Talvez o risco principal não seja a existência de uma ferramenta capaz de pensar por nós. Talvez seja esquecermos que podemos escolher não pedir isso a ela.

Até aqui acompanhamos principalmente o modo exploratório: uma pergunta abre outra e o percurso se ramifica. Mas nem todo aprendizado funciona melhor assim. Às vezes queremos explorar; em outras, precisamos seguir uma sequência. Uma característica importante da IA é a possibilidade de alternar entre esses dois modos.

E os livros?

Agora podemos voltar ao livro.

Um bom livro possui uma vantagem extraordinária: alguém construiu o caminho antes de você chegar.

O autor escolheu o que apresentar primeiro, o que guardar para depois, quais conceitos precisam de base e onde pretende levar o leitor.

Isso produz algo que uma conversa espontânea não possui necessariamente: progressão didática.

Além disso, o livro pode levar você a um lugar que jamais escolheria por conta própria. O capítulo seguinte não muda apenas porque você ficou curioso sobre outra coisa.

Essa limitação também pode ser uma virtude.

Mas a oposição entre livro e IA começa a desaparecer quando percebemos que a própria IA pode construir uma estrutura antes de iniciar a conversa.

Imagine alguém querendo estudar matemática de maneira profunda.

Em vez de perguntar assuntos aleatórios, pode começar dizendo onde está e onde pretende chegar. Pode pedir que a IA consulte um currículo oficial, a grade de uma universidade ou um conjunto de referências confiáveis e construa uma progressão de estudos.

Primeiro vem o mapa.

Fundamentos.

Módulos.

Sequência dos assuntos.

Livros ou unidades.

Capítulos.

Exercícios.

O estudante pode revisar essa estrutura antes de começar e exigir as fontes utilizadas. Se quiser seguir uma proposta do MEC ou de determinada universidade, deve pedir que a IA consulte os documentos oficiais — dizer apenas “siga o MEC” não transforma a máquina magicamente em representante do Ministério da Educação.

Depois começa o estudo.

Você pede o primeiro capítulo. Lê, pergunta, faz os exercícios e avança.

No capítulo seguinte, surge uma dificuldade.

— Não entendi.

A explicação muda.

— Acho que está faltando alguma base anterior.

A IA pode sugerir uma revisão.

Depois de alguns módulos:

— Analise onde estou tendo dificuldade e veja se precisamos ajustar o restante do programa.

Agora temos algo diferente tanto do livro tradicional quanto da conversa improvisada.

Existe estrutura, mas ela pode se adaptar.

Existe sequência, mas o leitor pode conversar com ela.

O material pode ser planejado antes e recalibrado durante o percurso.

O livro não desapareceu.

Em certo sentido, tornou-se conversável.

Então a IA pode deixar alguém mais inteligente?

Seria agradável terminar com um “sim”. Também seria cedo demais.

Aqui, “mais inteligente” não significa demonstrar aumento de uma medida psicométrica de inteligência. O que este artigo consegue sustentar é algo mais específico: a IA pode ampliar e tornar mais frequente o exercício de capacidades ligadas à aprendizagem — formular, ler, interpretar, comparar, explicar, verificar, relacionar e revisar o próprio raciocínio.

Esses ganhos não são automáticos. A mesma ferramenta pode ser usada para evitar quase todos eles. Ela reduz a fricção para aprender e, ao mesmo tempo, reduz a fricção para terceirizar a tarefa.

Por isso, o efeito não depende apenas da tecnologia nem apenas do usuário. Depende também de como a ferramenta é desenhada e de que tipo de interação ela favorece — e ainda não sabemos quais serão os efeitos de décadas de convivência cotidiana com sistemas desse tipo.

Talvez a pergunta seguinte esteja incompleta.

Não basta perguntar:

— O que a inteligência artificial está fazendo com a nossa inteligência?

Há outra pergunta:

— O que estamos fazendo com a nossa inteligência enquanto usamos a inteligência artificial?

Talvez seja nessa diferença que esteja boa parte da resposta.