Um escândalo envolvendo uso de IA generativa para colar em avaliações abalou a Brown University, uma das mais tradicionais dos Estados Unidos. O episódio expõe o impacto direto dessas ferramentas sobre o desempenho acadêmico e acirra o debate sobre ética e aprendizagem no ensino superior.
O caso: salto e queda abrupta nas notas
O professor de economia Roberto Serrano, reconhecido internacionalmente, decidiu aplicar provas domiciliares em sua disciplina ECON 1170 na primavera de 2026, motivado por um episódio traumático no campus. O resultado foi imediato: o número de alunos saltou de 30 para 86. A média do exame intermediário disparou para 96 de 100 pontos — quarenta alunos atingiram nota máxima. Segundo Serrano, esse número destoava do histórico da disciplina, em que médias variavam entre 65% e 80%, mesmo com uma prova considerada mais difícil nesta edição. As respostas, embora corretas, apresentavam um estilo de redação “convoluto”, semelhante ao que ChatGPT produzia quando testado com as mesmas perguntas.
Diante das suspeitas, Serrano optou por tornar o exame final presencial. Ele comunicou aos alunos que, caso a distribuição de notas do exame presencial não repetisse a do exame remoto, o peso das avaliações seria revisto. O efeito foi imediato: 18 alunos desistiram da disciplina e 9 faltaram à prova. Entre os 27 ausentes, 22 haviam tirado nota máxima no exame remoto. Para os que compareceram, a média despencou de 96 para 48 pontos — uma queda de 50%.
Reação da instituição e debate sobre IA
O episódio ganhou repercussão internacional após entrevistas de Serrano a veículos como El País e Inside Higher Ed. O professor atribui a queda das notas ao uso generalizado de IA generativa para resolver as provas remotas, levantando o alerta sobre a superficialidade do aprendizado quando mediado por essas ferramentas.
A Brown University já vinha debatendo o tema. Um relatório recente, liderado pela pró-reitoria, revelou que 56% dos estudantes de graduação e 67% dos de pós e medicina usavam IA generativa diariamente ou semanalmente. Apesar disso, a maioria relatou preocupações com o impacto dessas tecnologias sobre o próprio aprendizado e a capacidade cognitiva.
O que está em jogo
O caso expõe um dilema central para universidades: como adaptar avaliações e garantir integridade acadêmica diante de ferramentas de IA cada vez mais acessíveis e sofisticadas. A experiência de Brown sugere que avaliações remotas estão especialmente vulneráveis ao uso indevido de IA, mascarando a real aquisição de conhecimento e criando incentivos para atalhos em vez de aprendizado profundo.
A resposta institucional tende a ser lenta frente à velocidade da tecnologia, mas o episódio pressiona por revisões urgentes em métodos de avaliação e políticas de uso de IA no ensino superior — inclusive no Brasil, onde o tema já desperta preocupação em universidades públicas e privadas.
Por que importa
A adoção massiva de IA generativa em contextos acadêmicos desafia a própria noção de mérito e aprendizado. O caso Brown evidencia que avaliações tradicionais perdem poder discriminatório quando a IA faz o trabalho pesado. Para professores, coordenadores e gestores educacionais, o recado é claro: avaliar conhecimento exige novas estratégias, com foco em habilidades que resistam à automação. Ignorar o problema pode corroer a credibilidade dos diplomas e aprofundar desigualdades no acesso real ao saber.