# Se a IA resolve a sua avaliação, o problema é a avaliação Fonte: Bora Facilitar, artigo, editado a partir do episódio https://www.youtube.com/watch?v=Fd4--xcOvlI O Grupo RAIA, Rede de Avanço em Inteligência Artificial, nasceu de um hackathon na USP de São Carlos em 2023. Hoje roda um programa semestral que junta gente da universidade com gente que já está no mercado, para fazer projeto técnico de impacto real. Pedro e Gabriel vieram falar de IA. A conversa acabou em outro lugar: avaliação. ## Uma prova de matemática, décadas atrás A Fernanda conta a história no meio do episódio, e ela vira o argumento central. A prova tinha duas questões. A primeira pedia para demonstrar a fórmula. A segunda, para aplicá-la. Ela errou um sinal na demonstração. Como aplicou a fórmula que ela mesma tinha demonstrado, o resultado final saiu errado também. Pela régua binária, nota zero. [30:50] "O resultado da sua prova seria zero, só que eu sei o que aconteceu. Você errou nesse sinal aqui. Um erro acontece, mas eu sei que você sabe o caminho." O professor deu metade da nota. E aqui está o ponto: essa conversa só foi possível porque o formato da prova mostrava o caminho, não só o resultado. > Você tem que demonstrar o seu saber. > > Fernanda Godoy ## Por que isso virou urgente A recomendação do RAIA sobre avaliação é direta: não dá mais para mandar um exercício para casa e esperar que a resposta diga alguma coisa sobre quem respondeu. A saída que eles apontam é projeto prático, que a pessoa chega e apresenta. **O que muda na prática** Uma avaliação que pede resultado pode ser resolvida por qualquer ferramenta. Uma avaliação que pede o caminho, e que acontece na frente de alguém, continua avaliando a pessoa. A tecnologia não quebrou a avaliação: ela expôs que boa parte do que a gente chamava de avaliação media entrega, não aprendizagem. Quem trabalha com educação corporativa reconhece na hora. O quiz de múltipla escolha no fim do módulo obrigatório nunca avaliou nada mesmo. Agora ele também não consegue mais fingir. --- ## O que a máquina não faz sozinha Gabriel e Pedro são bem menos entusiasmados do que o marketing do setor. Eles explicam que os modelos modernos são caixas-pretas: nem quem desenvolve sabe exatamente por que a saída foi aquela. Para decidir se a foto é de gato ou cachorro, tudo bem. Para assistir um médico num diagnóstico, não. E são categóricos sobre o papel: do jeito que está hoje, não dá para deixar o modelo sozinho. Ele é sempre o ajudante, sob supervisão de quem conhece os fundamentos. Tem até uma tática prática que eles dão, e que funciona bem: perguntar "você tem certeza que essa resposta está correta?". O modelo é confiante demais, e é bom parceiro justamente porque, ao contrário da maioria dos humanos, ele revisa quando é confrontado. ## A aluna que se perguntou se estava roubando O caso mais interessante do episódio é o de uma estudante não nativa em inglês que passou a usar IA para debater textos. Ganhou um prêmio de melhor aluna. E aí veio se questionar se aquilo tinha sido trapaça. Ela não estava copiando e colando. Ela tinha acelerado o próprio caminho de pensamento porque passou a ter com quem discutir. Os nativos em inglês não precisavam daquilo, ou não tinham percebido que podiam aprofundar. Isso desloca a pergunta de "usou ou não usou" para "o que ela fez com o que usou". E é exatamente aí que uma avaliação de caminho continua funcionando e uma de resultado não. ## O argumento que fecha o raciocínio A Fernanda faz uma observação no fim que é a melhor do episódio, e ela é estrutural. A IA generativa gera com base nos dados que já existem. Se as pessoas pararem de pensar e passarem a só pedir coisas prontas, ela vai continuar gerando a partir da mesma base. Nada novo entra. > Para eu poder fazer diferença na inteligência artificial, eu tenho que voltar a ser esse ser humano. > > Fernanda Godoy Ela vai além e nomeia o risco político: existem países que não prepararam a população para ser gente, e sim para ser peça de máquina. Onde as pessoas são só fazedoras, não sobra tempo nem para pensar em si. É a mesma conclusão do episódio curto sobre [o que a IA não faz](/episodios/treinamentos-e-inteligencia-artificial/): as habilidades que mais faltam hoje são pensar criticamente, analisar e criar. E são justamente as que a gente parou de treinar. Duas coisas para levar para o próximo desenho de treinamento: troque avaliação de resultado por avaliação de caminho, com apresentação para gente de verdade. E pare de tratar uso de IA como infração a fiscalizar. O que importa é se a pessoa sabe o caminho, e isso continua sendo possível de ver.