A aplicabilidade da Teoria da Mudança na implementação de IA na educação

O que é a Teoria da Mudança

A incorporação de inteligência artificial na educação tem sido frequentemente conduzida como uma decisão tecnológica, quando na realidade trata-se de uma decisão estratégica e institucional. A diferença entre iniciativas pontuais, centradas em ferramentas, e transformações sustentáveis, centradas em resultados, está na clareza da lógica que conecta problema, intervenção e impacto. É exatamente nesse ponto que a Teoria da Mudança se torna um instrumento decisivo para gestores educacionais que desejam uma adoção qualificada de IA.

No referencial clássico de monitoramento e avaliação de políticas públicas, a Teoria da Mudança é apresentada como a representação explícita da lógica de uma intervenção, articulando insumos, atividades, produtos, resultados e impactos esperados. Não se trata apenas de um diagrama causal, mas de uma explicitação das hipóteses que sustentam a crença de que determinadas ações produzirão determinados efeitos. Essa formalização é especialmente relevante em contextos de alta complexidade tecnológica, como o da IA generativa na educação, em que abundam promessas, mas nem sempre há clareza sobre mecanismos de causalidade.

Ao deslocar a discussão da ferramenta para o problema, a Teoria da Mudança força o gestor a iniciar pelo diagnóstico. Em termos práticos, isso significa perguntar: qual problema educacional concreto justifica o uso de IA? Baixo desempenho em leitura? Sobrecarga docente? Falta de personalização? Desengajamento estudantil? Sem essa delimitação, a IA tende a ser incorporada como solução em busca de um problema.

Fio condutor da estratégia

O relatório OCDE Digital Education Outlook 2026 mostra que o uso de ferramentas de IA generativa cresceu de forma significativa entre 2024 e 2025, sobretudo em países da OCDE e parceiros como o Brasil. Contudo, o mesmo relatório aponta desigualdades de acesso e uso, sugerindo um risco de aprofundamento de assimetrias educacionais. Uma estratégia orientada pela Teoria da Mudança obriga o gestor a incorporar essas variáveis contextuais desde o início: quem terá acesso à IA? Em que condições? Com qual infraestrutura? Com quais competências digitais?

A partir do problema claramente definido, a Teoria da Mudança estrutura a cadeia lógica da intervenção. Se o objetivo é melhorar a compreensão leitora no ensino fundamental, a IA pode ser posicionada como insumo, atividade, produto, resultado e impacto. Cada elo dessa cadeia precisa ser sustentado por hipóteses plausíveis e, sempre que possível, evidências.

Essa estruturação é decisiva para evitar dois tipos clássicos de falha: falhas de implementação e falhas de teoria. No primeiro caso, a teoria é consistente, mas a execução é deficiente. No segundo, a própria lógica causal é equivocada. Em projetos de IA, a segunda falha é particularmente comum, pois há uma tendência a superestimar a capacidade autônoma da tecnologia.

Indicadores que realmente importam

Outro ganho estratégico da aplicação da Teoria da Mudança está na definição de indicadores. Em iniciativas de IA na educação, isso implica ir além de métricas superficiais, como número de acessos ou tempo de uso, e construir indicadores que capturem efetivamente mudanças em aprendizagem, práticas docentes e equidade. Se a informação medida não será utilizada para o gerenciamento do projeto, o indicador não deve ser selecionado.

A Teoria da Mudança também orienta o desenho de avaliações ex ante e ex post. No caso da IA, isso significa perguntar: há evidências robustas de que feedback automatizado melhora aprendizagem em determinado contexto? Em quais condições? A literatura recente citada no relatório da OCDE aponta resultados promissores em contextos específicos, como tutoria baseada em diálogo e abordagens socráticas mediadas por IA, mas também alerta para desafios relacionados a vieses e dependência excessiva da tecnologia.

A gestão da inovação precisa de método

Do ponto de vista gerencial, a principal contribuição da Teoria da Mudança é transformar a adoção de IA em uma política educacional estruturada. Isso exige a construção de um plano de monitoramento com definição clara de linha de base, metas, frequência de coleta e responsáveis. Sem linha de base, não há como estimar variação; sem metas, não há critério de sucesso; sem responsáveis, não há governança.

Além disso, a Teoria da Mudança favorece uma abordagem incremental e adaptativa. Ao explicitar hipóteses, ela permite revisões contínuas com base em evidências. Caso os resultados intermediários não se materializem, o gestor pode investigar se o problema está nos insumos, nas atividades, nos produtos ou na própria hipótese causal. Essa capacidade de aprendizado institucional é fundamental em um cenário de rápida evolução tecnológica.

Por fim, a aplicação da Teoria da Mudança contribui para alinhar a estratégia de IA aos objetivos educacionais mais amplos. A IA passa a ser um meio subordinado a fins claramente definidos: melhoria da aprendizagem, redução de desigualdades, fortalecimento da autonomia estudantil, qualificação do trabalho docente.