Existe uma diferença enorme entre usar inteligência artificial para obter respostas e usar inteligência artificial para aprender a pensar. Foi estudando computação que comecei a perceber isso.
Minha trajetória acadêmica e profissional sempre esteve profundamente ligada à linguagem, à educação e à construção de sentido. A formação em Letras, Pedagogia, Teoria Literária e Educação fez com que eu enxergasse a aprendizagem como um processo de interpretação, mediação e organização do pensamento humano.
Por isso, quando comecei a estudar computação, imaginei que meu maior desafio seria compreender códigos, comandos e linguagens técnicas. No entanto, descobri algo muito mais interessante: a computação também é uma ciência da linguagem, da representação simbólica e da estruturação do pensamento.
Nesse percurso, a inteligência artificial teve um papel decisivo — mas não da forma como normalmente se imagina. Não utilizei a IA apenas para obter respostas rápidas. Passei a utilizá-la como mediadora da aprendizagem e organizadora de abstrações cognitivas.
Ao estudar algoritmos, linguagens de programação, compiladores, shell, terminal e desenvolvimento de software, percebi que a dificuldade não estava apenas no conteúdo técnico, mas na construção de modelos mentais capazes de tornar esses conceitos compreensíveis. Foi então que minha interação com a IA começou a se transformar em um processo de mediação metacognitiva voltado para a aprendizagem da computação.
Em vez de perguntar apenas “o que é isso?”, passei a orientar a IA de outra forma: “explique usando analogias”; “como esse conceito se conecta à linguagem?”; “transforme isso em um mapa visual”; “como posso lembrar desse conteúdo?”; “questione-me sobre o que mudou na minha forma de compreender computação”.
Essas perguntas produziram algo muito maior do que respostas: produziram metacognição.
Percebi que aprender com IA não dependia apenas das respostas recebidas, mas da capacidade de formular perguntas cognitivamente potentes. A inteligência artificial começou a funcionar como uma mediação cognitiva dinâmica, ajudando-me a reorganizar conceitos abstratos, construir relações interdisciplinares, visualizar estruturas invisíveis e transformar informação em compreensão.
As analogias tiveram papel fundamental nesse processo. O computador deixou de ser apenas uma máquina técnica e passou a ser compreendido como alguém que fala apenas “sim” e “não”, como um sistema que depende de tradução entre linguagens e como uma arquitetura organizada em camadas de abstração. O shell passou a ser entendido como uma espécie de “segurança” que protege o sistema operacional; os compiladores, como a tradução completa de um livro; e os interpretadores, como tradução simultânea de uma palestra.
Outra descoberta importante foi perceber que programação não começa no código. Começa na interpretação do problema, na construção de regras, na modelagem da solução e na organização lógica do pensamento. Essa percepção aproximou computação de áreas que já faziam parte da minha trajetória: linguagem, narrativa, cognição e mediação da aprendizagem.
Ao longo do processo, também comecei a compreender melhor o próprio campo da inteligência artificial. A IA deixou de ser percebida apenas como ferramenta de produtividade e passou a ser compreendida como um ambiente de interação cognitiva. Foi nesse contexto que o conceito de prompt engineering começou a ganhar importância.
Gradualmente, tornou-se evidente que a qualidade da aprendizagem estava profundamente relacionada à qualidade das perguntas formuladas. Perguntas bem construídas produziam explicações mais profundas, melhores modelos mentais e maior capacidade de abstração. Nesse sentido, construir prompts começou a se aproximar de uma prática pedagógica e metacognitiva.
Mas talvez a percepção mais importante tenha sido esta: existe uma diferença enorme entre usar IA para obter respostas e usar IA para construir compreensão.
Percebi que não estava apenas aprendendo computação com IA. Eu estava começando a ensinar a inteligência artificial sobre como eu aprendia melhor.
E talvez seja exatamente aí que estejam algumas das possibilidades mais interessantes para o futuro da educação. Talvez o maior desafio contemporâneo não seja ensinar estudantes a utilizar inteligência artificial. Talvez seja ensiná-los a utilizar a IA para ampliar a própria capacidade de pensar, compreender e construir significado.
