IA e pensamento crítico: o que 173 estudos sustentam e o que não sustentam

Em 24 de abril de 2025, cinco pesquisadores de universidades da Chéquia e da Noruega rodaram uma busca na base Scopus e receberam 1.930 resultados. Depois de três rodadas de triagem, sobraram 173 estudos empíricos. Todos tentavam responder à mesma pergunta: usar inteligência artificial generativa melhora ou piora a capacidade de pensar criticamente e de resolver problemas?

A resposta acaba de ser publicada no Journal of Information Technology Education: Research, volume 25 de 2026, sob o título "Dual Nature of GenAI: Catalyst or Barrier for Critical Thinking and Problem-Solving Skills?". Assinam Tomáš Bendl e Emil Drápela (Universidade Técnica de Liberec), Lenka Krajňáková e Martin Hanus (Universidade Carolina, Praga) e Hilde Storrøsæter (NTNU, Trondheim).

E ela é desconfortável para os dois lados do debate.

A resposta curta

A literatura pende para o lado positivo, mas não com força suficiente para fechar o caso — e a base sobre a qual ela se apoia é fraca.

Dos 139 estudos que examinaram pensamento crítico, 67 relataram apenas efeitos positivos, 33 apenas efeitos negativos e 39 encontraram os dois ao mesmo tempo. Nos 103 estudos sobre resolução de problemas, 57 foram exclusivamente positivos, 23 exclusivamente negativos e 23 mistos.

Ou seja: pouco menos da metade da literatura sobre pensamento crítico encontrou só benefício. Em resolução de problemas, pouco mais da metade. Em ambos os casos, entre um quinto e um quarto dos estudos encontrou apenas prejuízo, e um número grande encontrou as duas coisas na mesma pesquisa.

Os próprios autores resumem assim: a tendência dominante aponta para resultados positivos, mas "isso pode refletir um quadro parcial".

Por que o quadro é parcial

Aqui está a parte que quase não aparece nas manchetes, e que é a informação mais útil do trabalho.

Primeiro, quem foi estudado. Dos 173 estudos, 137 usaram universitários como participantes. Pesquisa em ensino fundamental e médio é, nas palavras dos autores, notavelmente limitada. O que se sabe hoje sobre IA e cognição foi medido quase todo em adultos ou quase-adultos, com capacidade de raciocínio já formada.

Segundo, como foi medido. A revisão separou os estudos entre objetivos (com desenho experimental ou quase-experimental e medição direta) e subjetivos (baseados em autorrelato, questionário ou entrevista). Os subjetivos são largamente mais frequentes. A maior parte do que se sabe, portanto, é o que as pessoas acham que a IA fez com o próprio raciocínio.

Terceiro, onde foi estudado. A concentração geográfica é severa: China com 28 estudos, Estados Unidos com 15, Coreia do Sul, Taiwan, Espanha e Reino Unido com 9 cada, Indonésia com 8. África, América do Sul e Ásia Central seguem, segundo os autores, amplamente sub-representadas.

Quarto, e talvez o ponto mais relevante para quem for citar esse trabalho: a revisão declara que não aplicou nenhuma ferramenta formal de avaliação de qualidade metodológica. Os estudos entraram por critérios de elegibilidade e relevância empírica, sem serem ponderados pelo rigor do desenho. Um experimento controlado e uma enquete de percepção contam igual na contagem.

Some a isso o recorte da busca. Foi usada apenas a base Scopus, apenas literatura em inglês, e apenas os termos "critical thinking" e "problem-solving" — o que, admitem os autores, pode ter deixado de fora pesquisas sobre subcomponentes dessas habilidades, como inferência ou metacognição.

Nada disso invalida a revisão. É o contrário: ela é explícita sobre os próprios limites, o que é exatamente o que se espera de um trabalho sério. O problema aparece quando o número 173 é extraído do contexto e usado como prova de alguma coisa.

O que a revisão realmente identifica como variável

Se a evidência não separa bem "IA boa" de "IA ruim", o que ela separa?

Condição de uso.

Os autores são diretos: os efeitos positivos aparecem quando a ferramenta é implementada como andaime — algo que desafia, pergunta, compara pontos de vista e obriga o usuário a avaliar e refinar informação. Os efeitos negativos aparecem quando ela vira atalho para a resposta pronta. E observam que a maior parte dos estudos com resultado positivo examinou o uso da IA em contextos educacionais estreitamente definidos, onde o resultado positivo é "talvez pouco surpreendente", porque a tecnologia foi inserida em um ambiente já bem estruturado.

Fora dessas condições desenhadas, dizem eles, o risco de dependência excessiva e de engajamento superficial é significativamente maior.

Hilde Storrøsæter, coautora e pesquisadora do Departamento de Formação de Professores da NTNU, coloca o ponto em uma frase, na divulgação da universidade: "o achado mais importante é que a IA, por si só, não nos torna nem melhores nem piores em pensar".

Essa é a conclusão que sobrevive à fragilidade metodológica. Não porque um estudo a tenha provado, mas porque é a leitura mais plausível de uma literatura que encontra resultados opostos usando a mesma tecnologia.

O dado que não está no estudo

A divulgação da NTNU acrescenta um contexto que vem de outra fonte e não deve ser confundido com achado da revisão.

O relatório Barn og medier 2026, da autoridade de mídia norueguesa Medietilsynet, publicado em 10 de agosto de 2026, mostra que o uso de Google e buscadores similares entre crianças e jovens de 9 a 18 anos na Noruega caiu de 72% em 2024 para 47% em 2026. No mesmo levantamento, serviços de IA aparecem como categoria nova, usados por 51%.

É um dado de um país, de uma faixa etária, em um recorte de dois anos. Não é uma medição global e não diz nada, por si, sobre desempenho cognitivo. Mas descreve uma mudança de hábito de busca de informação acontecendo rápido, na mesma coorte sobre a qual a revisão admite saber pouco.

A leitura que combina as duas coisas — que a geração que está mudando o modo de procurar informação é justamente a menos estudada — é uma inferência, não um resultado. Vale registrá-la nesses termos.

O que isso muda para quem decide treinamento e contratação

Aqui o texto sai do que está escrito na fonte e entra em consequência prática. Trato como tal.

A primeira implicação é sobre expectativa. Não existe base empírica sólida para a frase "demos IA ao time e o julgamento melhorou". A evidência disponível não sustenta isso nem o contrário. Quem está investindo em capacitação com IA e espera ganho de raciocínio como subproduto automático da ferramenta está apostando em algo que a literatura não garante.

A segunda é sobre desenho. Se a variável que a revisão consegue isolar é a condição de uso, então a decisão relevante não é qual modelo contratar. É o que se pede à pessoa depois que a ferramenta entra. Entregar IA sem redefinir o que se espera de análise, de checagem e de defesa de uma recomendação é rodar um experimento sem controle — e depois atribuir o resultado, bom ou ruim, à tecnologia.

A terceira é sobre onboarding. Se o hábito de investigação está mudando na base da pirâmide etária, a suposição de que um profissional em início de carreira sabe rastrear uma informação até a origem passa a ser hipótese, não premissa. Isso é testável dentro de casa, sem esperar pesquisa acadêmica: peça a fonte, não só a resposta.

Vale um contraponto honesto. Nada disso indica que restringir o uso de IA seja a saída. Os autores dizem o oposto — a resposta não está em resistir à tecnologia, mas em desenvolver a competência de interrogá-la, reconhecer seus limites e decidir quando não usá-la. Dependência e superficialidade são riscos reais, mas os mesmos estudos apontam ganhos em raciocínio avaliativo e consciência metacognitiva quando o uso é estruturado.

O que ainda não dá para afirmar

Três coisas, com clareza.

1. Que IA generativa degrada o pensamento crítico. A revisão não mostra isso. Mostra uma literatura dividida, com saldo inclinado para o positivo e qualidade metodológica média fraca.

2. Que IA generativa fortalece o pensamento crítico. Também não. O saldo positivo vem majoritariamente de autorrelato e de contextos de uso já bem desenhados.

3. Que qualquer um dos dois vale para crianças e adolescentes. Esse é o vazio declarado pelos próprios autores, e é o vazio que mais importa para quem vai contratar essa geração.

Há ainda uma defasagem de recorte que precisa ser dita: a busca foi feita em abril de 2025. Tudo que a indústria lançou depois disso está fora.

O que acompanhar

O que falta na literatura é nomeado sem rodeios pelos autores: estudos longitudinais e experimentais, em faixas etárias mais jovens, em regiões fora do eixo já coberto. Enquanto isso não existir, qualquer política de empresa sobre uso de IA vai ser decidida com evidência incompleta.

O que não é motivo para não decidir. É motivo para decidir do jeito certo: tratando o uso de IA como desenho de trabalho a ser testado e revisado, e não como ferramenta que se instala e se espera resultado.

Os autores resumem assim: a questão central não é se a IA generativa vai moldar a educação, mas como os sistemas educacionais vão moldar o uso dela. Troque "educação" por "empresa" e a frase continua de pé.

Lincoln Ferraz, Arquiteto de Negócios