Em 2025, pesquisadores da Wharton publicaram na PNAS um experimento com cerca de mil estudantes de matemática do ensino médio. Um grupo estudou com acesso a um modelo de linguagem genérico; outro, com uma versão que trazia salvaguardas pedagógicas — dava pistas, pedia a tentativa do aluno, não entregava a resposta pronta; um terceiro estudou sem IA.
O resultado
Com a IA ligada, o primeiro grupo rendeu 48% mais nos exercícios. Na prova sem IA, rendeu 17% menos do que quem nunca a usou. O grupo com salvaguardas rendeu 127% mais com a ferramenta ligada — e, sem ela, não teve queda em relação a quem nunca usou.
A leitura é simples e desconfortável: uma IA que faz por você produz desempenho enquanto está presente e deixa menos do que encontrou quando vai embora. Uma IA que ensina a fazer não compromete o que fica.
A condição da Beatriz
A Beatriz foi construída sobre a segunda condição. Ela não entrega a resposta: monta o quadro, devolve perguntas, pede a sua tentativa e termina cada sessão com uma tarefa para o seu trabalho real. A cota semanal não acumula — terminou, você pratica e volta. A cada três semanas, um checkpoint. No fim, uma prova de autonomia feita com ela fora de cena e um intervalo de 30 a 50 dias.
- Ensinar a fazer, não fazer por você.
- Prática fora da plataforma como parte do método.
- Prova com a IA removida, medida pelo padrão LUMEN.
O número que interessa não é o quanto você rende com a Beatriz ao lado. É o quanto fica quando ela sai.
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., Mariman, R. “Generative AI without guardrails can harm learning”. PNAS 122 (2025). Valores conferidos na fonte primária em 22/07/2026.
Pode citar — com a fonte.