LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University

No mundo moderno, a inteligência artificial deixou de ser ficção científica para se tornar uma utilidade diária, remodelando a forma como as pessoas resolvem problemas em escritórios, salas de aula e lares. No entanto, permanece uma lacuna significativa na forma como a sociedade aprende a usar essas ferramentas. A maioria dos esforços educacionais cai em um de dois campos: workshops teóricos amplos que explicam o que é a IA sem ensinar como usá-la, ou cursos técnicos avançados projetados para especialistas em ciência da computação que deixam todos os outros para trás. Essa divisão deixa um vasto grupo de aprendizes — aqueles que precisam construir um site, automatizar uma planilha ou organizar um fluxo de trabalho, mas carecem de habilidades de programação — sem um caminho a seguir. Eles enfrentam a escolha entre fazer tudo manualmente ou entregar seu trabalho inteiramente a uma máquina, muitas vezes sem compreender o processo. A questão que os educadores enfrentam hoje não é apenas como ensinar as pessoas a programar, mas como ajudar diversos grupos de pessoas a colaborar com a IA para construir soluções reais e funcionais que se ajustem às suas necessidades específicas.

Na Universidade Monmouth, uma equipe de pesquisadores e educadores testou uma nova abordagem para preencher essa lacura, criando um programa chamado LearnAI. Em vez de forçar os alunos a aprender linguagens de programação complexas primeiro, eles construíram um serviço que encontra as pessoas exatamente onde elas estão, oferecendo ajuda imediata com tarefas do mundo real. O programa opera em dois níveis. O primeiro é uma rede ampla lançada através de dezoito cursos universitários diferentes, abrangendo desde enfermagem e negócios até ciência da computação. Nessas aulas, tutores de graduação realizaram palestras curtas de quinze minutos mostrando como a IA poderia resolver problemas imediatos, como criar um guia de estudo ou projetar um site de portfólio. Essas sessões foram desenhadas para despertar o interesse e desmistificar a tecnologia, convidando qualquer pessoa curiosa a se inscrever para obter ajuda mais profunda.

Para aqueles que deram o próximo passo, a segunda camada do programa começou: uma série de sessões individuais onde os clientes trabalhavam diretamente com um tutor estudante treinado. Essas reuniões não eram palestras; eram workshops onde o cliente trazia um objetivo específico, como construir um boletim informativo departamental ou automatizar uma tarefa de entrada de dados. Os tutores seguiam um guia estruturado de cinco etapas para ajudar o cliente a transformar esse objetivo em um produto finalizado. Primeiro, eles ajudavam o cliente a definir o problema claramente, passando de ideias vagas como "quero um site" para requisitos específicos como "preciso de um site onde os professores possam fazer login para postar atualizações". Em seguida, eles selecionavam as ferramentas certas para a tarefa, escolhendendo entre diferentes plataformas de IA com base no que o cliente já conhecia e nas restrições que enfrentava, como acesso limitado ao computador.

O núcleo do processo envolvia o cliente e o tutor trabalhando juntos para escrever instruções para a IA, uma prática que os pesquisadores chamam de "prompting como especificação". Em vez de pedir à IA para simplesmente "fazer", o cliente aprendia a escrever solicitações detalhadas que atuavam como um projeto. O tutor demonstrava como escrever essas instruções e, gradualmente, recuava, deixando o cliente assumir a liderança enquanto oferecia orientação. Assim que a IA gerava um resultado, a dupla passava para a fase mais crítica: a verificação. Eles testavam o resultado para garantir que ele realmente funcionasse, verificando erros ou recursos que a IA pudesse ter inventado e que não existiam. Por fim, discutiam as implicações éticas, decidindo como a ferramenta deveria ser usada, quais dados ela poderia manipular e como creditar o esforço humano por trás da criação.

Ao longo de dois semestres, este modelo apoiou trinta e cinco clientes, incluindo estudantes, professores e funcionários administrativos. Os resultados foram tangíveis e diversos. O grupo co-criou trinta e seis sites de portfólio e mais de vinte aplicações web implantadas. Estes não eram exercícios de prática; eram ferramentas funcionais usadas na vida real. Uma professora de enfermagem construiu um sistema seguro para rastrear a presença dos alunos que foi usado por mais de cinquenta estudantes. Uma estudante de educação, sem formação em programação, criou um site pessoal e uma ferramenta de refinamento de e-mail, que mais tarde utilizou para preparar materiais para uma conferência profissional. Uma funcionária administrativa em um computador com restrições aprendeu a automatizar tarefas repetitivas de limpeza de dados usando ferramentas disponíveis em seu desktop bloqueado.

A descoberta mais significativa, no entanto, não foi apenas o número de sites construídos, mas uma mudança na forma como os clientes pensavam sobre a tecnologia. Antes do programa, muitos participantes viam a IA como um "oráculo" — uma máquina passiva que simplesmente fornecia respostas quando solicitada. Após trabalhar através do processo, sua perspectiva mudou. Eles passaram a ver a IA como um "parceiro de processo", uma ferramenta colaborativa que exige direção humana, supervisão e verificação. Uma professora de ciência da computação observou que a IA começou a lhe fazer perguntas que a faziam pensar sobre ângulos que ela não havia considerado, transformando a interação de uma simples consulta em uma colaboração genuína. Outra funcionária, inicialmente sobrecarregada pelas etapas técnicas, aprendeu a decompor as tarefas e acabou ensinando seus colegas a usar os mesmos métodos.

Os pesquisadores observaram que essa mudança não acontecia automaticamente; ela exigia o elemento humano de um tutor para guiar o cliente através da frustração do aprendizado. Os tutores, que eram todos estudantes de ciência da computação, descobriram que sua habilidade mais importante não era a expertise técnica, mas a capacidade de se comunicar e adaptar seu estilo de ensino ao nível de conforto do cliente. Eles aprenderam a desacelerar para aqueles que se sentiam sobrecarregados pelo número de ferramentas e a acelerar para aqueles que já estavam familiarizados com a tecnologia. O programa também revelou limites importantes. Alguns clientes sentiram que o esforço necessário para instruir a IA superava os benefícios, e outros optaram por rejeitar o uso de IA para certos tipos de trabalho, como escrita acadêmica, preferindo manter o controle pessoal total. Essas reações não foram vistas como falhas, mas como escolhas válidas que destacavam a importância de permitir que os indivíduos decidam quando e como usar essas ferramentas.

Embora o programa tenha mostrado resultados promissores, os pesquisadores foram cuidadosos ao notar os limites de seu estudo. Os dados vieram de um pequeno grupo de pessoas que se voluntariaram para o programa, portanto, não se pode assumir que todo estudante ou professor teria a mesma experiência. As medições de aprendizado foram preliminares e baseadas em um pequeno número de participantes, sugerindo a necessidade de estudos adicionais para confirmar os efeitos a longo prazo. No entanto, a coleta de artefatos do mundo real — os sites e aplicações funcionantes — forneceu evidências concretas de que esta abordagem funciona. O projeto demonstrou que, com o suporte adequado, pessoas de todas as origens podem passar de consumidores passivos de tecnologia para criadores ativos que usam a IA para resolver seus próprios problemas. O framework LearnAI oferece um modelo prático para instituições que buscam integrar a inteligência artificial na educação não como uma disciplina separada, mas como uma ferramenta tecida na estrutura do trabalho e do aprendizado diário.