Em 1º de setembro de 2026, o Conselho Nacional de Educação aprovou as Diretrizes Orientadoras da Utilização da Inteligência Artificial na Educação Brasileira. O texto agora segue para homologação do Ministério da Educação. Publicada a resolução, escolas, redes e instituições de ensino superior terão 12 meses para adequar normas e contratos, com uma exceção importante: as vedações têm aplicação imediata.
O documento não é uma lista de proibições soltas. Ele organiza o uso de IA por nível de risco, no mesmo espírito do marco legal brasileiro em tramitação e do AI Act europeu, e define onde a decisão humana é insubstituível. Para quem dirige uma instituição, a pergunta prática não é se a IA pode ser usada, porque pode. É conseguir mostrar, depois, qual uso foi feito, por quem e sob qual regra.
O que o CNE aprovou, em resumo
As diretrizes partem de cinco princípios: ética, transparência, conformidade com a LGPD, autonomia do educador e auditabilidade. Os quatro primeiros aparecem em quase toda discussão sobre IA. O quinto é o que cria trabalho operacional, porque auditabilidade significa que a instituição precisa ter registro do que aconteceu, e não apenas uma política dizendo o que deveria acontecer.
O parecer também recomenda mecanismos institucionais de governança: documentação das decisões relacionadas ao uso de IA, monitoramento contínuo das aplicações, comunicação clara à comunidade escolar e revisão humana dos conteúdos e resultados produzidos por sistemas automatizados. E prevê revisão das próprias diretrizes a cada dois anos, o que indica que este é um primeiro ciclo, não um ponto final.
Os quatro níveis de risco
A classificação é o eixo do documento. Ela determina quanta supervisão humana cada uso exige.
Baixo risco
Usos instrumentais e de organização, acessibilidade, revisão textual sem efeito avaliativo, preparação de material. Não há impacto direto sobre a trajetória do estudante, e a exigência de controle é proporcional.
Risco moderado
Tutoria digital, feedback formativo, personalização e recomendação acadêmica sem efeito decisório. Aqui a supervisão humana passa a ser obrigatória: a ferramenta sugere, o docente decide.
Alto risco
Sistemas que influenciam avaliação ou certificação, correção automatizada com repercussão acadêmica, proctoring biométrico e perfilização acadêmica, além de qualquer uso que trate dado sensível ou comportamental. A supervisão humana precisa ser contínua, e no ensino superior o parecer é explícito ao chamar o julgamento docente de insubstituível.
Risco excessivo
Usos vedados, sem possibilidade de mitigação por controle. Entram nessa faixa a pontuação social de estudantes, a inferência ou vigilância emocional, a vigilância biométrica contínua, a manipulação comportamental de menores, a exploração comercial de dados e a decisão exclusivamente automatizada sobre aprovação, retenção, certificação ou desligamento. Também é vedado o uso autônomo, individual e sem supervisão na educação infantil e nos anos iniciais do fundamental.
A vedação que mais mexe na rotina
Entre as proibições de aplicação imediata, uma toca o dia a dia de quase toda escola: sistemas de IA não podem corrigir nem atribuir nota a redações e provas dissertativas, em nenhuma etapa da educação.
Vale separar duas coisas que costumam ser confundidas. Pedir a uma ferramenta que organize os pontos de uma produção textual, aponte repetições ou ajude o docente a preparar um comentário é apoio. Deixar que ela produza a nota, ou que o docente apenas confirme o que ela escreveu, é a decisão avaliativa saindo do professor. A primeira prática continua possível. A segunda é exatamente o que o parecer tira de campo.
Na prática, isso desloca a discussão da ferramenta para o processo. Não basta escolher um sistema que "tem supervisão humana" na descrição comercial. A instituição precisa conseguir mostrar que a nota saiu de uma avaliação docente, com o registro que sustente essa afirmação se alguém questionar.
O ponto cego: a IA que ninguém contratou
Aqui aparece o problema mais difícil, e é o que costuma ficar de fora dos planos de adequação. Uma boa parte do uso de IA dentro de uma instituição de ensino não passa por contrato nenhum.
O professor que cola uma redação com o nome do aluno no ChatGPT pessoal para pedir uma leitura. A coordenação que sobe uma planilha com notas e observações disciplinares numa ferramenta de resumo. O time administrativo que usa um assistente instalado no desktop para redigir uma comunicação com dados de matrícula. Nenhuma dessas ações passa por um sistema homologado, por um aditivo contratual ou por um registro de tratamento.
É o mesmo fenômeno que tratamos no artigo sobre shadow AI, com um agravante: na educação, o dado em jogo é frequentemente de menor de idade, e a LGPD trata dado de criança e adolescente com exigência reforçada de melhor interesse e de informação às famílias. O parecer do CNE reforça esse ponto ao pedir comunicação clara à comunidade escolar sobre o uso e a proteção dos dados.
Uma política interna resolve a intenção. Ela não resolve o canal. Se a única barreira é um documento que pede para não colar dado de aluno em ferramenta externa, a instituição fica sem saber se a regra foi cumprida e, principalmente, sem conseguir demonstrar que foi.
Auditabilidade é a palavra que cria trabalho
Dos cinco princípios, auditabilidade é o que separa quem vai cumprir o prazo de quem vai ter um documento bonito e nenhuma evidência.
Pense no que uma auditoria, uma família ou o Ministério Público pode perguntar daqui a um ano. Quais ferramentas de IA foram usadas nesta instituição no semestre passado? Algum dado identificável de estudante saiu para um serviço externo? Quem enviou, quando e o que foi enviado? Houve revisão humana nos usos de alto risco? Se a resposta a qualquer dessas perguntas depender da memória de alguém, a instituição não tem auditabilidade, tem boa vontade.
Registro, aqui, não é sinônimo de vigiar professor. É o mesmo tipo de trilha que já existe em sistema acadêmico, em folha de pagamento e em acesso a prontuário: saber o que aconteceu com o dado sob a guarda da instituição, com escopo definido e comunicado, como a própria LGPD exige.
Onde entra uma camada técnica
Existem duas formas de fechar a distância entre a política escrita e o que de fato acontece. A primeira é restringir o acesso, bloqueando serviços de IA na rede. Funciona no papel e falha na prática, porque empurra o uso para o celular pessoal e para o notebook fora da rede, onde a instituição perde qualquer visibilidade.
A segunda é deixar o uso acontecer e colocar um controle no caminho. É o modelo do PRISMON Guardian: um filtro que fica entre as pessoas e as ferramentas de IA de terceiros, intercepta a requisição antes que ela deixe a instituição, classifica o conteúdo, aplica a política definida e registra a decisão. Vale para o navegador, para o aplicativo instalado no computador e para chamadas de sistemas internos, sem depender de a ferramenta ter sido contratada.
Aplicado ao cenário do CNE, isso responde a três exigências ao mesmo tempo. O dado identificável de estudante pode ser mascarado ou barrado antes de sair, em qualquer canal. O uso de ferramentas não homologadas fica visível, o que dá lastro ao inventário. E cada decisão vira registro, que é o que sustenta a prestação de contas quando alguém perguntar. A página do Guardian explica os dois modos de instalação, no equipamento ou na rede, e qual faz sentido conforme o parque de máquinas da instituição.
Para quem quer entender o contexto regulatório mais amplo, incluindo LGPD, PL 2338/2023 e ISO 42001, escrevemos um guia de governança de IA que se aplica a qualquer setor.
Um roteiro para os 12 meses
O prazo parece confortável e não é, porque duas das etapas dependem de terceiros.
- Primeiro mês, inventário. Levantar quais ferramentas de IA já circulam, incluindo as informais. Sem isso, todo o resto é estimativa.
- Até o terceiro mês, classificação. Encaixar cada uso identificado em um dos quatro níveis de risco. O que cair em risco excessivo precisa parar agora, não no fim do prazo.
- Até o sexto mês, política e comunicação. Escrever a norma interna, definir quem aprova novos usos e comunicar estudantes, famílias e equipe sobre o que é usado e como o dado é protegido.
- Até o nono mês, contratos. Revisar os acordos com fornecedores de tecnologia educacional: política de dados de menores, documentação da lógica de recomendação da plataforma e mecanismo de revisão pelo educador. Renegociação leva tempo.
- Até o décimo segundo mês, controle aplicado e evidência. Ter a camada técnica funcionando e a trilha de registro rodando, para que a conformidade possa ser demonstrada e não apenas afirmada.
Quem começar pelo texto da política e deixar o controle técnico para o fim vai chegar ao prazo com uma norma que ninguém consegue comprovar. Quem começar pelo inventário descobre, em poucos dias, que a distância entre o que a instituição acredita que usa e o que de fato usa é maior do que parecia.
O que fica
As diretrizes do CNE não são um freio na adoção de IA na educação. São um contorno: dizem onde a máquina ajuda, onde ela precisa de supervisão e onde ela não entra. A parte difícil não está em concordar com esses limites, que são bastante razoáveis, e sim em conseguir provar que eles foram respeitados por gente que trabalha com prazo curto e ferramenta à mão.
Essa prova não sai de um documento. Sai de um controle que roda em cada requisição e deixa registro.
Perguntas frequentes
As diretrizes do CNE já estão valendo?
O parecer foi aprovado em 1º de setembro de 2026 e segue para homologação do Ministério da Educação. A partir da publicação, as instituições têm 12 meses para adequar normas e contratos, mas as vedações têm aplicação imediata.
Professor pode usar IA para corrigir redação?
Não como decisão de avaliação. O parecer veda o uso de sistemas de IA para corrigir e atribuir nota a redações e provas dissertativas em todas as etapas. Apoio à leitura ou organização de material continua permitido, desde que a nota e o parecer sejam do docente.
O que o CNE classifica como risco excessivo?
Pontuação social de estudantes, inferência ou vigilância emocional, vigilância biométrica contínua, manipulação comportamental de menores e decisão exclusivamente automatizada sobre aprovação, retenção, certificação ou desligamento. Esses usos são vedados, não apenas controlados.
As regras valem para ferramentas que a escola não contratou?
A responsabilidade é da instituição pelo tratamento de dados sob sua guarda, independentemente de a ferramenta ter sido contratada. Um docente que usa uma conta pessoal de IA com dados de aluno cria exposição para a instituição, que precisa conseguir demonstrar qual controle existia. É o cenário que o PRISMON Guardian cobre.
Por onde uma instituição deve começar?
Pelo inventário do que já é usado, incluindo o uso informal por conta pessoal. Sem saber quais ferramentas circulam e que tipo de dado entra nelas, qualquer política escrita fica sem lastro e nenhum dos prazos consegue ser cumprido com evidência.