Estudantes de engenharia enfrentam crescente dependência da inteligência artificial generativa

LAUSANNE, Suíça — Dois anos após a introdução pública da inteligência artificial conversacional transformar o cenário educacional, estudantes da École polytechnique fédérale de Lausanne (EPFL) veem-se administrando uma relação complexa com ferramentas automatizadas que penetraram profundamente em suas rotinas acadêmicas. Após o lançamento generalizado do ChatGPT da OpenAI no final de 2022, aplicativos de aprendizado de máquina generativo rapidamente se estabeleceram nos laptops e dispositivos móveis de futuros engenheiros no instituto técnico suíço. A rápida adesão, impulsionada pelo desenvolvimento de métodos de estudo e por um ecossistema em expansão de modelos comerciais e de código aberto, gerou ganhos notáveis de produtividade e persistentes inquietações quanto à retenção de habilidades, autonomia técnica e dependência cognitiva, de acordo com reportagem da Phys.org.

## Principais fatos

- Ferramentas de inteligência artificial generativa penetraram rapidamente nos ambientes computacionais dos estudantes da École polytechnique fédérale de Lausanne (EPFL) no período de dois anos após seu surgimento no final de 2022. - A adoção acelerada entre futuros engenheiros foi impulsionada por hábitos de estudo adaptáveis dos estudantes e por uma forte proliferação de modelos fundamentais concorrentes. - Estudantes de graduação e pós-graduação em engenharia relatam uma relação conflituosa com ferramentas automatizadas, equilibrando ganhos de eficiência com preocupações de dependência. - Universidades técnicas em toda a Europa, regidas por diversos estatutos institucionais, continuam a ajustar suas estruturas de avaliação e exames para acomodar o acesso ubíquo a geradores automatizados de código e texto. - A integração institucional reflete dilemas pedagógicos mais amplos em faculdades de ciência, tecnologia, engenharia e matemática (STEM) globalmente.

## O que aconteceu

Quando a OpenAI lançou o ChatGPT em novembro de 2022, instituições de ensino superior anteciparam inicialmente impactos em cursos de humanidades e línguas, onde a geração de linguagem natural representava um desafio imediato às avaliações tradicionais por redações. No entanto, em universidades técnicas como a EPFL, situada às margens do Lake Geneva, o impacto migrou rapidamente para disciplinas quantitativas, algorítmicas e voltadas a software. Estudantes de engenharia, com rotinas de estudo adaptáveis, integraram rapidamente algoritmos generativos aos seus fluxos de trabalho diários de resolução de problemas, de acordo com reportagem da Phys.org.

Ao longo dos vinte e quatro meses seguintes, o software generativo expandiu-se para além das interfaces conversacionais, alcançando o preenchimento especializado de código, matemática simbólica e utilitários de depuração. Os estudantes depararam-se com um ambiente onde assistentes automatizados podiam elaborar scripts funcionais em Python, explicar conceitos avançados de cálculo ou resumir artigos técnicos complexos em segundos. Essa acessibilidade criou um ambiente em que a fronteira entre o estudo independente e o material gerado com assistência algorítmica tornou-se cada vez mais tênue.

Essa rápida difusão produziu o que observadores descrevem como uma dinâmica de amor e ódio entre o corpo discente. Embora os futuros engenheiros apreciem a velocidade com que a inteligência artificial consegue solucionar erros persistentes de sintaxe ou esclarecer literatura científica abstrata, muitos também relatam crescente inquietação. A tensão decorre de preocupações de que confiar em prompts automatizados possa corroer a intuição computacional fundamental, a capacidade criativa de resolução de problemas e a rigorosa disciplina historicamente exigida para dominar currículos técnicos complexos.

## Por que isso importa

A ampla normalização da inteligência artificial generativa entre futuros especialistas técnicos acarreta grandes implicações para a força de trabalho de engenharia, os padrões de acreditação e a pedagogia universitária. O ensino de engenharia baseia-se no princípio de que os estudantes devem dominar primeiros princípios antes de empregar abstrações de alto nível. Se os estudantes recorrerem rotineiramente a modelos preditivos para contornar o atrito cognitivo em estágios iniciais — como depurar software manualmente ou deduzir fórmulas físicas a partir do zero —, pedagogos alertam que futuros engenheiros podem carecer da sólida base conceitual necessária para diagnosticar falhas sistêmicas em infraestruturas críticas do mundo real.

Além disso, esse desenvolvimento impacta diretamente os mercados de trabalho profissionais. Indústrias globais dependem de graduados de excelência de instituições politécnicas como a EPFL e sua instituição parceira, a Swiss Federal Institute of Technology Zurich (ETH Zurich), para projetar sistemas de missão crítica nos setores aeroespacial, de infraestrutura civil, telecomunicações e robótica biomédica. Se os graduados entrarem no mercado de trabalho dependendo de muletas automatizadas em vez de uma autonomia verificada na resolução de problemas, os sistemas de controle de qualidade industrial enfrentarão desafios de verificação sem precedentes. Por outro lado, proibir essas ferramentas por completo traz o risco de formar graduados despreparados para os fluxos de desenvolvimento modernos, nos quais a programação assistida por IA está se tornando rapidamente um padrão da indústria. As universidades devem, portanto, reestruturar os regimes de avaliação, afastando-se de listas de exercícios e envios de códigos para realização em casa e caminhando para exames supervisionados, orais ou práticos em laboratório que meçam a compreensão genuína de forma confiável.

## Contexto

A EPFL tem suas origens na École spéciale de Lausanne, fundada em 1853, e obteve status oficial como instituto federal sob a legislação suíça em 1969. Ao lado da ETH Zurich, forma o núcleo do domínio dos Institutos Federais de Tecnologia da Suíça, prestando contas diretamente ao Swiss Federal Council por meio do ETH Board. A instituição é renomada pelo ensino técnico intensivo em ciência da computação, microengenharia, ciência dos materiais e engenharia civil, atraindo um corpo discente internacional que supera 12.000 estudantes matriculados.

O setor educacional global foi pego em grande parte desprevenido quando os grandes modelos de linguagem estrearam em escala no final de 2022. Construídos com base em arquiteturas de redes neurais transformer conceitualizadas pela primeira vez em 2017, esses modelos processam extensos corpora de texto, código-fonte e notação matemática para prever prováveis tokens subsequentes. Embora as universidades inicialmente tenham encarado a tecnologia com apreensão — com alguns distritos de ensino fundamental e médio nos Estados Unidos e na Europa aprovando proibições de curta duração —, faculdades técnicas rapidamente reconheceram que a proibição total era inexequível e intelectualmente contraproducente.

Ao longo de 2023 e 2024, as respostas institucionais divergiram amplamente. Algumas universidades adotaram códigos de honra exigindo que os estudantes citassem passagens ou trechos de código gerados por máquinas, enquanto outras exigiram softwares especializados para identificar formulações geradas por máquinas. Essas ferramentas de monitoramento geraram frequentemente falsos positivos e tiveram dificuldades para avaliar código de computador. Na Suíça, onde a governança acadêmica federal enfatiza a liberdade de pesquisa e a responsabilidade do estudante, as instituições evitaram, em grande medida, proibições punitivas e generalizadas. Em vez disso, os conselhos acadêmicos buscaram integrar o letramento computacional diretamente aos programas de graduação, reconhecendo que a sobrevivência a longo prazo do ensino de engenharia depende da adaptação do formato das avaliações, e não de tentativas de filtrar o tráfego de rede.

## Reações

As experiências documentadas dos estudantes da EPFL refletem discussões mais amplas em andamento em departamentos universitários, conselhos de faculdade e órgãos de representação estudantil em toda a Europa. Membros do corpo acadêmico manifestaram visões divergentes em fóruns de professores, com docentes de ciência da computação reconhecendo os benefícios práticos do preenchimento automatizado de código, enquanto manifestavam preocupação com alunos iniciantes que ignoram etapas fundamentais de aprendizagem.

Órgãos universitários oficiais, incluindo associações de estudantes e diretorias acadêmicas, têm voltado seu foco cada vez mais para o estabelecimento de diretrizes pedagógicas equilibradas. Grupos estudantis têm defendido critérios de avaliação mais claros, observando que políticas universitárias ambíguas deixam os estudantes vulneráveis a uma aplicação inconsistente das regras de integridade acadêmica entre diferentes departamentos. Espera-se que lideranças institucionais abordem esses desafios durante os próximos ciclos de revisão curricular, nos quais conselhos acadêmicos avaliarão como os requisitos formais de titulação devem se adaptar para assegurar que as competências essenciais continuem sendo rigorosamente mensuradas.

## O que ainda não sabemos

Persistem lacunas significativas em relação às consequências educacionais mensuráveis e de longo prazo do uso intenso de inteligência artificial entre turmas universitárias. As reportagens atuais não trazem dados longitudinais que acompanhem diferenças de desempenho acadêmico entre usuários frequentes de IA e estudantes que deliberadamente minimizam as interações com esses modelos. Continua não verificado se a alta dependência de ferramentas generativas se correlaciona com um desempenho mais fraco em exames supervisionados e sem assistência, ou se estudantes que contam com auxílio alcançam, na verdade, uma compreensão holística superior ao delegar a sintaxe mecânica rotineira.

Além disso, os relatos disponíveis não especificam como departamentos distintos dentro da EPFL — como o de física teórica em comparação com o de engenharia mecânica — diferem em suas taxas de adoção ou regras institucionais. Questões em aberto também persistem sobre como os padrões europeus de privacidade de dados, particularmente a conformidade com o General Data Protection Regulation (GDPR) da União Europeia e a versão revisada da Federal Act on Data Protection (FADP) da Suíça, limitarão o uso institucional de plataformas proprietárias de aprendizado de máquina hospedadas em nuvem em cursos universitários obrigatórios.

## O que observar

Observadores de políticas de ensino superior devem acompanhar vários desdobramentos importantes nos próximos semestres acadêmicos. Primeiro, observe se a EPFL e universidades politécnicas europeias comparáveis revisarão formalmente seus regulamentos de exames para expandir avaliações orais, testes supervisionados em papel e caneta ou ambientes de testes computacionais seguros e desconectados da rede.

Segundo, preste atenção às diretrizes formais emitidas por conselhos nacionais de acreditação e associações profissionais de engenharia, como a Swiss Society of Engineers and Architects (SIA) ou a European Federation of National Engineering Associations (FEANI), sobre o uso permitido de IA em trabalhos de conclusão de curso acreditados e pesquisas de doutorado. Por fim, monitore se recrutadores corporativos e empregadores do setor de tecnologia alterarão seus procedimentos de avaliação de recém-formados, incluindo a introdução de entrevistas técnicas ao vivo e sem assistência para verificar de forma independente as habilidades fundamentais de engenharia dos candidatos.

Este artigo é baseado em reportagem publicada pela Phys.org.