O que resta ao estudante quando a IA pode fazer o trabalho?

Um guia em linguagem simples para o preprint Decompondo Agência, Isolando Responsividade: Cultivando o que Não Pode Ser Delegado na Aprendizagem Assistida por IA (Tomita, 2026).

Preprint: https://osf.io/preprints/edarxiv/hvbfe*

(Ver. em japonês 日本語解説: *https://researchmap.jp/ketomy/others/54141521

Quando um sistema pode planejar uma redação, esboçá-la, revisá-la e explicar seu próprio raciocínio sob demanda, uma pergunta que antes era retórica se torna inevitável: quando a IA pode fazer o trabalho, o que resta para o aprendiz originar?

As instituições têm respondido principalmente de duas maneiras — proibir as ferramentas para proteger as capacidades, ou admitir as ferramentas e esperar que as capacidades sobrevivam. Ambas as respostas tratam a agência como uma quantidade única que a IA ameaça ou não. Este artigo argumenta que esta é a forma errada para o problema. Agência não é uma coisa só. Uma vez que você a divide pelo corte certo, a maior parte acaba sendo treinável, apoiável ou distribuível entre sistemas humano-IA — e um pequeno e preciso resíduo acaba não sendo uma capacidade.

Um corte diferente: por delegabilidade, não por psicologia

As formas clássicas de decompor a agência a cortam por função psicológica (Bandura, 2001) ou por orientação temporal (Emirbayer & Mische, 1998). Ambas são boas para suas próprias perguntas. Nenhuma foi construída para a pergunta que a IA agora força. Então, este artigo corta em um eixo diferente — delegabilidade — definido por um único teste: o que acontece quando você tenta entregar cada parte?

Três componentes emergem.

• Direção — para onde o aprendiz está orientado: o compromisso avaliativo que torna um problema seu em vez de meramente atribuído.
• Impulso, em duas camadas — impulso geral (energia e nível de atividade característicos de traço) e impulso motivacional (a força, semelhante a um estado, em direção a um objeto particular).
• Modo — o padrão característico pelo qual esse impulso se move através do temperamento de um aprendiz: se alguém tipicamente cria, conecta, critica ou mantém. O aprendiz que aprimora qualquer rascunho colocado à sua frente, mas não origina nenhum, não tem baixa agência; eles estão operando em um único modo.

Estes são recipientes de classificação para uma análise de delegabilidade, não uma nova psicologia. O ponto é o que acontece quando cada um é submetido ao teste.

A maior parte se classifica de forma limpa

Tabela 1. Agência do aprendiz sob o eixo de delegabilidade.

Execute o teste e a maior parte da agência se classifica: o impulso geral é selecionável e apoiável; o modo é treinável e apoiável — a IA pode estruturar diretamente os modos mais fracos (rascunhando para que o crítico tenha um objeto, estruturando para que o conector tenha materiais), o que o torna o componente menos contestado; o impulso motivacional é conversível a partir do impulso geral.

A direção sozinha resiste — mas a precisão importa. O que resiste não é o fornecimento de direções candidatas. Propostas são baratas: um professor pode sugerir dez, uma IA pode gerar cinquenta sob demanda, e ambas têm um papel legítimo em ampliar o que um aprendiz encontra. O que não pode ser entregue é a apropriação. Uma direção proposta torna-se própria do aprendiz — ou falha em sê-lo — através de um processo que o proponente não controla, e a diferença entre uma direção instalada e uma direção apropriada é comportamentalmente visível: a conformidade segue a atenção do supervisor; o compromisso não. A teoria da autodeterminação oferece suporte convergente para esta distinção de outro ângulo — objetivos propostos externamente tornam-se integrados, em vez de meramente cumpridos, apenas sob condições que são tanto relacionais quanto informacionais (Ryan & Deci, 2000).

Na presente decomposição, isso valida a visão de distribuição da agência (Cukurova, 2026) para exatamente estes componentes: andaimes de planejamento, suporte para o impulso geral, ferramentas de ampliação de modo, a arquitetura de manutenção em torno de uma motivação existente — todos genuinamente se distribuem entre configurações humano-IA. O artigo não é uma rejeição da agência distribuída. É uma restrição sobre o que a distribuição pode explicar. As abordagens de distribuição estão certas sobre o que se distribui — e silenciosas sobre o que não se distribui.

O resíduo que nunca foi um componente

Figura 1. Um tem componentes; um está na responsividade.

Quando a classificação termina, algo sobra que nunca estava na lista — e não é um quarto componente. É uma relação: responsividade, a posição não transferível de ter que responder por um julgamento, a alguém com direito de perguntar. (Na educação, responsividade também tem uma linhagem bakhtiniana; o sentido usado aqui é mais restrito e darwalliano — a posição de responder a alguém com direito de perguntar.)

O artigo fundamenta isso de segunda pessoa, e o empréstimo deve ser marcado com precisão. De Darwall (2006), ele pega a estrutura do endereçamento de segunda pessoa: reivindicações e demandas são feitas de pessoa para pessoa, e ser responsivo é ser aquele que pode ser chamado a responder. O que é emprestado é essa estrutura de endereçamento. O que é original aqui é a extensão — transportando-a da conduta (o próprio tema de Darwall) para a garantia de um julgamento: que um julgamento avaliativo, não menos que uma ação, requer um portador que possa ser endereçado, desafiado e que deva responder.

Uma assimetria na abordagem de Darwall é lida aqui como decisiva. O lado da reivindicação permite explicitamente a representação — um curador pode exigir em nome de outro, um terceiro pode ficar indignado por uma vítima. Nenhum proxy paralelo aparece no lado da resposta: as expressões naturais da culpa são confissão, desculpas e auto-reprovação. O artigo toma essa assimetria como a articulação na qual o argumento gira: responder não pode ser feito em nome do aprendiz.

Duas distinções impedem que isso se confunda com ideias vizinhas:

• Responsabilização vs. responsividade. A responsabilização é institucionalmente alocável: pode se difundir, ser auditada e ser reatribuída. A responsividade é relacional e indexada à pessoa: a garantia de um julgamento permanece ancorada no agente particular que deve responder (Tomita, 2026b).
• Autoridade vs. posição. Esta posição corre na direção oposta à autoridade do agente de IA examinada por Xing et al. (2026). Na presente abordagem, a autoridade é conferida pelo aprendiz e acompanha a competência percebida, enquanto a posição é retida por quem julga e acompanha a responsividade. O agente pode receber mais autoridade sem, portanto, adquirir posição.

Por que a IA não pode ocupá-la — e por que isso não é uma afirmação de capacidade

Um fraudador habilidoso tem direção em abundância e não responde a ninguém — até ser obrigado a tal. A qualificação é o ponto: um fraudador humano pode ser obrigado a responder; essa mesma suscetibilidade — de ser endereçado, desafiado, responsabilizado — é a competência de segunda pessoa em ação. A saída de um sistema de IA atual não pode ser obrigada a responder neste sentido: nada pode ser retirado dela, nenhum compromisso próprio está em jogo, e a auto-reprovação programada seria vazia. A diferença não é de grau ao longo de qualquer dimensão componente. É a diferença entre recusar uma relação e ser incapaz de ocupar uma.

Dois mal-entendidos devem ser descartados:

• Não é uma afirmação de capacidade de tarefa. Nenhum acúmulo de capacidade de planejamento, rascunho, explicação ou automonitoramento, por si só, estabelece posição de segunda pessoa — as noções darwallianas de segunda pessoa (autoridade, reivindicação válida, razão de segunda pessoa e responsabilidade-para) formam um círculo interdefinível que não pode ser entrado de fora dele. A questão relevante é se um sistema pode entrar na relação de endereçamento e resposta, não quantas tarefas pode executar. O artigo não decide se um sistema futuro poderia adquirir competência de segunda pessoa; ele descarta a capacidade sozinha como um atalho. O limite segue a competência, não o substrato.
• Não é elitismo. A responsividade não é detida por poucos talentosos. Um residente detém a posição de responder desde o primeiro dia de licenciatura; um estudante a detém desde o momento em que o trabalho é submetido sob seu próprio nome. O que o treinamento constrói não é a posição, mas a competência para ocupá-la bem.

Há também uma aresta prática na outra direção: a delegação acrítica não deixa o lado do aprendiz intocado — pode enfraquecer o engajamento no planejamento, monitoramento e avaliação sob forte dependência (Fan et al., 2025). É por isso que a prescrição trata a delegação como algo a ser moldado, não meramente permitido.

De onde vem a direção

Se a direção não pode ser instalada, de onde ela vem? O artigo propõe um mecanismo enxuto em três movimentos: o encontro corporificado com um detentor de problemas precipita a cristalização do compromisso avaliativo; a direção cristalizada então converte o impulso geral em impulso motivacional. Cada movimento nomeia uma condição, não uma garantia.

A medicina executa este design há um século. O internato clínico roteiriza os estudantes através de pacientes na premissa explícita de que a direção para o cuidado é formada à beira do leito, não instalada no auditório. O modelo pode servir como uma heurística de design onde quer que um currículo possa criar contato sustentado, precoce e corporificado com as pessoas que detêm os problemas.

Uma prescrição em duas etapas

A estrutura de duas camadas resulta em uma prescrição em duas etapas, e as etapas não devem ser mescladas.

Etapa um — para tudo que a decomposição pode colocar.

• Uma bússola diagnóstica. A Bússola de Aprendizagem 2030 da OCDE colocou a agência no centro de como os aprendizes navegam em um mundo incerto, mas aponta uma direção para viajar em vez de resolver essa direção em partes que um educador pode ler (OCDE, 2019). Esta etapa fornece o segundo tipo: leia a direção, impulso geral, impulso motivacional e modo de um aprendiz separadamente, contra a classificação de delegabilidade, em vez de somá-los em uma única "aptidão". Não precisa de novas psicometrias — apenas de instrumentos existentes lidos de forma diferente. Uma ressalva é constitutiva, não cautelar: a bússola lê apenas o que pode ser externalizado. A responsividade não aparece em agulha nenhuma, e uma bússola que afirmasse pontuá-la reimportaria a própria confusão que este artigo diagnostica. Exemplo prático. Um aprendiz se apresenta como "desmotivado". A bússola desagrega: impulso geral alto (o mesmo estudante é animado em outro lugar), direção ausente, modo predominantemente crítico. Isto não é um déficit de motivação, mas um estado de pré-cristalização — um motor forte sem objeto — e a alavanca é a exposição a encontros, não a exortação. A bússola também substitui encontre seu propósito (uma demanda binária que principalmente paralisa) por observe seus próprios gradientes, algo que um aprendiz em pré-cristalização pode realmente fazer.
• Engenharia de encontros. Se o encontro precipita a direção, os currículos podem ser projetados para densidade de encontros — contato estruturado com detentores de problemas, precoce e corporificado, antes que a competência convencionalmente o "justificasse".
• Diretrizes de IA. Configure a IA para que a delegação remova barreiras sem substituir o aprendiz. Mas note o limite: o diálogo com uma IA, por mais bem configurado que seja, não cultiva a responsividade — o sistema pode elicitar compromissos, mas não pode ser aquele a quem o aprendiz responde. As diretrizes servem à etapa um. Elas não substituem a etapa dois.

Etapa dois — para o que a etapa um não pode alcançar.

A responsividade cresce apenas dentro da troca de segunda pessoa: ser questionado, responder e assumir a resposta. A função insubstituível do educador — aquela que nenhuma configuração de ferramentas absorve — é ser a outra pessoa: perguntar ao aprendiz qual é a sua avaliação? e responsabilizá-lo pelo que diz. A supervisão clínica sempre funcionou assim — o residente responde, caso após caso, a alguém com direito de perguntar, e é assim que a competência para responder é construída sobre uma posição que estava lá desde o início.

Isto é estruturalmente fundamentado, não nostálgico. Usando o modelo SECI de Nonaka e Takeuchi (1995), Tomita (2026b) argumenta que, quando a IA acelera a externalização e a combinação do conhecimento, os processos efetivos de limitação de taxa se deslocam para a socialização e internalização — e a socialização, onde os compromissos avaliativos são contestados e revisados entre pessoas, é precisamente o local de segunda pessoa. As condições relacionais que a teoria da autodeterminação considerou necessárias para a internalização apontam na mesma direção (Ryan & Deci, 2000). A configuração híbrida humano-IA é o veículo certo, e a etapa um o preenche; mas dentro de qualquer configuração, a parte que responde é o humano nela, não a configuração.

O que isso significa

Portanto, a resposta para o que resta para o aprendiz é de dois tipos, e mantê-los distintos é a disciplina central do artigo:

• Direção — um componente que resiste à instalação, mas cede ao encontro.
• Responsividade — não um componente, mas a posição na qual um aprendiz responde a alguém por um julgamento.

A IA muda a economia de tudo ao redor dessa relação, removendo o fardo da externalização tanto do ensino quanto da aprendizagem. O que ela não muda é a relação em si: quem deve responder, e a quem. A posição do educador é, portanto, clarificada, não diminuída — projete os encontros, configure as ferramentas, leia a bússola; e então seja a pessoa a quem o aprendiz responde.

A IA remove o fardo da externalização da educação; o que ela não pode remover é a outra pessoa.

A educação na era da IA não é a defesa das tarefas humanas contra a automação. É o cultivo do que nunca foi uma tarefa.

Como isso se encaixa em uma estrutura maior

Esta é a terceira peça em uma linha de trabalho sobre o que a IA comprime e não comprime. A primeira separou o custo de externalização (o que a IA elimina) da especificação — o julgamento de domínio que a assistência de IA não fornece por si só nos domínios-alvo da estrutura (Tomita, 2026a). A segunda resolveu a especificação em componentes de tipo fato (Sein) e carregados de valor (Sollen) e localizou um limite de legitimidade da delegação — a linha após a qual a IA pode gerar resultados, mas não pode ser a fonte de sua legitimidade (Tomita, 2026b). Esta terceira abre a variável que aqueles artigos mantiveram constante — o aprendiz — e encontra, na borda humana, uma relação em vez de uma quantidade. O operador é constante; o conceito contestado muda.

Referências (essenciais; lista completa no preprint)

O preprint desenvolve o argumento da anti-circularidade, os limites evidenciais do modelo de mecanismo e as qualificações institucionais omitidas deste relato mais curto.

• Bandura, A. (2001). Social cognitive theory: An agentic perspective. Annual Review of Psychology, 52, 1–26.
• Cathcart, S., Priestley, M., Priestley, A., & Rushton, E. A. C. (2026). Unravelling agency. Review of Education, 14(1), e70131.
• Cukurova, M. (2026). Agency as a system property in human–AI interaction in education. British Journal of Educational Technology, 57(4), 1065–1070.
• Darwall, S. (2006). The second-person standpoint: Morality, respect, and accountability. Harvard University Press.
• Emirbayer, M., & Mische, A. (1998). What is agency? American Journal of Sociology, 103(4), 962–1023.
• Fan, Y., et al. (2025). Beware of metacognitive laziness. British Journal of Educational Technology, 56(2), 489–530.
• Nonaka, I., & Takeuchi, H. (1995). The knowledge-creating company. Oxford University Press.
• OECD. (2019). OECD Learning Compass 2030: A conceptual learning framework.
• Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation. American Psychologist, 55(1), 68–78.
• Tomita, K. (2026a). Domain-native development: A Mekiki framework for AI-assisted knowledge work [Preprint]. SocArXiv.
• Tomita, K. (2026b). Philosophy as cognitive assay [Preprint]. SocArXiv.
• Xing, W., et al. (2026). Unveiling interaction patterns between students and a generative AI teachable agent. British Journal of Educational Technology, 57(4), 896–923.
• Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. In Handbook of self-regulation (pp. 13–39). Academic Press.

P.S. Este guia é denso, e o artigo por trás dele é mais denso ainda. Sinta-se à vontade para ler qualquer um deles com uma IA — resumir, traduzir, desempacotar. Esse é exatamente o tipo de externalização que a IA deve tirar de suas mãos. A IA também pode testar o argumento: verificar a lógica, trazer contraexemplos, pesar as evidências. O que ela não pode fazer é decidir, por você, se deve aceitá-lo. Assumir o argumento como justificado e sustentá-lo continua sendo seu.