🎓Professor da Brown University pega turma inteira colando com IA
Paul Graham, cofundador da Y Combinator, compartilhou o caso de um professor da Brown University que desconfiou que seus alunos estavam usando IA na prova para casa. A solução? Fez a prova final presencialmente, sem acesso a computador. O gráfico fala por si: as notas da prova em casa (bolinhas laranjas) estão lá em cima. As notas da prova presencial (bolinhas cinzas) despencaram. De toda a turma, aparentemente só 3 alunos mantiveram desempenho consistente. --- É uma imagem que resume o dilema das universidades em 2025. Provas para casa, trabalhos escritos e exercícios de programação viraram atividades que a IA resolve em minutos. Os professores estão num jogo de gato e rato, e, pelo visto, o rato está ganhando. --- A questão de fundo é mais séria: se os alunos passam a faculdade inteira delegando o raciocínio para a IA, o diploma vira um papel bonito sem nada por trás. As universidades vão precisar repensar como avaliam competência, e rápido.
Paul Graham, cofundador da Y Combinator, compartilhou o caso de um professor da Brown University que desconfiou que seus alunos estavam usando IA na prova para casa. A solução? Fez a prova final presencialmente, sem acesso a computador. O gráfico fala por si: as notas da prova em casa (bolinhas laranjas) estão lá em cima. As notas da prova presencial (bolinhas cinzas) despencaram. De toda a turma, aparentemente só 3 alunos mantiveram desempenho consistente.
— @paulg View on X
O que aconteceu
Um professor da Brown University descobriu que a maioria dos seus alunos não sabia resolver as questões que entregavam como prova para casa. Ao mudar a avaliação final para formato presencial, sem computador, as notas despencaram. Apenas três estudantes mantiveram desempenho consistente. O restante dependia da IA para completar as tarefas.
O contexto: provas em casa vs. inteligência artificial
O caso, compartilhado por Paul Graham (cofundador da Y Combinator), ilustra um problema crescente em universidades ao redor do mundo. Ferramentas de IA generativa conseguem resolver exercícios de programação, escrever trabalhos e responder questões em segundos. O que era uma avaliação de competência virou, na prática, um teste de qual ferramenta de IA o aluno escolheu.
O gráfico mencionado por Graham mostra a distância entre as notas em casa (alta) e as notas presenciais (baixa). Essa disparidade revela que muito do desempenho atribuído aos estudantes estava nas mãos de modelos de linguagem, não no raciocínio dos próprios alunos.
Por que isso importa para builders e devs brasileiros
Para quem desenvolve software no Brasil, o caso levanta questões diretas:
- **Hiring e validação de competência**: Empresas que contratam desenvolvedores enfrentan a mesma dificuldade. Como distinguir entre alguém que sabe programar e alguém que sabe usar ChatGPT para gerar código? O diploma universitário, historicamente usado como filtro, perde força quando a IA pode entregar o mesmo resultado.
- **Formação técnica**: Para devs em formação, há um risco real de pular a etapa de aprendizado fundamental. Se o código é gerado pela IA sem compreensão profunda, lacunas aparecem em momentos críticos: debugging, arquitetura, otimização.
- **Reavaliação de métricas**: A indústria já discute alternativas como avaliações ao vivo, projetos práticos e entrevistas técnicas que exigem raciocínio em tempo real. O mercado começa a valorizar o que a IA não consegue replicar facilmente: pensamento crítico e capacidade de explicar decisões.
O que as universidades precisam repensar
O dilema vai além de "pegar os alunos colando". A questão central é o que um diploma representa. Se a avaliação pode ser resolvida por IA, o diploma perde valor como indicador de competência. Instituições de ensino superior já começam a testar formatos híbridos, avaliações orais e projetos práticos que exigem interação humana.
O professor da Brown não resolveu o problema — apenas expôs ele. Para universidades, a saída não é banning de IA, mas redesenhar como avaliam aprendizado. Para devs e empresas, a lição é clara: competência real vai além do output gerado por modelos de linguagem.