Por que culpar a IA pelo declínio cognitivo dos alunos, chamado de brain rot, é um diagnóstico mal calibrado — e o que essa confusão nos impede de fazer
Há uma cena que se repete com regularidade nos grupos de professores, nas salas de coordenação e nos congressos de educação: alguém descreve alunos que não conseguem sustentar a atenção por mais de alguns minutos, que entregam textos vazios gerados por IA sem sequer lê-los, que demonstram dificuldade crescente de tolerar a ambiguidade e o erro. O diagnóstico que quase sempre se segue é imediato: a culpa é da inteligência artificial.
É uma conclusão compreensível. E está errada — ou pelo menos, está incompleta de um modo que importa muito.
Porque quando o diagnóstico está errado, o remédio também estará. E é exatamente aí que a educação brasileira corre o risco de perder anos preciosos combatendo o sintoma mais visível enquanto a causa estrutural segue intacta.
O termo brain rot — deterioração cerebral causada pelo consumo passivo de conteúdo de baixo esforço cognitivo — foi eleito palavra do ano pelo Dicionário Oxford em 2024. Mas seu primeiro registro documentado é de 1854, na obra Walden, de Henry David Thoreau. Ele o usou para criticar a tendência da sociedade de valorizar ideias simples em detrimento de conteúdos que exigem esforço intelectual.Cento e setenta anos depois, estamos tendo o mesmo debate. O que mudou não foi o fenômeno — foi a velocidade e a escala dos seus vetores.
Quando a televisão se massificou nos anos 1940 e 1950, educadores já documentavam seus efeitos sobre a atenção infantil. Pesquisas mostraram que crianças com maior exposição à TV aos quatro anos apresentavam desempenho cognitivo inferior e maior probabilidade de comportamentos problemáticos ao longo do crescimento. Com a chegada da internet de massa, na segunda metade dos anos 1990, o processo se acelerou. Com o celular, transformou-se. Com os vídeos curtos — TikTok, Reels, Shorts — atingiu uma intensidade que os instrumentos de pesquisa ainda lutam para mensurar com precisão.
A inteligência artificial generativa de uso amplo existe há pouco mais de três anos.
Ela chegou a uma escola que já estava, há décadas, em crise de atenção sustentada, de tolerância à frustração e de capacidade de leitura profunda. Não criou esse cenário. Encontrou-o.
Há um episódio revelador que antecede a IA generativa e merece atenção. Em entrevista ao podcast Joe Rogan Experience, o ator Matt Damon descreveu pressões que recebeu da Netflix para incluir, nos roteiros, repetições dos pontos cruciais do enredo — porque o público assiste às séries enquanto usa o celular simultaneamente, e frequentemente perde informações essenciais da trama.
A plataforma negou oficialmente a existência de tal diretriz. Mas uma análise da própria indústria confirma o substrato do problema: os algoritmos da Netflix, capazes de rastrear com precisão de segundos quando os espectadores se desconectam, levaram a empresa a uma conclusão prática — o conteúdo precisa funcionar mesmo quando o espectador está distraído. Séries passaram a ser escritas para serem assistidas enquanto se faz compras online, rola-se o feed ou se ouve tudo de outro cômodo. A atriz Justine Bateman nomeou o fenômeno com precisão cirúrgica: televisão como música de elevador.
Isso acontecia antes de o ChatGPT existir. Era a indústria de entretenimento adaptando seu produto a uma capacidade de atenção que ela mesma havia ajudado a deteriorar — e que o celular havia intensificado. A IA generativa chegou depois, nesse mesmo ecossistema.
Um estudo da Universidade de Zhejiang, publicado em 2024 na revista Frontiers in Human Neuroscience, encontrou correlação entre o consumo excessivo de vídeos curtos e o declínio em funções cognitivas como concentração e retenção de informações. Pesquisa da Universidade de Calgary com mais de dois mil crianças mostrou que maior tempo de tela na infância estava associado a desempenho inferior em testes de desenvolvimento cognitivo.
Esses efeitos são reais. Mas seus vetores são anteriores à IA: o design de atenção das plataformas de mídia social, a lógica da dopamina e da rolagem infinita, a fragmentação do tempo em micro-estímulos que não exigem esforço cognitivo sustentado.
Vale registrar que nem todos os especialistas alinham com o alarmismo dominante. Andrew Przybylski, da Universidade de Oxford, argumenta que parte do debate está mais ligada ao preconceito histórico contra novas tecnologias do que a evidências sólidas. Isso não invalida as preocupações — mas reforça que atribuir à IA a origem do problema é ignorar décadas de história documentada.
Dito isso, seria ingênuo equalizar a IA generativa às tecnologias anteriores. Ela introduz algo qualitativamente diferente — e é importante nomeá-lo com precisão.
Buscar no Google exigia, ao menos, formular uma pergunta, avaliar resultados e sintetizar informações de fontes distintas. A IA generativa elimina essas etapas. Entrega o produto final pronto para consumo, com aparência de rigor e eloquência impecável, sem que o usuário precise atravessar nenhuma das fricções que são, exatamente, onde a aprendizagem acontece.
Um estudo conduzido pela Microsoft e Carnegie Mellon University documentou que alunos que usam IA para resolver tarefas retêm menos conhecimento a longo prazo. A psicanalista Carol Tilkian resume o mecanismo com clareza: “quanto mais buscamos respostas prontas, menos sustentamos a dúvida — que é parte essencial da experiência humana de aprender.”
A dúvida, o erro, a releitura, a reformulação: são esses os momentos de atrito que consolidam o conhecimento. A IA não os elimina porque é maliciosa. Os elimina porque foi projetada para ser útil — e “útil”, na lógica do produto, significa entregar a resposta mais rapidamente e com menor esforço possível para o usuário.
O problema não é a ferramenta. É o uso acrítico dela por pessoas que chegaram à escola já sem a musculatura cognitiva necessária para distinguir o que é pensar do que é apenas receber uma resposta.
Uma pesquisa da Fundação Itaú divulgada em 2025 revelou que 84% dos estudantes e 79% dos professores brasileiros já utilizaram ferramentas de IA. Apenas 32% dizem ter recebido alguma orientação sobre como fazê-lo. O mesmo gap que existe para os alunos existe para os docentes: professores são convocados a ser mediadores críticos de uma tecnologia que eles próprios não dominam pedagogicamente.
Essa é a fotografia atual: adoção massiva, formação quase nula, e um debate público que, em vez de enfrentar a raiz estrutural do problema, encontrou na IA um culpado conveniente.
Se o declínio da atenção sustentada é um processo histórico e cumulativo — que passou pela TV, pela internet, pelo celular e pelos vídeos curtos, ao longo de décadas, antes de a IA generativa existir — então a resposta educacional precisa ser igualmente estrutural.
Proibir não resolve. A Lei 15.100/25, que restringiu o uso de celulares nas escolas, é uma medida de contenção legítima em casos extremos, mas não toca a raiz. Da mesma forma, oferecer “letramento digital” em módulos isolados sem transformar a lógica do processo pedagógico é trocar o rótulo sem mudar o conteúdo.
O que precisa mudar é mais profundo: a relação da escola com o esforço, com a incerteza e com o erro. A aprendizagem real não acontece no momento em que o aluno recebe a resposta — acontece no processo de construí-la, de errar, de reformular. É exatamente esse processo que décadas de mídia de baixo esforço, e agora a IA generativa, tornaram cada vez mais fácil de evitar.
Reconstruir a capacidade de tolerar a dúvida e a fricção cognitiva não é uma questão técnica de gestão de tecnologia. É uma questão de arquitetura pedagógica — de como se concebe a relação entre o humano que aprende, os sistemas simbólicos que organizam o conhecimento e as máquinas que aceleram o processamento de informação.
Há uma diferença crucial entre usar a IA e ser usado por ela.
O aluno que entrega à IA a tarefa de pensar não está usando uma ferramenta — está delegando sua agência. O professor que proíbe a IA sem oferecer uma pedagogia alternativa não está protegendo a aprendizagem — está apenas deslocando o problema.
A pergunta que a educação precisa responder não é “como impedimos que os alunos usem IA?” nem “como integramos a IA ao currículo?”. A pergunta certa é anterior e mais difícil: o que é insubstituível no processo humano de aprender — e como construímos ambientes que desenvolvam exatamente isso?
Enquanto essa pergunta não estiver no centro do debate, continuaremos aplicando remédios errados para uma doença que entendemos pela metade.
