Inteligência artificial na educação: uma análise comparativa dos marcos regulatórios no Brasil e na União EuropeiaResumo
O artigo analisa de forma comparativa os marcos regulatórios da inteligência artificial na Educação no Brasil e na União Europeia, tomando como referência o AI Act e o Projeto de Lei nº 2.338/2023, aprovado pelo Plenário do Senado Federal e em tramitação na Câmara dos Deputados. A pesquisa, de abordagem qualitativa, documental e comparativa, organiza-se em quatro eixos: escopo da regulação; proteção de direitos fundamentais; governança, transparência e responsabilidade; e competências digitais e formação cidadã. Os resultados indicam que o AI Act apresenta maior densidade normativa ao classificar usos educacionais da IA como alto risco e estabelecer obrigações de supervisão, rastreabilidade e avaliação. O PL nº 2.338/2023 aproxima-se dessa matriz, mas ainda carece de detalhamento setorial para a Educação, autoridade reguladora definida e mecanismos de implementação. Conclui-se que o modelo europeu oferece referência crítica, desde que traduzido às diferenças educacionais e institucionais brasileiras.
Palavras-chave
Inteligência Artificial; Educação; Regulação; Políticas Públicas; Estudo Comparado
Abstract
The article comparatively analyzes the regulatory frameworks for artificial intelligence in education in Brazil and in the European Union, taking as references the AI Act and Bill No. 2,338/2023, which was approved by the Plenary of the Federal Senate and is currently under consideration in the Chamber of Deputies. The research adopts a qualitative, documentary, and comparative approach and is organized around four axes: scope of regulation; protection of fundamental rights; governance, transparency, and accountability; and digital competencies and civic Education. The results indicate that the AI Act has greater normative density, as it classifies educational uses of AI as high-risk and establishes obligations related to oversight, traceability, and assessment. Bill No. 2,338/2023 follows a similar framework, but still lacks sector-specific provisions for Education, a defined regulatory authority, and implementation mechanisms. The article concludes that the European model offers a critical reference, provided that it is translated into the context of Brazil’s educational and institutional inequalities.
Keywords
Artificial Intelligence; Education; Technological Competence; Education Policy
Resumen
El artículo analiza, desde una perspectiva comparada, los marcos regulatorios de la inteligencia artificial en la educación en Brasil y en la Unión Europea, tomando como referencia el AI Act y el Proyecto de Ley nº 2.338/2023, aprobado por el Pleno del Senado Federal y actualmente en trámite en la Cámara de Diputados. La investigación adopta un enfoque cualitativo, documental y comparativo, y se organiza en cuatro ejes: alcance de la regulación; protección de los derechos fundamentales; gobernanza, transparencia y responsabilidad; y competencias digitales y formación ciudadana. Los resultados indican que el AI Act presenta mayor densidad normativa al clasificar los usos educativos de la IA como de alto riesgo y establecer obligaciones de supervisión, trazabilidad y evaluación. El Proyecto de Ley nº 2.338/2023 se aproxima a esa matriz, pero aún carece de disposiciones sectoriales específicas para la Educación, de una autoridad reguladora definida y de mecanismos de implementación. Se concluye que el modelo europeo ofrece una referencia crítica, siempre que sea traducido al contexto de las desigualdades educativas e institucionales brasileñas.
Palabras clave
Inteligencia Artificial; Educación; Competencia Tecnológica; Política Educativa
1 Introdução
A ascensão da inteligência artificial (IA) como tecnologia central da transformação digital global tem gerado impactos significativos em diversos setores sociais, entre eles a Educação (Conde; Román-Gallego, 2024). Desde sistemas de tutoria inteligente até algoritmos de análise de desempenho estudantil, a IA vem sendo incorporada em práticas pedagógicas, processos avaliativos e modelos de gestão educacional (Dwivedi et al., 2023). Embora essas inovações ampliem possibilidades de personalização da aprendizagem e eficiência institucional, também suscitam preocupações éticas, jurídicas e sociais, quanto à proteção de dados pessoais, à equidade no acesso e ao respeito aos direitos fundamentais de estudantes e educadores (Lee et al., 2025).
O presente artigo tem por objetivo analisar de forma comparada os marcos regulatórios, sendo o do Brasil o PL no 2.338/23 (Brasil, 2023) e na União Europeia o AI Act (União Europeia, 2024), ambos relacionados ao uso da IA na Educação. Para fortalecer a análise foi realizado um levantamento bibliográfico exploratório na base Scopus para contextualizar a produção científica sobre regulação, governança e competências digitais em IA. A análise organiza-se a partir de quatro eixos: escopo e finalidade da regulação; proteção de direitos fundamentais; governança, transparência e responsabilidade; e competências digitais e formação cidadã, buscando identificar convergências, lacunas normativas e implicações para a formulação de políticas públicas educacionais no contexto brasileiro.
Nesse cenário, a regulação da IA torna-se elemento estratégico para garantir que seu uso no campo educacional se dê de forma segura, confiável e compatível com os valores democráticos. A União Europeia, por meio do Regulamento (UE) 2024/1689, conhecido como AI Act, lidera uma abordagem normativa centrada em riscos e direitos. No Brasil, embora ainda não exista uma legislação específica consolidada, iniciativas como o Plano IA para o Bem de Todos 2024–2028, (Ministério da Ciência, 2025) e diretrizes educacionais indicam um caminho em construção, bem como o Projeto de Lei nº 2.338/2023 aprovado pelo plenário do Senado Federal e que atualmente se encontra em tramitação na Mesa Diretora da Câmara dos Deputados.
A análise comparativa adotada nesta pesquisa se fundamenta nos estudos de política educacional comparada de Steiner‐Khamsi (2010) sobre circulação, recepção e tradução de políticas entre contextos nacionais. Essa perspectiva permite compreender a experiência regulatória europeia como referência externa cuja apropriação depende de mediações jurídicas, institucionais, educacionais e sociais. Nesse sentido, a comparação busca evitar a lógica das boas práticas universais e examinar como diferentes arranjos normativos respondem aos riscos da IA na Educação. Também se considera a contribuição de Lingard e Rawolle (2011) acerca das políticas escolares, segundo a qual a produção de políticas educacionais em contexto de globalização envolve a articulação entre escalas nacionais, supranacionais e globais. Assim, Brasil e União Europeia são analisados como campos regulatórios distintos, mas atravessados por agendas internacionais de direitos digitais e formação cidadã.
A estrutura do artigo organiza-se em seis seções, além desta introdução. A primeira apresenta o percurso metodológico adotado, com a caracterização da pesquisa, os critérios de seleção documental e os quatro eixos analíticos que orientam a comparação entre Brasil e União Europeia. A segunda seção discute conceitos e aplicações da IA no campo educacional, situando o debate regulatório diante dos riscos e das possibilidades associados ao uso dessas tecnologias. A terceira seção descreve os principais marcos normativos, estratégicos e educacionais relacionados à IA nos dois contextos analisados. A quarta seção desenvolve a análise comparativa a partir dos eixos de escopo da regulação, proteção de direitos fundamentais, governança, transparência e responsabilidade, além de competências digitais e formação cidadã. A quinta seção aprofunda as implicações comparativas identificadas, com atenção às lacunas normativas brasileiras e às possibilidades de aprendizagem crítica a partir da experiência europeia. Por fim, as considerações finais sintetizam os principais achados e indicam contribuições para a formulação de políticas públicas educacionais voltadas ao uso ético, seguro e inclusivo da IA.
2 Metodologia
Este estudo se caracteriza como uma pesquisa qualitativa, descritiva e comparada, fundamentada em análise documental, com apoio de levantamento bibliográfico exploratório na base Scopus. O objetivo metodológico consiste em examinar marcos regulatórios, documentos estratégicos e diretrizes educacionais relacionados ao uso da IA na Educação, comparando o estágio de desenvolvimento normativo do Brasil e da União Europeia.
A escolha da análise documental se justifica pela natureza do objeto investigado, uma vez que a regulação da IA se expressa em projetos de lei, regulamentos, planos nacionais, pareceres educacionais e diretrizes éticas que orientam a formulação de políticas públicas e a atuação institucional.
2.1 Estudo comparado: corpus documental e critérios de escolha e análise
O corpus documental da pesquisa foi composto por documentos normativos, estratégicos e orientadores relacionados à regulação da IA, à proteção de direitos fundamentais e à formação digital no campo educacional. No contexto brasileiro foi considerado o Projeto de Lei nº 2.338/2023 e no da União Europeia foi analisado o Regulamento (UE) 2024/1689, conhecido como AI Act.
A seleção dos documentos considerou cinco critérios: relevância normativa e estratégica para a regulação da IA; relação direta ou indireta com o campo educacional; abordagem de direitos fundamentais, governança e transparência; atualidade no debate sobre IA e políticas públicas; e capacidade de subsidiar a comparação entre o modelo brasileiro e o modelo europeu.
A pesquisa bibliográfica na base Scopos utilizou a seguinte expressão de busca: “artificial intelligence” OR “AI” OR “AI systems” OR “generative artificial intelligence” AND “AI Act” OR “artificial intelligence act” que resultou 577 documentos, a partir dos filtros: open access, área de Ciências Sociais, artigo, capítulo de livro e artigo de conferência, restringindo o período de 2022 a 2026.
A partir do resultado da plataforma Scopus foi utilizado o recurso do bibliometrix (Aria; Cuccurullo, 2017) para a identificação do mapa temático e o arquivo das informações dos documentos, esta planilha foi importante para construção dos critérios e escolhas dos documentos. O primeiro critério de exclusão foram os artigos com menos de 10 citações, resultando em 442 exclusões, restando 135 documentos. Com o bibliometrix foi possível definir 20 clusters, e o novo critério de exclusão foi o índice identificado nos clusters, foi escolhido o Cluster “AI Act” e definido ao final os dez artigos mais citados. Como essa busca se limitava aos artigos que tratavam do AI Act e regulações escolhemos esses clusters para balizar a escolha dos documentos.
Nesta investigação não se pretendeu, realizar uma análise bibliométrica, uma vez que a metodologia central adotada foi o estudo comparado. O Bibliometrix foi utilizado como apoio instrumental para organizar os resultados da busca na Scopus, identificar agrupamentos temáticos e subsidiar a seleção dos documentos mais aderentes ao objeto da pesquisa. Além dos documentos descritos incluiu uma literatura acadêmica complementar que compunha de artigos indexados de autores brasileiras sobre o tema da regulação da IA especificamente tratando do PL no 2.338/2023. Ao final, a Figura 1 apresenta o protocolo PRISMA (Page et al., 2021) que fornece informações sobre os critérios de inclusão e exclusão dos documentos.
A leitura dos documentos foi orientada por quatro eixos analíticos: escopo e finalidade da regulação; proteção de direitos fundamentais; governança, transparência e responsabilidade; e competências digitais e formação cidadã. Esses eixos permitiram identificar similitudes, lacunas e desencontros entre os dois contextos, com atenção especial às implicações educacionais do uso da IA em ambientes formativos.
3 Inteligência artificial e Educação: conceitos e aplicações
A IA é um campo multidisciplinar e seu conceito pode sofrer variações, desde a utilização do termo, pela primeira vez, pelo professor John McCarthy em 1956 (McCarthy et al, 1956) durante uma reunião na Universidade de Dartmouth, propôs o estudo a partir da “conjectura de que cada aspecto da aprendizagem ou qualquer outra característica da inteligência pode, em princípio, ser descrito com tanta precisão que uma máquina pode ser construída para simulá-lo” (McCarthy et al., 1956, p. 1). A Organização das Nações Unidas para a Educação, a Ciência e a Cultura (Unesco) entende que são “máquinas capazes de imitar certas funcionalidades da inteligência humana, incluindo características como percepção, aprendizagem, raciocínio, resolução de problemas (UNESCO, 2023, p. 5). Para além de uma definição técnica, as pesquisadoras Posner e Fei-Fei (2020) apresentam as implicações da IA no contexto da diversidade e questionam qual caminho seguir a partir desta revolução, elas explicam que “A IA é uma força motriz da transformação tecnológica pela qual a humanidade está passando, mas há uma crise de diversidade no campo” (Posner; Fei-Fei, 2020, p.1).
Dentro da área da ciência da computação, a IA, desenvolve sistemas capazes de simular a realização de tarefas que exigiriam inteligência humana. Entre essas tarefas estão a tomada de decisões, o reconhecimento de padrões, a previsão de comportamentos e a aprendizagem baseada em dados. Conforme definido no Plano IA para o Bem de Todos – 2024/2028, a IA são sistemas que processam grandes volumes de dados para produzir resultados, como classificações, recomendações que impactam ambientes físicos e virtuais (Brasil, 2025).
No âmbito educacional, a aplicação da IA tem se intensificado em múltiplas frentes. Ferramentas baseadas em IA são empregadas para oferecer aprendizagem personalizada, com plataformas que adaptam conteúdos ao ritmo e estilo de cada estudante, podem automatizar avaliações reduzindo o tempo de correção de provas e tarefas. Servem também para analisar grandes conjuntos de dados educacionais, apoiando a gestão escolar e políticas públicas e, ainda, para facilitar a inclusão de alunos com deficiência por meio de tecnologias assistivas (Rudolph; Tan; Tan, 2023; Tlili et al., 2023).
A União Europeia reconhece o potencial transformador da IA na Educação, classificando-a como setor de “alto risco” no AI Act (Union European, 2024), tendo em vista os impactos potenciais sobre os direitos fundamentais dos indivíduos, em especial crianças e adolescentes. Essa classificação implica a necessidade de conformidade com requisitos técnicos e éticos rigorosos, como transparência e supervisão humana. Já no Brasil, diretrizes como o parecer do Conselho Nacional de Educação CNE/CEB nº 2/2022 (Brasil, 2022), que complementa a Base Nacional Comum Curricular (BNCC) incorporam a alfabetização digital e o pensamento computacional como competências fundamentais, preparando o ambiente educacional para lidar com tecnologias como a IA.
No entanto, o uso crescente da IA em contextos educacionais também levanta preocupações. A automação de decisões, quando mal regulada, pode reproduzir vieses algorítmicos, comprometer a privacidade de dados sensíveis e enfraquecer a autonomia pedagógica (Maphoto et al., 2024) . Além disso, a introdução de ferramentas tecnológicas em sistemas educacionais desiguais pode aprofundar a exclusão digital, penalizando alunos com menor acesso a infraestrutura e conectividade.
Diante desse cenário ambivalente, é preemente a construção de marcos regulatórios que considerem as especificidades do setor educacional. Isso implica em garantir a conformidade técnica dos sistemas e articular a tecnologia a princípios de justiça social, equidade e dignidade humana. A seção seguinte apresenta os principais documentos normativos, estratégicos e educacionais que orientam a regulação da IA no Brasil e na União Europeia.
4 Brasil e União Europeia: caminhos da regulação da IA na Educação
A trajetória brasileira na regulação da IA na Educação tem se desenvolvido por meio de documentos orientadores e proposições legislativas em andamento, sem que se tenha, até o momento, um marco normativo específico e consolidado. O Brasil teve iniciativas de regulação que antecedem a atual em tramitação, que foram o PL nº 5.051/2019, PL nº 21/2020 e o PL nº 872/2021, todas substituídas pelo atual texto do PL nº 2.338/2023.
De forma distinta do modelo europeu, cuja estrutura regulatória é centralizada, o Brasil adota uma abordagem fragmentada, ancorada em planos estratégicos, pareceres educacionais e projetos de lei ainda em discussão. Neste cenário, três instrumentos se destacam: o plano IA para o Bem de Todos (2024–2028), o Projeto de Lei nº 2.338/2023, o Parecer CNE/CEB nº 2/2022.
Lançado pelo Conselho Nacional de Ciência e Tecnologia, o plano “IA para o Bem de Todos” representa a principal diretriz estratégica do Governo Federal para o período 2024–2028. Estruturado em cinco eixos, desenvolvimento de infraestrutura, formação e capacitação, inovação no setor público, estímulo à iniciativa privada e apoio à regulação, o documento busca consolidar a soberania digital brasileira e impulsionar o uso ético e sustentável da IA.
No campo educacional, o plano propõe ações voltadas à formação de profissionais qualificados, à difusão da cultura digital e à adoção de tecnologias de IA em escolas públicas, sobretudo em regiões vulneráveis. O eixo sobre governança destaca a necessidade de criar instrumentos regulatórios e mecanismos de supervisão que garantam a conformidade ética e legal dos sistemas adotados. No entanto, trata-se de um plano de natureza estratégica e não normativa, o que limita sua eficácia jurídica e sua força vinculativa no setor educacional.
No âmbito legislativo, o Projeto de Lei nº 2.338/2023 propõe um marco legal geral para o uso da IA no Brasil. Inspirado em modelos internacionais o AI Act europeu estabelece princípios como transparência, proteção de dados, supervisão humana, responsabilização e segurança algorítmica.
Embora o texto mencione setores sensíveis, como saúde e Educação, sua abordagem ainda é genérica, carecendo de detalhamento normativo sobre o uso da IA em ambientes escolares. A tramitação legislativa está em curso, e eventuais regulamentações setoriais dependerão de normas complementares, o que reforça o caráter ainda embrionário da regulação da IA na Educação brasileira. Entretanto, existem iniciativas que visam a discussão, implementação e capacitação sobre a IA e alguns destaques selecionados foram ações da Associação Brasileira de Internet, de instituições de ensino superior, por meio de grupos de pesquisa como o Centro de Excelência de IA (CEIA) da Universidade Federal de Goiás (UFG), e o Núcleo de Excelência em Tecnologias Sociais (NEES) da Universidade Federal de Alagoas.
A União Europeia tem se destacado no cenário internacional por sua atuação proativa na formulação de um arcabouço jurídico e ético voltado à IA, com a promulgação do Regulamento (UE) 2024/1689, conhecido como AI Act. Essa norma estabelece regras harmonizadas para o desenvolvimento, comercialização e uso de sistemas de IA no território europeu, adotando uma abordagem baseada em risco e centrada na proteção de direitos fundamentais.
Além da legislação formal, a União Europeia também promoveu, por meio do Grupo de Peritos de Alto Nível em IA, a elaboração das Diretrizes Éticas para uma Inteligência Artificial Confiável (Comissão Europeia, 2019), que continuam a orientar os Estados-membros na incorporação de princípios como transparência, justiça, responsabilidade e fortalecimento técnica na aplicação de tecnologias inteligentes.
O AI Act adota uma metodologia de classificação de riscos, que subdivide os sistemas de IA em quatro categorias: risco mínimo, risco limitado, risco alto e risco inaceitável. Sistemas utilizados no setor educacional são considerados de alto risco, sobretudo quando exercem influência significativa sobre a trajetória acadêmica de indivíduos, como ocorre em processos automatizados de avaliação, personalização curricular ou gestão institucional. Nesses casos, é exigido o cumprimento de requisitos rigorosos de segurança, supervisão humana e documentação técnica.
A finalidade da regulação europeia transcende a simples prevenção de danos, articulando-se com objetivos como a promoção da inovação tecnológica responsável, a defesa dos valores democráticos e a proteção da diversidade sociocultural dos Estados-membros. Conforme destaca o próprio regulamento, a IA deve ser concebida como uma tecnologia centrada no ser humano, capaz de promover o bem-estar coletivo sem comprometer a dignidade e os direitos das pessoas.
A estrutura normativa da União Europeia está sedimentada em instrumentos como a Carta dos Direitos Fundamentais da UE, o Regulamento Geral sobre a Proteção de Dados (GDPR) e a Declaração de Direitos e Princípios Digitais. No contexto educacional, essas normas garantem a proteção de dados pessoais de estudantes e docentes, o direito à explicação de decisões automatizadas, a proibição de práticas discriminatórias e o respeito à autonomia pedagógica.
As diretrizes éticas complementam esse arcabouço ao propor sete requisitos para uma IA confiável: agência e supervisão humana, fortalecimento da técnica e segurança, privacidade e governança de dados, transparência, diversidade, não discriminação e equidade, bem-estar social e ambiental, e responsabilização. Esses princípios buscam assegurar que a adoção da IA contribua para a promoção de direitos e a inclusão educacional, evitando a reprodução de desigualdades e vulnerabilidades estruturais. No contexto educacional, destacam-se: a proibição de sistemas de IA que violem a dignidade humana ou imponham riscos de manipulação comportamental, a obrigatoriedade de consentimento claro para uso de dados educacionais, o direito à explicação das decisões automatizadas, fundamental em contextos de avaliação educacional.
O modelo de governança estabelecido pelo AI Act define responsabilidades precisas para todos os agentes envolvidos no ciclo de vida dos sistemas de IA incluindo desenvolvedores, fornecedores, usuários e autoridades públicas. Entre os instrumentos regulatórios previstos estão a obrigações de registro e documentação dos sistemas classificados como de alto risco, a exigência de auditorias e mecanismos de rastreabilidade, a criação de um banco de dados público de sistemas de IA registrados, sanções administrativas em caso de descumprimento das normas e a atuação coordenada de autoridades nacionais de supervisão e do Comitê Europeu para a IA.
A União Europeia reconhece que a regulação efetiva da IA no campo educacional requer, além de medidas jurídicas, políticas públicas voltadas à formação de capacidades humanas. Alinhadas ao entendimento de que a Educação em IA deve capacitar os cidadãos a compreender, criticar e utilizar as tecnologias de maneira ética e responsável. A formação de professores é destacada como eixo estratégico, uma vez que sua atuação é determinante para que a IA seja integrada ao processo pedagógico de forma contextualizada e humanizadora.
De forma paralela ao AI Act, a União Europeia investe em programas de Educação digital e formação em IA, como o Digital Education Action Plan – 2021/2027, (Comissão Europeia, 2020), que incentiva:
-
O letramento digital e a Educação em ciência de dados nas escolas;
-
A formação de professores para uso ético e pedagógico da IA;
-
A promoção da pesquisa em ética da IA e inovação educacional;
-
A inclusão digital como vetor de equidade social.
Iniciativas como o programa Artificial Intelligence for Teachers (AI4T) desenvolvem recursos educacionais e guias de boas práticas para que docentes integrem a IA de forma crítica e responsável em sala de aula.
5 Análise comparativa e categorização dos eixos discursivos
A análise comparativa evidencia que Brasil e União Europeia compartilham a preocupação com a regulação da IA a partir de uma abordagem orientada por riscos, direitos fundamentais e formação digital. Contudo, os dois contextos apresentam diferenças expressivas quanto à densidade normativa, à força vinculante dos instrumentos regulatórios e à institucionalização de mecanismos de governança. Enquanto a União Europeia consolidou um marco jurídico abrangente, com classificação explícita da Educação como setor de alto risco, o Brasil ainda articula planos estratégicos, diretrizes educacionais e proposições legislativas em tramitação, sem dispor de um regime setorial definido para o uso da IA em ambientes educacionais.
O primeiro eixo, escopo e finalidade da regulação, analisa o alcance temático e os objetivos das normas aplicáveis ao uso da IA na Educação. A delimitação do escopo revela o grau de priorização política e normativa atribuído ao tema.
Neste quadro legal, a regulação europeia é orientada por princípios como confiabilidade, inclusão, segurança e respeito aos valores fundamentais da União. O objetivo declarado da norma é promover uma IA centrada no ser humano, compatível com a democracia, os direitos fundamentais e a diversidade cultural e linguística dos Estados-membros.
O segundo eixo, proteção de direitos fundamentais, trabalha a aplicação da IA em contextos educacionais suscita riscos específicos aos direitos fundamentais, em especial à privacidade, à liberdade acadêmica e à participação informada. A legislação europeia se articula com a Carta dos Direitos Fundamentais da UE, o Regulamento Geral sobre Proteção de Dados (GDPR, 2016) e a Declaração de Direitos Digitais, conformando um ecossistema jurídico orientado à salvaguarda desses direitos.
O terceiro eixo, governança, transparência e responsabilidade diz respeito à definição de estruturas de controle, prestação de contas e responsabilização dos agentes envolvidos no ciclo de vida dos sistemas de IA. O AI Act institui um modelo de governança algorítmica, prevendo obrigações específicas para fornecedores e usuários de sistemas de alto risco, como a exigência de auditorias técnicas e de mecanismos de rastreabilidade, a criação de bancos de dados públicos sobre os sistemas utilizados; supervisão por autoridades nacionais e por um Comitê Europeu para a IA. A governança algorítmica apresenta uma forma de governança na qual algoritmos passam a organizar, classificar, recomendar, prever ações em diferentes esferas sociais. Para Danaher et al. (2017), o debate sobre governança algorítmica exige analisar as condições de legitimidade e efetividade desses sistemas, bem como as barreiras que podem comprometer transparência e proteção de direitos.
O quarto eixo, competências digitais e formação cidadã, versa sobre a regulação da IA na Educação e requer, além de normas jurídicas, uma política ativa de desenvolvimento de capacidades individuais e institucionais. A União Europeia investe em ações estruturantes voltadas à alfabetização digital, à formação de professores e ao fortalecimento da cidadania digital.
O Plano de Ação para a Educação Digital 2021–2027 e programas como o AI4T da União Europeia e o Plano Brasileiro de Inteligência Artificial (PBIA) exemplificam esse esforço, ao integrarem tecnologias digitais à formação crítica de educadores. Esse é um ponto estratégico para garantir que a adoção da IA seja acompanhada de caráter pedagógico e se distancia de uma dependência tecnológica.
6 Discussão
A análise comparada entre o AI Act da União Europeia e o PL no 2.338/2023 do Brasil, no campo da Educação, exige mais que a identificação de semelhanças e diferenças formais. A comparação, aqui, atua como recurso epistemológico para compreender como diferentes contextos produzem respostas jurídicas diante de uma mesma questão: a entrada da IA nos processos formativos. A comparação pode ser compreendida como ferramenta de leitura das políticas em circulação, dos seus usos internos e das disputas que fazem certos modelos ganharem valor como referência externa (Steiner‐Khamsi, 2010). Ou seja, embora as políticas possam atravessar fronteiras, termo usado pelas autoras em inglês, traveling reforms, é importante ressaltar que sem comparação contextual, não é possível compreender as razões políticas e econômicas pelas quais essas reformas são tomadas de empréstimo, pois carregam sentidos políticos e econômicos, específicos, sendo assim é apropriada a contextualização por atores locais, conforme os objetivos institucionais (Steiner-Khamsi, 2010).
Para contextualizar a comparação e a analise ponto a ponto, é apresentado o Quadro 1 que evidencia o quão o PL no 2.338/2023 se aproxima do AI Act ao incorporar a lógica de risco, a preocupação com direitos fundamentais e a previsão de instrumentos de governança. A diferença decisiva está na passagem dos princípios para a execução. No modelo europeu, a regulação educacional da IA aparece vinculada a obrigações, registros, avaliações e mecanismos de supervisão. No caso brasileiro, o texto legislativo abre caminho para uma regulação mais consistente, mas ainda depende de detalhamento setorial, autoridade reguladora, financiamento e políticas de formação docente. Assim, o AI Act funciona como referência crítica para o Brasil, desde que sua leitura considere as desigualdades educacionais, digitais e institucionais do país.
Nesse sentido, o AI Act pode ser lido como uma referência externa para o Brasil, sem que isso implique adoção automática do modelo europeu. A teoria comparada contribui para evitar a leitura do modelo europeu como padrão universal, pois a comparação deve observar recepção, tradução e recontextualização das políticas (Steiner-Khamsi; Silva, 2024). Esse ponto é decisivo, pois o Brasil possui desigualdades educacionais, assimetrias digitais, fragilidades de infraestrutura e disputas federativas que alteram o sentido de qualquer norma importada. A discussão sobre políticas escalares ajuda a compreender que a regulação da IA educacional atravessa escalas locais, nacionais, supranacionais e globais (Lingard; Rawolle, 2011). A escola, a universidade, o Estado, os organismos internacionais e as empresas de tecnologia participam de uma mesma arena regulatória, com poderes desiguais.
No eixo do escopo da regulação, a União Europeia apresenta maior densidade jurídico-operacional ao classificar usos educacionais da IA como alto risco, em particular nos processos de acesso, avaliação, progressão e monitoramento de estudantes. O PL no 2.338/2023 adota lógica próxima ao modelo de risco, com categorias como risco excessivo e alto risco, mas ainda demanda maior detalhamento para o campo educacional. Há proximidades entre os dois textos quanto à regulação proporcional ao potencial de dano, embora o projeto brasileiro mantenha desafios de implementação (Viana & Toscano, 2025). A questão epistemológica posta por esse eixo é saber que tipo de sujeito educacional a norma pressupõe que um usuário protegido, um consumidor de tecnologia, um cidadão de direitos ou um aprendiz em processo de formação.
No eixo da proteção de direitos fundamentais, o contraste revela a centralidade da dignidade, da privacidade e da não discriminação. A regulação da IA na Educação deve enfrentar viés algorítmico, proteger privacidade, garantir transparência e promover letramento em IA para evitar ampliação de desigualdades (Araujo; Abreu; Cavalcante, 2025). Esse debate se aprofunda quando se observa que o AI Act exige exame de vieses nos conjuntos de dados e admite o uso controlado de dados sensíveis para prevenir discriminação (Van Bekkum, 2025). A fragilidade aparece quando a proteção de direitos depende de mais dados para auditar sistemas, o que exige controle público, finalidade legítima e limites éticos.
No eixo da governança, transparência e responsabilidade, o AI Act constrói uma lógica de conformidade ao longo do ciclo de vida dos sistemas, com documentação, gestão de risco, supervisão humana e avaliação de impacto. A avaliação de impacto em direitos fundamentais ocupa lugar estratégico no modelo europeu, pois orienta prevenção, responsabilização e desenho centrado no ser humano (Mantelero, 2024). A transparência, por sua vez, enfrenta riscos com segredos comerciais e acesso à informação, o que exige equilíbrio entre inovação privada e interesse público (Mylly, 2023). No Brasil, o PL no 2.338/2023 prevê avaliação de impacto algorítmico e responsabilização, mas sua força dependerá de autoridade reguladora, fiscalização e cultura institucional.
No eixo das competências digitais e formação cidadã, a comparação alcança seu ponto mais educacional. A União Europeia prioriza regulação, enquanto o Brasil enfatiza capacitação e inclusão digital, com lacunas sobre financiamento e aplicação prática (Malheiros Junior; Filla; Lisbôa, 2025). A regulação da IA na Educação, vista pela lente comparada, demanda formação crítica de professores, estudantes e gestores. Estudos comparados qualitativos devem considerar o transnacional, o relacional, o global e o autorreflexivo, com atenção ao contexto e às relações de poder (Steiner-Khamsi; Silva, 2024). Assim, a contribuição do artigo está em tratar o AI Act como referência crítica para pensar o PL no 2.338/2023, preservando a pergunta central: que política de IA educacional o Brasil deseja construir, para quais sujeitos e sob quais garantias democráticas?
7 Considerações finais
A análise comparada entre o AI Act da União Europeia e o PL no 2.338/2023 evidenciou que os dois marcos partem de uma matriz regulatória comum, orientada pela relação entre inovação, risco e proteção de direitos. A diferença central está no grau de maturidade normativa e institucional. A União Europeia apresenta um modelo mais estruturado, com classificação de risco, obrigações de governança, transparência e proteção de direitos articuladas ao campo educacional. O Brasil avança ao incorporar princípios como centralidade da pessoa humana, não discriminação, explicabilidade, contestabilidade e avaliação de impacto algorítmico, porém ainda precisa transformar esses princípios em regras setoriais para a Educação.
No eixo do escopo da regulação, a comparação mostrou que o AI Act classifica usos educacionais da IA como alto risco quando afetam acesso, avaliação, progressão, certificação ou monitoramento de estudantes. O PL no 2.338/2023 adota lógica próxima, com categorias de risco excessivo e alto risco, mas carece de maior precisão sobre situações pedagógicas, administrativas e avaliativas.
No eixo da proteção de direitos fundamentais, a análise indicou que o modelo europeu se apoia em um ecossistema jurídico mais consolidado, envolvendo o AI Act, o GDPR e a Carta de Direitos Fundamentais. No Brasil, a LGPD e o PL no 2.338/2023 oferecem bases relevantes, mas o campo educacional exige salvaguardas próprias para estudantes, docentes, crianças, adolescentes e grupos vulneráveis. A proteção contra vieses, a transparência das decisões automatizadas e a possibilidade de contestação devem compor o desenho das políticas públicas de IA educacional.
No eixo da governança, transparência e responsabilidade, o estudo revelou que a experiência europeia organiza deveres ao longo do ciclo de vida dos sistemas, com documentação, rastreabilidade, supervisão humana, avaliação de conformidade e sanções. O PL no 2.338/2023 prevê instrumentos próximos, como avaliação de impacto e responsabilização, mas sua efetividade dependerá da definição de autoridade reguladora, parâmetros técnicos e capacidade de fiscalização. A governança da IA na Educação brasileira precisa envolver Estado, redes de ensino, instituições, fornecedores e comunidades escolares.
No eixo das competências digitais e formação cidadã, a comparação mostrou que a regulação da IA depende da formação dos sujeitos que usam, avaliam e são afetados por esses sistemas. A BNCC/Computação, o Parecer CNE/CEB nº 2/2022 e o Plano IA para o Bem de Todos oferecem pontos de partida para o Brasil. A análise indica, porém, que letramento digital, formação docente, pensamento computacional e cidadania algorítmica precisam estar vinculados ao marco regulatório, com financiamento, continuidade e avaliação pública.
As limitações do estudo decorrem do próprio desenho metodológico. A análise documental permite examinar a arquitetura normativa dos marcos regulatórios, mas não alcança práticas de implementação em escolas, universidades, redes de ensino ou empresas de tecnologia, o que pode suscitar estudos de aprofundamento na prática do uso dentro das instituições de ensino. O PL no 2.338/2023 foi analisado em sua condição de proposição legislativa, sujeita a mudanças durante a tramitação. A pesquisa bibliográfica na Scopus, orientada por expressão de busca e protocolo PRISMA, também possui limites, pois pode deixar de fora estudos publicados em bases nacionais, livros, relatórios técnicos e literatura jurídica não indexada.
É conclusivo que a experiência europeia oferece referências úteis para o debate brasileiro, desde que lida como objeto de tradução e recontextualização, e não como modelo a ser replicado. Em diálogo com (Steiner‐Khamsi, 2010) e (Lingard; Rawolle, 2011), a regulação da IA na Educação deve ser compreendida como política comparada atravessada por disputas locais, nacionais e globais. O desafio brasileiro consiste em construir um marco que articule inovação, justiça educacional, proteção de direitos, governança pública e formação cidadã.
Referências
-
ARAUJO, Allyson Carvalho de; ABREU, Marjory a Costa; CAVALCANTE, Everton. Regulamentação da inteligência artificial no Brasil, na UE e no UK e seus impactos na educação. Práxis Educacional, v. 21, n. 52, p. e17105, 9 jul. 2025. Disponível em: https://doi.org/10.22481/praxisedu.v21i52.17105 Acesso em: 3 jul. 2026.
» https://doi.org/10.22481/praxisedu.v21i52.17105 -
ARIA, Massimo; CUCCURULLO, Corrado. bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, v. 11, n. 4, p. 959-975, nov. 2017. Disponível em: https://doi.org/10.1016/j.joi.2017.08.007 Acesso em: 8 jul. 2026.
» https://doi.org/10.1016/j.joi.2017.08.007 -
BRASIL. Ministério da Ciência, Tecnologia e Inovação. IA para o bem de todos: Plano Brasileiro de Inteligência Artificial. Brasília: MCTI; CGEE, v. 1, 2025. Disponível em: https://www.gov.br/mcti/pt-br/centrais-de-conteudo/publicacoes-mcti/plano-brasileiro-de-inteligencia-artificial/pbia_mcti_2025.pdf Acesso em: 2 mar. 2025.
» https://www.gov.br/mcti/pt-br/centrais-de-conteudo/publicacoes-mcti/plano-brasileiro-de-inteligencia-artificial/pbia_mcti_2025.pdf -
BRASIL. Ministério da Educação. Parecer CNE/CEB nº 2/2022, aprovado em 17 de fevereiro de 2022. Normas sobre Computação na Educação Básica - Complemento à Base Nacional Comum Curricular (BNCC). Brasília: MEC, 2022. Disponível em: https://www.gov.br/mec/pt-br/cne/parecer-ceb-2022 Acesso em: 8 abr. 2025.
» https://www.gov.br/mec/pt-br/cne/parecer-ceb-2022 -
BRASIL. Senado Federal. Projeto de Lei nº 2338, de 2023. Dispõe sobre o uso da Inteligência Artificial. Brasília: Senado Federal, 2023. Disponível em: https://www25.senado.leg.br/web/atividade/materias/-/materia/157233 Acesso em: 12 mar. 2025.
» https://www25.senado.leg.br/web/atividade/materias/-/materia/157233 -
COMISSÃO EUROPEIA. Digital Education Action Plan 2021-2027: resetting education and training for the digital age. Bruxelas: Comissão Europeia, 2020. Disponível em: https://education.ec.europa.eu/focus-topics/digital-education/actions Acesso em: 14 mai. 2026.
» https://education.ec.europa.eu/focus-topics/digital-education/actions -
CONDE, Miguel Á.; ROMÁN-GALLEGO, Jesús-Ángel. Do Engineering Students Know How to Use Generative Artificial Intelligence? A Case Study. In: Learning and Collaboration Technologies Cham: Springer, p. 241-254, 2024. Disponível em: https://doi.org/10.1007/978-3-031-61691-4_16 Acesso em: 4 jul. 2026.
» https://doi.org/10.1007/978-3-031-61691-4_16 -
DANAHER, John et al. Algorithmic governance: Developing a research agenda through the power of collective intelligence. Big Data & Society, v. 4, n. 2, p. 1-21, 1 dec. 2017. Disponível em: https://doi.org/10.1177/2053951717726554 Acesso em: 13 mar. 2025.
» https://doi.org/10.1177/2053951717726554 -
DWIVEDI, Yogesh K. et al. "So what if ChatGPT wrote it?" Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, v. 71, p. 102642, 2023. Disponível em: https://doi.org/10.1016/j.ijinfomgt.2023.102642 Acesso em: 14 mar. 2025.
» https://doi.org/10.1016/j.ijinfomgt.2023.102642 -
LEE, Hao-Ping (Hank) et al. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. In: PROCEEDINGS OF THE CHI CONFERENCE ON HUMAN FACTORS IN COMPUTING SYSTEMS (CHI '25). New York: ACM, 2025. Disponível em: https://doi.org/10.1145/3706598.3713778 Acesso em: 7 jun. 2025.
» https://doi.org/10.1145/3706598.3713778 -
LINGARD, Bob; RAWOLLE, Shaun. New scalar politics: implications for education policy. Comparative Education, v. 47, n. 4, p. 489-502, 2011. Disponível em: https://doi.org/10.1080/03050068.2011.608899 Acesso em: 12 abr. 2025.
» https://doi.org/10.1080/03050068.2011.608899 -
MALHEIROS JUNIOR, A.; FILLA, C. L.; LISBÔA, E. Desafios e perspectivas da regulação da inteligência artificial na educação: uma análise comparativa entre o Brasil e a União Europeia. REPPE: Revista de Estudos e Pesquisas em Ensino Técnico e Tecnológico, v. 11, p. e2050, 2025. Disponível em: https://periodicos.uenp.edu.br/index.php/reppe/article/view/2050 Acesso em: 5 jul. 2026.
» https://periodicos.uenp.edu.br/index.php/reppe/article/view/2050 -
MANTELERO, Alessandro. The Fundamental Rights Impact Assessment (FRIA) in the AI Act: Roots, legal obligations and key elements for a model template. Computer Law & Security Review, v. 53, p. 105961, 2024. Disponível em: https://doi.org/10.1016/j.clsr.2024.105961 Acesso em: 15 abr. 2025.
» https://doi.org/10.1016/j.clsr.2024.105961 -
MAPHOTO, Kgabo Bridget et al. Advancing Students' Academic Excellence in Distance Education: Exploring the Potential of Generative AI Integration to Improve Academic Writing Skills. Open Praxis, v. 16, n. 2, p. 142-159, 2024. Disponível em: https://doi.org/10.55982/openpraxis.16.2.649 Acesso em: 7 mar. 2025.
» https://doi.org/10.55982/openpraxis.16.2.649 -
McCARTHY, John et al. A proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 1955. Disponível em: http://jmc.stanford.edu/articles/dartmouth/dartmouth.pdf Acesso em: 8 mar. 2025.
» http://jmc.stanford.edu/articles/dartmouth/dartmouth.pdf -
MYLLY, Ulla-Maija. Transparent AI? Navigating Between Rules on Trade Secrets and Access to Information. IIC - International Review of Intellectual Property and Competition Law, v. 54, n. 7, p. 1013-1043, 2023. Disponível em: https://doi.org/10.1007/s40319-023-01328-5 Acesso em: 10 abr. 2025.
» https://doi.org/10.1007/s40319-023-01328-5 -
PAGE, Matthew J. et al. The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, v. 372, n. 71, p. n71, 2021. Disponível em: https://doi.org/10.1136/bmj.n71 Acesso em: 8 jul. 2026.
» https://doi.org/10.1136/bmj.n71 -
POSNER, Tess; FEI-FEI, Li. AI will change the world, so it's time to change AI. Nature, v. 588, n. 7837, p. S118-S118, 2020. Disponível em: https://doi.org/10.1038/d41586-020-03412-z Acesso em: 9 jun. 2025.
» https://doi.org/10.1038/d41586-020-03412-z -
RUDOLPH, Jürgen; TAN, Samson; TAN, Shannon. ChatGPT: Bullshit spewer or the end of traditional assessments in higher education? Journal of Applied Learning and Teaching, v. 6, n. 1, p. 342-363, 2023. Disponível em: https://doi.org/10.37074/jalt.2023.6.1.9 Acesso em: 14 mar. 2025.
» https://doi.org/10.37074/jalt.2023.6.1.9 -
SOUZA JUNIOR, Joaquim Ribeiro de; MOREIRA, Glenda Almeida Matos. Dados biométricos: uma análise do projeto de lei 2338/2023 a partir dos parâmetros estabelecidos no AI ACT da União Europeia. Revista de Geopolítica, v. 17, n. 1, p. e1334, 2026. Disponível em: https://doi.org/10.56238/revgeov17n1-087 Acesso em: 2 jul. 2026.
» https://doi.org/10.56238/revgeov17n1-087 -
STEINER-KHAMSI, Gita. The Politics and Economics of Comparison. Comparative Education Review, v. 54, n. 3, p. 323-342, 2010. Disponível em: https://doi.org/10.1086/653019 Acesso em: 6 jul. 2026.
» https://doi.org/10.1086/653019 -
STEINER-KHAMSI, Gita; SILVA, Michelle Morais de Sa e. Qualitative Comparative Policy Studies: An Introduction from the Special Section Editors. Journal of Comparative Policy Analysis: Research and Practice, v. 26, n. 5, p. 541-551, 2024. Disponível em: https://doi.org/10.1080/13876988.2024.2383061 Acesso em: 6 jul. 2026.
» https://doi.org/10.1080/13876988.2024.2383061 -
TLILI, Ahmed et al. What if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education. Smart Learning Environments, v. 10, n. 1, p. 15, 2023. Disponível em: https://doi.org/10.1186/s40561-023-00237-x Acesso em: 9 mai. 2025.
» https://doi.org/10.1186/s40561-023-00237-x -
UNESCO. Para aproveitar a era da inteligência artificial na educação superior: Um guia às partes interessadas do ensino superior. Brasília: UNESCO, 2023. Disponível em: https://unesdoc.unesco.org/ark:/48223/pf0000386670_por Acesso em: 12 mai. 2025.
» https://unesdoc.unesco.org/ark:/48223/pf0000386670_por -
UNIÃO EUROPEIA. Regulamento (UE) 2024/1689, de 13 de junho de 2024, que estabelece regras harmonizadas em matéria de inteligência artificial (Regulamento Inteligência Artificial). Bruxelas: Jornal Oficial da União Europeia, 2024. Disponível em: https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng Acesso em: 11 mar. 2025.
» https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng -
VAN BEKKUM, Marvin. Using sensitive data to de-bias AI systems: Article 10(5) of the EU AI act. Computer Law & Security Review, v. 56, p. 106098, 2025. Disponível em: https://doi.org/10.1016/j.clsr.2025.106098 Acesso em: 3 jun. 2025.
» https://doi.org/10.1016/j.clsr.2025.106098 -
VIANA, Henrique Silviano Almeida; TOSCANO, Stéfano Gonçalves Régis. Breve análise comparativa entre o projeto de Lei no. 2.338/2023, do Brasil e o Regulamento (UE) 2024/1689: semelhanças e divergências à luz da classificação dos riscos das atividades a serem desempenhadas por IA. Direito, Processo e Cidadania, v. 4, n. 3, p. 1-32, 2025. Disponível em: https://www1.unicap.br/ojs/index.php/dpc/article/view/3516 Acesso em: 2 jul. 2026.
» https://www1.unicap.br/ojs/index.php/dpc/article/view/3516
Fonte: Adaptado, 2026 (Page et al., 2021)