Countries and regional blocs are racing to build their own sovereign tech and AI infrastructures. What are the implications? How can global businesses prepare?

From independent creators to major platforms, micro-series are helping redefine how viewers connect and consume content worldwide

SaaS meets AI agents: Transforming budgets, customer experience, and workforce dynamics
As AI agents pervade the SaaS market, how businesses experience and leverage software will likely change—shifting business models, capabilities, and expectations

AI agents will likely require orchestration for intelligent automation. Open source, proprietary communication protocols will compete to lead the way.

Deloitte predicts that the generative artificial intelligence user base in 2026 will surge, with the expansion mostly attributable to existing applications that incorporate gen AI capabilities. Deloitte also predicts that more people will use gen AI when it’s within an existing application than those using a standalone gen AI tool. In short, passive usage will exceed proactive, explicit usage in 2026 and beyond. 

Crescimento econômico sustentado, um fenômeno raro até meados do século XVIII, encontrou seu catalisador permanente na inovação tecnológica. A partir da Primeira Revolução Industrial, a capacidade de inovar tornou-se um motor contínuo de transformação. Para Joseph Schumpeter, a essência do capitalismo reside na destruição criadora, e a inovação – a introdução bem-sucedida de novidades no mercado – é a "força motriz" do crescimento econômico.

Produtividade é a variável central que explica o crescimento, dependendo diretamente do ritmo das inovações. No entanto, os ganhos excepcionais ocorrem em ciclos distintos. Robert Gordon, analisando os EUA, destacou a alta taxa de aumento da produtividade do trabalho, de 2,8% por ano, entre 1948 e 1973. Períodos subsequente, como 2005 a 2025, apresentaram médias menores, em torno de 1,7%.

A Tecnologia da Informação e das Comunicações (TIC), frequentemente referida como a Segunda Idade da Máquina, representou um salto qualitativo ao superar os limites da capacidade mental humana, permitindo o processamento e transmissão de imensos volumes de informação, em velocidades inéditas. A TIC reconfigurou o mercado de trabalho: destruiu empregos manuais repetitivos, melhorou a vida de quem executa tarefas mentais e criou novas categorias de empregos para trabalhadores bem treinados. A automação evoluiu do campo manual para o mental, do tangível para o intangível.

Mais recentemente, enquanto os computadores inicialmente seguiam instruções restritas, o machine learning, uma forma de Inteligência Artificial que surgiu na segunda metade da década de 2010, permitiu a superar as limitações originais. Com isso, os computadores adquiriram habilidades sofisticadas, como leitura, escrita e reconhecimento de padrões. Essa nova fase da automação não se restringe mais ao chão de fábrica, ou às atividades primárias, mas sim substitui empregos em escritórios, ampliando os seus efeitos. O setor de serviços, que antes parecia imune, começa a ser impactado pela automação e globalização simultâneas e exponenciais, um fenômeno descrito por Richard Baldwin como a “Globotics Transformation”.

Uma série de questões importantes se coloca com o advento e a rápida expansão da IA nos anos recentes, especialmente em sua versão generativa. Enquanto esses avanços geram euforia nos investidores, especialmente nos EUA, há dúvidas se a alta das ações se justifica por um novo ciclo robusto de produtividade, ou se é mais uma bolha especulativa, ou uma combinação das duas coisas.

São notórias as dificuldades em identificar bolhas ex-ante. E mesmo que isso fosse possível, as autoridades econômicas e bancos centrais não disporiam de uma efetiva margem de manobra para contê-las. Segundo metodologia desenvolvida por Robert Shiller, ganhador de um prêmio Nobel de Economia, o indicador preço/lucro (PL) do mercado acionário americano aproxima-se hoje do nível do ápice da bolha das dotcom em 2000. Atualmente, as empresas de tecnologia, que de início investiam com capital próprio, já emitem grande volume de títulos de dívida, aumentando as preocupações com a alavancagem financeira. A ex-segunda pessoa na hierarquia do FMI, Gita Gopinath, chegou a estimar um prejuízo potencial de US$ 35 trilhões com eventual estouro da bolha de IA, na hipótese de a bolsa cair em ritmo semelhante ao verificado por ocasião da crise dos anos 2000

De qualquer modo, um eventual estouro da bolsa não eliminaria os efeitos positivos do avanço tecnológico, que traz ganhos de bem-estar não totalmente captados por estatísticas tradicionais de PIB, em áreas como medicina, entretenimento e comunicação. Contudo, há críticas sobre a distribuição desigual dos frutos da nova tecnologia, que poderia aumentar a desigualdade, polarizar ainda mais o mercado de trabalho, substituir ocupações humanas e criar uma divergência crescente entre a produtividade e os salários reais dos trabalhadores. De qualquer forma, as tecnologias da Segunda Idade da Máquina seguem sendo aprimoradas exponencialmente, gerando expectativas positivas para a IA. Mas os seus efeitos sobre a produtividade e o crescimento devem demorar, ou seja, provavelmente ocorrerão com certa defasagem. Até o presente momento, o ritmo da produtividade permanece abaixo do "período de ouro". Entre 2005 e 2025, os ganhos de produtividade nos EUA têm estado em de 1,7%, bem inferiores, portanto, aos 2,8% de 1920-1970.

Em trabalho publicado no início do ano, o prêmio Nobel de Economia de 2024 e professor do MIT, Daron Acemoglu, avaliou o impacto da IA sobre o crescimento da economia americana nos próximos dez anos. Central para sua análise é a Teoria das Tarefas, que vê a produção como uma série de tarefas executadas por capital ou trabalho. Utilizando dados detalhados sobre ocupações e respectivas tarefas, e o potencial da IA em executá-las, Acemoglu estima que, nos próximos dez anos, a IA aumentará o PIB dos EUA em apenas 1% acima do crescimento base, um ganho anual de cerca de 0,1%. Esse número surpreendentemente baixo já considera a eficiência e o estímulo à acumulação de capital. Embora o trabalho tenha sofrido críticas – alguns preveem um impacto bem maior, de 5% –, as divergências focam nos parâmetros (fração do PIB afetada e ganho previsto de produtividade), e não na metodologia inovadora de Acemoglu.

Focando num período mais curto, da pandemia até hoje, a produtividade do trabalho nos EUA acelerou modestamente,  atingindo médias anuais de 1,8% (OCDE) a 2,1% (BLS), superando outras nações desenvolvidas. Contudo, a Inteligência Artificial (IA) só começou a impulsionar esses ganhos a partir de meados de 2023, período que coincide com o aumento na abertura de empresas intensivas nessa tecnologia[1]. Embora estudos prevejam ganhos futuros significativos com a adoção generalizada da IA, há dúvidas sobre a sustentabilidade do ritmo atual nos EUA. O debate americano concentra-se nos riscos de mercado, como as preocupações com bolhas em empresas de tecnologias e incertezas sobre o impacto líquido no emprego, que pode tanto criar novas vagas quanto eliminar outras em larga escala.

Pelo lado positivo, há estudos indicando que a IA generativa dissemina as melhores práticas dos trabalhadores mais competentes e ajuda os trabalhadores menos experientes a progredir mais rapidamente na curva de aprendizado – o que pode ser um impulso à produtividade.

No Brasil, as estimativas sobre o potencial de melhora da produtividade com a IA generativa são positivas, de maneira geral, mas gargalos estruturais em infraestrutura digital e capital humano podem vir a limitar os ganhos de produtividade em setores com oportunidades claras de redução de custos e inovação.

O Nobel Philippe Aghion vê a atual revolução tecnológica com otimismo cauteloso, enfatizando a necessidade de adaptação através da "destruição criadora". Para que os países naveguem essa transição com sucesso, é crucial investir em educação de alta qualidade, programas de treinamento contínuo e políticas ativas de mercado de trabalho. Reformas políticas também são necessárias para evitar a concentração excessiva de mercado e poder econômico, combinando concorrência e política industrial focada em melhorar o acesso a dados e poder computacional.

Vem repercutindo bastante nas redes sociais nos últimos dias o relato de um empresário do setor de comércio de Santa Catarina. Ele apontou que iria fechar seu negócio por conta da dificuldade de contratar mão de obra e associou isso ao programa Bolsa Família. Como quase tudo nos últimos tempos, esse episódio nasceu carregado de preconceitos e gerou forte polarização. E, quando isso acontece, geralmente um debate mais equilibrado costuma ser a primeira vítima.

É paradoxal que, num momento tão favorável do mercado de trabalho, os gastos públicos com seguro-desemprego estejam em alta. Segundo dados do Tesouro Nacional corrigidos pela inflação, esses desembolsos somaram R$ 57,5 bilhões nos 12 meses encerrados em novembro, ante um total de R$ 47,2 bilhões em 2022 —ano que fechou com desocupação em torno de 8%.

Parte da explicação para a distorção está em conhecidos problemas nas regras do programa, que motivaram ajustes parciais há pouco mais de uma década. Num exemplo, trabalhadores podem considerar vantajoso passar temporariamente para a informalidade a acumular os rendimentos da nova atividade com o seguro-desemprego.

Outro fator a inflar os gastos é a política do governo Luiz Inácio Lula da Silva (PT) de conceder reajustes acima da inflação para o salário mínimo, ao qual estão vinculados benefícios trabalhistas, previdenciários e assistenciais.

Nos dois casos se veem ineficiências da despesa social —que, corretamente, é a prioridade do Estado num país de desigualdades vexaminosas. O gasto é elevado, mas por vezes de modo insustentável e nem sempre destinado às devidas prioridades.

Por metodologia que permite comparações internacionais, o setor público brasileiro despende o equivalente a 16,8% do Produto Interno Bruto em proteção social. Numa amostra de países selecionados em relatório do Tesouro, a cifra supera a média das economias avançadas (15,2% do PIB) e, por larga margem, a das emergentes para as quais há dados disponíveis (8,9%).

O crescimento das receitas do Fundeb em 2026 é resultado da elevação das projeções de arrecadação dos impostos e transferências vinculados ao Fundo e da integralização do percentual de complementação da União previsto na legislação do Novo Fundeb, que alcança 23% no próximo ano. Desse total, 10% correspondem à complementação Valor Anual por Aluno (VAAF); 10,5% à complementação Valor Anual Total por Aluno (VAAT); e 2,5% à complementação Valor Aluno Ano Resultado (VAAR), percentual que encerra o ciclo de ampliação progressiva da participação da União no financiamento do Fundo, conforme estabelecido em lei. 

Aplicação – Do total de recursos do Fundeb, no mínimo 70% devem ser destinados ao pagamento dos profissionais da educação básica em efetivo exercício, reforçando a política de valorização desses profissionais nas redes públicas de ensino. Os 30% restantes devem ser aplicados em ações de Manutenção e Desenvolvimento do Ensino (MDE), como melhorias na infraestrutura escolar, aquisição de equipamentos e materiais pedagógicos. 

Matrículas – As estimativas para 2026 consideram um total de 39,3 milhões de matrículas na educação básica pública. No caso da complementação VAAR, 3.076 entes federativos cumpriram as condicionalidades exigidas para o recebimento dos recursos, evidenciando o avanço na adoção de indicadores de melhoria da gestão e dos resultados educacionais. 

In October, Oxford University Press released Teaching the AI-Native Generation, a report exploring how young people in the UK perceive and interact with AI in their education. As someone deeply involved in the development of AI tools for learning, I found the insights both illuminating and encouraging. 

We surveyed 2,000 UK students aged 13–18 to understand their experiences, concerns, and aspirations around AI in the classroom. The results revealed a generation that is not only engaging with AI tools but also thinking critically about their impact. 

A pesquisa em IA avança rapidamente. Em 2025, relatei dezenas de novos estudos para o podcast AI for Educators Daily. Mas nenhum artigo isolado é a palavra final. A pesquisa mais útil sobre tecnologias emergentes nunca é apenas técnica. No caso da IA ​​na educação, ela precisa ser interpretada à luz da experiência de aprendizagem, do julgamento profissional e da realidade de como a aprendizagem funciona na prática.

O que mais se destacou nos oito artigos abaixo foi a mudança de perspectivas sobre o impacto da IA ​​na educação. Eles desafiaram pressupostos consolidados sobre aprendizagem, avaliação, colaboração e até mesmo o bem-estar dos alunos. Esta lista de oito artigos não é exaustiva e suas conclusões não resolvem todos os problemas. De fato, a IA não resolve tudo. Em vez disso, eles capturam momentos em que educadores e formuladores de políticas foram forçados a refletir mais profundamente sobre o papel emergente da IA ​​na educação.

Esses são os artigos que chamaram a atenção dos educadores em 2025.

1. Quantificando a sinergia entre humanos e IA
PROMOVIDO
Christoph Riedl e Ben Weidmann

Este artigo de setembro ajudou a redefinir o significado de "habilidade" em um mundo aprimorado por IA. Em vez de avaliar a IA apenas pelo seu desempenho individual, os pesquisadores mediram o quanto o desempenho humano melhorava quando as pessoas trabalhavam com IA.

A principal descoberta foi que a capacidade de colaborar eficazmente com a IA é uma competência distinta por si só e não está fortemente relacionada ao conhecimento da matéria. Para educadores que ajudam seus alunos a usar a IA e a se prepararem para um mundo com IA, isso representa um ponto de virada, já que o sucesso depende cada vez mais de como o aluno formula perguntas, interpreta respostas e adapta seu pensamento em diálogo com o sistema. Essa constatação, por si só, sugere que o planejamento curricular e a avaliação precisarão mudar.

MAIS PARA VOCÊ
O final de 'Stranger Things' foi um sucesso absoluto.

Dicas, Spangram e respostas do NYT Strands de hoje: Quinta-feira, 1º de janeiro (Não é um Zé Ninguém)

Sprinkles Cupcakes fecha lojas em todo o país: O que aconteceu com a era dos caixas eletrônicos de cupcakes?

2. Da produção superficial à aprendizagem superficial: os riscos dos grandes modelos linguísticos na educação
Iris Delikoura, Yi.R Fung, Pan Hui

Esta revisão abrangente de 70 estudos examinou o que acontece cognitivamente quando a IA "faz o trabalho" pelos alunos. Embora a IA frequentemente produza resultados fluentes e refinados, os pesquisadores encontraram riscos consistentes, como formação de memória mais frágil, menor motivação e crescente dependência.

Problemas técnicos, como alucinações, não eram apenas questões de precisão. Eles alteravam a forma como os alunos se envolviam com o próprio processo de pensamento. O artigo oferece aos professores uma linguagem para explicar por que uma redação primorosamente escrita pode, na verdade, refletir muito pouco aprendizado, e por que o esforço, a reflexão e a dedicação ainda são importantes.

CEO: Notícias, análises e conselhos para executivos de alto escalão, diretamente na sua caixa de entrada.


Endereço de email
Inscrever-se
Ao se inscrever, você concorda em receber esta newsletter, outras atualizações sobre a Forbes e as ofertas de suas afiliadas, nossos Termos de Serviço (incluindo a resolução de disputas individualmente por meio de arbitragem) e reconhece nossa Declaração de Privacidade . A Forbes é protegida pelo reCAPTCHA, e a Política de Privacidade e os Termos de Serviço do Google se aplicam.
3. Ensinando a Geração Nativa Americana: Capacitando as Escolas na Era da IA
Oxford University Press

Ao analisar uma pesquisa com adolescentes em todo o Reino Unido, este relatório revelou uma clara tensão. A maioria dos estudantes relatou ter adquirido habilidades valiosas com a IA, mas também sentiu que ela tornou o trabalho escolar muito fácil ou prejudicou sua criatividade.

A descoberta mais alarmante foi que menos da metade dos alunos se sentia confiante para avaliar se os resultados da IA ​​eram confiáveis. A mensagem para os educadores foi inequívoca: os alunos já estão usando IA, mas sem uma sólida base crítica. Orientação, e não proibição, é o que eles pedem.

4. Subnotificação do uso de IA: o papel do viés de desejabilidade social
Yier Ling, Alex Kale e Alex Imas

Este artigo examinou por que os alunos costumam subestimar o próprio uso de IA, enquanto afirmam que seus colegas a utilizam amplamente. A resposta foi simples e preocupante: constrangimento e medo de julgamento.

As implicações são significativas. Primeiro, muitas pesquisas institucionais sobre o uso de IA provavelmente estão erradas. Segundo, o estigma leva ao uso clandestino da IA, tornando as conversas honestas sobre ética e aprendizado muito mais difíceis. Quando os alunos sentem que precisam esconder suas práticas, os educadores perdem a oportunidade de orientá-los.

5. O efeito do Chatgpt no desempenho de aprendizagem dos alunos, na percepção da aprendizagem e no pensamento de ordem superior: insights de uma meta-análise
Jin Wang e fã de Wenxiang

Esta meta-análise de 51 estudos levantou a questão prática de quando o ChatGPT realmente auxilia na aprendizagem. Como era de se esperar, a resposta foi complexa. Os alunos apresentaram melhor desempenho acadêmico e demonstraram ganhos no pensamento crítico quando o uso da IA ​​foi explicitamente projetado para fins instrucionais.

Área temática, duração e abordagem de ensino eram fatores importantes. A contribuição deste artigo reside na sua moderação. A tecnologia só funcionava tão bem quanto a pedagogia subjacente. A IA não era um atalho para o ensino, mas sim uma ferramenta que amplificava o bom ensino quando usada de forma deliberada.

6. Ciborgues, Centauros e Autoautomatizadores: Os Três Modos de Trabalho Intelectual Humano-Inteligente e suas Implicações para a Capacitação e o Futuro da Especialização
Steven Randazzo, Hila Lifshitz, Katherine C. Kellogg, Fabrizio Dell'Acqua, Ethan Mollick, François Candelon e Karim R. Lakhani

Este estudo desafiou pressupostos sobre o trabalho em equipe. Indivíduos que trabalharam com IA igualaram ou superaram o desempenho de equipes que trabalharam sem ela. A IA também permitiu que participantes menos experientes produzissem trabalhos comparáveis ​​aos de especialistas.

Para a educação, as implicações foram desconfortáveis, mas importantes. Se a IA pode replicar alguns benefícios da colaboração, como o trabalho em grupo deve ser planejado e avaliado? O estudo também sugeriu que a IA poderia ajudar alunos mais quietos ou menos confiantes a contribuir de forma mais significativa.

7. Ensaio randomizado de um chatbot de IA generativa para
tratamento de saúde mental
Michael V. Heinz, Daniel M. Mackin, Brianna M. Trudeau, Sukanya Bhattacharya, Yinzhou Wang, Haley A. Banta, Abi D. Jewett, Abigail J. Salzhauer, Tess Z. Griffin e Nicholas C. Jacobson.

Este artigo demonstrou que um chatbot de IA generativa pode reduzir significativamente os sintomas de ansiedade e depressão. Embora conduzido em um contexto médico, o estudo teve grande repercussão entre educadores, que enfrentam uma crise crescente na saúde mental dos estudantes .

O estudo reformulou a IA, não como uma substituta do cuidado humano, mas como um sistema de suporte escalável que poderia operar em conjunto com terapeutas, desde que a privacidade e as medidas de segurança sejam robustas. Este estudo não se aplica diretamente à educação, e especialmente não a crianças, mas abre uma discussão importante sobre o papel da IA ​​além do meio acadêmico, desde que possa ser usada com segurança.

8. Adoção desigual de ferramentas de inteligência artificial entre professores e diretores nos EUA
Julia H. Kaufman, Ashley Woo, Joshua Eagan, Sabrina Lee e Emma B. Kassan

Este relatório revelou que a adoção da IA ​​nas escolas está longe de ser igualitária. Os professores em escolas mais abastadas apresentaram uma probabilidade significativamente maior de usar IA do que aqueles em contextos de alta pobreza, que frequentemente não tinham acesso, treinamento ou orientação clara.

O alerta foi claro. Sem políticas e investimentos deliberados, a IA corre o risco de ampliar as desigualdades existentes em vez de reduzi-las. A tecnologia por si só não democratiza as oportunidades.

Reflexão tardia
Esses dez artigos não oferecem respostas fáceis. O que eles oferecem, em vez disso, é perspectiva. Juntos, eles mostram como a IA está remodelando a cultura da sala de aula, a avaliação, a colaboração e até mesmo a noção de identidade dos alunos.

Gen AI video models appear to be supercharging independent video but could provoke a stronger regulatory response against social video platforms

Podcasting is booming as a video-first, multilingual medium. It may help brands reach global audiences, while occupying a larger share of viewers’ screen time.

With escalating trade restrictions on critical next-gen AI chip technologies, leaders should adapt quickly to make supply chains more resilient

Can more powerful AI models and chips catalyze what has been a relatively stagnant industry?

It’s widely expected that generative AI computing will shift in 2026, from mainly being about training models on very large amounts of data to using those models to help think about and answer enterprise and consumer questions, prompts, and tasks—a process known as “inference.” Many speculate that such a shift in computational workload—or “compute”—would mean that the AI ecosystem would need special chips optimized for inference only, and that these (possibly much cheaper) chips might be deployed on edge devices outside of the massive data centers where most AI chips are currently located and might even mean we need fewer, smaller, or at least different data centers, and spend less.

O panorama da adoção de inteligência artificial (IA) do Brasil revela alguns contrastes importantes em relação às tendências globais, segundo o Relatório de Impacto dos Dados e da IA: O imperativo da confiança, um estudo global conduzido pelo IDC, em parceria com o SAS. O mapeamento entrevistou mais de 2.300 pessoas em todo o mundo sobre o uso, impacto e confiança nas diferentes formas de IA.
O país apresenta um uso de IA generativa maior do que a média global (91% x 81%), mas a adoção da IA tradicional, agêntica e quântica está abaixo dos níveis globais (-3,6%, -5,6%, -5,7%), sugerindo uma adoção mais lenta das formas mais emergentes da tecnologia.
Para Lyse Nogueira, customer advisor do SAS Brasil, a IA generativa se tornou bastante popular no Brasil devido a sua facilidade de uso, que não requer conhecimento técnico e está disponível em diversos aplicativos. Além disso, ela continua, a tecnologia apresenta uma baixa barreira de entrada devido às diversas opções gratuitas disponíveis no mercado, o que ajuda a massificar o uso da tecnologia.
No entanto, pontua Nogueira, em geral, a IA generativa está ajudando a agilizar processos operacionais em alguns departamentos, mas ainda não faz parte da estratégia corporativa como um todo e, portanto, ainda não traz impactos para o negócio.
"Por outro lado, a adoção das IAs tradicional, agêntica e quântica é um pouco mais lenta no Brasil, pois elas exigem um nível de maturidade e estruturação dos dados muito maior", afirma a especialista. "Uma implementação bem-sucedida depende de uma infraestrutura de dados robusta, governança sólida, integração profunda com os sistemas de negócio existentes e talentos especializados. O nosso estudo aponta exatamente para essa fragilidade: a baixa maturidade da infraestrutura de dados e das práticas de governança no Brasil, o que faz com que o país encontre barreiras estruturais para avançar nas formas de IA que exigem maior investimento e preparo técnico."
De acordo com o relatório, o Brasil apresenta um Índice de Confiabilidade da IA (Trustworthy AI Index) de 3,35, próximo ao de países maduros como França e Canadá. No entanto, o Índice de Impacto da IA (AI Impact Index) é de 2,84, abaixo da maioria dos países analisados, evidenciando uma lacuna entre a confiança declarada na inteligência artificial e a capacidade de gerar valor tangível a partir dela.
Segundo o estudo, apenas 15% das empresas no Brasil estão em nível “transformacional” de maturidade em IA e 35% ainda operam com dados fragmentados (ad hoc ou em silos) em comparação com 16% no âmbito global.
Nogueira comenta que o nível transformacional é, sem dúvida, o objetivo final. "É o estágio em que a IA está plenamente integrada à estratégia e é capaz de impulsionar a inovação, a eficiência e gerar um retorno sobre o investimento (ROI) significativo e consistente", detalha.
Para que isso aconteça, ela cita dois pilares importantes: dados e casos de uso.
"As empresas precisam de uma infraestrutura em que os dados se comuniquem e possam ser acessados com facilidade para conseguir extrair valor deles com ética, transparência e governança. Além disso, é fundamental que os casos de uso deixem de ser departamentais e passem a gerar valor real para o negócio, porém, isso demanda tempo e investimento em equipe e tecnologia, e só se justifica se as empresas conseguirem obter retornos como redução de custo, aumento de receita ou melhoria operacional."
O que falta para o Brasil avançar, ela diz, é, fundamentalmente, resolver a base da pirâmide: os dados.
"O principal gargalo identificado pelo estudo é a gestão de dados. Conforme apontamos, 35% das empresas brasileiras ainda operam com dados fragmentados ou em silos, um índice que é mais do que o dobro da média global de 16%. Sem uma fundação de dados integrada, confiável e bem governada, é impossível escalar o uso da IA de forma segura e eficaz. As empresas podem ter pilotos de sucesso, mas falham em transformar isso em valor de negócio em larga escala", explica.
Portanto, ela continua, para que mais empresas atinjam o nível transformacional, o caminho passa pela construção de uma infraestrutura de dados resiliente e unificada; estabelecimento de práticas de governança de dados e IA que garantam a qualidade, a consistência, a ética e a segurança das informações; além de investimento em capacitação de talentos para gerir a tecnologia e a estratégia de dados e IA.
"Quando a arquitetura de dados é fraca e as estratégias de IA subdesenvolvidas, as empresas têm dificuldade de captar o verdadeiro valor gerado para o negócio, o que geralmente leva à frustração e desacelera a adoção", diz. "Reverter esse cenário exige uma maior conscientização do papel que a prontidão e a governança dos dados desempenham no apoio às iniciativas de IA. Ao reforçar essas capacidades, as empresas podem obter resultados de IA mais precisos, confiáveis e escaláveis. Isso aumenta o ROI e também fortalece a confiança de longo prazo na IA como impulsionadora do desempenho dos negócios."

Quase um terço da população ocupada no Brasil está exposta, de alguma forma, à Inteligência Artificial (IA) generativa no seu fazer profissional, sendo que pouco mais de 5 milhões de pessoas estão no grau máximo de exposição. Essa exposição é maior entre as mulheres, os mais jovens, os mais escolarizados, na região Sudeste e no setor de serviços, em especial nos serviços de informação e comunicação e nos serviços financeiros.
Essas são os apontamentos de um estudo do Instituto Brasileiro de Economia (FGV Ibre) e da carta do mês do instituto, apresentados ao Valor. “Ocupações intensivas em tarefas analíticas repetitivas e processamento de informação apresentam alta exposição ao potencial de automação via IA”, escreve na carta Luiz Guilherme Schymura, diretor do FGV Ibre.
Os pesquisadores do instituto calculam que 29,8 milhões de trabalhadores, ou 30% dos empregados, tinham exposição à IA generativa no terceiro trimestre de 2025, último dado disponível da Pnad Contínua trimestral, do IBGE. Em 2012, esse contingente era de 23,2 milhões de pessoas, ou 27% da população ocupada. Essa exposição à IA pode ser positiva, isto é, complementar ao trabalho convencional, ou negativa, quando leva à substituição completa do trabalhador.
“O copo não está meio cheio, ele está cheio para o trabalhador, o mercado de trabalho está indo muito bem. Ainda não vemos esse impacto da IA no agregado, mas se, de fato, a adoção tecnológica continuar nesse ritmo e puder ter um efeito de substituição maior, isso vai acontecer”, afirma Fernando de Holanda Barbosa Filho, autor do estudo junto com Paulo Peruchetti, Janaína Feijó e Daniel Duque. “Nunca foi tão rápida a velocidade de adoção de uma nova tecnologia no mundo”, acrescenta.
Os pesquisadores do FGV Ibre replicaram para o Brasil uma metodologia de mapeamento do grau de exposição das ocupações às IA tomando como base um estudo da Organização Internacional do Trabalho (OIT) de 2025, que atualizou o Índice Global de Exposição Ocupacional à IA generativa.
Primeiro, os pesquisadores traduziram a lista de ocupações do sistema internacional ISCO-08 para a classificação de ocupações da Pnad Contínua. A partir disso, classificaram as ocupações no Brasil de acordo com a exposição à IA nos seis níveis propostos pela OIT: nenhuma, baixa e gradientes de 1 a 4 (da menor para a maior).
Entre o primeiro trimestre de 2012 e o terceiro de 2025, a proporção de expostos no gradiente 1 diminuiu (de 35,8% para 30,5%), enquanto para todos os demais gradientes aumentou. A participação de trabalhadores expostos à IA no nível 4, o maior, foi de 16,1% em 2012 para 17,6% em 2025.
Os pesquisadores cruzaram a análise com outros indicadores socioeconômicos (ver detalhes ao lado). Em termos de gênero, o grau de exposição das mulheres (35,4%) é maior que dos homens (25,2%). A região com maior exposição é a Sudeste (32%), e a com a menor é o Norte (25,3%), seguida do Nordeste (26,7%). A exposição à IA é decrescente com a idade, sendo maior entre jovens de 14 a 29 anos (35,9%) e menor nas faixas de 45 a 59 anos (24,5%) e de 60 anos ou mais (25,7%).
No caso da escolaridade, o grau de exposição à IA é crescente, saindo de 10,2% para aqueles sem instrução ou com fundamental incompleto para 42,7% entre os com superior completo.
Segundo os pesquisadores, a literatura internacional já apontou que o grau de exposição à IA tende a crescer com o grau de qualificação exigido das atividades, normalmente correspondente a um maior nível de qualificação dos ocupantes desses postos. Assim, uma das razões para a maior exposição das mulheres (ante os homens) e dos jovens (ante faixas etárias mais altas) no Brasil poderia ser o maior nível de educação dos primeiros grupos. Da mesma forma, apontam, o contraste entre Sudeste e Norte-Nordeste pode se dever ao diferencial de desenvolvimento dessas regiões.
Entre os setores analisados, o menos exposto é a agropecuária, com apenas 1,5% das ocupações com algum grau de exposição à IA. O mais exposto é o de serviços de intermediação financeira, com 90,6% de exposição. “Tem empregos que vão acabar, não tem dúvida. E outros serão criados. A pessoa sabendo usar a IA vai proteger o seu emprego. Alguém que não sabe usar a IA, provavelmente, não vai conseguir se reposicionar”, afirma Barbosa Filho.
Os pesquisadores do FGV Ibre citam um estudo do Fundo Monetário Internacional (FMI) mostrando que, enquanto em economias avançadas como Estados Unidos e Reino Unido o percentual de trabalhadores expostos à IA é de cerca de 60% do total ocupado, em economias emergentes como Brasil, Colômbia e África do Sul essa proporção está em torno de 40%.
O desafio, no entanto, é que cerca de metade da exposição à IA em economias avançadas é de natureza complementar, enquanto para o Brasil, por exemplo, cerca de 20% da população ocupada possui alta exposição e baixa complementaridade com a IA, tornando esses trabalhadores bastante vulneráveis à perda do emprego, dizem os pesquisadores do FGV Ibre. Por outro lado, apontam, pouco mais de 20% dos trabalhadores brasileiros possuem, segundo o FMI, alta exposição, mas também elevada complementaridade à IA, o que pode gerar benefícios em termos de maior produtividade e salário, afirmam.
“Tem mais um trem da história passando. A questão é se a gente vai conseguir subir nele ou não. E, mesmo fazendo tudo certo, vão existir perdedores, precisamos pensar como proteger essas pessoas”, afirma Barbosa Filho.
Os pesquisadores do FGV Ibre defendem uma agenda de política pública para lidar com esse cenário. “Essa agenda é para ontem, porque até podemos não ver ainda impacto no agregado, mas, na hora que começa a onda, ela não para. Quando a tecnologia começa a ficar disponível a um preço acessível, as pessoas começam a usar em massas. Aí, não adianta correr atrás do rabo. Precisamos nos antecipar”, diz Barbosa Filho.
Na área de educação e requalificação, os pesquisadores dizem ser preciso investir em educação básica de qualidade, estatística, habilidades digitais, programação e, sobretudo, competências transversais, como resolução de problemas, comunicação e trabalho em equipe. “De alguma forma, acho que as pessoas estão percebendo essa importância de se qualificar. O mercado está demandando cada vez mais isso. Se as pessoas não forem se adaptando, isso vai ser um problema”, afirma Peruchetti.
Em termos de proteção social e políticas ativas, os deslocamentos setoriais e ocupacionais da IA aumentam a importância de sistemas de seguro-desemprego, de programas de transferência de renda e políticas ativas de intermediação, qualificação e subsídios à recontratação, capazes de reduzir a duração do desemprego e apoiar transições entre ocupações, afirmam os pesquisadores.
“Do ponto de vista de política pública, essa rede de proteção social me preocupa menos, porque já mostramos na pandemia que somos capazes. Preocupa mais a preparação para quem está entrando no mercado de trabalho e nosso modelo de requalificação”, afirma Barbosa Filho.
Adotar um sistema de intermediação de mão de obra e de qualificação ágil e flexível é medida emergencial, segundo ele. “Qualificação profissional, hoje em dia, não é mais um curso longo meses como era no passado. São pequenas pílulas de competências necessárias para adaptar esse trabalhador. É preciso adotar um sistema com agilidade para identificar rápido o problema e flexibilidade para adotar a solução.”
São necessárias ainda medidas na área de regulação do uso de IA no ambiente de trabalho, dizem os pesquisadores. Para eles, é preciso controlar o uso da tecnologia para monitoramento, avaliação contínua de desempenho e automação de decisões de RH. Pesquisas alertam ainda para riscos de vieses algorítmicos, discriminação e intensificação do trabalho, além de assimetrias de poder entre empresas e trabalhadores, apontam.
Tudo isso demanda, segundo os pesquisadores, marcos regulatórios que garantam transparência, explicabilidade mínima e mecanismos de contestação de decisões automatizadas, além de participação de sindicatos e representações trabalhistas na governança de tecnologias no local de trabalho. “Quão mais difundida a legislação permitir o uso de IA, maiores serão os desafios. A trava inicial vai ser regulamentação. Por isso existe uma discussão sobre IA responsável. Na minha opinião, isso é alguma forma de tentar regulamentar o uso para fazer com que seus impactos ocorram de forma mais gradual”, afirma Barbosa Filho.
Por fim, há questões de políticas de concorrência e difusão tecnológica. A concentração de capacidades de IA em poucas grandes empresas de tecnologia, dizem, levanta questões de poder de mercado, captura de dados e distribuição dos ganhos de produtividade.
“Existem duas forças atuando ao mesmo tempo. Dentro de uma mesma empresa o uso da IA pode diminuir o fosso entre os empregados. Alguns estudos mostram que o trabalhador que mais se beneficia é o menos produtivo dentro de uma mesma ocupação. No entanto, em relação a outro setor que não consegue adotar IA, esse fosso pode aumentar. O que vai determinar o resultado é o quanto vamos conseguir adotar tecnologia de forma horizontal na economia”, diz Barbosa Filho.
Políticas de concorrência, padrões abertos, promoção de ecossistemas de IA aberta e apoio a pequenas e médias empresas para adoção da tecnologia são, segundo os pesquisadores, peças importantes para evitar que os benefícios fiquem concentrados em um número pequeno de agentes.
“Setores de alta competitividade e produtividade não podem perder tempo, porque essa é uma corrida, o mercado deles não é local, é mundial. As empresas de ponta já estão adotando, e eu acho que não estamos ainda preparados para proteger o trabalhador e oferecer a complementaridade ideal”, afirma o economista.

Com o tempo, uma eventual crise fiscal pode levar à queda da atividade, do emprego e da massa dos rendimentos do trabalho, como se observou abruptamente ao final de 2015, no governo Dilma Rousseff (PT). Em cinco anos e meio sob a ex-presidente, a relação dívida/PIB aumentou 14 pontos, atingindo 66,6% do PIB. Sob Lula 3, deve crescer 10 pontos, para 82,4%.
Procurado pela Folha, o Ministério da Fazenda afirmou que segue cumprindo os limites do arcabouço fiscal e que as projeções para os anos seguintes estão alinhadas com o cumprimento desses tetos. "O termo 'crise fiscal' é equivocado. Em 2024, a meta de primário foi alcançada, com resultado mais próximo do centro da meta do que de sua banda inferior," disse em nota.
A Fazenda também afirmou que o déficit primário, que exclui despesas com o pagamento de juros e amortização de dívidas, acumulado durante o governo Lula 3 deve ser 70% menor do que no governo anterior.
Em sua Carta de Conjuntura deste final de ano, o Ipea, que fica sob o guarda-chuva do Ministério do Planejamento, aponta ao menos duas políticas reintroduzidas por Lula 3 como responsáveis pela atual situação.
Uma delas é a correção do salário mínimo, que prevê aumento acima da inflação de até 2,5%. Isto tem impacto enorme sobre os benefícios previdenciários, a maior despesa do governo, porque 70% dos pagamentos seguem o piso básico. No atual mandato de Lula, os pagamentos com aposentadorias e pensões subiram de R$ 912,2 bilhões para mais de R$ 1 trilhão.
O Ipea também menciona que, ao acabar com o teto de gastos de Michel Temer, Lula reestabeleceu a regra de os desembolsos para Saúde e Educação acompanharem o crescimento da receita corrente líquida (e não mais a inflação), na proporção de 15% e 18% do total arrecadado, respectivamente. Quando a receita sobe, esses gastos aumentam.
"Não surpreende, assim, que —mesmo com o forte aumento da carga tributária ocorrido em 2024— persistam questões estruturais relacionadas à sustentabilidade da política fiscal e que, no acumulado do ano até novembro, o déficit primário do governo central tenha atingido R$ 75,7 bilhões (0,6% do PIB nominal acumulado nos últimos quatro trimestres)", diz o documento do Ipea.
O órgão também alerta para os efeitos indiretos do crescimento dos gastos públicos. "Em particular, o aquecimento da atividade econômica —e, sobretudo, do mercado de trabalho— decorrente de seus efeitos multiplicadores, tende a pressionar a inflação e, em um regime de metas inflacionárias, a exigir a manutenção de taxas reais de juros mais elevadas do que aquelas que prevaleceriam, por exemplo, caso tais gastos evoluíssem em linha com o crescimento do PIB."
Com a manutenção da taxa básica de juros (Selic) em 15% ao ano, o setor público pagará neste ano R$ 1 trilhão em juros. Esse valor equivale ao pagamento de mais de 41 milhões de benefícios da Previdência em 2025.
Outro problema grave citado pelo Ipea é a forte diminuição do dinheiro livre (despesas discricionárias) que o governo tem para tocar o dia a dia da máquina pública. Em 2014, o valor correspondia a 13,8% do total das despesas. Em 2025, considerando o acumulado em 12 meses até outubro, a participação é de 8,3%.
Para Claudio Hamilton dos Santos, coordenador de acompanhamento e estudos da conjuntura do Ipea, a manutenção do regime fiscal passa por priorizar alguns gastos sobre outros, diminuir isenções tributárias a empresas e setores e reduzir em alguma medida o crescimento das despesas sociais.
"É fato que o crescimento dos gastos sociais acima do teto do regime fiscal contribui para engessar o Orçamento e que os aumentos do salário mínimo e a indexação em Saúde e Educação à receita têm sido determinantes [para a insustentabilidade fiscal]", afirma.
"Mas entendemos que o atual regime fiscal problematiza essas questões, e não discordamos dos desafios existentes. Mas é natural que eles existam no atual estágio da política. O Executivo também tem brigado para conseguir simultaneamente mitigar o engessamento do Orçamento e manter a trajetória de melhora do resultado primário em 2026."
O outro trabalho, da IFI, ligada ao Senado, é ainda mais crítico em relação à atual política fiscal sob Lula 3.
Segundo o Relatório de Acompanhamento Fiscal do órgão, o novo regramento foi aprovado no segundo semestre de 2023 (o chamado arcabouço fiscal), mas no ano seguinte, em 2024, as metas foram rebaixadas. Em 2025, vários abatimentos legais foram aprovados no limite de gastos e na apuração do resultado primário.
A IFI estima que, nos três primeiros anos de vigência do arcabouço, as despesas excluídas da meta fiscal chegarão a mais de R$ 170 bilhões. "Soma-se a isso a consolidação legal do entendimento, após arguição do Tribunal de Contas da União, de que é cabível o governo perseguir o limite inferior de tolerância previsto e não o centro da meta, o que, na prática, representa um novo rebaixamento das metas fiscais", diz o documento.
"Nenhum dos dois principais objetivos da regra fiscal criada neste governo está sendo alcançado", afirma Marcus Pestana, diretor-executivo da IFI. "O aumento da dívida pública não foi estancado, pelo contrário, e não houve mais investimento estatal, pois o crescimento dos gastos comprime cada vez mais o Orçamento."

Entre as facetas do patrimonialismo, existe uma agenda mais urgente de reformas que atinge os três Poderes. Um dos temas, na verdade, atinge a todos em seus altos escalões: as remunerações acima do teto constitucional. Essa questão se tornou um dos maiores marcadores de privilégios no país. Funcionários da alta burocracia no Judiciário e no Sistema de Controle, nos Legislativos de toda a Federação e especialmente nas carreiras jurídicas do Executivo federal, vivem num mundo à parte da Constituição e da ética pública.
O impacto fiscal é bastante razoável no plano federal, e se fossem ajustadas tais remunerações ao teto constitucional ou proibidas a aferição de rendas por fora do salário, haveria no mínimo uma economia anual de R$ 10 bilhões. Mudar essa lógica de privilégio remuneratório de parte da burocracia de alto escalão é ainda mais importante para fortalecer o princípio republicano, porque quando o monstro patrimonialista ganha força, não há limites para ele - basta pensar nos ganhos nababescos dos desembargadores estaduais. Seus tentáculos crescem, e assim aumentam a desigualdade entre os cidadãos, logo percebida como a imagem de um “Estado para poucos”, principal fonte dos valores e votos antissistema, produzindo um dos maiores perigos para a democracia brasileira.

As a new type of artificial intelligence, ChatGPT is becoming widely used in learning. However, academic consensus regarding its efficacy remains elusive. This study aimed to assess the effectiveness of ChatGPT in improving students’ learning performance, learning perception, and higher-order thinking through a meta-analysis of 51 research studies published between November 2022 and February 2025.

Large Language Models (LLMs) are transforming education by enabling personalization, feedback, and knowledge access, while also raising concerns about risks to students and learning systems. Yet empirical evidence on these risks remains fragmented. This paper presents a systematic review of 70 empirical studies across computer science, education, and psychology. Guided by four research questions, we examine: (i) which applications of LLMs in education have been most frequently explored; (ii) how researchers have measured their impact; (iii) which risks stem from such applications; and (iv) what mitigation strategies have been proposed. We find that research on LLMs clusters around three domains: operational effectiveness, personalized applications, and interactive learning tools. Across these, model-level risks include superficial understanding, bias, limited robustness, anthropomorphism, hallucinations, privacy concerns, and knowledge constraints. When learners interact with LLMs, these risks extend to cognitive and behavioural outcomes, including reduced neural activity, over-reliance, diminished independent learning skills, and a loss of student agency. To capture this progression, we propose an LLM-Risk Adapted Learning Model that illustrates how technical risks cascade through interaction and interpretation to shape educational outcomes. As the first synthesis of empirically assessed risks, this review provides a foundation for responsible, human-centred integration of LLMs in education.

Um fazendeiro tem três tipos de animais em sua fazenda. Seus animais são todos ovelhas, exceto três. Todos cabras, exceto quatro. E todos cavalos, exceto cinco. Quantos animais de cada tipo o fazendeiro tem?

Se esse enigma te deixou confuso, você não está sozinho. A resposta é um cavalo, duas cabras e três ovelhas.

Mas por que a matemática parece vir com tanta facilidade para algumas pessoas, enquanto outras parecem ter dificuldade?

Embora a genética possa desempenhar um papel, ela é apenas uma peça de um quebra-cabeça muito maior, que envolve uma combinação complexa de biologia, psicologia e ambiente.

Estudos com irmãos gêmeos
A professora Yulia Kovas, do Goldsmiths, uma Universidade de Londres, no Reino Unido, é geneticista e psicóloga e estuda por que as pessoas têm diferentes habilidades matemáticas.

Ela trabalhou em um estudo de grande escala com gêmeos, acompanhando cerca de 10 mil pares de gêmeos idênticos e não idênticos desde o nascimento, para investigar como fatores genéticos e ambientais moldam as capacidades de aprendizagem.

"Gêmeos idênticos são mais semelhantes do que gêmeos não idênticos em todas as características psicológicas que estudamos. Portanto, eles são mais parecidos em habilidade matemática, e isso sugere que os ambientes domésticos não explicam toda a variabilidade. Parece que os genes, sim, contribuem", explica.

Segundo a professora Kovas, no Ensino Médio e na vida adulta, o componente genético da aprendizagem e da habilidade matemática parece ficar em torno de 50% a 60%. "Isso reforça a ideia de que genes e ambientes são ambos importantes", afirma.

Pule Mais lidas e continue lendo
Mais lidas

O experimento contra a solidão na Suécia que paga para as pessoas tirarem 'hora da amizade' no trabalho

O que se sabe sobre incêndio que matou dezenas de pessoas e deixou mais de 100 feridos em estação de esqui na Suíça

Abraçar o 'nada': a ideia do filósofo Jean-Paul Sartre que pode ser libertadora para começar o ano

Lula não deveria disputar reeleição por 'idade avançada' e políticas econômicas 'medíocres', diz Economist
Fim do Mais lidas
Ambiente
Pule Whatsapp! e continue lendo

No WhatsApp
Agora você pode receber as notícias da BBC News Brasil no seu celular.

Clique para se inscrever
Fim do Whatsapp!
O ambiente a que somos expostos também é um fator importante a ser considerado.

E isso não se limita apenas à qualidade da escola ou à quantidade de ajuda que recebemos com a lição de casa. Pode ser algo "aleatório", como algo ouvido no rádio que mudou o rumo dos nossos interesses, sugere a professora Kovas.

Mas ela observa que predisposições genéticas podem levar uma pessoa a se expor mais a determinados estímulos.

Embora nem todos se tornem matemáticos especialistas, a boa notícia é que todos podem melhorar sua capacidade, segundo a doutora Iro Xenidou-Dervou, que pesquisa cognição matemática na Universidade de Loughborough, no Reino Unido.

Há evidências de que, para desenvolver nossa numeracia e nossas habilidades matemáticas, nossos pensamentos, crenças, atitudes e emoções desempenham um papel importante, explica ela.

A doutora Xenidou-Dervou afirma que a "ansiedade em relação à matemática" pode influenciar o desempenho, e que é importante que as pessoas que querem melhorar acreditem que são capazes.

'Ansiedade matemática'
Experiências negativas, como ouvir que você é ruim em matemática ou tirar uma nota mais baixa em uma prova em comparação com os colegas, podem levar a um "ciclo vicioso" de pensamentos ansiosos, afirma ela.

"A ansiedade em relação à matemática leva à evitação da matemática, o que por sua vez leva a um desempenho ruim, o que então aumenta ainda mais a ansiedade matemática."

E isso sobrecarrega a nossa memória de trabalho, onde o pensamento acontece.

"O que ocorre com a ansiedade é que esses pensamentos negativos e ansiosos ocupam muito desse espaço precioso na nossa memória de trabalho, e sobra muito pouco para que você realmente use para resolver o problema em questão", explica Xenidou-Dervou.

Ela cita um estudo da Universidade de Loughborough com crianças de nove e dez anos que investigou a relação entre memória de trabalho e ansiedade em matemática.

As crianças receberam uma tarefa de cálculo mental com números de dois dígitos, mas também passaram por uma condição em que ouviam palavras antes da tarefa, que precisavam reter e depois recordar verbalmente. O desempenho das crianças que apresentavam "alta ansiedade em matemática" foi particularmente afetado, observa ela.

Senso inato para números
O professor Brian Butterworth, da University College London, atua na área da neuropsicologia cognitiva. Suas pesquisas mostram que os seres humanos têm um senso inato de números, inclusive crianças que nunca foram ensinadas a contar.

Mas, para algumas pessoas, segundo ele, esse "mecanismo inato não funciona muito bem".

A discalculia é uma dificuldade de aprendizagem específica relacionada à compreensão e ao uso de números e quantidades. Acredita-se que ela seja tão prevalente quanto a dislexia, afetando cerca de 5% da população, de acordo com o professor Butterworth.

Pessoas com discalculia costumam ter dificuldade com tarefas aritméticas, como cinco vezes oito ou seis mais dezesseis.

O professor Butterworth e sua equipe desenvolveram um jogo que, segundo ele, ajuda crianças com aritmética básica, especialmente aquelas com discalculia.

Mas, afirma ele, ainda não está claro quais efeitos intervenções desse tipo podem ter no longo prazo.

"O que seria necessário é intervir cedo e depois acompanhar o desenvolvimento dessas crianças ao longo dos próximos anos", diz.

Então, o que torna a matemática diferente de outras disciplinas?

A doutora Xenidou-Dervou compara o aprendizado da matemática à "construção de um muro mental de tijolos", em que é preciso ter uma base sólida para avançar para um nível mais alto.

"Você realmente não pode pular etapas no domínio da matemática. Por exemplo, em história, talvez você não conheça muito bem um período específico e tudo bem. Mas, em matemática, isso simplesmente não é possível", afirma.

Lições internacionais
A professora Kovas aponta para uma pesquisa do Programme for International Student Assessment (PISA), do início dos anos 2000, criada para avaliar os sistemas educacionais em todo o mundo com estudantes de 15 anos de diferentes países, medindo suas habilidades em matemática, leitura e ciências.

CRÉDITO,AFP VIA GETTY IMAGES
Legenda da foto,A China ficou entre os países com melhor desempenho em educação em uma pesquisa internacional realizada no início dos anos 2000
"Ao topo dos rankings internacionais estavam estudantes chineses, além de alguns outros países — países do Leste Asiático — e a Finlândia. E, por isso, a Finlândia passou a ser vista como uma espécie de paradoxo europeu, por estar ali junto desses países do Leste Asiático", afirma ela.

Então, há algo que possamos aprender com os países que costumam ter bom desempenho?

Zhenzhen Miao, professora assistente de educação matemática na Universidade Normal de Jiangxi, na China, diz que o ensino de matemática no país se concentra em "conhecimentos básicos, habilidades básicas, experiências matemáticas básicas e pensamento matemático básico".

Segundo a Dra. Miao, professores e a educação são "muito respeitados" no país, e os docentes precisam dar apenas uma ou duas aulas por dia, o que lhes permite ter bastante tempo para preparar e aprimorar as aulas.

Pekka Räsänen, professor de sociologia econômica da Universidade de Turku, na Finlândia, explica que o sistema finlandês de ensino de matemática também se baseia nos fundamentos.

"A principal filosofia do sistema educacional finlandês costumava ser garantir as habilidades básicas para todos", afirma.

O professor Räsänen diz que os docentes na Finlândia recebem cinco anos de formação acadêmica e que há dez vezes mais candidatos do que vagas disponíveis nos cursos, devido ao "respeito" que a profissão de professor tem no país.

Mas, como em todos os países, há variações — algo que, segundo a professora Kovas, "demonstra a complexidade" do tema.