Olhando para trás, 2025 provavelmente será lembrado como o ano em que a inteligência artificial entrou totalmente no mainstream.

A IA passou rapidamente da experimentação para o uso cotidiano. Começou a apoiar o planejamento de aulas, tutoria, avaliação, feedback e fluxos de trabalho administrativos em larga escala. A adoção por educadores, instituições e aprendizes rapidamente ultrapassou as políticas, infraestrutura e normas necessárias para governá-la.

Mas 2026 será diferente.

Será o ano em que o sistema educacional terá que se adaptar ou correr o risco de deixar os alunos despreparados para o futuro que estão entrando. A aceleração da IA já não é mais teórica. As expectativas estão crescendo mais rápido do que as instituições podem responder, e a tensão entre inovação, confiança e prontidão está se tornando impossível de ignorar.

Do ponto de vista do ETS na interseção entre avaliação, habilidades, prontidão e IA responsável, três forças moldarão o que virá a seguir. Pesquisas globais recentes reforçam a rapidez com que esse ponto de inflexão está chegando. No próximo Relatório de Progresso Humano da ETS de 2026, os trabalhadores estimam que quase um terço de seu trabalho já envolve direcionar ferramentas de IA, e esperam que essa participação ultrapasse metade nos próximos dois anos. Ao mesmo tempo, a ansiedade sobre a prontidão está aumentando junto com a adoção. Mais da metade dos trabalhadores relata preocupação em se tornar obsoleto, e a diferença entre a importância das habilidades em IA percebidas e a sensação de proficiência dos trabalhadores permanece grande.

 Juntos, esses sinais ressaltam que o desafio à frente não é apenas a adoção da IA, mas a preparação, a confiança e a clareza em larga escala.

Nos últimos anos, a IA na educação tem existido em grande parte como um conjunto de ferramentas independentes e separadas. Assistentes de redação, tutores, avaliadores e plataformas de análise de dados ofereciam valor, mas muitas vezes isoladamente.

Essa era está chegando ao fim.

A IA deixará de ser algo que os educadores adicionam e passará a se incorporar em toda a jornada de aprendizagem.

Os primeiros sinais dessa mudança surgiram em 2024 e 2025, quando iniciativas focadas na educação de grandes desenvolvedores de IA — incluindo OpenAI e Google — reconheceram que ambientes de aprendizagem exigem princípios de design diferentes das ferramentas gerais de produtividade. Enquanto isso, a frustração institucional com sistemas de IA fragmentados e não integrados acelerou o impulso para a IA incorporada em toda a jornada de aprendizado. Como resultado, a integração será acelerada.

Cópilotos de IA incorporados diretamente em sistemas de gestão de aprendizagem como Canvas, Blackboard, Moodle e Google Classroom se tornarão a experiência padrão, em vez de aprimoramentos opcionais. A demanda institucional se afastará das ferramentas individuais de IA e se aproximará de uma infraestrutura de IA segura, interoperável e profundamente integrada em materiais didáticos, sistemas de informação estudantil e plataformas de avaliação.

Para o ETS, essa mudança reforça uma verdade fundamental. O valor da IA na educação depende de medições confiáveis e dados de alta qualidade. Avaliação, análises de aprendizagem e feedback não podem ficar fora do ecossistema. Eles devem ser incorporados, interoperáveis e projetados para apoiar resultados significativos, em vez de eficiência superficial.

Na próxima fase da adoção da IA, a confiança virá de uma integração bem feita.

À medida que a IA amadurece, uma realidade está ficando clara: o ativo mais valioso na educação alimentada por IA não é o modelo em si. São os dados de aprendizado por trás dele.

Sistemas de IA específicos para a educação dependem de dados de alta qualidade e relevantes para o aprendizado para treinar, validar e aprimorar. Modelos de propósito geral só podem ir até certo ponto sem entender como os alunos aprendem, onde eles têm dificuldades e como o progresso para os resultados desejados se desenrola ao longo do tempo.

Esses dados residem em grande parte nos sistemas de gestão de aprendizagem e nas plataformas institucionais, que detêm os registros mais completos de interação, engajamento e desempenho dos alunos (ou seja, não apenas das notas em si). Como resultado, a dinâmica competitiva na IA educacional está prestes a mudar.

Esperamos uma primeira grande onda de consolidação e alinhamento estratégico em torno dos dados educacionais. Isso provavelmente se manifestará na forma de aquisições em larga escala ou parcerias de vários anos entre desenvolvedores líderes em IA, como OpenAI, Google, Microsoft e Anthropic, e grandes provedores de LMS, incluindo Canvas, Blackboard, Moodle e D2L.

Essas medidas vão remodelar o mercado rapidamente. Elas também vão colocar a portabilidade, interoperabilidade e governança dos dados no centro dos debates políticos, intensificando as questões sobre propriedade dos dados, uso responsável, transparência e quem, em última instância, define padrões de justiça e responsabilidade.

Para a ETS, este momento apresenta tanto oportunidade quanto responsabilidade. Há uma demanda crescente por parcerias baseadas em dados validados e eticamente obtidos que protejam aprendizes e instituições  para oferecer transparência e explicabilidade. Ao mesmo tempo, a necessidade de governança de dados transparente e escalabilidade responsável nunca foi tão grande.

À medida que a competição por dados aumenta, a confiança distinguirá as organizações que perdurarem.

Este ano, o ritmo da adoção da IA vai colidir com a realidade institucional.

Muitas instituições já mantêm duas crenças conflitantes. A IA está avançando rápido demais para que os educadores implementem de forma cuidadosa, e até mais rápido do que as políticas podem evoluir para fornecer as salvaguardas e proteções necessárias. Ao mesmo tempo, ela não avança rápido o suficiente para enfrentar a escassez de mão de obra, as lacunas de equidade e o aumento das necessidades dos alunos.

Essa tensão vai chegar ao limite.

Os governos vão pressionar por eficiências habilitadas por IA para controlar custos e enfrentar a escassez de mão de obra. As universidades vão priorizar a gestão de riscos, a integridade acadêmica e garantir que os estudantes estejam preparados para o que vem a seguir. Os estudantes esperarão cada vez mais experiências de aprendizagem nativas de IA, personalizadas, relevantes e práticas; e deverão entrar no mercado de trabalho com habilidades fundamentais em IA. Enquanto isso, os educadores enfrentarão uma pressão crescente ao lidar com fadiga de ferramentas, orientações inconsistentes e expectativas em evolução.

O resultado será um momento de acerto de contas.

O setor será forçado a fazer uma escolha. Um caminho é a mudança incremental, tratando a IA da mesma forma que as calculadoras são tratadas hoje, permitida, limitada e incorporada em modelos existentes de ensino e avaliação. A outra é a verdadeira transformação, repensando o que é ensinado, como a aprendizagem acontece e onde a educação se encaixa em um mundo em rápida transformação.

A maioria das instituições provavelmente optará por etapas incrementais por enquanto. Mas evitar a decisão não é neutro. Escolher mudar devagar, ou não mudar, ainda é uma decisão, e que corre o risco de deixar os aprendizes despreparados para o futuro.

Este ano, esperamos ver a primeira onda de monitores de acreditação ou qualidade em IA surgir. Novos padrões de desenvolvimento profissional para educadores preparados para IA serão formados. Orientações globais mais claras sobre integridade acadêmica virão em seguida. A avaliação baseada em resultados ganhará força, fundamentada em avaliações confiáveis. Isso exigirá repensar não apenas quais resultados importam, mas também os processos e métodos usados para medi-los e alcançá-los.

Para o ETS, este é um momento decisivo. À medida que a IA se torna mais acessível, existe um risco real de que ferramentas prontas para uso sejam vistas como "boas o suficiente" por educadores sob pressão, mesmo quando questões de justiça, confiabilidade e validade permanecem ocultas sob a superfície. Quando o conteúdo de IA parece plausível, questões críticas sobre viés, consistência e uso adequado podem facilmente desaparecer.

É exatamente por isso que medição confiável, avaliação fiável e design transparente de IA se tornarão inegociáveis. O papel que o ETS há muito desempenha como guardião da justiça, validade e qualidade torna-se ainda mais central à medida que a IA remodela a forma como a aprendizagem é avaliada e reconhecida. Em um sistema educacional habilitado por IA, rigor não pode ser opcional, e modelos projetados especificamente em torno de dados e resultados educacionais importarão muito mais do que soluções de propósito geral feitas para conveniência.

Ao final do ano, o cenário da educação em IA será fundamentalmente diferente.

O ecossistema se consolidará. Os dados se tornarão um campo de batalha estratégico. A lacuna entre a aceleração da IA e a capacidade humana exigirá resolução.

Na ETS, assumimos a responsabilidade de ajudar a moldar um futuro onde a IA melhore o aprendizado de maneiras justas, seguras e significativas. A próxima era da IA na educação não será definida apenas pelo hype ou pela velocidade.

Será definido pela confiança.