INTRODUÇÃO

A educação profissional, historicamente, está relacionada à formação de trabalhadores para atuar em diferentes setores da produção e é marcada por disputas entre concepções distintas relacionadas ao processo educativo (^{Frigotto, 2012}). Nas últimas décadas, passando a ser denominada de Educação Profissional e Tecnológica (EPT), tem sido definida como uma “modalidade educacional que perpassa todos os níveis da educação nacional, integrada às demais modalidades de educação e às dimensões do trabalho, da ciência, da cultura e da tecnologia” (^{Brasil, 2021}, art. 2^o). Os cursos e programas da EPT podem se desenvolver na forma de: i) Qualificação Profissional, nos diferentes níveis, incluindo formação de trabalhadores; ii) Formação Técnica de Nível Médio, integrada ou não ao Ensino Médio, na Educação Básica e iii) Educação Profissional Tecnológica, de graduação e pós-graduação, incluindo os mestrados e doutorados profissionais.

Em uma sociedade dividida entre aqueles que são detentores do capital e os que possuem a força de trabalho, com interesses antagônicos entre si, a educação se situa no interior da luta de classes (^{Saviani, 2013}), ou seja, a configuração das dinâmicas de poder presentes na sociedade se reflete e influencia diretamente as concepções e práticas educativas, gerando uma dualidade educacional. Essa dualidade, ao longo da história do Brasil, se intensifica no Ensino Médio, com a existência de um tipo de formação destinada à elite, que privilegiava uma educação ampla e humanística, e uma formação para a classe trabalhadora, frequentemente limitada a aspectos técnicos e práticos para profissionalização imediata. Um ensino focado apenas em aspectos técnicos não é suficiente para uma formação que possibilite a superação da fragmentação do conhecimento e contemple as múltiplas dimensões da vida dos estudantes (^{Kuenzer, 2007a}).

Nesse contexto, surge como objetivo da EPT, comprometida com a formação humana integral, a superação da divisão educacional e social do trabalho a partir da oferta de uma educação que integre todas as dimensões da existência, visando à formação omnilateral dos estudantes ​(^{Ramos, 2014})​. ​^{Ciavatta (2014}, p. 191)​ define a formação omnilateral como aquela que ocorre “em todos os aspectos da vida humana - física, intelectual, estética, moral e para o trabalho, integrando a formação geral e a educação profissional”. Isso significa que a EPT busca contemplar tanto a educação voltada para os aspectos técnicos e práticos do mundo do trabalho quanto a educação intelectual ampla e humanística. Essa proposta vem se materializando através do Ensino Médio Integrado, que contém as disciplinas de formação geral e de formação técnica em um único currículo, especialmente nos Institutos Federais de Educação Ciência e Tecnologia, que têm como objetivo oferecer, prioritariamente, essa modalidade de ensino. Os Institutos Federais são, portanto, espaços que buscam a superação da dualidade histórica entre o ensino voltado para a elite e o ensino para a classe trabalhadora, promovendo uma educação que visa não apenas a preparação para o trabalho, mas o desenvolvimento pleno do indivíduo.

Além da formação humana integral e omnilateral, e da integração curricular encontram-se, entre os fundamentos da EPT, o trabalho como princípio educativo, a integração entre o trabalho, a ciência, a tecnologia e a cultura, a interdisciplinaridade, a pesquisa como princípio pedagógico e a indissociabilidade entre educação e prática social (^{Brasil, 2021}). Assim, em uma sociedade em que os avanços tecnológicos são incorporados e transformam o sistema produtivo, os agentes do processo educativo precisam refletir sobre as relações entre tecnologia, educação e mundo do trabalho. Considerando a presença das inovações tecnológicas em outras esferas da vida social, como a comunicação e a arte, os atores da educação necessitam, ainda, analisar os impactos das tecnologias em suas relações com a ciência e com a cultura.

Uma das tecnologias que tem potencial para promover grandes transformações em diferentes aspectos, influenciando significativamente o futuro da sociedade, é a Inteligência Artificial (IA). De forma simplificada, pode-se dizer que a IA é um campo da computação focado no desenvolvimento de sistemas que imitam a inteligência humana. A IA envolve diversas tecnologias e métodos, permitindo que máquinas realizem tarefas complexas como reconhecimento de padrões e tomada de decisões. Em uma de suas vertentes, a IA permite que sistemas aprendam com dados e experiência, sem depender de regras pré-definidas (^{Tiwari, Tiwari, e Tiwari, 2018}).

As múltiplas relações da IA com os fundamentos da EPT levantam diversas questões, cujas reflexões são fundamentais para uma análise crítica do processo educativo. Assim sendo, este artigo tem como objetivo trazer, no contexto da EPT, reflexões sobre as relações, impactos e consequências da IA no sistema produtivo, no processo educativo e na sociedade de forma geral. Para isso, são apresentadas discussões que tratam: das interconexões entre os fundamentos da EPT e a IA, com destaque para as questões políticas, sociais, econômicas e éticas relacionadas à IA; do uso da IA na pesquisa; da interdisciplinaridade da IA, entre outros aspectos relevantes.

Nos próximos parágrafos desta seção introdutória, será apresentado um detalhamento sobre a proposta, estabelecendo as bases para a análise dos temas nos capítulos subsequentes. Cabe destacar que este artigo não busca esgotar as discussões sobre as questões levantadas, mas sim estimular reflexões acerca dos impactos da IA no âmbito educacional e particularmente na EPT. Adicionalmente, os parágrafos seguintes delineiam de forma preliminar os principais temas a serem investigados e descrevem a estrutura do artigo.

A primeira seção do artigo introduz alguns conceitos básicos e reflexões gerais sobre a IA, afinal, antes de iniciar os debates específicos sobre cada tema é importante introduzir alguns elementos básicos sobre IA, necessários à compreensão das discussões subsequentes. Não serão mencionadas ferramentas específicas, mas sim uma visão geral sobre a tecnologia, uma vez que a velocidade de mudanças e surgimento de novas IA poderiam tornar estas partes do texto obsoletas rapidamente.

Na sequência o texto trata especificamente das questões relacionadas ao trabalho, IA e a EPT, uma vez que um dos fundamentos da EPT é o trabalho como princípio educativo. O impacto da IA no mundo do trabalho é uma preocupação de muitos autores da atualidade (^{Schwab, 2016}; ^{Harari, 2018}; ^{Nazareno; Schiff, 2021}; ^{Cramarenco; Burcă-Voicu; Dabija, 2023}; Markelius et al., 2024​​​). Esses impactos não se limitam à questão de postos de trabalho, mas incluem relações econômicas e trabalhistas e, em especial, a formação dos trabalhadores (^{Kuenzer, 2000}; ^{Kuenzer, 2007​b}; ^{Frigotto, 2012}). Dessa maneira, uma discussão sobre as transformações no mundo do trabalho trazidas pela utilização da IA e a relação que se estabelece entre essas mudanças no mundo do trabalho e a educação profissional é apresentada na seção “Trabalho, IA e Educação Profissional”.

Para além disso, cabe destacar que as inúmeras aplicações possíveis para a IA desempenham papel crucial na estruturação de novas dinâmicas sociais, não apenas no tocante à economia e ao trabalho, mas também em aspectos políticos, culturais e científicos. Aqui, cabe lembrar que um dos fundamentos da EPT é a integração entre o trabalho, a ciência, a tecnologia, a cultura e a indissociabilidade entre educação e prática social. Assim sendo, alguns tópicos trazendo reflexões sobre interconexões entre a IA e processos de formação dos seres humanos, na perspectiva da EPT, são apresentados na seção “IA e Formação Humana”. Considerando a complexidade do tema, esta seção está subdividida em três partes, sendo: “Direitos Humanos, Igualdade Étnico-Racial e de Gênero”, “Pesquisa e autoria” e “Interdisciplinaridade”.

Na subseção “Direitos Humanos, Igualdade Étnico-Racial e de Gênero”, é aboraddo um aspecto pertinente ao tema, referente às questões éticas que surgem junto à IA, com desteque para: os vieses que podem ser introduzidos nos sistemas pelos conjuntos de dados usados e pelas escolhas feitas pelos seus desenvolvedores, resultando em discriminação; a complexidade de alguns tipos de IA, nos quais os fatores de decisão são inacessíveis à verificação ou correção humana, levantando preocupações quanto à explicabilidade e transparência; questões relacionadas ao direito à privacidade individual e à segurança dos dados; a possibilidade de que algoritmos de IA reforcem crenças pré-existentes com base nos interesses dos usuários, o que pode restringir o acesso a novas ideias, entre outras ​(^{Liu; Roehl; Mukherjee, 2021})​. A necessária indissociabilidade entre educação e prática social, que sustenta a EPT, exige um processo formativo que permita uma visão ampla e crítica sobre todas estas questões.

Na subseção “Pesquisa e autoria”, uma discussão que permeia a pesquisa como princípio pedagógico, base da EPT, envolve o impacto que a IA traz para o campo da pesquisa. A IA se insere no contexto da pesquisa, seja na forma de uma pesquisa para uma tarefa escolar simples que pode ser feita no ChatGPT, seja na forma de um trabalho de sistemas complexos de IA na simulação da ação de novos medicamentos. Essa participação da IA na pesquisa levanta um conjunto de questões autorais e de propriedade intelectual.

Por fim, na subseção “Interdisciplinaridade”, discute-se a característica interdisciplinar da IA, tanto em seus princípios científicos e tecnológicos, que envolvem conhecimentos de diferentes áreas do saber, quanto nas possibilidades de aplicação na EPT. A afirmação desta interdisciplinaridade intrínseca e aplicada não exclui, de forma alguma, as especificidades de cada área do saber, o que se reflete nas diferentes seções, que tratam particularmente de alguns tópicos de interesse. Neste contexto, nesta subseção é abordado o aspecto interdisciplinar da IA, no que toca à sua relação com os fundamentos da EPT, ainda que em muitos momentos anteriores do texto as intersecções entre os diferentes aspectos da IA se façam evidentes.

Dessa maneira, tem-se que este estudo contribui para a prática profissional da EPT ao proporcionar reflexões fundamentais sobre as intersecções entre a IA e os princípios norteadores da EPT. Ao analisar criticamente as relações entre IA, trabalho, pesquisa, direitos humanos e interdisciplinaridade, o estudo fornece subsídios para que os profissionais da EPT possam repensar suas práticas pedagógicas e desenvolver estratégias educacionais que contemplem os desafios e oportunidades trazidos por esta tecnologia. Para o campo da literatura sobre IA, a pesquisa inova ao examinar esta tecnologia sob a perspectiva específica da EPT, evidenciando como seus impactos se manifestam em um contexto educacional que busca a formação omnilateral dos estudantes e a mitigação da dualidade histórica existente na educação profissional.

INTELIGÊNCIA ARTIFICIAL: ASPECTOS GERAIS

Inicia-se esta seção com algumas definições básicas e fundamentais para a compreensão da IA. Porém, cabe destacar que uma ampla compreensão sobre todos os conceitos científicos e tecnológicos relativos ao funcionamento das IAs é uma tarefa complexa, que requer conhecimentos avançados de computação, ciências de dados, entre outros, que fogem ao escopo deste artigo. No entanto, sendo um dos objetivos da EPT fornecer aos estudantes as bases necessárias para uma análise crítica da tecnologia, considera-se necessário que todos os agentes da EPT sejam capazes de compreender alguns aspectos básicos a respeito das IAs.

A IA, pioneiramente conceituada por John McCarthy, representa o campo da computação dedicado ao desenvolvimento de sistemas capazes de imitar a inteligência humana. Este ramo científico concentra-se em criar máquinas que possam processar informações e responder a estímulos de forma similar ao cérebro humano. A IA atua como um campo abrangente na computação, englobando diversas tecnologias e métodos para desenvolver sistemas inteligentes. Seu escopo inclui desde algoritmos básicos até técnicas sofisticadas de aprendizado, permitindo que máquinas realizem tarefas complexas como reconhecimento de padrões, tomada de decisões e resolução de problemas - capacidades tradicionalmente associadas à cognição humana. O Machine Learning (ML), um ramo da IA, permite que sistemas computacionais aprendam a partir de dados, exemplos e experiência, em vez de seguir regras pré-programadas. Através do ML, computadores podem melhorar seu desempenho em tarefas específicas ao longo do tempo, utilizando técnicas como Regressão Linear, Árvores de Decisão, Random Forest e Redes Neurais Artificiais para identificar padrões e tomar decisões baseadas em dados. Já o Deep Learning (DL) é uma subdivisão especializada do ML que utiliza Redes Neurais Artificiais com múltiplas camadas para processar dados em sua forma bruta. Esta técnica tem se mostrado particularmente eficaz em tarefas como processamento de linguagem natural, reconhecimento de voz, reconhecimento de imagem, entre outras, superando em muitos casos o desempenho humano. A relação entre estes conceitos pode ser entendida como hierárquica: DL é um tipo específico de ML, que por sua vez é um ramo da IA (^{Tiwari, Tiwari, e Tiwari, 2018}).

A partir das definições apresentadas, destaca-se a relevância de uma característica central das IAs abordadas neste artigo: a utilização de grandes bases de dados para o processo de aprendizado. Essa característica é um ponto crucial, pois acarreta uma série de desafios e controvérsias associadas ao tema. Isso se deve ao fato de que tais bases de dados são criadas por seres humanos, refletindo, portanto, uma gama ampla das questões sociais existentes. Assim, as IAs podem reproduzir e amplificar problemas como vieses, desigualdades e discriminações presentes nas estruturas sociais, o que torna necessário um exame crítico dos impactos dessas tecnologias.

A IA tem evoluído rapidamente com o surgimento de novas abordagens e técnicas que ampliam ainda mais as suas capacidades. Embora o conceito de IA tenha sido pioneiramente introduzido por John McCarthy em 1956, o desenvolvimento exponencial desta tecnologia é um fenômeno relativamente recente, impulsionado principalmente pelos avanços em capacidade de processamento, disponibilidade de grandes volumes de dados e evolução de técnicas como Machine Learning e Deep Learning. Neste cenário de evolução tecnológica, as IAs generativas emergiram como uma das mais significativas inovações no campo, destacando-se por sua capacidade de criar conteúdo novo e original a partir de dados existentes. Cabe então destacar o lançamento público do ChatGPT em novembro de 2022, que constitui um marco na evolução dos sistemas de IA, não apenas por permitir o acesso a uma tecnologia de processamento de linguagem natural anteriormente restrita a ambientes especializados, mas também por evidenciar um avanço sem precedentes na capacidade dos sistemas de IA em compreender, processar e gerar conteúdo em linguagem natural de forma contextualmente apropriada e semanticamente coerente. Esta inflexão tecnológica representa uma ruptura significativa com os modelos anteriores, estabelecendo novos parâmetros para a interação humano-máquina e provocando transformações profundas nas dinâmicas sociais, educacionais e profissionais contemporâneas. No contexto histórico-econômico atual, caracterizado por rápidas transformações tecnológicas e demandas crescentes por automação e processamento de informações, estas ferramentas ganham especial relevância por sua capacidade de gerar conteúdo, processar linguagem natural e realizar tarefas complexas que antes eram exclusivamente humanas. Esta evolução tecnológica não apenas responde às necessidades de um mundo cada vez mais digitalizado, mas também levanta importantes questões sobre o futuro do trabalho, da educação e das relações sociais, especialmente considerando que estas tecnologias são treinadas com dados que podem refletir e amplificar questões sociais existentes, como vieses e desigualdades.

Dentre as IAs generativas, duas abordagens se destacam em relação aos temas abordados neste texto: os Modelos de Linguagem de Grande Escala (LLM - Large Language Models) e as Redes Generativas Adversariais (GAN - Generative Adversarial Networks). As LLMs, como o ChatGPT, Claude.ai, Gemini, entre outros, são projetadas para entender e gerar linguagem humana de forma coerente, baseando-se em grandes volumes de texto e permitindo a realização de tarefas como tradução automática, geração de textos e até mesmo diálogos interativos. Estas IAs baseiam-se em um tipo específico de arquitetura de Rede Neural Artificial conhecida como Transformer. O funcionamento das LLMs envolve um processo complexo de geração de texto. Quando um estímulo é dado (prompt com um comando), ele é inicialmente dividido em unidades menores chamadas de tokens, que são inseridos no modelo. O modelo então utiliza padrões estatísticos para prever a sequência mais provável de palavras ou frases que formariam uma resposta coerente ao estímulo. Esses padrões são baseados em grandes volumes de textos extraídos de diversas fontes, como a internet. Ou seja, o modelo aprende a partir de dados de fontes não necessariamente confiáveis. O modelo avalia a probabilidade de ocorrência de palavras ou frases específicas no contexto dado e, a partir dessa análise, gera a resposta palavra por palavra, repetindo o processo até que uma resposta completa seja formada. Em uma tentativa de evitar resultados ofensivos ou prejudiciais durante essa geração, filtros conhecidos como guardrails são aplicados. Além disso, após a geração do texto, a resposta é pós-processada para garantir maior legibilidade, incluindo ajustes como formatação e pontuação, e a introdução de palavras iniciais que são típicas em respostas humanas, como "certamente" ou "claro" (^{Unesco, 2024}).

Já as IAs generativas de imagem e música geralmente utilizam Redes Generativas Adversariais. As GANs consistem em dois componentes: o "gerador", que cria imagens ou músicas a partir de um comando, e o "discriminador", que tenta distinguir entre o conteúdo gerado e o real. O gerador ajusta seus parâmetros com base nos resultados do discriminador, repetindo o processo até que as imagens ou músicas geradas se tornem cada vez mais realistas. Por exemplo, uma GAN treinada com fotografias de paisagens pode gerar imagens quase indistinguíveis de fotos reais, e uma treinada com músicas populares pode criar novas composições com a mesma estrutura. Cabe aqui reforçar que esses modelos são treinados a partir de imagens oriundas de fontes muitas vezes desconhecidas, o que pode gerar problemas relacionados à qualidade e à autenticidade do conteúdo gerado. Como as imagens e músicas são extraídas de vastos bancos de dados, muitas vezes sem um controle rigoroso sobre as fontes, é possível que o conteúdo gerado tenha imprecisões ou distorções, comprometendo sua confiabilidade. Além disso, como essas IAs são treinadas com bases de dados compostas por imagens criadas por humanos, elas inevitavelmente refletem os vieses presentes nesses dados. Por exemplo, uma IA geradora de imagens pode reproduzir estereótipos ou preconceitos presentes nas imagens usadas para treiná-la, como a predominância de certas etnias, levando a resultados que não representam de forma justa e equilibrada a diversidade humana. Portanto, é crucial estar atento aos vieses e limitações desses modelos, especialmente ao utilizá-los em contextos sensíveis ou de alto impacto social (^{Unesco, 2024}).

Independentemente do tipo de IA generativa escolhida por professores ou estudantes, é fundamental compreender as técnicas adequadas para inserir dados nesses sistemas, processo denominado engenharia de prompts. Essa prática é essencial para garantir a obtenção de resultados eficazes com a IA generativa. Embora o uso dessas tecnologias pareça simples, a tarefa de formular comandos que atinjam o resultado desejado frequentemente exige ajustes e refinamentos nos prompts. A engenharia de prompts envolve a aplicação de técnicas específicas para a criação de comandos que se alinhem mais precisamente à intenção do usuário, incluindo o uso de uma linguagem clara e direta, exemplos ilustrativos, fornecimento de contexto relevante e a realização de iterações. É igualmente importante que os comandos sejam éticos e evitem gerar resultados inadequados ou prejudiciais. Além disso, é imprescindível realizar uma avaliação crítica dos resultados fornecidos pela IA, pois estas podem apresentar falhas ou gerar informações imprecisas. A avaliação rigorosa do desempenho, com a adoção de métricas específicas para cada tipo de tarefa, torna-se um passo crucial antes da implementação em larga escala de ferramentas de IA generativa, especialmente em contextos de alto risco (^{Unesco, 2024}).

Embora as IAs generativas tragam inovações transformadoras, o foco do artigo, conforme já apresentado na introdução, é provocar uma reflexão sobre os desafios e problemas que essas tecnologias podem acarretar no contexto da EPT. Ao explorar as potencialidades dessas IAs, o artigo também busca destacar as questões éticas, sociais e educacionais que surgem com o seu avanço, como a automação de tarefas, a questão da autoria e o impacto na formação profissional, questionando como essas tecnologias podem afetar a preparação dos alunos para um futuro cada vez mais influenciado por elas.

Neste contexto, após uma apresentação inicial sobre as IAs, o texto segue com as primeiras reflexões gerais sobre o uso das IAs generativas. Dessa maneira, traz-se a reflexão proposta por ^{Crawford (2022}), que discute a natureza e os impactos das tecnologias de IA. Segundo a autora, a IA não é nem artificial e nem inteligente. A autora destaca que a IA é composta por recursos naturais, trabalho humano, infraestrutura, combustível, histórias, logística e classificações. Os sistemas de IA não são autônomos, racionais ou aptos a discernir qualquer coisa sem um treinamento computacional extenso e intensivo, usando grandes volumes de dados ou regras e recompensas pré-estabelecidas. Na realidade, a IA, tal como a conhecemos, carrega uma vasta gama de estruturas econômicas, políticas, culturais e históricas. Assim, os sistemas de IA tanto refletem quanto produzem relações sociais e compreensões do mundo. Esta visão mais ampla sobre a IA se alinha à perspectiva, na EPT, de que o processo educativo se estabelece na interface entre trabalho, ciência, cultura e tecnologia e de que o processo educativo não se separa da prática social.

Outro aspecto importante a ser destacado é o da significação das informações geradas pela IA. As ferramentas atuais são propensas a "alucinações", gerando textos que podem não ter sentido ou ser inverídicos, mas que são apresentados de uma maneira que aparentam ser confiáveis. Sobre essa questão, Amorim (2024) afirma que os textos empregados no treinamento das IAs não possuem significado intrínseco para o modelo e os textos gerados por ele só ganham sentido quando interpretados por seres humanos. Assim, para o bom uso do material gerado pela IA é fundamental um conhecimento prévio do assunto e a capacidade de análise crítica do conteúdo textual.

Além disso, existe o fato de que as IAs dependem de grande infraestrutura física e tecnológica para seu treinamento e funcionamento. Neste contexto, devido ao investimento necessário para construir uma IA em grande escala, os sistemas de IA são, em última análise, desenvolvidos para atender aos interesses das classes dominantes. Por trás dos textos gerados pelas IAs, está o conhecimento humano construído ao longo de séculos e armazenado digitalmente, constituindo a matéria-prima que as grandes empresas de tecnologia, as Big Techs, utilizam. Dessa maneira, este tema exige uma reflexão que ultrapassa o conhecimento sobre Redes Neurais Artificiais e sobre reconhecimento estatístico de padrões. Deve-se ir além e buscar refletir sobre o que está sendo otimizado e para quem. A IA é um instrumento de poder. A IA é fundamentalmente política.

Ainda neste contexto, ^{Crawford (2022}) afirma que quem dominar a tecnologia de IA vai dominar o poder de definir como o mundo é medido e interpretado. A autora diz que as perspectivas subjacentes ao campo da IA não emergem de forma independente, mas sim moldadas por um conjunto específico de crenças e visões de mundo. Crawford (2022) ainda destaca que os principais arquitetos da IA são um grupo restrito e homogêneo de indivíduos, concentrados em poucas cidades, atuando em uma indústria que atualmente detém a maior riqueza do mundo. Quando analisa-se estes aspectos, nota-se que existe uma tendência ainda maior de concentração de poderes e um aumento das desigualdades sociais, afinal, esta concentração de recursos aumenta e perpetua os desequilíbrios existentes na sociedade, favorecendo aqueles com maior acesso à tecnologia e capital.

Outra questão é a da responsabilidade pelo que é gerado pela IA. Amorim (2024) cita como exemplo o fato de o ChatGPT ter acusado um professor de assédio sexual de forma equivocada. Em um cenário no qual a acusação fosse protagonizada por uma pessoa, tal episódio seria considerado calunioso e mentiroso. Como foi uma IA que gerou a acusação, o fato foi classificado apenas como uma “alucinação”. Analisando o problema, o autor afirma que uma máquina não tem capacidade de alucinar, uma vez que age de acordo com modelos e algoritmos implementados por humanos. O que ocorre é que, na medida que os modelos de aprendizado de máquina se tornam mais complexos, as respostas dos sistemas, considerados inteligentes, tornam-se cada vez mais imprevisíveis. Amorim (2024) ainda afirma que exemplos como esse ilustram as consequências, de longo alcance, que podem surgir quando tecnologias imaturas são lançadas ao público para testes práticos, quase sem regulação.

Em paralelo à responsabilização, a ampla utilização da IA na sociedade faz surgir a preocupação com a regulamentação para desenvolvimento e uso dessa tecnologia. A aplicação de IA em larga escala exige grandes investimentos, pressionando os líderes empresariais a lançarem produtos rapidamente, dificultando a conciliação entre o retorno financeiro a curto prazo e as precauções necessárias para lidar com tecnologias potencialmente destrutivas. Se torna urgente, portanto, a proposição de normas que regulam as tecnologias em nível nacional e/ou global.

No momento do desenvolvimento deste texto, apenas a União Europeia tem aprovado uma regulação de IA no mundo. O bloco se tornou o primeiro a determinar regras para o uso da IA e tende a influenciar o resto do planeta. Guillot (2024) informa que a principal preocupação do Parlamento Europeu é assegurar que os sistemas de IA utilizados na União Europeia sejam seguros, transparentes, rastreáveis, não discriminatórios e ambientalmente sustentáveis. O regulamento também prevê que é essencial que os sistemas de IA sejam monitorados por seres humanos, em vez de operarem de forma totalmente automatizada, para evitar consequências negativas. Guillot (2024) também informa que a normativa estabelece obrigações para os fornecedores e utilizadores de IA, e estas obrigações dependem do nível de risco que a IA oferece. O autor apresenta estes níveis de riscos e os tipos de aplicações que se encaixam nos respectivos níveis. A título de exemplo, pode-se citar aqui a aplicação “pontuação social”, que classifica pessoas com base no comportamento, estatuto socioeconómico e caraterísticas pessoais; esta aplicação é classificada como “risco inaceitável”.

Apesar desta ser a primeira regulamentação no mundo, existem diversos documentos que norteiam o uso da IA e, quando analisados, apresentam preocupações e diretrizes muitas vezes semelhantes. Corrêa et al. (2023) desenvolveram uma pesquisa que buscou determinar se existe um consenso global sobre os princípios éticos que devem governar o uso da IA e contribuir para a formação de futuras regulamentações. Para isso, os autores realizaram uma análise de 200 políticas de governança e diretrizes éticas para o uso da IA, publicadas por órgãos públicos, instituições acadêmicas, empresas privadas e organizações da sociedade civil em todo o mundo. Os autores identificaram diversos princípios recorrentes nas políticas e diretrizes, tais como: transparência, explicabilidade, auditabilidade, fiabilidade, segurança, fidedignidade, justiça, equidade, não discriminação, privacidade, responsabilização, responsabilidade, liberdade, autonomia, valores democráticos, soberania tecnológica, diversidade, inclusão, pluralismo, acessibilidade, beneficência, não maleficência, dignidade, direitos humanos, cooperação, concorrência leal, fonte aberta, centramento no ser humano, alinhamento, sustentabilidade, direitos laborais, veracidade, propriedade intelectual, direitos das crianças e dos adolescentes.

Quando todos estes aspectos são analisados, nota-se a abrangência do tema e destaca-se, mais uma vez, a importância deste assunto ser priorizado no ambiente da EPT, reforçando a ponderação de ​^{Crawford (2022})​, que afirma que os sistemas de IA estão embutidos nos mundos social, cultural, político, e econômico, moldados por seres humanos e instituições que determinam o que eles fazem e como o fazem. Assim sendo, é importante reforçar que a história da educação profissional no Brasil revela uma dicotomia persistente: de um lado, uma formação ampla e humanística destinada às classes dominantes; de outro, um ensino técnico e pragmático voltado aos trabalhadores. Essa divisão reflete e mantém desigualdades sociais históricas. Por isso, é essencial compreender que uma formação exclusivamente técnica, focada apenas no desenvolvimento de habilidades práticas, é insuficiente para proporcionar uma educação capaz de lidar com a complexidade multidisciplinar presente nos sistemas de IA.

Sob essa ótica, é fundamental refletir sobre uma educação que promova uma concepção e práticas pedagógicas voltadas para a formação de indivíduos críticos, capazes de impulsionar transformações profundas e urgentes na realidade (^{Oliveira; Dias, 2022}). Em outras palavras, é preciso conceber uma educação omnilateral, ou seja, que favoreça o desenvolvimento integral do ser humano, assegurando a todos o direito de receber uma educação completa, que possibilite uma leitura real do mundo e permita a atuação cidadã, politicamente integrada à sociedade (^{Ciavatta, 2008}).

Nesse sentido, Oliveira e Frigotto (2021) afirmam que “esses princípios sinalizam uma escola que forme o homem em sua totalidade e integralidade, a partir de ampla visão sobre o mundo. A formação profissional e tecnológica implica formar para o trabalho enquanto manifestação de autonomia, emancipação e criação” (Oliveira; Frigotto, 2021).

TRABALHO, IA E EDUCAÇÃO PROFISSIONAL

A história da humanidade é marcada por grandes mudanças na forma como os seres humanos produzem alimentos, abrigo e todo tipo de bens materiais, ou seja, no mundo do trabalho; um dos motores dessas transformações é o desenvolvimento tecnológico. As mudanças nos processos produtivos e no trabalho, por sua vez, são acompanhadas e/ou promovem transformações nas relações entre os homens e na forma de educar as novas gerações, preparando-as para o trabalho. Com isso em mente, nesta seção, que se inicia com a apresentação da concepção adotada para trabalho e para educação, discorre-se sobre as mudanças nos processos produtivos e no mundo do trabalho ao longo da história e sua influência nos processos educativos, para que seja possível compreender a discussão subsequente sobre os impactos da IA no sistema produtivo e no mundo do trabalho contemporâneos, bem como seus reflexos no sistema educacional.

O trabalho, concebido como a ação do homem sobre a natureza transformando-a segundo suas necessidades e transformando-se a si mesmo no processo, é considerada uma característica própria dos seres humanos (^{Frigotto, 2012}). A educação, por sua vez, pode ser definida como a apropriação, pelas novas gerações, dos conhecimentos e da cultura social e historicamente construídos; quando se trata da aquisição de conhecimentos mais diretamente relacionados com a produção de bens, caracteriza-se como Educação Profissional (^{Ramos, 2012}).

Nas sociedades primitivas, em que os seres humanos produziam coletivamente sua existência, sem diferenciações nos princípios do trabalho, a educação das novas gerações e o trabalho em si eram ações inseparáveis e ocorriam de forma essencialmente semelhante para todos os membros do conjunto social ​(^{Saviani, 2007})​. Desde que a sociedade se estruturou em classes, sejam homens livres e escravos ou senhores feudais e vassalos, no entanto, o trabalho se diferenciou, caracterizando-se por um lado, como trabalho intelectual, realizado pela classe dominante, e trabalho manual, operado pela classe dominada. Acompanhando a diferenciação do trabalho, a educação também se dividiu: uma educação humanística para a classe dominante e uma educação destinada à aprendizagem de técnicas para o trabalho manual, para a classe dominada (​Saviani, 2007​; ^{Kuenzer, 2000}).

Na sociedade capitalista industrializada, a Ciência, representante do trabalho intelectual, materializou-se no processo produtivo por meio do desenvolvimento tecnológico. Como consequência, passou a ser necessário fornecer ao trabalhador qualificações que envolviam conhecimentos específicos “determinados diretamente pelas necessidades do processo produtivo” (^{Saviani, 2007}, p. 159), ou seja, além de conhecimentos dos práticos, certa formação intelectual limitada (^{Ramos, 2012}). A dualidade educacional, nesse contexto, caracteriza-se pela existência de escolas de formação geral para a classe dominante e de formação profissional para os trabalhadores, dando origem aos sistemas de Educação Profissional (^{Kuenzer, 2007a}). Essas escolas são inicialmente destinadas às populações marginalizadas e possuem como objetivo atender às demandas do mercado de trabalho, formando profissionais para atuarem na indústria, no comércio e no setor de serviços. Por princípio, estruturam-se a partir de um processo educacional restrito, que visa a capacitação para a reprodução de procedimentos, privilegiando a memorização e a repetição, sem aprofundamento intelectual (^{Kuenzer, 2007b}).

Os avanços tecnológicos da segunda metade do século XX, em especial na área da microeletrônica, promovem novas transformações no processo produtivo e, como consequência, no mundo do trabalho. O capitalismo transitou para um sistema de acumulação flexível, baseado na flexibilização dos produtos, do consumo, do comércio e dos processos de trabalho. Os processos de automatização aplicados à produção industrial reduziram a necessidade da força de trabalho humana e passaram a exigir trabalhadores que pudessem operar tecnologias em constante desenvolvimento ou resolver os problemas gerados por sistemas tecnológicos complexos ​(^{Kuenzer, 2007​b}). Assim, “O trabalhador tradicional, que usava as mãos e a força para o trabalho, não serve mais para desempenhar suas atividades como cidadão-homem da pólis, sujeito e objeto de direitos, e como trabalhador” (^{Kuenzer, 2000}, p.36). Vale destacar, neste ponto, que a transformação introduzida pela microeletrônica e pela automação, na produção e no trabalho, iniciam o processo que é reforçado pela posterior incorporação da IA na sociedade.

Para preparar os trabalhadores para a nova realidade, a educação deve, então, formar profissionais flexíveis, capazes de se atualizar a fim de acompanhar os avanços gerados pelo rápido desenvolvimento da Ciência e da Tecnologia aplicados ao sistema produtivo. Passa a ser o papel da educação o “desenvolvimento de competências que permitam aprender ao longo da vida” (^{Kuenzer, 2007b}, p.1159). Com isso, ao menos em teoria, o processo educativo no sistema de acumulação flexível alinha-se à ideia de que uma educação geral e tecnológica para todos, que permita a apropriação dos diferentes conhecimentos científicos que estruturam as formas manifestas de trabalho; quando se considera, no entanto, que o trabalho é prática social e coletiva, as evidências da dualidade estrutural ficam se evidenciam. Com a redução acentuada dos postos de trabalho que efetivamente exigem uma formação geral e tecnológica, cresce a necessidade por trabalhadores com baixa qualificação e alta rotatividade​(^{Kuenzer, 2007b}). A educação novamente se estrutura para atender às duas demandas: de um lado, uma formação inicial propedêutica complementada por formação científico-tecnológica e sócio-histórica avançada; por outro lado, preparação geral e treinamentos aligeirados com foco em ocupações pontuais das cadeias produtivas (^{Kuenzer, 2007b}).

Neste início de século, são observadas novas transformações sociais, marcadas por “um rompimento crescente e cada vez mais radical, pelo capital, dos controles à sua ganância máxima e uma nova base científico-técnica na produção (digital-molecular) e nos processos de sua gestão” (^{Frigotto, 2012}, p. 67). O avanço da tecnologia e da aplicação da IA nas diferentes esferas da vida: econômica, política, científica, produtiva, pessoal etc. é, provavelmente, o aspecto mais significativo dessa transformação: “Sabemos que o aprendizado de máquina e a robótica vão mudar quase todas as modalidades de trabalho - desde a produção de iogurte até o ensino da ioga” (^{Harari, 2018}, p.40).

O uso da IA nos processos produtivos, em oposição aos grandes benefícios que oferece em termos de eficiência e precisão, reduz não apenas a necessidade do trabalho manual dos seres humanos, como ocorreu nos processos de automação eletromecânica e microeletrônica, mas parte das tarefas intelectuais dos trabalhadores também passa a ser transferido para as máquinas (^{Harari, 2018}): “o trabalho de diversos profissionais diferentes poderá ser parcial ou completamente automatizado, a saber, advogados, analistas financeiros, médicos, jornalistas, contadores, corretor de seguros ou bibliotecários” (^{Schwab, 2016}, p. 39, tradução nossa).

Com o avanço da Ciência da Computação, associado ao desenvolvimento das ciências da vida (Genética, Neurociência....), sistemas de IA são/serão cada vez mais capazes de identificar padrões de comportamento natural, social e individual e tomar decisões em relação ao trânsito, investimentos ou diagnósticos médicos de forma mais eficiente que os seres humanos. Além disso, computadores se conectam facilmente em rede, permitindo constante compartilhamento de informações e atualizações (leis, novas doenças ou novos medicamentos), transformando decisões individuais, como as de um motorista em um cruzamento, em decisões em rede, tomadas por um algoritmo que controla um conjunto de carros autônomos (^{Harari, 2018}). É de se esperar, portanto, que a IA esteja presente de forma cada vez mais intensa no mundo do trabalho, tanto nos processos industriais quanto no setor de serviços, antes ocupado essencialmente por seres humanos.

Diversos estudos buscam avaliar os impactos da IA no sistema produtivo, em termos da redução do trabalho humano. Markelius et al. (2024), por exemplo, afirmam que as atividades assumidas pela IA nas empresas podem absorver de 60 a 70% do tempo dos trabalhadores. ^{Schwab (2016}) indica que até 47% dos postos de trabalho dos Estados Unidos estão em risco nas próximas décadas. Nazareno e Schiff (2021) mencionam diversas pesquisas sobre o assunto que apontam para o risco de substituição do trabalho humano de mais de 50% nos Estados Unidos, por volta de 44% nos países da Organização para a Cooperação e o Desenvolvimento Econômico (OECD) e de uma queda global da força de trabalho de até 14%.

Além da redução dos postos de trabalho, o aumento da presença da IA nos processos de produção pode afetar múltiplas dimensões do processo produtivo, desde requisitos do emprego, passando pela concepção e execução de tarefas até as técnicas de avaliação. Como consequência, podem ser produzidos impactos no bem-estar e a saúde mental e física dos trabalhadores relacionados à: liberdade, autonomia, sentido de significado, satisfação, atualização constante, monitorização externa, relações interpessoais, insegurança (Markelius et al., 2024; Nazareno; Schiff, 2021; ^{Cramarenco; Burcă-Voicu; Dabija, 2023}).

Todos os processos de transformação do mundo do trabalho que ocorreram ao longo da história levaram a perdas de postos de trabalho e criação de novos postos, bem como a mudanças nos modos de vida dos trabalhadores. O que ocorre atualmente é uma significativa aceleração e radicalização das transformações, em comparação com o que ocorreu anteriormente, gerando a redução de vagas de emprego aliada a uma forte polarização do trabalho: de um lado, uma pequena quantidade de cargos que exigem alta capacidade cognitiva/intelectual e, de outro, maior número de ocupações que não exigem qualificação (^{Schwab, 2016}).

A polarização no trabalho, ocasionada pela presença da IA no sistema produtivo remete, por sua vez, à dualidade do processo educativo, de forma semelhante a que se verificou com o desenvolvimento da eletrônica e da automação.. Nas palavras de Kuenzer:

O desenvolvimento científico e tecnológico, quanto mais avança, mais introduz uma contradição na relação entre educação do trabalhador e processo produtivo: quanto mais se simplificam as atividades práticas no fazer, mais complexas se tornam no gerenciamento e na manutenção, em decorrência do desenvolvimento científico que encerram (^{Kuenzer, 2000}, p. 35).

Isso significa que a formação educacional, para a maioria dos trabalhadores que vão exercer atividades ligadas à simples operacionalização de sistemas de IA, o que não exigem alto grau de qualificação, pode ser bastante simplificada, voltada ao desenvolvimento de habilidades manuais e alguns conhecimentos básicos para lidar com as interfaces tecnológicas, cada vez mais simples de utilizar. Pode-se citar como exemplo os motoristas vinculados a aplicativos, atividade crescente nos últimos anos: tal trabalho exige mais habilidades físicas (dirigir o veículo) do que intelectuais, já que as operações mais complexas são realizadas por um algoritmo inteligente que seleciona os passageiros, faz as cobranças e pagamentos, estabelece a rota da viagem etc.; a formação de tais trabalhadores não exige processos escolares longos ou altamente qualificados.

No outro extremo da polarização encontram-se as ocupações com alto grau de qualificação, que envolvem a geração, a atualização e a manutenção dos sistemas inteligentes em funcionamento. Estas ocupações exigem operações cognitivas de alto nível de complexidade, desenvolvidas a partir de uma formação educacional de longa duração, que deve incluir a apropriação dos múltiplos princípios científicos construídos pelos seres humanos ao longo da história e sua aplicação no desenvolvimento das modernas tecnologias. No caso da IA, além de uma educação básica sólida, que efetivamente permita a compreensão de princípios científicos e o desenvolvimento de habilidades intelectuais complexas, a formação necessária envolve conhecimentos específicos avançados de matemática e da ciência da computação, além de questões econômicas, éticas e sociais que estão relacionadas com a aplicação desses sistemas, como está sendo explicitado neste artigo.

Um olhar para o que tem se processado na educação no Brasil em anos recentes permite vislumbrar reflexos dessa dualidade, inclusive nas normas relativas à EPT, foco deste estudo. A literatura científica que discute as bases da Educação Profissional e Tecnológica centra-se na perspectiva do trabalho como princípio educativo, da pesquisa como princípio pedagógico, da formação omnilateral, politécnica e integral dos estudantes e na busca de integração curricular, almejando um único tipo de formação para todos os jovens. Tal fundamentação chega a perpassar as diretrizes da EPT (^{Brasil, 2021}), mas seus dispositivos também dialogam com uma perspectiva mais mercadológica do trabalho, quando indicam que esta modalidade educacional se destina à “construção coerente de itinerários formativos, com vista ao preparo para o exercício das profissões operacionais, técnicas e tecnológicas” ou que é sua função estar “contribuindo para a empregabilidade dos egressos” (^{Brasil, 2021}). Quando o objetivo do processo educativo é preparar para profissões operacionais e técnicas ou “empregar”, os princípios científicos e a formação geral humanística não são necessários, limitando as perspectivas de atuação do futuro profissional aos postos de baixa qualificação, distantes da compreensão e do desenvolvimento dos sistemas altamente tecnológicos inseridos no mundo do trabalho.

A dualidade educacional também se faz evidente quando a resolução que define as diretrizes para a EPT prevê que ela pode ocorrer de duas formas bastante distintas, atendendo às diferentes formas de trabalho que caracterizam o atual processo produtivo. Uma das formas é a EPT articulada com a educação básica ou superior, ou seja, uma formação geral e científica articulada à formação profissional, o que ocorre, por exemplo, nos cursos técnicos integrados ao Ensino Médio, com duração de 3 a 4 anos; esta modalidade pode, efetivamente, incluir uma formação que capacite ao estudante compreender e lidar com tecnologias como a IA. A outra, são as “diferentes formas de formação continuada, em instituições credenciadas para sua oferta ou no ambiente de trabalho” (^{Brasil, 2021}); apesar da formação continuada ser importante para o aprimoramento e atualização dos trabalhadores, podendo ser realizada de forma séria e científica em Instituições de Ensino, a falta de especificação sobre as instituições credenciadas e sobre as normas para que essa formação ocorra, inclusive no ambiente de trabalho, abre a possibilidade para a existência de qualificações de baixo nível, curta duração, sem envolver bases científicas, respondendo superficialmente às rápidas mudanças nos postos de trabalho de baixa qualificação da cadeia produtiva.

Os elementos trazidos à discussão permitem afirmar que os sistemas de IA estão e devem continuar transformando significativamente o mundo do trabalho, em alta velocidade, e que as mudanças promovidas podem gerar impactos econômicos e sociais ainda não completamente avaliados, bem como impactos diretos no processo educativo de formação dos trabalhadores. Um caminho que vem se configurando, nesse sentido, é o de reforço da dualidade educacional historicamente construída, quando se oferece, de um lado, uma formação básica para uma maioria de trabalhadores que vão apenas operar sistemas que envolvem IA, restringindo suas perspectivas profissionais e, de outro, uma formação altamente qualificada para um reduzido número de pessoas efetivamente capazes de compreender todas as implicações da presença da IA na sociedade. Uma alternativa a este caminho, pela qual se deve lutar, é a oferta de uma educação que busque a formação integral e omnilateral de todos os estudantes, como pretendem as premissas da Educação Profissional e Tecnológica.

IA E FORMAÇÃO HUMANA

Além dos aspectos gerais que envolvem a expansão do desenvolvimento e utilização da IA na sociedade contemporânea e dos impactos que a tecnologia traz ao sistema produtivo e ao processo de formação dos trabalhadores, alguns outros tópicos de intersecção entre IA e EPT merecem uma atenção especial. Nesta seção, portanto, serão aprofundadas discussões sobre relações entre IA e formação humana tanto acerca de questões sociais, quanto sobre elementos da pesquisa acadêmica e da interdisciplinaridade. Para facilitar a compreensão, os temas foram divididos em subseções, cada uma das quais abordará um dos temas já citados na introdução deste artigo, relacionando-os à EPT.

CONSIDERAÇÕES FINAIS

O desenvolvimento tecnológico, em geral, e relativo aos sistemas de IA, em particular, é uma realidade concreta que se afigura na sociedade contemporânea independente das opiniões divergentes que possam haver a respeito. Se, por um lado, não é difícil imaginar ou encontrar na literatura, o potencial das IAs em beneficiar a humanidade, outras espécies e o meio ambiente, por outro lado existem discussões, incluindo o presente texto, destacando questões relativas à importância de uma análise crítica sobre o papel social e os impactos no desenvolvimento humano que podem advir da incorporação das IAs ao sistema produtivo e à vida como um todo.

Neste contexto, este artigo buscou trazer reflexões, no contexto da EPT, sobre as relações, impactos e consequências da IA no sistema produtivo, no processo educativo e na sociedade em geral. Tal objetivo foi alcançado por meio de uma análise das interconexões entre a IA e os fundamentos da EPT. Isso pode ser evidenciado através das discussões apresentadas sobre as transformações no mundo do trabalho provocadas pela IA e suas implicações para a formação profissional, das reflexões sobre questões éticas como vieses algorítmicos e direitos humanos, da análise dos impactos da IA na pesquisa e autoria, e do exame da natureza interdisciplinar desta tecnologia. Reforça-se que todos os aspectos supracitados compõem as bases conceituais da EPT, como a indissociabilidade entre educação e prática social, a interdisciplinaridade e a pesquisa como princípio pedagógico. As discussões desenvolvidas demonstraram tanto o potencial transformador da IA para a integração entre trabalho, ciência, tecnologia e cultura, quanto os desafios e riscos que precisam ser considerados para que sua incorporação na EPT contribua efetivamente para a formação omnilateral dos estudantes.

Após as reflexões apresentadas, é possível afirmar que a relação entre IA e EPT demanda um aprofundamento em aspectos cruciais para o desenvolvimento da área, incluindo a compreensão de como a IA pode atuar como facilitadora ou obstáculo na superação da histórica dualidade entre formação técnica e humanística na EPT, bem como o entendimento dos processos de preparação das instituições que desenvolvem a EPT, como por exemplo, os Institutos Federais, para incorporar o ensino sobre IA em seus currículos integrados. Ademais, é fundamental investigar os mecanismos que assegurem que a incorporação da IA na EPT não intensifique a divisão social do trabalho, mas contribua efetivamente para a formação omnilateral, assim como examinar o papel específico da IA na integração entre trabalho, ciência, tecnologia e cultura, elementos fundamentais da EPT.

Cabe ainda reforçar que a história da educação profissional no Brasil revela uma dualidade persistente, na qual uma formação limitada a aspectos técnicos e pragmáticos foi direcionada, historicamente, aos trabalhadores, enquanto uma formação mais abrangente e humanística esteve reservada às classes dominantes. Esse modelo de ensino técnico, centrado apenas no aprendizado de habilidades específicas, não prepara os indivíduos para lidar com os desafios complexos impostos pelas tecnologias emergentes, como a IA. Ao focar apenas em competências instrumentais, ele negligencia a formação crítica e reflexiva necessária para compreender as implicações sociais, éticas e culturais da IA. Assim, um ensino restrito a aspectos técnicos não capacita os cidadãos a enfrentarem as questões multidimensionais que envolvem a IA, tornando-se insuficiente diante das necessidades de uma sociedade cada vez mais complexa e tecnologicamente avançada.

É possível afirmar também que a ampliação do uso da IA e a transferência de autonomia para tais sistemas, se não acontecer de forma responsável e ética, pode trazer diversos prejuízos às populações vulneráveis, aos trabalhadores de menor qualificação e aos grupos minoritários, ou ainda levar à tomada de decisões que gerem grandes impactos sociais negativos. É necessário que tais tecnologias sejam implementadas em um sistema econômico e social que tenha como objetivo principal atender às necessidades humanas e proteger os sistemas planetários que sustentam a vida, e não a acumulação de capital.

O caminho para o uso crítico e efetivo das IAs passa pela formação das atuais e novas gerações e, portanto, pelo processo educativo. Na EPT, em especial, que tem como foco a formação humana integral e a superação da divisão social do trabalho, é imprescindível que existam discussões e reflexões, envolvendo toda a comunidade escolar, tanto sobre as questões científicas e tecnológicas quanto sobre os diferentes aspectos políticos, sociais, econômicos, psicológicos e éticos envolvidos na IA.

Cabe esclarecer que este texto, para além de apresentar alguns tópicos que relacionam a IA e a EPT, buscou chamar a atenção para o grau de complexidade e de possíveis problemas que podem ser enfrentados com a escalada deste tipo de tecnologia, destacando a importância da formação politécnica ou omnilateral.

O crescimento de sistemas de IA em uma sociedade ainda repleta de injustiças exige uma formação interdisciplinar e integrada, na qual se busque uma compreensão global da tecnologia sob distintos pontos de vista que se interrelacionam para compor a realidade concreta vivenciada.

O aprofundamento dessa temática na EPT abre caminhos para diversas pesquisas futuras. Entre elas, destacam-se a realização de estudos de caso em Institutos Federais e outras instituições que implementam o Ensino Médio Integrado, bem como investigações sobre as percepções da comunidade acadêmica acerca do uso da IA no processo de ensino-aprendizagem. Recomenda-se, ainda, o desenvolvimento e a avaliação de propostas curriculares integradas que incorporem a IA, respeitando os princípios da formação omnilateral, além de análises comparativas de modelos internacionais de integração da IA na educação profissional. Outros campos de investigação incluem o impacto dessa tecnologia nas diferentes modalidades da EPT, como os cursos técnicos integrados, subsequentes e de graduação tecnológica e o potencial da IA na redução de desigualdades educacionais nesse contexto. Essas pesquisas são essenciais para aprofundar as reflexões sobre o papel da IA na EPT e para orientar práticas pedagógicas que integrem inovação tecnológica e formação humana integral.