IA e a segregação escolar que a lei não vê

A reportagem publicada por Rafael Cariello na Ilustríssima, da Folha de S.Paulo, sobre a segregação escolar no Brasil, expõe uma realidade incômoda: a escola, que deveria funcionar como instrumento de mobilidade social, muitas vezes reproduz a desigualdade que promete combater.

O problema não está apenas na separação entre escola pública e escola privada. Está também na segregação interna da própria rede pública, por bairro, escola, turno e turma. Alunos mais pobres, com maior vulnerabilidade social, piores notas e pais com menor escolaridade tendem a ser agrupados em escolas de pior qualidade, em horários menos valorizados e, não raro, em turmas previamente marcadas pelo baixo desempenho.

Essa constatação desloca o debate. A segregação escolar não é apenas um problema pedagógico, orçamentário ou sociológico. É também uma falha de desenho institucional.Ela raramente nasce de uma norma expressamente discriminatória. Muitas vezes, é produzida por decisões administrativas aparentemente neutras: critérios de matrícula, zoneamento escolar, distribuição de professores, organização de turnos, formação de turmas, localização de unidades escolares e alocação de infraestrutura.

É nesse ponto que o Direito precisa mudar a pergunta. Não basta saber se a norma educacional é formalmente válida. É preciso saber se o arranjo institucional que ela cria, tolera ou deixa sem controle produz, na prática, os efeitos constitucionais que promete realizar. Isso significa que pensar os efeitos da lei, não é somente uma questão de obediência ao parágrafo 16 do artigo 37 da Constituição, mas um imperativo dos fins da própria República.

A inteligência artificial pode ter papel relevante nessa mudança. Não como substituta da política, nem como oráculo tecnocrático, mas como ferramenta de auxílio ao Legislativo para identificar, medir e corrigir desenhos institucionais que segregam sem dizer que o fazem. Ao auxiliar o planejamento dos efeitos almejados por atos normativos que garantam direitos, os usos da IA podem aprender com as leis que não funcionam e projetar um cenário no qual os objetivos da lei possam ser realizados, sobretudo os direitos constitucionais.

Desenho institucional da desigualdade

Durante muito tempo, o debate brasileiro sobre desigualdade educacional concentrou-se na distância entre escola pública e escola privada. Essa distância permanece relevante, mas já não explica todo o problema. A reportagem da Folha mostra que a desigualdade também se organiza dentro da rede pública. Há escolas públicas melhores e piores. Há turmas vistas como promissoras e turmas previamente estigmatizadas. Há professores mais experientes em determinadas unidades e maior rotatividade docente em outras. Há escolas em territórios mais protegidos e escolas submetidas à precariedade urbana, à violência, à distância e ao abandono institucional. Esse quadro exige uma mudança de perspectiva. A igualdade de condições de acesso e permanência na escola, prevista no artigo 206 da Constituição, não se realiza com a mera abertura da matrícula.

A pergunta constitucionalmente relevante não é apenas se a criança está matriculada. É onde está matriculada, em qual turno, em qual turma, com quais professores, com qual infraestrutura, com que tempo efetivo de aprendizagem e com quais chances reais de desenvolvimento. O direito à educação não é um direito à vaga abstrata. É um direito a uma trajetória educacional minimamente justa. Quando crianças vulneráveis são concentradas nas escolas mais frágeis, com docentes mais sobrecarregados, piores indicadores de infraestrutura e ambientes pedagógicos mais instáveis, a política pública deixa de compensar desigualdades de origem e passa a administrá-las como destino.

A segregação escolar é um exemplo claro de como a desigualdade pode ser produzida sem linguagem discriminatória. Nenhum gestor precisa declarar que pretende separar alunos pobres de alunos ricos. Nenhuma lei precisa afirmar que crianças vulneráveis devem estudar com outras crianças vulneráveis. Basta que o sistema de matrícula acompanhe rigidamente a segregação urbana; que o transporte escolar não seja planejado como instrumento de integração; que os professores mais experientes se concentrem nas escolas centrais; que a formação de turmas agrupe estudantes por desempenho; que o turno da tarde ou da noite receba os alunos repetentes; que a infraestrutura chegue mais lentamente onde a pressão social é menor. Portanto uma sequência de efeitos cria a oportunidade perfeita para um direito fundamental ser letra morta e pior, realizar a indignidade da pessoa humana.

O resultado pode ser profundamente desigual, ainda que cada ato administrativo, isoladamente considerado, pareça neutro. Esse é o ponto que a teoria da legislação e a Legística ajudam a iluminar. Como sustentado no artigo inaugural da coluna Fábrica de Leis, publicado aqui na ConJur, a produção normativa contemporânea não pode ser observada apenas pela dogmática da validade. Leis e regulamentos são instrumentos de políticas públicas e, por isso, precisam ser avaliadas também por sua eficácia, efetividade, eficiência, inteligibilidade e capacidade de produzir resultados institucionais.

A norma não deve ser examinada apenas pelo seu texto, mas por sua aptidão para gerar efeitos compatíveis com os fins constitucionais que declara perseguir. Uma política educacional pode estar formalmente conforme a Constituição e, ainda assim, operar por engrenagens que reproduzem desigualdade material. A lei, nesse sentido, não é apenas comando. É desenho institucional. E todo desenho institucional distribui oportunidades, riscos, recursos, expectativas e poder.

Quando o Legislativo aprova normas educacionais sem instrumentos adequados de diagnóstico, monitoramento e avaliação, ele legisla sobre uma realidade que não consegue enxergar completamente. Produz metas, planos, programas e obrigações administrativas, sem avaliar os efeitos distributivos concretos dessas escolhas. O resultado é a reprodução de uma arquitetura da política pública oculta para a qual a sua correção é ocultada.

O Brasil possui bases de dados educacionais relevantes. O Censo Escolar, conduzido pelo Inep, coleta informações sobre estabelecimentos de ensino, gestores, turmas, alunos e profissionais escolares, além de dados de movimento e rendimento ao final do ano letivo. Os indicadores educacionais do Inep permitem observar dados como Ideb, nível socioeconômico, distorção idade-série, média de alunos por turma, média de horas-aula, adequação da formação docente, regularidade do corpo docente e complexidade de gestão. Não se trata, portanto, de ausência absoluta de informação. O problema é outro: o Estado brasileiro ainda tem dificuldade de transformar informação educacional em desenho normativo inteligente.

Há dados, mas eles nem sempre retornam ao Legislativo como insumo para correção da política pública. Há indicadores, mas eles nem sempre são organizados para revelar padrões de segregação. Há planos de educação, mas muitas vezes sem métricas suficientemente sensíveis para medir a distribuição real das oportunidades entre escolas, turnos e turmas.

A média, nesse cenário, pode ser uma forma de dourar a injustiça. Um município pode melhorar seu indicador médio de desempenho e, ainda assim, preservar bolsões de exclusão educacional. Uma rede pode ampliar matrículas e continuar concentrando vulnerabilidades nas mesmas escolas. Uma política pode elevar o Ideb e, ao mesmo tempo, manter determinados grupos em trajetórias escolares sistematicamente inferiores. O dever legislativo inclui efeitos identificáveis sobre a rede de ensino, sobre quem melhorou, onde melhorou, em qual escola, em qual turno, em qual turma, com qual custo distributivo. Essa é uma mudança de racionalidade sobre o modo como as leis e atos normativos infralegais são feitos. E a inteligência artificial pode ajudar a promovê-la.

IA como ferramenta de Legística

A inteligência artificial não deve ser tratada, nesse debate, como solução mágica. Tampouco deve ser reduzida ao medo legítimo de usos abusivos, discriminatórios ou opacos. Entre a tecnofilia ingênua e a recusa preventiva existe um espaço institucional mais produtivo: o uso da IA como ferramenta de apoio à qualidade legislativa.

Em matéria educacional, a IA auxilia o Legislativo a ler grandes bases de dados, cruzar variáveis, simular impactos e produzir diagnósticos para parlamentares e sociedade, o que se chama de Legística algorítmica da equidade educacional. O termo aponta para um processo de análise empírica que amplie a capacidade de verificar se o desenho legal funciona na realidade. Na segregação escolar, sistemas de IA podem identificar padrões como concentração de distorção idade-série, turmas homogêneas por rendimento ou distribuição desigual de docentes. Essas informações servem para responsabilizar instituições, pois o alvo do diagnóstico é o desenho institucional, não o aluno.

Do algoritmo decisor ao algoritmo revelador

A distinção é essencial. A IA não deve decidir em qual escola uma criança vai estudar. Não deve classificar alunos como “bons” ou “ruins”. Não deve criar listas de risco individual que reforcem estigmas. Não deve automatizar a exclusão sob o pretexto da eficiência.

Em educação, especialmente quando se trata de crianças e adolescentes, o uso de dados deve observar o melhor interesse, a proteção integral, a finalidade pública, a necessidade, a segurança e a não discriminação. O artigo 14 da Lei Geral de Proteção de Dados Pessoais determina que o tratamento de dados pessoais de crianças e adolescentes seja realizado em seu melhor interesse. O debate internacional, inclusive no âmbito da Unesco, também insiste em uma visão centrada na pessoa humana, com proteção de direitos, supervisão pública e governança responsável. A OCDE, ao atualizar seus princípios sobre inteligência artificial, reforça a necessidade de sistemas confiáveis, respeitosos aos direitos humanos e aos valores democráticos.

Por isso, a IA adequada a esse contexto não é a IA decisora, mas a IA reveladora. Ela deve trabalhar preferencialmente com dados agregados, anonimizados ou pseudonimizados, protegidos por critérios técnicos e jurídicos robustos. Seu papel é tornar visíveis padrões sistêmicos que a burocracia tradicional não consegue perceber com a mesma velocidade, escala ou precisão.

Há uma diferença moral e jurídica profunda entre usar IA para etiquetar crianças vulneráveis e usar IA para mostrar que determinada política pública está concentrando crianças em escolas de pior qualidade.No primeiro caso, a tecnologia reforça o estigma. No segundo, revela a falha institucional.

Essa distinção precisa orientar qualquer proposta legislativa sobre IA e educação. O Brasil discute um marco legal da inteligência artificial por meio do PL 2.338/2023, que trata do desenvolvimento, do fomento e do uso ético e responsável da inteligência artificial com base na centralidade da pessoa humana. Mas esse debate não deve se limitar à contenção de riscos. Deve também perguntar como a IA pode ser usada pelo próprio Estado para melhorar a qualidade da democracia, da legislação e das políticas públicas.

Por fim, o Legislativo não pode ser visto apenas como fábrica de comandos normativos. Em uma democracia constitucional complexa, ele também deve funcionar como instância de desenho, avaliação e correção institucional. No campo educacional, essa função ganhou novo relevo com a aprovação do Plano Nacional de Educação pela Lei nº 15.388/2026, que inaugura um novo ciclo decenal de planejamento, governança, monitoramento e avaliação das políticas educacionais.

A nova lei oferece uma moldura institucional relevante, pois o PNE define diretrizes e estratégias submetidas a controle, criando leis capazes de aprender com seus próprios efeitos. Nesse espaço, a inteligência artificial pode auxiliar o Legislativo a transformar essas diretrizes em capacidade concreta de diagnóstico e correção. A IA contribui ao cruzar bases educacionais, identificar padrões de segregação e indicar quando regras aparentemente neutras produzem efeitos distributivos incompatíveis com o direito à educação. Entre as tarefas fundamentais extraídas desse cenário para os parlamentos, destaca-se a qualificação dos relatórios de equidade para revelar a distribuição concreta das oportunidades, além da incorporação de indicadores de segregação escolar nos planos locais. Também se faz necessária a avaliação prévia de impacto legislativo por meio de simulações da IA, a regulação da enturmação por desempenho para evitar critérios opacos e a transformação de bases de dados educacionais complexas em linguagem pública inteligível.

Referências:

ANAZAWA, Leandro Seiti. A prática de enturmação por habilidade no ensino fundamental na cidade de São Paulo: identificação, impactos no aprendizado e contextos associados. Tese de Doutorado. Universidade de São Paulo, 2023.

BRASIL. Constituição da República Federativa do Brasil de 1988.

BRASIL. Lei nº 9.394/1996 — Lei de Diretrizes e Bases da Educação Nacional.

BRASIL. Lei nº 13.709/2018 — Lei Geral de Proteção de Dados Pessoais.

CÂMARA DOS DEPUTADOS. PL 2.338/2023 — desenvolvimento, fomento e uso ético e responsável da inteligência artificial.

CÂMARA DOS DEPUTADOS. PL 2.614/2024 — Plano Nacional de Educação para o decênio 2024-2034.

CARIELLO, Rafael. Segregação escolar agrupa e prejudica alunos pobres, perpetuando desigualdade. Folha de S.Paulo, Ilustríssima, 2026.

INEP. Censo Escolar. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira.

INEP. Indicadores Educacionais. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira.

INSTITUTO RUI BARBOSA. Índice de Efetividade da Gestão Municipal — IEGM.

OCDE. AI Principles.

SENADO FEDERAL. Marco da Inteligência Artificial é aprovado em Plenário e vai à Câmara.

SOARES, Fabiana de Menezes et al. Por um olhar mais atento sobre o modo como são produzidas as normas jurídicas. Consultor Jurídico, coluna Fábrica de Leis, 2022.

UNESCO. Guidance for Generative AI in Education and Research.