A política de IA da Berkeley Law restringe a IA, mas as faculdades de direito não a estão proibindo
A Berkeley Law endureceu suas regras sobre IA para o verão de 2026, embora reconheça que futuros advogados precisam dominar a tecnologia. A política de IA da Berkeley Law proíbe estudantes de usar IA para conceber, estruturar, redigir, revisar, editar ou traduzir trabalhos enviados para obtenção de créditos. Ela também veta o uso de IA em qualquer prova, salvo quando um instrutor estabelecer uma exceção permitida.
Isso soa como uma proibição de IA em uma faculdade de direito, mas esse rótulo ignora o aspecto mais importante da política. A Berkeley ainda permite que instrutores autorizem IA quando isso servir aos objetivos educacionais de uma disciplina. A escola também planeja 22 cursos de direito e tecnologia para o outono de 2026, tornando sua abordagem restritiva e expansionista ao mesmo tempo.
A University of Chicago e a Columbia Law School adotaram estratégias igualmente divididas. Elas estão protegendo partes da educação jurídica contra a automação enquanto criam outros espaços para o uso deliberado de IA. O verdadeiro conflito, portanto, não é entre faculdades de direito e IA. É entre o raciocínio jurídico independente e a terceirização cognitiva prematura.
O que a política de IA da Berkeley Law realmente muda
A Berkeley estabeleceu o trabalho independente dos estudantes como padrão, preservando exceções direcionadas para disciplinas que ensinam fluência em IA.
A política padrão de IA entrou em vigor no verão de 2026. Ela se aplica a trabalhos enviados para obtenção de créditos acadêmicos e vai muito além de uma simples proibição de redações geradas por chatbots.
Os estudantes não podem pedir a um sistema de IA que sugira o tema ou a tese de um artigo. Não podem solicitar uma estrutura organizacional, redigir um parágrafo, identificar trechos para revisão ou aprimorar a gramática. A tradução assistida por IA também é proibida quando o material traduzido passa a integrar um trabalho enviado.
A regra para provas é mais rígida. Os estudantes não podem usar IA para nenhuma finalidade durante uma avaliação. Também não podem gerar um esquema com IA e depois levar material desse esquema para uma prova.
Essas restrições visam todo o processo de produção intelectual, não apenas a redação final. Essa distinção importa porque a IA generativa pode influenciar um argumento antes mesmo de escrever uma frase. Uma tese ou estrutura sugerida pode determinar quais autoridades recebem atenção e quais contraargumentos desaparecem.
A política também proíbe estudantes de enviar tarefas, leituras, slides, gravações ou outros conteúdos de disciplinas para sistemas de IA generativa. Essa regra aborda preocupações com privacidade, propriedade intelectual e confidencialidade, além da integridade acadêmica.
Ainda assim, a Berkeley afirma que sua política não é uma proibição geral. Instrutores podem adotar regras diferentes para disciplinas concebidas para ensinar fluência em IA. Também podem autorizar usos específicos quando outra abordagem atender melhor a uma disciplina.
Essa flexibilidade diferencia a posição da Berkeley de uma rejeição institucional à IA generativa. A escola está traçando limites em torno do pensamento avaliado, ao mesmo tempo que permite experimentação supervisionada em outros contextos.
Suas orientações complementares apresentam esses limites como uma sequência educacional. Primeiro, os estudantes precisam conceber, analisar, redigir e avaliar sem substituição automatizada. Depois, podem usar IA entendendo o que o sistema alterou, omitiu ou inventou.
Essa sequência reflete a premissa central da política de IA da Berkeley Law. Um advogado que não consegue avaliar um argumento de forma independente não pode supervisionar de maneira confiável um sistema que gera um.
A regra também busca criar expectativas mais claras e consistentes. A Berkeley disse que sua política anterior gerava questões difíceis sobre a fronteira entre correção gramatical e composição por IA. A nova abordagem trata a edição automatizada como proibida, a menos que uma disciplina preveja uma exceção.
Essa decisão sacrifica alguma conveniência em favor da aplicabilidade. Ela evita que professores precisem determinar se uma sugestão de IA corrigiu a gramática, reescreveu uma afirmação ou alterou discretamente a análise subjacente.
O custo é a amplitude. Um estudante que usa um aplicativo de escrita comum pode encontrar funções generativas sem procurá-las ativamente. As escolas precisarão de orientações práticas que mantenham a correção ortográfica comum separada da reescrita automatizada proibida.
A versão mais forte do argumento da Berkeley não é que toda interação com IA prejudica a aprendizagem. É que trabalhos que valem créditos devem revelar a capacidade do próprio estudante. Caso contrário, as notas deixam de medir as habilidades que a faculdade de direito afirma desenvolver.
Por que o raciocínio jurídico se tornou a habilidade protegida
As faculdades de direito estão restringindo a IA exatamente nos momentos em que os estudantes precisam desenvolver o discernimento necessário para supervisioná-la mais tarde.
A educação jurídica depende de mais do que recuperar a regra correta. Os estudantes precisam interpretar autoridades, distinguir precedentes, identificar fatos ausentes e defender uma conclusão diante de argumentos concorrentes. Essas atividades formam a base do julgamento profissional.
A IA generativa pode produzir linguagem plausível antes que um estudante tenha formado esse julgamento. Seu resultado pode fazer um argumento incompleto parecer concluído, o que complica tanto a aprendizagem quanto a avaliação.
Esse risco é particularmente agudo durante o primeiro ano da faculdade de direito. As disciplinas do primeiro ano introduzem os hábitos usados para ler casos e raciocinar a partir de autoridade imperfeita. Os estudantes também aprendem como conclusões jurídicas mudam quando um fato ou precedente se altera.
Um resumo de caso gerado por IA pode economizar tempo. No entanto, essa eficiência se torna educacionalmente custosa quando ler o caso é o exercício. O estudante recebe o produto aparente sem praticar o raciocínio que o produziu.
O mesmo problema afeta a redação jurídica. Um chatbot pode gerar um memorando estruturado, mas a estrutura não é mera apresentação. Escolher uma sequência de questões frequentemente exige decidir quais fatos e autoridades merecem maior peso jurídico.
A Berkeley descreve o pensamento como essencial para uma boa advocacia e uma educação jurídica de qualidade. Sua política trata concepção, estruturação, redação, revisão e edição como tarefas cognitivas conectadas, e não como etapas de produção separáveis.
Essa posição também responde à falta de confiabilidade de materiais jurídicos gerados. Modelos de linguagem produzem texto provável, não conclusões jurídicas verificadas. Podem inventar citações, apresentar decisões de forma incorreta ou confundir diferenças entre jurisdições.
Advogados experientes também podem cometer esses erros. A diferença é que a IA pode produzi-los rapidamente, com confiança e em uma escala que sobrecarrega a revisão humana.
Um estudante que já compreende a doutrina pode questionar esse resultado. Um estudante sem essa base pode aceitar uma redação fluente como evidência de precisão.
Educadores jurídicos, portanto, enfrentam um problema de sequência. Precisam preparar graduados para a prática assistida por IA sem permitir que o assistente substitua a formação prática.
Essa tensão vai além das notas. Advogados têm deveres perante clientes, tribunais e partes adversas. As orientações éticas sobre IA da American Bar Association afirmam que as obrigações existentes continuam a se aplicar quando advogados usam sistemas generativos.
Essas obrigações incluem competência, confidencialidade, comunicação com o cliente, supervisão, franqueza e honorários razoáveis. Um advogado não pode transferir a responsabilidade profissional para um fornecedor de IA nem justificar uma petição imprecisa alegando que o software a produziu.
Consequentemente, as faculdades de direito precisam ensinar duas competências que podem puxar em direções opostas. Os graduados precisam de fluência em IA suficiente para usar sistemas jurídicos modernos de forma eficaz. Também precisam de especialização independente suficiente para perceber quando esses sistemas falham.
A política de IA da Berkeley Law protege a segunda competência durante trabalhos avaliados. Seus cursos de tecnologia e exceções permitidas destinam-se a desenvolver a primeira.
Essa divisão é mais defensável do que uma alegação ampla de que a IA enfraquece inerentemente os estudantes. As evidências sobre efeitos cognitivos de longo prazo continuam incompletas, e os resultados dependem fortemente de como um sistema é usado.
A IA pode substituir esforço, mas também pode desafiar um argumento. Um estudante pode pedir a um modelo que identifique contraargumentos após redigir independentemente uma posição. Outro pode enviar a primeira resposta do modelo sem examiná-la.
Esses comportamentos não deveriam receber a mesma avaliação educacional. O desafio é projetar tarefas que diferenciem assistência produtiva de substituição intelectual.
Para estudantes que administram grandes coleções de casos e anotações, uma base de conhecimento pessoal para estudantes pode facilitar a recuperação de informações sem decidir quais devem ser seus argumentos. O limite educacional deve se concentrar em quem realiza o raciocínio, e não apenas em se um software participou do fluxo de trabalho.
A UChicago Law protege a sala de aula, mas ensina a ferramenta
A estratégia de IA da UChicago Law torna explícita a troca ao separar a aprendizagem fundamental sem dispositivos da prática profissional supervisionada.
A University of Chicago Law School anunciou sua declaração de estratégia de IA em 9 de julho de 2026. A estratégia entra em vigor durante o trimestre de outono e se baseia em mudanças curriculares introduzidas desde 2024.
Sua medida mais visível é uma proibição-piloto de dispositivos eletrônicos nas disciplinas centrais do primeiro ano. Exceções limitadas continuam disponíveis, incluindo adaptações para estudantes que delas necessitam.
Uma regra sobre dispositivos é mais ampla do que uma restrição à IA. Ela remove laptops, tablets e telefones mesmo quando um estudante só quer tomar notas. A escola afirma que essa abordagem também reduz distrações e favorece uma melhor discussão em sala de aula.
Isso faz do projeto-piloto um teste de atenção em sala de aula tanto quanto de inteligência artificial. Professores adotavam políticas sem dispositivos muito antes de o ChatGPT existir, frequentemente porque as telas dividiam a atenção durante discussões.
A IA aumenta o impacto porque um dispositivo conectado agora pode fazer mais do que distrair. Pode resumir um caso, propor uma resposta ou preparar em tempo real uma resposta à pergunta de um professor.
A sala de aula tradicional da faculdade de direito usa questionamentos para expor o processo de raciocínio de um estudante. Se o software fornece a resposta, o professor não consegue determinar facilmente se o estudante compreende a doutrina.
Remover dispositivos cria uma zona temporária em que os estudantes precisam recuperar, sintetizar e articular ideias por conta própria. Isso também torna a participação mais visível e reduz a tentação de consultar uma resposta externa instantânea.
Ainda assim, a UChicago não está tentando recriar uma profissão pré-digital. Sua estratégia inclui módulos de IA para estudantes do primeiro ano, uso de IA em clínicas, um AI Lab e orientações para pesquisa e redação jurídicas.
O modelo da escola pode ser resumido como aprender a pensar com, sem e sobre IA. Cada condição atende a um propósito educacional diferente.
Pensar sem IA desenvolve uma capacidade básica. Pensar com IA ensina estudantes a usar automação mantendo a responsabilidade. Pensar sobre IA desenvolve uma compreensão de seus efeitos institucionais, éticos e jurídicos.
Esse é um relato mais preciso do que dizer que a UChicago proibiu a IA. A escola remove a tecnologia de ambientes de aprendizagem selecionados, ao mesmo tempo que a integra em outros.
Sua abordagem também reconhece que educação e emprego recompensam comportamentos diferentes. Um escritório de advocacia se beneficia quando uma ferramenta reduz trabalho repetitivo sem comprometer a qualidade. Uma sala de aula às vezes atribui esse mesmo trabalho porque executá-lo desenvolve discernimento.
Portanto, a eficiência não é um objetivo educacional universal. O caminho mais rápido para uma resposta pode contornar a atividade que uma tarefa foi concebida para avaliar.
A distinção se assemelha à formação em outras profissões de alto risco. Um piloto aprende procedimentos sem depender inteiramente da automação, embora aeronaves modernas utilizem amplos sistemas automatizados. A prática fundamental existe porque profissionais precisam reconhecer e administrar falhas.
O desafio da UChicago será medir se seu projeto-piloto sem dispositivos melhora as competências pretendidas. Uma discussão em sala de aula melhor apoiaria a política, mas a satisfação por si só não demonstraria um raciocínio jurídico mais sólido.
A escola também precisará examinar efeitos desiguais. Alguns estudantes organizam e retêm informações de modo mais eficaz por meio de anotações digitadas. Outros precisam de tecnologia assistiva ou apoio linguístico.
Uma política justa deve oferecer adaptações funcionais sem obrigar estudantes a revelar mais informações pessoais do que o necessário. Ela também deve impedir que exceções se tornem estigmatizantes.
A abordagem híbrida da UChicago oferece à escola uma comparação útil. Ela pode avaliar disciplinas fundamentais sem dispositivos ao lado de cursos que ensinam o uso estruturado de IA. Essa evidência seria mais valiosa do que um argumento filosófico sobre se a tecnologia é boa ou ruim.
Columbia Escolhe a Responsabilidade em Vez de uma Proibição Ampla
As regras da Columbia mostram que as políticas de IA nas faculdades de direito estão convergindo para o uso controlado, mesmo quando seus limites padrão diferem.
A Columbia Law School adotou uma nova política acadêmica de IA, em vigor desde 1º de agosto de 2026. Ela substituiu a política provisória anterior da escola para o ano acadêmico de 2026–2027.
A Columbia proíbe assistência de IA em exames. Cada palavra de uma resposta de prova deve vir do estudante, inclusive linguagem produzida por tradução com IA.
Seu tratamento de outros trabalhos acadêmicos é mais permissivo que o padrão de Berkeley. Os estudantes podem usar IA como ferramenta de aprendizagem ou interlocutor crítico quando as regras do curso permitirem.
Um interlocutor crítico é um sistema usado para testar ideias, e não para originá-las. Ele pode questionar um argumento, identificar uma fragilidade organizacional ou sugerir perguntas para pesquisas adicionais.
A Columbia atribui a responsabilidade intelectual ao estudante. Ideias, argumentos, análises e expressões submetidos devem refletir o próprio julgamento do estudante. Os estudantes devem compreender e defender cada proposição que apresentarem.
A política, portanto, concentra-se em autoria e responsabilização, em vez de proibir todas as etapas assistidas. A IA não pode se tornar uma redatora fantasma não declarada nem substituir o raciocínio jurídico do estudante.
Os docentes mantêm discricionariedade para estabelecer regras específicas para cada curso. Alguns podem integrar IA de forma ampla, enquanto outros podem limitá-la para desenvolver competências específicas.
Esse modelo aceita a inconsistência como parte da preparação profissional. Advogados trabalharão sob diferentes regras judiciais, políticas de empregadores, restrições de clientes e requisitos de segurança. Os estudantes precisam praticar a identificação das regras que regem um contexto específico.
No entanto, a variação de políticas também pode gerar confusão. Um estudante que cursa várias disciplinas precisa lembrar se brainstorming, edição, tradução ou assistência à pesquisa são permitidos em cada uma delas.
A pesquisa com estudantes de 2026 do Thomson Reuters Institute ilustra esse problema. Ela reuniu respostas de mais de 1.800 estudantes de direito em abril de 2026.
Quase 60% relataram usar IA várias vezes por semana em trabalhos acadêmicos. Ao mesmo tempo, 48% disseram que as políticas de IA variavam conforme o professor.
A pesquisa constatou que 72% consideravam a alfabetização em IA uma competência profissional essencial. Ao mesmo tempo, 74% reconheceram que a dependência excessiva poderia enfraquecer suas competências jurídicas fundamentais.
Esses números complicam a ideia de que estudantes e administradores ocupam campos opostos. Muitos estudantes parecem compreender tanto o valor profissional quanto o risco para o desenvolvimento.
A lacuna institucional diz respeito à formação. Trinta e dois por cento disseram que suas escolas não ofereciam as competências de IA necessárias para suas futuras carreiras.
Esse resultado reforça o argumento pela integração estruturada. Uma política restritiva sem um currículo significativo de IA empurra estudantes para a experimentação sem supervisão. Ela também pode deixar graduados despreparados para ferramentas que já estão entrando nos ambientes jurídicos de trabalho.
A Columbia tenta resolver isso por meio de uma combinação de limites, cursos especializados e escolha dos docentes. Berkeley aplica restrições padrão mais amplas, acompanhadas por uma oferta substancial de tecnologia. A UChicago cria espaços sem dispositivos enquanto incorpora IA em outros contextos.
São implementações diferentes do mesmo princípio emergente. Os estudantes não devem terceirizar a competência que está sendo ensinada naquele momento, mas devem aprender a usar IA após desenvolver conhecimento suficiente para supervisioná-la.
A divergência diz respeito a onde essa linha deve ser traçada. Berkeley a traça em torno de quase todas as etapas do trabalho que vale créditos. A Columbia a traça em torno da responsabilidade intelectual e da permissão específica do curso.
Nenhuma das políticas estabelece o limite correto para toda tarefa. Seu valor dependerá de os professores traduzirem princípios amplos em requisitos claros e observáveis.
O Risco É Formar Advogados Dependentes ou Despreparados
Uma regra que bloqueia a IA sem ensiná-la pode criar uma versão diferente do problema de competência que foi concebida para evitar.
O argumento mais forte a favor das restrições é desenvolvimental. Os estudantes precisam praticar análise jurídica antes de poder delegar responsavelmente partes desse trabalho.
A objeção mais forte é profissional. Os graduados entrarão em locais de trabalho onde a IA apoia pesquisa, revisão de documentos, due diligence, análise de contratos e redação. Recusar-se a ensinar esses sistemas não mantém os graduados seguros.
Isso os deixa aprender por meio de fornecedores, empregadores ou experimentação privada. Essa formação pode priorizar velocidade em detrimento de confidencialidade, verificação e julgamento profissional.
É por isso que a expressão “proibição de IA” cria uma falsa dicotomia. Uma escola pode proibir IA durante uma prova e exigir seu uso em uma clínica jurídica. Ambas as decisões podem apoiar o mesmo objetivo educacional.
A questão mais difícil diz respeito aos trabalhos acadêmicos comuns entre esses extremos. Os estudantes escrevem trabalhos em parte para demonstrar conhecimento e em parte para melhorar por meio da prática. A IA pode apoiar ou substituir qualquer uma dessas funções.
Considere um estudante que prepara um memorando. Pedir à IA que escreva o primeiro rascunho pode eliminar a necessidade de organizar autoridades de forma independente. Pedir que ela critique um rascunho concluído pode revelar fragilidades que o estudante não percebeu.
Mesmo o segundo uso envolve riscos. O sistema pode inventar um contra-argumento, distorcer precedentes ou incentivar revisões desnecessárias. No entanto, o estudante permanece cognitivamente engajado ao avaliar essas sugestões.
Portanto, as escolas precisam de tarefas que tornem o processo visível. Um professor pode exigir registros de fontes, defesas orais, históricos de revisão ou breves explicações sobre o uso permitido de IA.
Essas medidas são mais informativas do que depender de software de detecção de IA. Sistemas de detecção podem produzir falsos positivos, especialmente ao avaliar textos formulaicos ou escritos em uma segunda língua. Eles também incentivam uma disputa entre evasão e fiscalização.
Evidências do processo apoiam a educação e a integridade. Um estudante que consegue explicar por que um argumento mudou demonstra mais compreensão do que alguém que apenas apresenta uma prosa bem-acabada.
Regras claras também importam porque recursos generativos agora aparecem em mecanismos de busca, processadores de texto e plataformas de pesquisa. Os estudantes podem nem sempre reconhecer quando uma ferramenta familiar passou da correção à composição.
A linha clara de Berkeley melhora a clareza, mas pode abranger assistência de baixo risco. O padrão de responsabilidade da Columbia preserva flexibilidade, mas exige mais interpretação. A sala de aula sem dispositivos da UChicago cria um limite aplicável apenas em um contexto limitado.
A acessibilidade continua sendo outra preocupação. Tradução, edição ou resumo assistidos por IA podem ajudar estudantes com deficiência e aqueles que trabalham em uma segunda língua. Restringir essas funções pode impor encargos desiguais.
Adaptações acadêmicas podem resolver alguns casos. Ainda assim, as escolas devem distinguir uma adaptação de uma vantagem que altera a competência avaliada.
A resposta dependerá da tarefa. A assistência de tradução pode ser inadequada quando a redação jurídica em inglês é a competência medida. Pode ser razoável quando a tarefa avalia a identificação de questões em outro contexto.
As faculdades de direito também devem evitar exagerar as evidências sobre danos cognitivos. Pesquisas levantaram preocupações sobre a terceirização cognitiva, que ocorre quando pessoas delegam trabalho mental a ferramentas externas. No entanto, associação não estabelece declínio inevitável.
Os efeitos provavelmente variam conforme a tarefa, a experiência do estudante, o comportamento de prompting e o desenho instrucional. Um exercício orientado que exige verificação difere de pedir a um chatbot que conclua uma redação.
Portanto, políticas rígidas devem ser tratadas como intervenções educacionais, não como conclusões científicas estabelecidas. As escolas precisam de evidências comparativas sobre raciocínio, retenção, escrita e desempenho profissional dos estudantes.
O mesmo ceticismo se aplica a programas de alfabetização em IA. Oferecer uma disciplina não prova que os graduados conseguem detectar citações fabricadas, proteger informações de clientes ou decidir quando a automação é inadequada.
As escolas devem testar essas capacidades diretamente. Os estudantes devem se deparar com resultados defeituosos, cenários de confidencialidade e autoridades ambíguas sob condições supervisionadas.
O setor também muda rápido demais para regras permanentes. Um limite redigido em torno da interface atual de um chatbot pode se tornar obsoleto quando a assistência generativa desaparecer dentro de softwares padrão.
O princípio duradouro é a responsabilidade. Os estudantes precisam saber qual trabalho delegaram, quais informações divulgaram e como verificaram o resultado.
Uma proibição de IA em uma faculdade de direito não pode ensinar esses hábitos por si só. O acesso irrestrito também não pode.
O Que Observar Durante o Ano Acadêmico de 2026–2027
O próximo teste será verificar se políticas híbridas melhoram o raciocínio independente sem ampliar a distância entre os estudantes e a prática profissional.
O primeiro sinal virá do projeto-piloto do primeiro ano sem dispositivos da UChicago. Os administradores devem examinar a qualidade da participação, o desempenho doutrinário, a retenção dos estudantes e os pedidos de adaptação.
Se esses indicadores melhorarem sem criar problemas substanciais de acesso, o argumento a favor de períodos protegidos de aprendizagem sem dispositivos se tornará mais forte. Se os resultados permanecerem inalterados, a política pode ter removido conveniência sem gerar valor educacional.
O segundo sinal será como os instrutores de Berkeley usam sua autoridade para conceder exceções. A política da escola só funciona como híbrida se os estudantes receberem oportunidades significativas e supervisionadas de praticar com IA.
As 22 disciplinas de direito e tecnologia de Berkeley oferecem capacidade substancial no papel. A medida importante é se essas disciplinas ensinam verificação, confidencialidade e responsabilização profissional em todo o corpo discente.
Se o ensino de IA permanecer concentrado entre especialistas em tecnologia, a população estudantil mais ampla poderá se formar com fortes competências tradicionais, mas com preparação prática desigual.
O terceiro sinal será a convergência de políticas entre as faculdades de direito. Uma pesquisa sobre educação publicada pela American Bar Association em 2024 constatou que as instituições ainda estavam desenvolvendo suas abordagens.
Em 2026, Berkeley, UChicago e Columbia avançaram além de declarações temporárias. Cada uma estabeleceu uma alocação mais detalhada entre trabalho sem IA, uso supervisionado e discricionariedade dos instrutores.
Outras faculdades agora decidirão se copiam esses modelos ou desenvolvem alternativas. Definições consistentes ajudariam os estudantes a compreender a diferença entre recuperação de informações, correção, geração e revisão automatizada.
Tribunais e empregadores influenciarão essas escolhas. Se os escritórios esperarem que novos associados supervisionem sistemas de IA imediatamente, as faculdades enfrentarão pressão para ampliar a instrução prática.
Juízes e reguladores podem pressionar na direção oposta quando erros gerados chegarem a petições judiciais. Cada falha pública fortalece o argumento de que a verificação independente deve preceder a automação.
A mudança duradoura não é que as faculdades de direito tenham proibido a IA. Elas começaram a tratar o raciocínio sem assistência como uma etapa protegida da formação profissional.
Essa etapa precisa continuar conectada ao ambiente de trabalho que os estudantes encontrarão. Caso contrário, as restrições se tornam uma forma de evitar o problema, e não de preparação.
A política de IA da Berkeley Law oferece um experimento claro: exigir que os estudantes produzam trabalhos avaliados de forma independente e, depois, ensinar IA em contextos designados. A UChicago e a Columbia estão testando versões diferentes dessa divisão.
Ao avaliar qualquer política, os estudantes devem fazer uma pergunta prática: ela especifica quando a IA deve ficar de fora e, ao mesmo tempo, ensina como funciona o uso responsável? Uma resposta confiável precisa das duas partes.
