A rápida integração da inteligência artificial (IA) na escola impõe às políticas educacionais o desafio de preparar estudantes e docentes além do uso instrumental. Contudo, diretrizes locais podem revelar lacunas em relação a modelos globais e os marcos de competências em IA da UNESCO, que demandam elevados níveis de reflexão ética, crítica e criação ativa. Diante da assimetria entre a rápida adoção comercial e a preparação docente, é fundamental avaliar a profundidade das diretrizes nacionais brasileiras. Neste sentido, o objetivo deste estudo consiste em analisar criticamente o documento orientador do MEC, "Inteligência Artificial na Educação Básica" (BRASIL, 2026), contrastando suas diretrizes com os frameworks internacionais de letramento em IA, para identificar as dimensões abordadas, lacunas e implicações para a formação docente. Trata-se de uma pesquisa documental qualitativa, de abordagem crítico-interpretativa fundamentada em Fávero e Centenaro (2019), onde se analisou o documento orientador do MEC (2026) frente ao modelo de Ng et al. (2021) e os marcos da UNESCO (2025a, 2025b). A análise de conteúdo baseou-se em Bardin (1977), com lógica qualitativa dedutiva de Fife e Gossner (2024), mapeando 14 dimensões analíticas em três níveis de progressão (Adquirir, Aprofundar, Criar). Os resultados apontam que a normativa nacional opera predominantemente no nível básico (Adquirir). O documento avança ao diferenciar "ensinar sobre IA" (curricular) de "ensinar com IA" (recurso pedagógico), ao propor a "IA desplugada" frente às desigualdades de infraestrutura, e ao focar na conformidade com a LGPD e o ECA Digital. No entanto, manifesta-se uma "hegemonia discursiva da proteção" que enquadra a IA sistematicamente como risco a ser contido. Esse regime de cautela silencia a dimensão criativa: a subdimensão "criar" (Ng et al., 2021) e o "projeto de sistemas de IA" (UNESCO, 2025b) representam uma lacuna estrutural completa, confinando alunos e professores ao papel de consumidores críticos de tecnologia externa. Na formação docente, embora o documento garanta formalmente a autonomia e o direito à recusa tecnológica, faltam orientações práticas, ferramentas de engenharia de prompts ou itinerários metodológicos de aplicação. Conclui-se que a política nacional corre o risco de promover um "letramento nominal" se não estruturar uma arquitetura concreta e financiada de formação continuada. Ao subordinar a autoria ativa e a criação à cautela regulatória, a normativa protege os direitos dos estudantes, mas restringe sua emancipação técnica e a soberania tecnológica do país.

Referências bibliograficas:

BARDIN, L. Análise de conteúdo. Lisboa: Edições 70, 1977.

BRASIL. Ministério da Educação. Secretaria de Educação Básica. Inteligência Artificial na Educação Básica: Documento orientador sobre caminhos curriculares e práticas éticas de uso de IA nas escolas. Brasília: MEC, 2026. Disponível em: https://www.gov.br/mec/pt-br/escolas-conectadas/documentos/ia-educacao-basica.pdf. Acesso em: 15 maio 2026.

FÁVERO, A. A.; CENTENARO, J. B. A pesquisa documental nas investigações de políticas educacionais: potencialidades e limites. Contrapontos, 2019.

FIFE, S. T.; GOSSNER, J. D. Deductive qualitative analysis: evaluating, expanding, and refining theory. International Journal of Qualitative Methods, v. 23, p. 1-12, 2024.

NG, D. T. K. et al. Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, v. 2, 100041, 2021.

UNESCO. Marco referencial de competências em IA para professores. Brasília: Representação da UNESCO no Brasil, 2025a. Disponível em: https://unesdoc.unesco.org/ark:/48223/pf0000394280. Acesso em: 14 maio 2026.

UNESCO. Marco referencial de competências em IA para estudantes. Brasília: Representação da UNESCO no Brasil, 2025b. Disponível em: https://www.unesco.org/pt/articles/marco-referencial-de-competencias-em-ia-para-estudantes. Acesso em: 14 maio 2026.