O advento da inteligência artificial provocou uma verdadeira revolução no âmbito educacional em todas as áreas e, por consequência, também no ensino jurídico. Como ocorre com toda inovação disruptiva, há divergências de opiniões, incertezas quanto às formas e à intensidade de seu uso, bem como resultados positivos e negativos, tanto esperados quanto já verificados.

Hoje, talvez a única certeza seja justamente a de que ainda há muitas incertezas. Trata-se, portanto, de momento adequado e oportuno para fomentar a troca de ideias e experiências em busca dos melhores resultados.

Assine gratuitamente a newsletter Últimas Notícias do JOTA e receba as principais notícias jurídicas e políticas do dia no seu email

Constatam-se comportamentos dos mais diversos e, por vezes, antagônicos. Há desde aqueles que rejeitam completamente o uso da IA e o proíbem terminantemente até aqueles que o incentivam e o incorporam às metodologias de ensino.

É nesse contexto que escrevemos este texto, com o propósito de compartilhar uma experiência inicial no âmbito do ensino jurídico em nível de pós-graduação, na área do Direito Financeiro, e, com isso, colher sugestões e compartilhar reflexões que contribuam para o aperfeiçoamento da experiência e para a obtenção de melhores resultados.

De início, partimos da premissa de que as inovações tecnológicas no âmbito da IA são inafastáveis e constituem instrumentos que inevitavelmente serão incorporados ao ensino em todas as áreas. A restrição ao seu uso mostra-se um caminho fadado ao insucesso, ao passo que sua incorporação, acompanhada do incentivo a uma utilização produtiva e racional, apresenta-se como a alternativa mais viável.

As formas, os instrumentos, as ferramentas e os meios pelos quais se pode avançar na construção de uma metodologia moderna passam, assim, a constituir as questões relevantes a serem discutidas para alcançar esse objetivo e obter os melhores resultados no ensino jurídico do Direito Financeiro, com experiências que poderão facilmente ser estendidas às demais áreas do ensino.

A elevada qualificação dos integrantes do programa de pós-graduação stricto sensu da Faculdade de Direito da USP oferece uma oportunidade ímpar para o desenvolvimento dessa experiência.

Em 2025, foi ministrada a disciplina Direito Financeiro, Gestão Pública, Inovação e Inteligência Artificial (DEF 5920), com a participação dos professores José Mauricio Conti (Direito-USP), Juliano Maranhão (Direito-USP), Estevão Horvath (Direito-USP), André Castro Carvalho (Direito-Insper), Diogo Cordeiro Rodrigues (Direito-UFPR) e Rafael Fassio (Direito – Escola da PGE-SP). A experiência proporcionou estudos e debates extremamente ricos e produtivos, que permitiram a sistematização e o aprofundamento dos diversos temas envolvidos.

Na semana passada, iniciamos a segunda edição da disciplina. Desta vez, além do aperfeiçoamento teórico e organizacional, o principal destaque concentrou-se no avanço metodológico, com a intensificação da incorporação da IA na concepção, no desenvolvimento, na participação dos alunos e nos processos de avaliação da disciplina.

O propósito foi construir um laboratório de experimentação pedagógica com IA para testar diferentes formas de integrar modelos de IA generativa e agêntica no processo de aprendizagem. Geralmente, o uso de IA no ensino acaba ficando restrito à produção de textos, resumos ou apresentações. Nessa disciplina, a proposta é experimentar como ela pode participar do próprio desenho pedagógico, sempre se valendo da supervisão humana efetiva. E todo esse uso parte de uma regra transversal de transparência: a IA deve aparecer como interlocutora do processo intelectual, e não como autora invisível do trabalho do aluno.

A experiência dialoga com movimentos que já aparecem em universidades como NUS e NTU, em Singapura, que vêm desenvolvendo tutores de IA específicos para disciplinas e infraestruturas de personalização da aprendizagem. O experimento aqui acrescenta uma camada particular: combinar o agente da disciplina com uma memória longitudinal construída a partir do próprio percurso intelectual do aluno.

Entre os experimentos previstos, vale destacar:

1. Memória longitudinal do aluno. Cada estudante possui uma memória acadêmica individual, atualizada ao longo da disciplina por meio de uma arquitetura de memória longitudinal. Ao colaborar com um agente, ele registra interesses, problemas de pesquisa, experiências relevantes e conexões construídas ao longo do semestre.
2. Agente acadêmico individual. Em vez de interações pontuais com modelos de IA, existe um tutor “ancorado” nos materiais da disciplina e que acompanha cada aluno ao longo do semestre. A proposta é que ele funcione como interlocutor: faça recuperação ativa, teste argumentos, apresente objeções e contraexemplos e ajude o aluno a conectar as leituras da disciplina com seus próprios problemas de pesquisa e experiência profissional.
3. RAG da disciplina. Uma base de conhecimento acadêmica, composta por normas, papers, policy papers e outros materiais utilizados no curso, serve como repositório para um sistema de Retrieval-Augmented Generation (RAG). Além de melhorar o grounding das respostas do agente, essa estrutura permite explorar formas de visualizar o conhecimento por meio de grafos de relações entre autores, conceitos, normas, políticas públicas e temas das aulas.
4. Formação de grupos com apoio de IA. As memórias individualizadas permitem identificar afinidades temáticas entre os alunos. Essas informações podem apoiar decisões de organização acadêmica, como a distribuição dos seminários, combinando interesses, experiências profissionais, complementaridade dos perfis e equilíbrio entre os grupos.
5. Fichas de reação mediadas por diálogo. Em vez de utilizar a IA apenas para redigir uma ficha após a leitura, adota-se uma dinâmica inspirada em flipped classroom e aprendizagem ativa: o aluno lê, conversa com o agente, é provocado a reconstruir a tese do texto, defender uma interpretação, enfrentar objeções e formular uma pergunta. O registro da interação passa a constituir parte da evidência do processo de aprendizagem.
6. Memória de curto prazo. Ao final de determinados encontros, o agente ajuda o aluno a registrar o que aprendeu, o que mudou em sua compreensão, quais dúvidas permaneceram e quais conexões surgiram com outras aulas. Essas informações alimentam novamente sua memória longitudinal.
7. Projetos finais AI-native. A disciplina admite tanto trabalhos acadêmicos tradicionais quanto produtos aplicados, como protótipos, análises de dados, ferramentas e arquiteturas de governança para o uso de IA.

Uma observação nesse desenho é que o objetivo do curso não é terceirizar o raciocínio para a IA. É justamente tentar descobrir como utilizar a capacidade dos modelos para exigir mais raciocínio do aluno, em vez de concentrar a discussão em proibir ou não o uso da tecnologia. Essa preocupação com o processo, e não apenas com o produto final entregue pelo aluno, também aparece em experiências recentes de redesenho da avaliação em universidades como Harvard.

O experimento que mais chama atenção talvez seja o agente longitudinal. Um mesmo sistema passa a acompanhar o percurso intelectual do estudante, recuperar discussões anteriores e questionar inconsistências, mudanças de posição e conexões que poderiam desaparecer entre uma aula e outra.

A hipótese a ser testada ao longo do semestre é se a combinação entre memória longitudinal, RAG, grafos de conhecimento, agentes, recuperação ativa e avaliação do processo pode produzir algo diferente de uma disciplina tradicional simplesmente “com IA”.

E, como se trata de um laboratório, será igualmente importante avaliar o próprio experimento: observar se esse desenho melhora a qualidade das perguntas formuladas pelos alunos, sua capacidade de detectar erros da IA, construir contra-argumentos, conectar diferentes textos e explicitar como o próprio entendimento evoluiu ao longo do semestre.

Quer receber reportagens do JOTA com mais frequência? Clique aqui e selecione o JOTA como fonte de informação no Google Notícias

O futuro do Direito Financeiro, assim como o das demais áreas do Direito e do conhecimento, depende da formação de profissionais qualificados, críticos e preparados para uma realidade em permanente transformação. O ensino ocupa, nesse processo, papel central. Inovar e aperfeiçoar continuamente as metodologias de aprendizagem é indispensável, e a incorporação responsável, crítica e transparente das novas tecnologias constitui um caminho necessário.

O desafio não é substituir o raciocínio humano pela IA, mas utilizá-la para formar profissionais capazes de pensar melhor, questionar mais e produzir conhecimento com maior autonomia e qualidade.