Há uma versão deste ensaio que escrevi dezoito meses atrás e estou feliz por não ter publicado.
Chamava-se Por que um app de estudo na era do ChatGPT?, e gastava duas mil palavras explicando como a IA transformaria a educação, como o Fluera seria o app que finalmente tornaria real o tutoring personalizado e como em cinco anos ninguém estudaria mais como antes. Era otimista. Era confiante. Era também, em retrospecto, quase totalmente errado.
O que eu não via, na época, era que o problema nunca foi os estudantes não conseguirem alcançar a informação. Nunca foi os professores não conseguirem personalizar. O problema era — e é — que as ferramentas modernas tornam incrivelmente fácil sentir que aprendeu algo quando não aprendeu. E quanto melhor a ferramenta fica com a sensação, pior fica na coisa que importa.
O gargalo se deslocou
Por boa parte da história, a pergunta que definia o estudo de qualquer coisa era acesso. Os livros custavam. Os professores eram poucos. As bibliotecas ficavam longe. Uma pessoa instruída era, antes de tudo, alguém que tinha conseguido se aproximar da informação.
Para a minha geração, a pergunta virou navegação. A informação era abundante; encontrar o pedaço certo era o trabalho. Google, Wikipedia, Stack Overflow — uma infraestrutura inteira para uma única pergunta: onde está? Ser instruído em 2015 queria dizer saber buscar bem.
Em 2026, nenhuma das duas perguntas nos restringe de verdade. Qualquer fato está a três segundos. Qualquer explicação pode ser gerada no estilo que você preferir. O gargalo se deslocou de novo e — eis a parte que tinha me escapado — para a nova forma a infraestrutura ainda não foi construída.
O novo gargalo é: como transformo o que acabei de ler em algo que retenho de verdade?
A velha ciência cognitiva, discretamente vingada
E aqui está a coisa engraçada. As respostas a essa pergunta estão na literatura há cinquenta anos. Repetição espaçada, desde Ebbinghaus em 1885. Prática de recuperação, desde Roediger e Karpicke em 2006 [Roediger e Karpicke, 2006] View in bibliography → . Dificuldades desejáveis, desde Bjork em 1994 [Bjork, 1994] View in bibliography → . Concept mapping, desde Novak em 1984 [Novak e Gowin, 1984] View in bibliography → . A neurociência da memória espacial de O’Keefe e dos Moser, que venceu o Nobel em 2014 [Moser et al., 2005] View in bibliography → .
Esses resultados são robustos. As meta-análises são consistentes. Os effect sizes vão de moderados a d = 0,88 — muito grande para qualquer padrão da ciência cognitiva.
O que nunca tivemos — nem uma vez, em toda a história da ed-tech — são ferramentas que tornem a coisa certa o caminho mais fácil. O Anki torna a prática de recuperação possível, mas ao custo de uma construção enorme. O Notion torna as anotações legíveis mas não recuperáveis. O GoodNotes torna a escrita à mão bonita mas desconectada de qualquer agendamento de memória. Cada ferramenta resolve um passo de um ciclo de muitos passos; nenhuma resolve o ciclo.
E agora, sobre esse mosaico, temos os LLMs. Que tornam a coisa errada — o consumo passivo de respostas articuladas — sentir como se fosse a coisa certa. Três segundos de fluência, confundidos com codificação. Viés de automação em escala planetária [Kahneman, 2011] View in bibliography → .
O Centauro, não a substituição
A tentação, ao construir uma ferramenta de estudo baseada em IA, é colocar a IA no centro. Fazer ela gerar suas anotações, te resumir o manual, te explicar as questões de prova. Eu entendo a tentação. É o produto óbvio. E é também, segundo tudo o que a ciência diz, exatamente errado.
O framing Centauro de Kasparov é o que funciona de verdade. O jogador de xadrez mais forte do mundo não é o Stockfish. Não é nem o Carlsen. É o Carlsen com o Stockfish, em simbiose estruturada — cada um fazendo o que sabe fazer melhor, nenhum dos dois fingindo ser o outro.
Para o estudo, a contribuição humana é profundidade, julgamento e geração. A contribuição da IA é amplitude, verificação e scaffolding. Uma ferramenta que entende isso tem a IA perguntando antes de responder, fazendo andaime antes de resolver, verificando antes de se oferecer. Uma ferramenta que erra faz o inverso, e o estudante sai da sessão se sentindo mais inteligente sem ter aprendido nada.
O Fluera é nossa tentativa do primeiro tipo.
No que estamos apostando
Estamos apostando que existe uma coorte de learners — não todos, não a maioria, mas o suficiente — que sabe sentir a diferença entre fluência e competência quando importa. Estudantes preparando orais que não se finge. Learners de longo curso que percebem que tudo o que pedem ao ChatGPT evapora na semana seguinte. Docentes cansados de ver estudantes entregarem ensaios gerados por LLM articulados que o estudante depois não consegue defender.
Para esses, o atrito não é bug. Escrever à mão não é nostalgia. Ser questionado antes de receber a resposta não é punição. São recursos. São o mecanismo.
Estamos construindo uma ferramenta de estudo mais lenta, mais silenciosa e mais difícil do que as alternativas. Porque a evidência diz que é o que funciona. E porque as ferramentas mais rápidas, mais barulhentas e mais fáceis se tornaram, a esta altura, ferramentas para a ilusão de competência.
Se isso ressoa em você — venha construir com a gente na beta. Se não ressoa, tudo bem também. Nem toda ferramenta é para todo learner. Esta é para quem sabe distinguir a diferença.