O estudo de Stanford sobre IA na educação mostrou que a IA rende mais ao lado de quem atende do que no lugar da pessoa. Em 2024, com 900 tutores sorteados em dois grupos, os alunos do grupo com IA ficaram 4 pontos percentuais mais propensos a dominar o conteúdo, e o ganho chegou a 9 pontos com os tutores de pior avaliação. Para escolas e cursos, a lição vale para a matrícula: a IA sugere, a equipe decide.
Este texto traduz o estudo para a operação de quem atende interessados pelo WhatsApp: escolas de idiomas, cursos online, preparatórios e cursos técnicos. É o primeiro da série Arquivos de IA · Educação, que analisa pesquisas sobre IA na educação e o que elas ensinam para quem vende curso.
Este artigo é da Clint. Os números vêm do artigo dos autores (Wang, Ribeiro, Robinson, Loeb e Demszky), da página do estudo na Universidade Stanford e do resumo publicado pelo J-PAL, do MIT. O estudo saiu como working paper, no arXiv e no EdWorkingPapers.
O estudo em 30 segundos
+4 p.p.
na chance de o aluno dominar o tópico, na média (66% contra 62%)
+9 p.p.
entre os alunos dos tutores com pior avaliação (65% contra 56%)
US$ 20
custo estimado da IA por tutor por ano, sem contar o treinamento
Fonte: Wang et al. (2024) e J-PAL. Ensaio com 900 tutores e 1.800 alunos, março a maio de 2024.
Quais são as 5 lições do estudo de Stanford sobre IA na educação?
O estudo de Stanford deixa cinco lições para quem atende e matricula alunos:
- A IA funcionou ao lado da equipe, não no lugar dela.
- Quem mais ganhou foi quem tinha pior avaliação.
- O ganho veio de perguntar melhor, não de responder mais.
- A decisão ficou com a pessoa.
- A ferramenta custa pouco, mas a calibragem tem custo.
Cada lição traz o que o estudo mostrou, por que isso importa para a matrícula e como aplicar na sua escola.
O que o estudo de Stanford testou?
O estudo de Stanford sobre IA na educação sorteou 900 tutores de reforço de matemática em dois grupos. Metade recebeu o Tutor CoPilot, uma IA que sugeria respostas durante a aula; a outra metade trabalhou como antes. As aulas eram por chat, entre março e maio de 2024, com 1.800 alunos do ensino básico de escolas que recebem verba federal para estudantes de baixa renda nos Estados Unidos.
A IA nunca falava com o aluno. Quando o aluno errava, o tutor apertava um botão e recebia três sugestões de resposta, cada uma com uma estratégia de ensino. Ele podia usar, editar ou pedir outras. O domínio do conteúdo era medido por uma avaliação curta no fim da sessão, e o plano de análise foi registrado antes de os dados chegarem.
Lição 1
A IA substitui a equipe ou trabalha ao lado dela?
Trabalha ao lado. No estudo, o resultado veio de uma IA que só falava com o tutor: 66% dos alunos do grupo com a IA dominaram o tópico, contra 62% do grupo sem ela. Ninguém foi substituído, e o tutor seguiu conduzindo a conversa.
Por que importa para a matrícula. A conversa de quem procura curso tem contexto que muda a resposta: objetivo, nível, horário, modalidade, orçamento e prazo para começar. Uma IA que responde tudo sozinha, do jeito que vier, arrisca errar justamente nesses pontos. Uma IA que prepara a resposta para a equipe ganha velocidade sem perder o contexto.
Na sua escola
Separe o que a IA pode responder sozinha (endereço, documentos, data de início, link da aula experimental) do que ela só prepara para a equipe aprovar (valor com condição, encaixe em turma cheia, exceção de política). Se essa lista ainda não existe, ela é o primeiro passo.
Lição 2
Quem ganha mais quando a IA entra na equipe?
Quem tinha pior avaliação. Entre os alunos dos tutores com pior avaliação, a taxa de domínio subiu de 56% para 65%, um ganho de 9 pontos. Entre os tutores menos experientes, subiu de 61% para 68%. Segundo o J-PAL, a IA aproximou os tutores mais fracos do resultado dos colegas mais bem avaliados.
Alunos que dominaram o tópico, com e sem a IA ao lado do tutor
Percentual de alunos aprovados na avaliação ao fim da sessão
Tutores com pior avaliação
Sem IA
56%
Com IA
65%
Tutores menos experientes
Sem IA
61%
Com IA
68%
Média de todos os tutores
Sem IA
62%
Com IA
66%
Fonte: J-PAL, resumo da avaliação do Tutor CoPilot.
Por que importa para a matrícula. No atendimento de curso, a qualidade varia muito de pessoa para pessoa. O atendente experiente sabe quais perguntas fazer e quando oferecer a aula experimental. Quem acabou de chegar manda o valor cedo, esquece de registrar o motivo da perda e encerra a conversa sem próximo passo. A diferença aparece na matrícula, não no volume de mensagens.
Na sua escola
Compare a taxa de matrícula do atendente mais novo com a do mais experiente. Se a distância é grande, a IA ao lado da equipe tende a render primeiro em quem chegou por último, com respostas sugeridas no padrão da casa.
Lição 3
O que muda na conversa quando a IA ajuda?
Muda o tipo de pergunta. Os pesquisadores analisaram mais de 550 mil mensagens: com a IA, os tutores ficaram 10 pontos percentuais mais propensos a pedir que o aluno explicasse o raciocínio, usaram menos elogio genérico e entregaram menos respostas prontas.
Por que importa para a matrícula. No atendimento de curso, a resposta pronta é mandar a tabela de preços na primeira mensagem. Parece rápido, mas a escola responde sem saber o que o interessado precisa e perde a chance de indicar a turma certa. Quem pergunta antes recomenda melhor e chega ao valor com contexto.
Na sua escola
Escreva as três ou quatro perguntas que o seu melhor atendente faz antes de falar de valor. Por exemplo: qual o objetivo com o curso, qual o nível atual, que horário funciona e quando quer começar. Essa sequência vira o roteiro que a IA sugere a toda a equipe.
Lição 4
Quem decide quando a IA sugere?
A pessoa. O Tutor CoPilot oferecia três respostas, e o tutor escolhia uma, editava ou pedia outras. A IA não enviava nada ao aluno por conta própria.
Por que importa para a matrícula. Desconto, bolsa, parcelamento fora da política, troca de turma e promessa sobre o resultado do curso são decisões com impacto no caixa e na reputação da escola. Elas precisam de alguém responsável. A IA reúne o contexto e sugere a resposta; quem aprova é a equipe.
Na sua escola
- A IA coleta os dados do interessado e sugere a próxima resposta.
- A equipe aprova ou ajusta quando há valor, exceção ou promessa envolvida.
- A decisão tomada vira regra escrita para as próximas conversas.
Lição 5
Quanto custou e o que o estudo de Stanford não provou?
A IA custou cerca de US$ 20 por tutor por ano, segundo os autores. Esse valor não inclui o treinamento: os tutores tiveram até três semanas de preparação, de acordo com a reportagem do The 74. O ganho médio foi de 4 pontos percentuais, medido logo depois de cada sessão, e não ao longo do ano letivo.
Os tutores também relataram que algumas sugestões vinham acima do nível do aluno e precisavam ser simplificadas. Quem ajustava a IA ao contexto era o tutor.
Por que importa para a matrícula. O preço da ferramenta raramente é o custo principal. O que pesa é o tempo para ensinar a IA sobre a escola: turmas, valores, regras de desconto, tom de voz e o momento de passar a conversa para uma pessoa. A IA opera; a equipe calibra.
Na sua escola
Reserve as primeiras semanas para revisar as conversas em que a IA sugeriu respostas. Marque o que precisou de correção e transforme cada correção em regra.
Como o estudo de Stanford se aplica ao atendimento da escola?
A tabela abaixo traduz o estudo de Stanford sobre IA na educação para o uso de IA no atendimento de escolas e cursos, da primeira mensagem à matrícula.
| No estudo | Na sua escola |
|---|---|
| O tutor que dá reforço | Quem atende o interessado na secretaria ou no WhatsApp |
| O aluno que travou no exercício | O interessado com dúvida sobre turma, valor ou horário |
| Três sugestões, e o tutor escolhe | Resposta sugerida, e o atendente aprova ou ajusta |
| Mais perguntas, menos resposta pronta | Entender o objetivo antes de mandar o valor |
| Maior ganho nos tutores com pior avaliação | Maior ganho em quem acabou de chegar na equipe |
Por onde a escola deve começar?
Pelo atendimento que mais se repete. O estudo de Stanford sobre IA na educação mostra que a IA rende quando entra numa rotina definida, com uma pessoa decidindo. Na escola, isso vira cinco passos:
- Liste as perguntas que chegam todo dia no WhatsApp.
- Defina a ordem das perguntas antes de falar de valor.
- Escreva o que a IA pode responder sozinha e o que precisa de aprovação.
- Revise as conversas das primeiras semanas e transforme as correções em regra.
- Acompanhe quantos interessados avançam para a aula experimental e para a matrícula.
Para escolher a ferramenta, veja os 5 critérios para escolher um CRM para escola e curso online no WhatsApp. Para saber se a operação está pronta para um agente de IA, leia os 5 sinais de prontidão para um agente de IA comercial.
A IA sugere, a equipe decide
A Clint é o CRM brasileiro de vendas e atendimento pelo WhatsApp e Instagram: conversas, funil e agentes de IA no mesmo lugar. O agente atende o interessado, faz as perguntas da escola e passa a conversa para a equipe com o contexto registrado. Desconto, exceção e fechamento ficam com as pessoas.
Teste a Clint grátis por 7 dias
Sem cartão de crédito e sem falar com vendedor.
Perguntas frequentes sobre o estudo de Stanford sobre IA na educação
O que é o Tutor CoPilot, de Stanford?
É uma IA criada por pesquisadores da Universidade Stanford para sugerir respostas a tutores durante aulas de reforço por chat. Ela não fala com o aluno: oferece três sugestões, e o tutor escolhe, edita ou pede outras.
O estudo de Stanford prova que a IA substitui o atendimento humano?
Não. O estudo de Stanford sobre IA na educação testou a IA ao lado do tutor. O ganho de 4 pontos percentuais veio com a pessoa conduzindo a conversa e decidindo o que enviar.
Quem mais se beneficiou da IA no estudo de Stanford?
Os alunos dos tutores com pior avaliação: a taxa de domínio do conteúdo subiu de 56% para 65%. Entre os tutores menos experientes, subiu de 61% para 68%.
Quanto custou a IA no estudo de Stanford?
Cerca de US$ 20 por tutor por ano, segundo os autores. O valor não inclui o treinamento, que chegou a três semanas.
Como aplicar o estudo de Stanford no WhatsApp da escola?
Deixe a IA sugerir respostas e fazer as perguntas que o melhor atendente faz, e mantenha com a equipe as decisões sobre valor, desconto e exceção. Revise as primeiras conversas e transforme cada correção em regra.
Fontes
- Wang, R. E.; Ribeiro, A. T.; Robinson, C. D.; Loeb, S.; Demszky, D. Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise. arXiv, 2024.
- EdWorkingPapers ai24-1054, Annenberg Institute, Brown University, 2024.
- Página do estudo, National Student Support Accelerator, Universidade Stanford.
- Human-AI Cooperation to Improve Tutoring in the United States, J-PAL.
- Study: AI-Assisted Tutoring Boosts Students’ Math Skills, The 74, 2024.
