Existe um momento na sala de aula que eu não consigo reproduzir com nenhum material didático que já escrevi.

A criança olha o painel com os dados da estação meteorológica instalada no pátio da própria escola. Lê temperatura, umidade, material particulado. Faz a previsão dela para a próxima hora. Depois compara com a previsão do modelo de inteligência artificial.

E às vezes ela acerta e o modelo erra.

Não é um erro qualquer. Tem uma explicação, e a explicação é sempre a mesma: a criança viu alguma coisa que o modelo não tinha como ver. Fumaça no terreno ao lado. Uma queimada que começou há dez minutos. O caminhão que passou. O modelo trabalha com a série histórica daquele sensor. A criança trabalha com a série histórica mais a janela da sala.

Nesse instante ela entende, de forma que nenhum livro consegue ensinar, o que é uma limitação algorítmica.

O problema que nos trouxe até aqui

A Lei Federal 14.926/2024 tornou a educação climática obrigatória em todas as etapas da Educação Básica no Brasil. Foi um avanço real. Mas lei não é método.

A maior parte dos municípios brasileiros recebeu a obrigação sem receber junto nem infraestrutura nem formação. Na prática, muita escola passou a "dar educação climática" com o mesmo recurso de sempre: texto sobre efeito estufa, vídeo sobre derretimento de geleira, cartaz na parede. Conteúdo sobre um planeta genérico, distante do pátio onde a criança está sentada.

E existe um segundo problema, que chegou junto e quase ninguém tratou como parte do mesmo pacote: essas crianças também precisam aprender a raciocinar sobre inteligência artificial. Não a usar um chatbot. A entender onde um modelo funciona, onde ele falha e por quê.

Em Cachoeiras de Macacu, no Rio de Janeiro, as Secretarias Municipais de Educação e de Sustentabilidade decidiram tratar os dois problemas como um só.

O que foi instalado

Doze escolas públicas da rede receberam estações meteorológicas Hexa Clima, tecnologia que desenvolvemos na BDN. Cerca de três mil alunos.

O equipamento é a parte menos interessante, mas vale descrever porque as restrições de projeto explicam o resto. As estações são impressas em 3D em PLA biodegradável, funcionam com energia solar e medem onze parâmetros atmosféricos, de temperatura e umidade a material particulado e CO₂. Foram desenhadas para escola pública brasileira: baixo custo por ponto, instalação sem técnico, manutenção que o próprio professor consegue fazer.

Nada disso importaria se parasse aí. Estação meteorológica em escola já existe há décadas e costuma virar enfeite depois do segundo mês.

O que muda é o que acontece com o dado.

Trabalhar com a IA, não aprender sobre ela

Sobre os dados de cada estação rodam modelos de aprendizado de máquina que geram previsão local para 15, 30 e 60 minutos à frente. Existe também um assistente que responde em linguagem simples a perguntas como "por que o ar está pior hoje?", alimentado pelos sensores em tempo real. E modelos que correlacionam condições atmosféricas com risco de incêndio e com proliferação do vetor da dengue.

A pergunta que organiza tudo isso não é "como a criança usa essas ferramentas". É "como a criança verifica essas ferramentas".

Toda atividade tem a mesma estrutura: a criança lê os dados, forma a própria hipótese, registra, e só depois compara com a saída do modelo. Quando os dois concordam, ela aprende sobre clima. Quando discordam, ela aprende sobre epistemologia — e nem precisa saber a palavra.

Chamamos a atividade central de Desafio Fogo. A criança lê as condições atuais e prevê o risco de queimada. O modelo faz o mesmo. Compara-se.

O ponto pedagógico não é quem ganha. É a conversa que vem depois: por que o modelo chegou nesse número? Que informação ele tinha? Que informação ele não tinha? O que eu sabia que ele não sabia?

Por que isso me parece urgente

Passamos os últimos anos discutindo se criança deve ou não usar inteligência artificial na escola. É a pergunta errada, e ela consome uma energia enorme.

Essas crianças vão viver num mundo em que a resposta está sempre disponível, instantânea e articulada. O que vai diferenciá-las não é ter acesso à resposta. É saber quando desconfiar dela.

E desconfiança não se ensina com aviso. Ninguém desenvolve ceticismo porque um adulto falou "cuidado, a IA pode errar". Desenvolve-se ceticismo tendo razão contra a máquina uma vez, e entendendo por quê.

Isso exige três coisas que raramente aparecem juntas: um dado real e local, um modelo que opere sobre esse dado, e um momento estruturado de confronto entre os dois. É caro montar isso do zero em cada escola. Foi por isso que passamos a tratar a estação não como equipamento de medição, mas como infraestrutura de dúvida.

O que fica com o município

Tem uma parte disso que não é sobre pedagogia.

Os dados ficam com a rede. A plataforma é aberta. Os relatórios que os alunos produzem — avaliação de risco de fogo, observação de qualidade do ar — são entregues à autoridade ambiental do município.

Ou seja: uma cidade que antes não tinha nenhum ponto de medição atmosférica passa a ter doze, operados por estudantes, gerando série histórica própria. A escola deixa de ser só um prédio que recebe conhecimento e passa a ser um aparelho que o produz.

Isso importa porque a maior parte do território brasileiro não tem medição ambiental nenhuma. Não por falta de tecnologia — o sensor é barato hoje. Por falta de decisão de apontá-la para onde não há cliente pagante.

O que ainda não sabemos

Seria desonesto encerrar com conclusão fechada.

O projeto está no primeiro ciclo escolar completo. Não tenho ainda dado longitudinal que me permita afirmar ganho de aprendizagem medido, e desconfio de quem afirma esse tipo de coisa cedo demais. O que tenho é desenho pedagógico, sistema em operação e observação de sala.

O que quero descobrir nos próximos ciclos é se a habilidade transfere. A criança que aprendeu a duvidar de um modelo de previsão climática duvida também de um resumo gerado por chatbot na tarefa de história? A competência é geral ou fica presa ao contexto em que foi treinada?

Não sei. É a pergunta que mais me interessa hoje.

No dia 10 de setembro apresento esse trabalho na sede da UNESCO, em Paris, dentro do Digital Learning Week 2026, ao lado dos secretários municipais de Educação e de Sustentabilidade de Cachoeiras de Macacu. Vou com mais perguntas do que respostas, o que me parece o estado correto para quem trabalha com criança e com tecnologia ao mesmo tempo.

Gustavo Morceli é CEO da PETE e fundador da BDN Tecnologia e da Vortex888 — Investimentos de Impacto.