Em que estádio está a sua universidade?

Antes de adotar um modelo, uma universidade precisa de saber onde está, e quase nenhuma o sabe com precisão. A pergunta «em que ponto estamos com a inteligência artificial?» costuma responder-se com impressões —«vamos bem», «estamos atrasados»— que não orientam nenhuma decisão. O diagnóstico institucional de SinergIA existe para substituir essas impressões por uma leitura situada. Não é um exame que se aprova ou se reprova, nem uma escala linear de progresso obrigatório: é uma tipologia de sete estádios que permite a cada universidade situar o seu estado de maturidade e, sobretudo, formular um roteiro realista em vez de aspirar a implementar tudo de uma vez e abandoná-lo ao fim de seis meses.

A pergunta do capítulo é operativa: como diagnostica uma universidade em que estádio de maturidade se encontra, que indicadores definem cada estádio, e como se traduz o diagnóstico num roteiro? Sustento que o diagnóstico com estádios diferenciados é uma decisão arquitetónica que resolve um problema concreto: a pretensão de implementar o modelo completo de uma vez, em universidades sem condições para a sustentar, que acaba em abandono. Uma universidade pode estar, além disso, em estádios distintos em dimensões distintas; o que o diagnóstico produz é um padrão reconhecível, não uma classificação agregada. Desenvolvo os sete estádios, os indicadores que os definem, a percentagem de pessoal na banda de iteracção avançada como indicador central, o Shadow AI institucional como indicador inverso, os modos de diagnóstico, e a tradução num roteiro.

16.1Os sete estádios E0 a E6

Os sete estádios nomeiam trajetórias reconhecíveis, não degraus obrigatórios. Os quatro primeiros descrevem a construção progressiva do modelo; os três superiores marcam a sua consolidação.

Insisto: uma universidade raramente está limpamente num só estádio; o normal é um padrão misto, mais avançado nalgumas dimensões do que noutras.

16.2Indicadores por estádio

Como se verifica operativamente em que estádio está uma universidade? Com cinco indicadores principais articulados com as dimensões do modelo. O primeiro é o estado da AIUAT: se existe, com que composição, que critérios qualificadores cumpre, com que frequência opera, como articula com a direção universitária. O segundo é o número e a qualidade dos AIA-i operativos: quais dos cinco operam, em que estado de construção, que grau do critério autêntico face a wrapper satisfazem. O terceiro é o estado da política viva: se existe, com que frequência se revê, como documenta as suas tensões. O quarto é o estado das métricas relacionais: se se aplicam efetivamente, não só se foram formuladas. E o quinto é a articulação com as dimensões de alcance: em quais a instituição opera com coerência e em quais não.

A aplicação do diagnóstico opera com um instrumento específico que a AIUAT —ou uma instância equivalente nos estádios iniciais— sustenta: a Matriz de Maturidade SinergIA. E aqui há uma diferença de fundo: não é um questionário de cumprimento elemento a elemento, mas uma matriz operativa que articula os cinco indicadores e se apoia na matriz de cinco por cinco do capítulo oito, que a instituição completa argumentativamente com evidência. O diagnóstico é uma operação sustentada com periodicidade anual, não um evento único. O que o modelo torna governável não é o estádio num momento dado, mas a trajetória reconstruível entre diagnósticos sucessivos: importa menos onde se está do que para onde se move a instituição.

16.3A percentagem de pessoal na banda de iteracção avançada

Entre todos os indicadores, há um que o modelo eleva a métrica relacional central: a percentagem de pessoal institucional que opera na banda de iteracção avançada, a faixa superior da escala de três bandas. O indicador aplica-se ao corpo institucional completo segundo o seu papel —dirigente, docente, investigador, administrativo— e, de maneira específica, a quem integra a AIUAT, onde operar na banda avançada é uma condição de pertença e não um horizonte desejável. Não se trata de medir quanta gente usa a inteligência artificial, mas quanta a usa no modo a que o modelo chama iteracção: com ciclos governados, intervenção significativa e articulação crítica.

O indicador é relacional, e não instrumental, por duas razões. A primeira é que opera pela relação entre papéis: a AIUAT na banda avançada como condição, o corpo dirigente como horizonte de médio prazo, o corpo docente com uma distribuição cuja trajetória de desenvolvimento a instituição se compromete a elevar. A segunda é que opera por trajetória: a percentagem isolada num momento diz menos do que a sua evolução entre revisões sucessivas. É central porque articula a formação sustentada com a operação do modelo: uma universidade sem trajetória de elevação dessa percentagem não pode sustentar uma operação coerente nos estádios E3 e posteriores, por mais AIA-i que tenha construído. A tecnologia pode comprar-se; a competência para iterar com ela só se cultiva.

16.4O Shadow AI institucional como indicador diagnóstico

Há um indicador que funciona ao contrário dos demais, e por isso é especialmente revelador: o Shadow AI institucional. Nomeia o uso real de inteligência artificial por parte da comunidade universitária fora do quadro regulador formal. Opera quando a instituição nega que o uso ocorre, ou o regula com critérios herdados da era pré-generativa, e os atores operam em zona cinzenta com critérios próprios, sem orientação institucional. O paralelo histórico já o vimos: a Wikipédia nas bibliotecas universitárias entre 2001 e 2010, usada massivamente enquanto a instituição a proibia no papel.

Como indicador diagnóstico, o Shadow AI opera de modo inverso ao uso visível governado. O estádio E0 corresponde a Shadow AI generalizado; o E6, a uso visível governado generalizado; os intermédios, à transição progressiva do primeiro para o segundo. A decisão de fundo do modelo —que é melhor um uso visível e governado do que um invisível e permitido por omissão— opera em cada estádio: a universidade que passa de E1 a E2 deve reconhecer o Shadow AI existente e transferi-lo para uso governado, não negá-lo. Por isso o indicador exige evidência operativa real —inquéritos regulares, análise de produção académica, observação de práticas— e não a mera presunção de cumprimento. Uma instituição que julga não ter Shadow AI quase sempre é uma instituição que não o mediu.

16.5Diagnóstico participativo face a diagnóstico técnico

Precisemos quem faz o diagnóstico, porque disso depende o seu valor. O diagnóstico técnico isolado realiza-o uma equipa —com frequência a AIUAT— que recolhe dados e produz um relatório de estádio. O diagnóstico participativo articulado opera com a AIUAT como articuladora, mas com participação operativa do corpo institucional na sua produção: o corpo docente aporta evidência da sua área, os conselhos académicos a articulação curricular, as áreas administrativas os seus processos, os estudantes a sua trajetória formativa, as áreas de investigação os seus ciclos. Não é uma consulta à instituição; é produção institucional articulada.

O modelo opta pela modalidade participativa por três razões. A primeira é que o conhecimento sobre o próprio funcionamento está distribuído na instituição, não concentrado numa equipa, e o diagnóstico técnico isolado perde acesso a essa distribuição. A segunda é que o diagnóstico participativo é formativo em si mesmo: quem participa desenvolve competência de leitura institucional sobre a incorporação da inteligência artificial. E a terceira é que produz compromisso com o resultado, condição de que o roteiro posterior se sustente. A participação não dilui a responsabilidade operativa da AIUAT; apoia-a com uma base institucional mais ampla. Um diagnóstico que só uns poucos conhecem dificilmente mobiliza uma universidade inteira.

16.6Do diagnóstico ao roteiro

O diagnóstico não é um fim em si mesmo: existe para se traduzir num roteiro. Essa tradução opera em quatro passos que a AIUAT sustenta com participação do corpo institucional. Primeiro, a leitura do padrão que emerge do diagnóstico, não só o estádio agregado, mas as concentrações, os vazios e as articulações débeis na matriz de cinco por cinco. Segundo, a identificação das células ou componentes com maior rendimento marginal para avançar ao estádio seguinte, sem pretender ativar tudo de uma vez. Terceiro, a formulação de objetivos para um horizonte de doze meses, até à próxima revisão anual, e de objetivos articulados para um horizonte de quatro ou cinco anos, alinhado com o planeamento estratégico vigente. E quarto, a articulação com o orçamento, a formação do corpo institucional e a revisão semestral.

A priorização opera com critério operativo e não estético. Uma universidade em E1 prioriza tipicamente construir uma AIUAT qualificada e o seu primeiro AIA-i de maior rendimento marginal, seja o AEI pela densidade de uso na docência ou o AIPA pela densidade na admissão, segundo o seu contexto. Uma em E3 prioriza articular os AIA-i existentes entre si e formalizar as métricas relacionais. Uma em E5 prioriza a articulação internacional e a produção regular da dimensão investigativa transversal. Não há um receituário universal: a priorização é específica de cada instituição, e essa especificidade é justamente o que distingue um roteiro de uma lista de bons propósitos copiada de outra universidade.

Diagnosticar não é etiquetar uma universidade com uma nota, mas dar-lhe um espelho em que reconheça o seu padrão —o que já tem, o que lhe falta, o que não articula— e, a partir daí, decidir o seu passo seguinte. Sem esse espelho, a adoção do modelo é às cegas; com ele, é uma trajetória que a instituição pode reconstruir e defender.