Exames digitais: o que a tecnologia pode aprender com os erros políticos de Portugal

Quando um programa de rádio português pergunta se um político "ficou sozinho na cara do touro", a imagem é clara: alguém assumiu um risco enorme sem rede de apoio, e agora arca com as consequências. Essa metáfora sirva perfeitamente para descrever o que acontece quando governos decidem digitalizar processos críticos — como os exames nacionais — sem uma estratégia técnica sólida. O caso dos exames digitais em Portugal, mencionado no episódio do Observador, não é apenas uma notícia política; é um estudo de caso sobre como a aplicação de tecnologia em larga escala pode falhar quando ignoramos princípios fundamentais de engenharia de software, segurança da informação e, especialmente, inteligência artificial aplicada.

Como engenheiro de software que já liderou a migração de sistemas legados para a nuvem em instituições públicas e privadas, vejo repetidamente o mesmo padrão: decisões tomadas no calor do debate político, sem o devido tempo de maturação técnica, geram sistemas frágeis, inseguros e, no fim, mais caros do que a solução anterior. A contradição interna do governo — apontada no programa — sobre a audição de ex-ministros do PS revela algo mais profundo: a falta de alinhamento entre os discursos de modernização e a realidade operacional. E isso, no mundo da tecnologia, é o primeiro sinal de que o projeto está condenado.

O salto digital sem rede de segurança

Projetos de digitalização de exames não são novidade. Países como Estônia e Coreia do Sul já implementaram sistemas robustos, mas com décadas de planejamento e investimento contínuo. O erro português, aparentemente, foi tentar dar um "passo maior que a perna": substituir de uma só vez um processo analógico consolidado por uma plataforma digital, sem considerar a complexidade dos fluxos de avaliação, a diversidade de escolas, a infraestrutura de rede e, principalmente, a segurança dos dados dos alunos. Em IA aplicada, sabemos que a qualidade de um modelo depende diretamente da qualidade dos dados de entrada. Se os dados de treino — ou, no caso, os dados de operação — são contaminados por falhas de coleta ou inconsistências de sistema, o resultado é pior do que a ausência de tecnologia.

Outro ponto crítico é a ausência de testes em escala real. Em arquiteturas de sistemas distribuídos, costumamos realizar simulações de carga com tráfego sintético antes de qualquer lançamento. No setor público, muitas vezes pula-se essa etapa por pressa política. O resultado? Quedas de servidor no dia da prova, perda de respostas, vazamento de informações sensíveis. O "passo maior que a perna" não é um erro de execução, mas sim de governança. Quem definiu o cronograma? Quem validou os requisitos não funcionais? Quem garantiu a resiliência do sistema? Se essas perguntas não forem respondidas com transparência, qualquer projeto de IA ou digitalização estará fadado ao fracasso.

O que a IA aplicada tem a ver com isso?

Talvez você esteja se perguntando: onde entra a inteligência artificial nessa história? A resposta está na promessa de personalização e correção automatizada. Muitos projetos de exames digitais incluem módulos de correção assistida por IA, análise de desempenho por aluno, geração de relatórios preditivos. Esses recursos são poderosos, mas exigem bases sólidas. Um sistema de correção automática que não foi treinado com dados representativos de todas as regiões do país pode introduzir vieses regionais ou socioeconômicos. Um modelo preditivo de abandono escolar que depende de dados incompletos pode classificar incorretamente alunos em situação de risco, gerando intervenções inadequadas. A IA aplicada em educação demanda um rigor ético e técnico que muitas vezes falta em projetos conduzidos por agendas políticas.

No caso português, a crítica de "populismo" ao novo regime de rendas, mencionada no programa, ecoa no campo da tecnologia: quando se promete modernização sem apresentar evidências de viabilidade, o discurso se torna vazio. A mesma lógica se aplica a promessas de "exames 100% digitais com IA" sem que haja um plano de contingência para falhas de energia, ataques cibernéticos ou erros de usabilidade. Em projetos que lidam com milhões de estudantes, cada falha tem um custo social imenso.

Lições para engenheiros e gestores de produto

Se você trabalha com desenvolvimento de software ou produto digital, pode extrair três lições práticas desse caso:

• Nunca subestime o legado. Sistemas analógicos existem por um motivo: eles funcionam, mesmo que de forma ineficiente. Substituí-los requer um mapeamento detalhado de todos os fluxos de exceção, que muitas vezes são ignorados em reuniões de alto nível. Antes de qualquer automação, documente o processo "as is" com quem realmente opera o sistema.
• Teste em ambiente real, mas com segurança. Simulações de carga em laboratório não substituem o comportamento real de milhares de usuários simultâneos. Use técnicas de canary release e feature flags para liberar funcionalidades gradualmente, mesmo em sistemas governamentais. Se possível, faça um piloto com um grupo reduzido de escolas antes da implantação nacional.
• Privacidade e segurança não são features, são requisitos básicos. Dados de alunos — incluindo notas, desempenho e dados pessoais — são extremamente sensíveis. Em Portugal, o vazamento de informações de exames poderia gerar danos irreparáveis. Em qualquer projeto de IA aplicada, a privacidade deve ser desenhada desde o início (privacy by design), e não adicionada depois como um patch.

Riscos, limitações e o papel do profissional de tecnologia

Não estou aqui para defender que a digitalização é ruim. Muito pelo contrário: acredito que a tecnologia pode transformar a educação, desde que aplicada com responsabilidade. O risco está em repetir os erros de outros projetos: ignorar a diversidade de infraestrutura, pressupor que todos os alunos têm acesso igual à internet e a dispositivos, e tratar a correção automatizada como uma caixa-preta infalível. A limitação técnica mais grave, na minha experiência, é a ausência de métricas de sucesso claras antes do início. Se o governo não define como medirá a eficácia do sistema (taxa de conclusão, tempo médio de resposta, índice de erros), qualquer resultado pode ser manipulado para justificar o projeto.

O profissional de tecnologia — seja engenheiro, cientista de dados ou gerente de produto — tem o dever de alertar sobre esses riscos, mesmo que isso signifique ir contra a corrente política. Em projetos que envolvem IA aplicada, a transparência algorítmica é essencial. Se o sistema de correção automática utiliza um modelo de linguagem, é preciso garantir que ele não seja enviesado contra determinados sotaques ou estilos de escrita. Se utiliza visão computacional para reconhecer respostas manuscritas, a precisão deve ser testada em diferentes condições de iluminação e qualidade de digitalização. Ignorar esses detalhes é o verdadeiro "passo maior que a perna".

Minha perspectiva: o que Portugal (e outros países) deveriam fazer

Na minha opinião, a abordagem correta para digitalizar exames nacionais envolve três fases: primeiro, um piloto restrito a uma disciplina, com avaliação rigorosa de usabilidade e segurança; segundo, abertura dos dados anonimizados para a comunidade acadêmica validar os modelos de IA; terceiro, implementação gradual com redundância geográfica em nuvem pública (ou híbrida, respeitando leis de proteção de dados). O Observatório da Qualidade da Internet, por exemplo, poderia monitorar a latência das escolas em tempo real durante o período de provas. Ferramentas de observabilidade — como tracing distribuído e métricas de aplicação — são essenciais para detectar gargalos antes que afetem os alunos.

Além disso, a governança do projeto deve incluir não apenas técnicos e políticos, mas também representantes de professores, alunos e pais. A contradição interna que o programa de rádio aponta é sintoma de uma gestão verticalizada, onde as decisões são tomadas no topo e executadas sem feedback. Em tecnologia, isso é receita para desastre. Precisamos de mais engenharia de requisitos e menos retórica política.

O caso português serve como alerta para qualquer país que esteja planejando a digitalização de serviços públicos usando IA. Não se trata de ter medo da tecnologia, mas de respeitar seus limites. A pergunta "Sebastião Bugalho ficou sozinho na cara do touro?" pode ser traduzida para o nosso contexto: o projeto de exames digitais ficou sozinho, sem o suporte técnico adequado, e agora colhe os resultados. Que possamos aprender com isso antes de dar o próximo passo.