REGISTRO DOI: 10.70773/revistatopicos/774249486
RESUMO
Esta pesquisa analisou o nível de letramento digital em Inteligência Artificial Generativa (IAG) entre os discentes do curso de Secretariado Executivo da Universidade Federal de Sergipe. Caracteriza-se como uma pesquisa de natureza descritiva e exploratória, com abordagem quantitativa e qualitativa. A coleta de dados foi realizada junto aos discentes do referido curso, com o objetivo geral de investigar seu conhecimento teórico, uso prático e pensamento crítico sobre a IAG. Os resultados demonstram que os participantes possuem compreensão teórica adequada e utilizam frequentemente ferramentas de IAG. Evidencia-se fragilidade na compreensão dos mecanismos de viés algorítmico e na aplicação estratégica dessas tecnologias. Conclui-se que o letramento digital dos estudantes se encontra em estágio intermediário, indicando a necessidade de incorporação formal da temática na grade curricular para melhor preparação dos futuros secretários executivos frente às demandas da transformação digital.
Palavras-chave: Inteligência artificial. Inteligência artificial generativa. Letramento digital. Secretariado.
ABSTRACT
This study analyzed the level of digital literacy in Generative Artificial Intelligence (GAI) among students in the Executive Secretarial program at the Federal University of Sergipe. It is characterized as a descriptive and exploratory study, employing both quantitative and qualitative approaches. Data collection was conducted among students in the aforementioned program, with the overall objective of investigating their theoretical knowledge, practical use, and critical thinking regarding GAI. The results demonstrate that participants possess adequate theoretical understanding and frequently use GAI tools. However, weaknesses are evident in their understanding of algorithmic bias mechanisms and in the strategic application of these technologies. It is concluded that the students’ digital literacy is at an intermediate stage, indicating the need for formal incorporation of the subject into the curriculum to better prepare future executive secretaries for the demands of digital transformation.
Keywords: Artificial intelligence. Generative artificial intelligence. Digital literacy. Secretarial studies.
1. INTRODUÇÃO
A intensificação das transformações tecnológicas nas últimas décadas tem redefinido profundamente o mundo do trabalho, exigindo dos profissionais novas competências relacionadas ao domínio de tecnologias digitais e à capacidade de adaptação a ambientes organizacionais em constante mudança. Nesse contexto, a Inteligência Artificial (IA) emerge como uma das tecnologias centrais da chamada Quarta Revolução Industrial, caracterizada pela convergência entre sistemas digitais, físicos e biológicos (Schwab, 2016).
Entre as diversas aplicações da IA, destaca-se a Inteligência Artificial Generativa (IAG), capaz de produzir conteúdos textuais, visuais e analíticos a partir de grandes volumes de dados. Ferramentas baseadas nessa tecnologia têm sido incorporadas rapidamente ao cotidiano acadêmico e profissional, influenciando atividades de comunicação, produção documental e gestão da informação. Segundo relatório da Microsoft (2024), aproximadamente 75% dos trabalhadores do conhecimento já utilizam algum tipo de ferramenta de IA em suas atividades profissionais.
No campo do Secretariado Executivo, tais transformações são particularmente relevantes, uma vez que a profissão está diretamente relacionada à gestão da informação, à comunicação organizacional e ao suporte estratégico às decisões administrativas. Conforme apontam Cielo et al. (2021), o profissional de Secretariado precisa atualizar constantemente suas competências para acompanhar as mudanças tecnológicas e manter sua empregabilidade em um mercado cada vez mais digitalizado. Essa indicação alinha-se às diretrizes estabelecidas no Código de Ética Profissional do Secretariado, que menciona constar entre os deveres fundamentais dos secretários “[...] procurar informar-se de todos os assuntos a respeito de sua profissão e dos avanços tecnológicos, que poderão facilitar o desempenho de suas atividades (Fenassec, 1989)
Nesse cenário, o conceito de letramento em IA ganha destaque. Para Long e Magerko (2020), esse conjunto de competências permite aos indivíduos compreender, utilizar e avaliar criticamente sistemas baseados em IA. Tal competência envolve não apenas o uso operacional das ferramentas, mas, também, a capacidade de interpretar seus resultados, reconhecer limitações e compreender implicações éticas associadas ao seu uso.
Diante dessas transformações, torna-se pertinente investigar em que medida estudantes em formação para o campo do Secretariado Executivo estão desenvolvendo competências relacionadas ao letramento em IAG. Assim, esta pesquisa teve como objetivo verificar qual o nível de letramento digital em IAG entre estudantes do curso de Secretariado Executivo da Universidade Federal de Sergipe (UFS), considerando três dimensões principais: conhecimento conceitual e ferramentas de IA; uso da IAG em atividades acadêmicas e profissionais de Secretariado; e percepção acerca dos impactos da IAG na futura profissão.
A investigação pretende contribuir para o debate sobre a formação em Secretariado Executivo diante das mudanças tecnológicas contemporâneas, oferecendo subsídios para reflexões sobre possíveis adaptações curriculares e estratégias de desenvolvimento de competências digitais na graduação.
2. FUNDAMENTAÇÃO TEÓRICA
A Quarta Revolução Industrial teve início na virada do século XXI e caracteriza-se por ir além da simples automação de máquinas e sistemas inteligentes, ao promover a integração convergente de tecnologias físicas, biológicas e digitais. Segundo Schwab (2016), esse novo estágio distingue-se pela rápida e ampla difusão das tecnologias emergentes e das inovações, em um ritmo superior ao observado nas revoluções industriais anteriores, cujos efeitos ainda se manifestam de forma desigual em diferentes regiões do mundo.
A sua consolidação global deu-se mediante a sinergia entre quatro pilares tecnológicos fundamentais: a Internet das Coisas; a análise de big data; a inteligência artificial e machine learning. Esta convergência tecnológica redefiniu paradigmas produtivos ao criar ecossistemas empresariais baseados em dados. O caráter transversal dessa revolução manifesta-se na sua capacidade de ultrapassar fronteiras setoriais, impactando simultaneamente indústrias, serviços e relações sociais. Diferentemente das revoluções industriais anteriores, que eram caracterizadas por mudanças lineares e setoriais, a Quarta Revolução Industrial caracteriza-se pela velocidade exponencial de adoção tecnológica e pela natureza sistêmica de suas transformações, onde inovações em diferentes áreas se potencializam mediante plataformas digitais. Esta interdependência tecnológica gera efeitos em cascata que reconfiguram desde cadeias globais de valor até modelos de governança urbana e políticas públicas.
Tal cenário impõe à sociedade a necessidade de adaptar-se às transformações nas relações laborais contemporâneas. Como evidenciam Araújo e Rayol (2024, p. 184), as mais variadas tecnologias compõe o cotidiano da vida humana, “[...] modificando substancialmente as formas de trabalho e, consequentemente, as relações de trabalho, pois traz total particularidade na criação de novos modelos operacionais”. No centro dessa reconfiguração está a implementação de IA por trabalhadores e organizações, alterando o mercado de trabalho mediante sua capacidade de processar dados complexos, a partir de comandos humanos, e operando com raciocínio análogo ao humano para executar funções antes exclusivas das pessoas (Araújo, Rayol, 2024). Complementarmente, o relatório anual de tendências de trabalho da Microsoft (2024), sustenta que “[...] organizações que aplicam IA para impulsionar crescimento, gerenciar custos e agregar valor aos clientes estarão à frente”. Essa perspectiva alinha-se às formulações de Schwab (2016) sobre os fundamentos da Quarta Revolução Industrial e às análises de Araújo e Rayol (2024), acerca da adaptação necessária ao novo paradigma laboral.
2.1. Inteligência Artificial e Tecnologias Associadas
A formulação da ideia de “inteligência artificial” remonta ao século XVIII, com o escritor Jonathan Swift. Em sua obra, “As viagens de Gulliver” (1726), surge o conceito de “the engine”, um tipo de máquina capaz de gerar novas ideias, a partir da reorganização de palavras. Já em 1943, Warren S. McCulloch e Walter Pitts publicaram um dos principais trabalhos da história da neurociência e da IA, “A logical calculus of the ideas immanent in nervous activity”, no qual indicam que o cérebro pode ser compreendido como sistema computacional, introduzindo o conceito de redes neurais artificiais. Esse mesmo pensamento aparece no artigo do matemático britânico Alan Turing, “Computing machinery and intelligence”. Porém, o termo “inteligência artificial” foi usado pela primeira vez em 1956, em proposta de workshop intitulada “A proposal for the dartmouth summer research project on artificial intelligence”, elaborada pelos autores John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon (Mucci, 2024).
Nos anos seguintes, apesar das limitações técnicas, o desenvolvimento de IA continuou. Em 1965 surgiu o “Eliza”, primeiro chatbot que imitava conversação humana, respondendo a entradas em linguagem natural, e o “Shakey”, em 1966, primeiro robô móvel autônomo capaz de raciocinar sobre ações, planejamento e solução de problemas. Com o avanço tecnológico, no final da década de 1990 surge o “Deep Blue”, modelo de IA que venceu o, então, campeão de xadrez, Garry Kasparov.
Diante desse resumo histórico, observa-se que a IA representa um avanço tecnológico no qual sistemas imitam a inteligência humana. Ela supera a simples execução de comandos pré-definidos, utilizando vastos bancos de dados para tomar decisões de forma independente. Tais sistemas são capacitados a realizar tarefas antes exclusivas das pessoas ou mesmo descobrir novas soluções mediante identificação de padrões (Barbosa; Portes, 2019).
A IA constitui um campo interdisciplinar da Computação, dedicado à criação de sistemas capazes de executar tarefas que demandariam inteligência humana. Conforme Barbosa e Portes (2019, p. 17), a IA é “[...] a capacidade de dispositivos eletrônicos de funcionar de maneira que lembra o pensamento humano. Isso implica em perceber variáveis, tomar decisões e resolver problemas. Enfim, operar em uma lógica que remete ao raciocínio”. Essa capacidade de racionalidade distingue-se de sistemas meramente programados com comandos predefinidos, com alguns modelos capazes de adaptar-se com base nos dados aos quais são expostos.
Assim, faz-se necessário compreender dois conceitos fundamentais para o funcionamento da IA: machine learning e deep learning. Para Monard e Baranauskas (2019, p.39), machine learning é “[...] uma área de IA cujo objetivo é o desenvolvimento de técnicas computacionais sobre o aprendizado bem como a construção de sistemas capazes de adquirir conhecimento de forma automática”, configurando-se como sistemas que aprendem sozinhos e tomam decisões com base na análise de dados e experiências acumuladas. Para Barbosa e Portes (2019, p.19), deep learning é um subcampo do machine learning caracterizado por “[...] uma maior capacidade de aprendizado do sistema, pois utiliza redes neurais complexas. Essas redes seguem a mesma lógica da ligação neurônio-cérebro humano”.
Segundo Shinohara (2018), os conceitos de machine learning e deep learning constituem elementos fundamentais da IA, indicando a possibilidade de desenvolvimento de sistemas capazes de aprender a partir das interações e dos dados gerados pelos usuários, alcançando níveis de desempenho próximos ou até superiores aos humanos. Portanto, para atuar em setores que utilizem tais sistemas, é imprescindível conhecimento básico dessas tecnologias na reconfiguração do ambiente laboral.
Com o avanço tecnológico no campo da Computação, a variedade de dispositivos digitais interconectados ampliou-se em volume e complexidade. Concomitantemente, surge o conceito de Internet das Coisas (IDC) que, embora venha de fora do âmbito tecnológico, utiliza infraestruturas digitais para viabilizar funcionalidades como: constituir redes abrangentes, interligar e processar informações de equipamentos distintos (Faccioni Filho, 2016).
Na prática, a IDC materializa-se em ecossistemas como cidades inteligentes, indústria e saúde monitorada, redefinindo interações entre objetos físicos e sistemas digitais, assim como exposto na obra de Schwab (2016). A IDC atua como integradora de dispositivos interconectados nas relações sociais e laborais, possibilitando a incorporação de inteligência à infraestrutura material da sociedade contemporânea. Ela se configura como catalisadora da amplificação e relevância da big data.
Conforme Taurion (2013), o conceito de big data refere-se a um conjunto de soluções tecnológicas, procedimentos e metodologias que possibilitam que organizações examinem informações anteriormente indisponíveis, permitindo-lhes tomar decisões com maior eficiência. O fenômeno de big data extrapola o mero armazenamento e análise de grandes volumes de informação, demandando processos robustos de validação de dados e estratégias para extrair valor analítico.
O cenário contemporâneo descrito por Schwab (2016) evidencia os impactos das tecnologias nas relações sociais e laborais. Nesse contexto, Araújo e Rayol (2024) afirmam que as inovações tecnológicas convergem no sistema denominado Quarta Revolução Industrial, ou Indústria 4.0, caracterizado pela integração de diferentes tecnologias capazes de ampliar a eficiência operacional e impulsionar o desenvolvimento de novos negócios e serviços.
Com o lançamento de IAGs ao público, em 2022, surgiram novas transformações na sociedade, alcançando a vida cotidiana, as relações de trabalho e as formas de estudo. Segundo Marassi e Nunes (2024, p88), a “[...] IAG coloca essa característica em novo patamar, deixando de ser uma capacidade intrinsecamente humana, dado que os sistemas de IA são capazes de realizar funções multimodais que contribuem com o processo criativo e de inovação”. Assim, essas IAGs permitem que diversas tarefas repetitivas dos processos laborais sejam realizadas mediante comandos textuais, denominados prompts (Sampaio; Sabbattini; Limongi, 2025).
Diante da complexidade inerente à aplicação da IA nos âmbitos profissionais e sociais contemporâneos, torna-se inevitável a constituição de um arcabouço de competências técnicas para a utilização adequada dessa tecnologia. Dessa forma, o letramento digital consolida-se como eixo estruturante indispensável para capacitar cidadãos e profissionais a interagirem de forma crítica e fundamentada com tal tecnologia. Essa competência abrangente, de modo indissociável, não apenas o domínio de habilidades operacionais instrumentais, como, também, o desenvolvimento de uma consciência crítica e de um discernimento ético sobre os impactos e implicações dessas ferramentas.
2.2. Letramento Digital
Os avanços tecnológicos remodelaram a sociedade, gerando novas formas de trabalho, comunicação, aprendizado e pensamento. Essa transformação vai além da simples adoção de tecnologias como ferramentas cotidianas. Setores tradicionais ilustram essa mudança, tendo modificado drasticamente suas operações ou mesmo desaparecido (Pimentel, 2018). Nesse contexto, os processos de aquisição do conhecimento ganham centralidade e passam a demandar profissionais mais criativos, críticos, capazes de pensar de forma autônoma, atuar em equipe e reconhecer-se como sujeitos em sua prática social (Gadotti, 2000). Diante desse cenário, torna-se pertinente discutir se os novos profissionais necessitam de alfabetização ou letramento digital.
Os conceitos de alfabetização e letramento convergem em alguns pontos, frequentemente gerando confusão terminológica. Segundo Buzato (2006), a alfabetização configura-se como processo de aquisição de competências elementares que possibilitam aos indivíduos codificar e decodificar a escrita, estabelecendo inicialmente relação com a língua oral e, gradualmente, aprendendo a diferenciá-las, implicando a aprendizagem de símbolos, códigos e técnicas vinculadas à escrita para diversos propósitos sociais. Assim, a alfabetização constitui etapa preliminar ao letramento, mas não o suficiente, para o efetivo letramento do indivíduo. Para Santos e Araldi (2023), alfabetização e letramentos são processos interdependentes e complementares, caracterizando-se como modalidades de ensino-aprendizagem essenciais ao contexto social contemporâneo.
Em conformidade com esse debate, a Base Nacional Comum Curricular (BNCC) estabelece competências que se alinham às proposições de Santos e Araldi (2023), integrando o contexto social contemporâneo à formação dos estudantes brasileiros. O documento destaca, entre as competências específicas para estudantes do ensino fundamental, a necessidade de desenvolver a capacidade de compreender e utilizar tecnologias digitais de informação e comunicação de maneira crítica, reflexiva, ética e significativa nas diferentes práticas sociais, incluindo o contexto escolar. Essa competência envolve a utilização de diversas linguagens e mídias para comunicação, produção de conhecimentos, resolução de problemas e desenvolvimento de projetos autorais e coletivos (Brasil, 2018). Tais diretrizes demonstram premissas fundamentais para o desenvolvimento de competências cada vez mais requeridas no ensino superior, onde a autonomia intelectual e o domínio tecnológico constituem requisitos essenciais para a formação profissional contemporânea.
No âmbito laboral, o letramento digital consolida-se como competência transversal, reconfigurando perfis ocupacionais em diferentes setores do mercado de trabalho, principalmente, nos setores onde atuam os profissionais de conhecimento. Conforme Oliveira (2025, p.5), à “[...] medida que as inovações vão se tornando mais comum no meio empresarial, mais qualificação será necessário para destacar-se no mercado de trabalho”. Essa exigência reflete-se especialmente em funções administrativas, onde a fluência tecnológica converteu-se em requisito para eficiência operacional e tomada de decisão estratégica.
Com base no trabalho de Long e Magerko (2020) sobre letramento em IA, e considerando os principais domínios desse letramento digital, definiu-se uma escala de níveis de letramento digital em IA adaptada para estudantes de Secretariado Executivo:
Nível básico: conhecimento passivo e exposição à IA: compreensão limitada do que é IA e suas aplicações no Secretariado Executivo; reconhecimento do uso de IA em assistentes virtuais, como chatbots e Google Assistant, mas não compreensão sobre o seu funcionamento; pouca ou nenhuma capacidade de avaliar a confiabilidade de informações geradas por IA.
Nível intermediário: usuário de IA com interação funcional: - utilização de ferramentas baseadas em IA para tarefas do Secretariado, como tradutores automáticos e assistentes de escrita; identificação de vantagens e limitações dessas tecnologias; noções de segurança digital e privacidade ao interagir com IA;
Nível avançado: avaliação de IA com pensamento crítico: análise crítica sobre a saída dos sistemas de ia, como detecção de vieses, interpretação, erros e avaliação ética; compreensão dos princípios básicos sobre como os algoritmos tomam decisões; uso de ia de forma estratégica para otimizar processos administrativos;
Nível especialista: criação ou customização, desenvolvedor ou integrador de IA: capacidade de personalizar ou integrar ia em processos de trabalho; conhecimentos dos princípios básicos de aprendizado de máquina e automação inteligente; domínio para avaliar criticamente sistemas de ia e sugerir melhorias.
Diante da centralidade do letramento digital na reconfiguração das profissões, impõe-se examinar o seu impacto específico no Secretariado Executivo, campo em que a convergência entre competências tradicionais e domínio tecnológico define a relevância profissional na Quarta Revolução Industrial. Na próxima subseção apresenta-se como esse profissional, historicamente constituído como agente do conhecimento, deverá se adaptar às novas exigências do mercado de trabalho.
2.3. O Secretário Executivo na Quarta Revolução Industrial
A reconfiguração do perfil do secretário executivo na Quarta Revolução Industrial supera a mera atualização instrumental, exigindo uma ressignificação estratégica de suas competências. Conforme Cielo et al. (2021, p. 55), esses profissionais precisam [...] se reinventar, alargando sua forma de atuação e desempenho para se adequarem ao novo processo”. Essa transição demanda domínio de ferramentas digitais diferentes daquelas já integradas no cotidiano laboral, como plataformas colaborativas, agendas digitais e aplicativos de comunicação instantânea. Assim, a adaptação não se limita à capacitação técnica no uso dessas tecnologias, mas exige compreensão de seus fundamentos operacionais e desenvolvimento de senso crítico para aplicação ética e estratégica durante a sua utilização.
A empregabilidade no Secretariado Executivo tornou-se intrinsecamente vinculada ao letramento digital. O Word Economic Forum (2023) projetou que 23% dos empregos sofrerão modificações até 2027, com criação de 69 milhões de novas vagas e eliminação de 83 milhões. Em 2025, em outro relatório de tendências (Word Economic Forum, 2025), é destacado que 59% dos profissionais necessitarão de requalificação até 2030, com ênfase em IA, big data e segurança de dados. As consequências da ausência desses conhecimentos pelos indivíduos repercutirão em suas empresas, pois: [...] a lacuna de habilidades continua sendo o obstáculo mais significativo para a transformação dos negócios em resposta às macrotendências globais, citada por 63% dos empregadores como a principal barreira para que as operações deles não se tornem obsoletas” (World Economic Forum, 2025).
Ainda assim, uma parcela desses trabalhadores provavelmente não receberá tal formação, estando em risco de redundância profissional no curto prazo, permanecendo como profissionais comuns sem diferencial competitivo com habilidades profissionais defasadas. Diante desse cenário, confirma-se a indicação de Cielo et al. (2021, p. 60) de que “[...] o profissional de secretariado executivo necessita se aperfeiçoar, com o intuito de se tornar um profissional empregável para acompanhar as transformações impostas pelo mercado de trabalho”. Esse aperfeiçoamento, na atualidade, perpassa pelo letramento digital e, consequentemente, pelo domínio das IAs. Isso se comprova nas tendências para habilidades mais demandadas pelas empresas até 2030: IA e big data; redes e cibersegurança; redes e segurança cibernética; criatividade; resiliência, flexibilidade e agilidade; curiosidade e aprendizado ao longo da vida; liderança e influência social; gestão de talentos; pensamento analítico; e gestão ambiental (World Economic Forum, 2025).
O relatório “2024 Work Trend Index Annual Report”, da Microsoft (2024), evidencia o crescimento na aptidão para IA em ambientes laborais, destacando que os setores criativos e de negócios, onde comumente atuam secretários executivos, lideram em requalificação profissional. Tal tendência reforça a urgência de desenvolvimento de habilidades estratégicas e tecnológicas discutidas por Cielo et al. (2021), as quais garantem relevância profissional em uma sociedade transformada pela revolução industrial digital.
Portanto, a sinergia entre letramento digital, domínio de IAG e adaptação estratégica posiciona-se como eixo central para a empregabilidade no Secretariado Executivo contemporâneo. Disso se depreende a necessidade de análise sobre a preparação dos que ingressarão neste campo.
3. METODOLOGIA
Esta pesquisa caracteriza-se como exploratória e descritiva, uma vez que busca ampliar a compreensão sobre o fenômeno investigado e identificar características relacionadas ao objeto de estudo (Nunes; Nascimento; Luz, 2016). O caráter descritivo permite examinar aspectos de determinada população ou fenômeno e analisar possíveis relações entre variáveis, recorrendo a técnicas padronizadas de coleta de dados, como questionários e observação sistemática (Prodanov; Freitas, 2013). Nesse tipo de investigação, procura-se também compreender a frequência com que determinados fatos ocorrem, bem como suas características, causas e relações com outros fenômenos, contribuindo para maior consistência analítica dos resultados obtidos (Prodanov; Freitas, 2013).
A investigação adotou abordagem qualitativa e quantitativa. Na perspectiva qualitativa, a interpretação dos fenômenos e a atribuição de significados assumem papel central, sendo os dados analisados de forma descritiva e interpretativa, com foco nos processos e nos sentidos atribuídos pelos participantes (Prodanov; Freitas, 2013). Nesse tipo de abordagem, os dados tendem a ser predominantemente descritivos, priorizando a compreensão dos significados que os indivíduos atribuem às suas experiências, e a análise das informações ocorre de forma indutiva (Pereira et al., 2018). Paralelamente, a dimensão quantitativa baseia-se na possibilidade de mensuração e análise numérica das informações coletadas, permitindo classificar dados e examinar padrões e relações entre variáveis (Prodanov; Freitas, 2013).
Como instrumento primário de coleta de dados, foi utilizado questionário estruturado com vinte questões, sendo dezoito fechadas, uma fechada com opção aberta e uma de múltipla escolha. Esse instrumento foi elaborado do Google Forms e de forma impressa, sendo distribuído aos discentes do curso matriculados no semestre segundo semestre de 2025, via mailing da secretaria do curso e aplicado de forma presencial, no mês de outubro de 2025.
A pesquisa obteve 75 respondentes de um total de 184 alunos matriculados no referido semestre. Considerando esses números, a margem de erro foi de, aproximadamente, 7,3%, com nível de confiança de 90%. Tal parâmetro indica que, caso o estudo fosse replicado em condições semelhantes, os resultados tenderiam a variar em até ±7,3 pontos percentuais em torno dos valores observados, mantendo 90% de probabilidade de representatividade em relação à população total. O quantitativo de respondentes é considerado adequado para estudos de caráter descritivo, assegurando um grau satisfatório de confiabilidade estatística dos resultados.
4. RESULTADOS E DISCUSSÕES OU ANÁLISE DOS DADOS
A distribuição dos participantes revelou representação relativamente equilibrada entre os diferentes semestres do curso. Dos 75 estudantes respondentes, 24 estavam matriculados entre o primeiro e o segundo semestre, 21 entre o terceiro e o quarto semestre, 10 entre o quinto e o sexto e 20 nos semestres finais do curso. Em relação à faixa etária, observou-se predominância de estudantes jovens: 80% dos participantes tinham entre 17 e 27 anos, sendo 37% na faixa de 17 a 22 anos e 43% entre 22 e 27 anos. Os demais participantes distribuíram-se entre 27 e 32 anos (12%) e acima de 32 anos (8%).
Quando questionados sobre contato prévio com conceitos ou ferramentas de IA antes da graduação, 48% afirmaram nunca ter tido contato anterior com essas tecnologias. Por outro lado, 44% relataram ter aprendido sobre IA por iniciativa própria, por meio de vídeos, tutoriais e conteúdos disponíveis na Internet, enquanto apenas 8% tiveram contato formal por meio de cursos técnicos ou extracurriculares. Esse resultado indica que o conhecimento inicial sobre IA entre os estudantes ocorre predominantemente de forma autodidata.
Em relação à compreensão conceitual sobre IA, a maioria dos estudantes demonstrou entendimento básico sobre o funcionamento dessas tecnologias. Quando questionados sobre o que entendiam por IA, 69% dos respondentes selecionaram a definição “sistema que aprende com dados para tomar decisões”. Outros 29% associaram a tecnologia a um software que responde automaticamente a perguntas.
Esse entendimento reflete-se também na compreensão do processo de aprendizado das IAs. Para 85% dos respondentes, os sistemas de IA “analisam grandes volumes de dados e ajustam seus modelos” para aprender. Um número reduzido de 6% acredita que IAs são programadas com todas as respostas possíveis, e 4% que esses sistemas funcionam apenas com regras fixas. 5% declararam não saber responder.
Contudo, ao especificar no âmbito das aplicações práticas no Secretariado, pontualmente sobre IAG, essa compressão não é refletida. Perguntados sobre funcionalidades especificas de IAG aplicáveis à área, 42% dos discentes afirmaram não conhecer nenhuma aplicação de IAG aplicável ao Secretariado. Dentre aqueles que identificaram alguma aplicação, as que tiveram mais respostas foram “geração automática de e-mails, relatórios ou respostas contextuais” com 27% das respostas e “Transcrição e resumo de reuniões” com 23% das respostas. A opção “tradução instantânea com preservação de contexto” teve apenas 5% das respostas enquanto “digitação manual em editores de texto” teve apenas 3%.
Esses dados apontam que os discentes do curso de Secretariado Executivo, em sua maioria, compreendem o conceito e o funcionamento da IA. Essa constatação está em consonância com a definição de Barbosa e Portes (2019), em que a IA representa a capacidade de dispositivos eletrônicos operarem de forma similar ao raciocínio humano, envolvendo percepção de variáveis, tomada de decisões e resolução de problemas, diferenciando-se de sistemas meramente programados.
Além disso, tal conhecimento atende a uma das competências para o letramento em IA descritas por Long e Magerko (2020, p. 4, tradução nossa), para quem é necessário analisar “[...] criticamente e discutir as características que tornam uma entidade 'inteligente' [...]”. Porém, quando parte expressiva demonstra desconhecimento sobre a aplicação da tecnologia em seu futuro campo profissional, isso pode prejudicar sua utilização, pois conhecer onde a IA pode ser aplicada pode “[...] ajudar as pessoas a tomar decisões mais embasadas sobre como usar e quando confiar na IA” (Long, Magerko, 2020, p. 4, tradução nossa).
Quanto à tomada de decisão com o auxílio da IA, a quase totalidade dos respondentes (91%) demonstrou consciência crítica ao eleger o “contexto e precisão das informações geradas” como aspecto mais importante. Isso evidencia que, apesar do desconhecimento sobre aplicações específicas no Secretariado, e tal desconhecimento poder prejudicar no uso de ferramentas de IA (Long, Magerko, 2020), os discentes mantêm discernimento crítico sobre os resultados gerados por tais ferramentas. Apenas 1% priorizou a “velocidade da resposta”, 3% o “número de pessoas que usam a ferramenta” e 5% não souberam responder. Esses resultados indicam que, em termos de fundamentos, os discentes possuem base conceitual satisfatória, embora o conhecimento sobre ferramentas e aplicações diretas na profissão permaneça como campo a ser construído.
Já a adoção de ferramentas de IAG entre os discentes é significativa, com 75% afirmando já tê-las utilizado para tarefas acadêmicas ou profissionais. Este dado corrobora as evidências do relatório da Microsoft (2024), onde o uso de ferramentas de IA por profissionais do conhecimento tem apresentado crescimento expressivo. Dentre os que afirmaram já ter utilizado ferramentas de IAG, 31% o fazem frequentemente e 44% ocasionalmente. Outros 23% declararam não ter usado, mas demonstraram interesse em aprender, e apenas 3% manifestaram desinteresse. Esta percepção vai ao encontro Oliveira (2025) ao afirmar que quanto mais as inovações se difundem no meio empresarial, maior a qualificação necessária para manter-se no mercado de trabalho, evidenciando que a demanda por familiaridade com essas tecnologias já é uma realidade entre os discentes de Secretariado Executivo da UFS.
Entre as tarefas para as quais a IAG é empregada, a “redação ou revisão de textos (e-mails, documentos, etc.)” sobressai-se significativamente com 51% das menções. Esta aplicação materializa as possibilidades descritas por Sampaio, Sabbattini e Limongi (2025) sobre como as IAGs possibilitam “[...] a automação de diversas atividades, como a redação de mensagens pessoais, preenchimento de formulários, criação de textos padrão, tradução, resumo, síntese, organização e estruturação de conteúdos, análise extensiva de dados [...]”. O uso das IAGs para “pesquisas bibliográficas” e “resolução de exercícios” foi mencionado por 12% e 16% dos respondentes, respectivamente, seguindo as possibilidades de aplicação descritas por Sampaio, Sabbattini e Limongi (2025). O campo “outras tarefas” recebeu 21% de citações, incluindo atividades como tradução de textos, demonstrando aplicação diversificada da tecnologia no cotidiano discente.
O levantamento sobre as ferramentas de IA mais utilizadas revela uma clara preferência por chatbots generativos, como ChatGPT, Bard e Bing AI, com 67 discentes assinalando esta opção. Em seguida, aparecem os tradutores automáticos (Google Tradutor, Apple Translate), com 55 citações, e os assistentes virtuais (Siri, Alexa, Google Assistant), com 39. Ferramentas mais especializadas, como as de “automação de e-mails” receberam apenas quatro menções. E apenas um respondente afirmou nunca ter utilizado nenhuma das ferramentas listadas.
Quando avaliaram sua própria capacidade de utilizar a IA no contexto profissional, a maioria (63%) posicionou-se como “Confiante. Eu uso algumas ferramentas, mas com limitações”. Outros 13% consideraram-se “Muito confiantes”, 16% “Pouco confiantes” e 8% “Nada confiantes”. Este resultado sugere domínio operacional básico em desenvolvimento, carecendo de aprofundamento para aplicação mais estratégica e segura. Tal percepção junto a distribuição do quadro 3 está alinhada com Cielo et al. (2021), que apontou a necessidade de aperfeiçoamento e adaptação dos profissionais de Secretariado frente às inovações tecnológicas.
A confiança nas informações geradas pela IA é tratada com cautela pela amostra, com 96% dos usuários adotando postura de verificação crítica dos resultados gerados por IA. As opções “confio, mas verifico a precisão das informações” e “confio pouco, pois sei que pode haver erros” obtiveram 48% de respostas cada. Apenas 1% declarou confiar totalmente e 3% afirmaram não confiar. Esta postura é essencial ao letramento digital em IA, que conforme Long e Magerko (2020, p. 4, tradução nossa) permite aos indivíduos saber quais os “[...] problemas nos quais a IA se sobressai e os problemas que são mais desafiadores para a IA. Usar essas informações para determinar quando é apropriado usar IA e quando aproveitar as habilidades humanas”.
Os desafios mais comuns enfrentados foram “resultados imprecisos ou genéricos”, relatados por 51% dos respondentes. A “dificuldade em formular prompts claros” foi citada por 21%, e a “preocupação com vazamento de dados confidenciais” por 10%. Apenas 5% declararam não ter tido dificuldades, e 13% nunca usaram IAG. Estas respostas apontam para a necessidade de desenvolver competências específicas, como elaboração eficaz de prompts e compreensão sobre segurança digital, para uso mais proficiente e ético dessas ferramentas e em conformidade com as legislações vigentes na sociedade como, por exemplo, a Lei Geral de Proteção de Dados.
A análise do pensamento crítico dos discentes em relação à IAG revelou que 50% desse público reconhecem que a possibilidade de reprodução de vieses, interpretações ou discriminações. Contudo, 19% dos respondentes acreditam que a IA é “imparcial e baseada apenas em lógica”, e um número considerável de 31% indicou não saber responder. Esse resultado demonstra que, embora parcela significativa compreenda a natureza dos vieses algorítmicos, ainda existe necessidade de aprofundamento na compreensão sobre os fundamentos operacionais dessas tecnologias.
O cruzamento de dados entre as respostas sobre pensamento crítico em relação à IAG e o nível de confiança no uso de IA revela uma distribuição interessante: os respondentes que assinalaram “confio, mas verifico a precisão das informações” demonstram discernimento crítico consolidado sobre a possibilidade de vieses nos resultados, compreendendo o princípio descrito por Long e Magerko (2020, p. 5, tradução nossa) de que o indivíduo letrado em IA deve reconhecer “[...] exemplos de como os computadores raciocinam e tomam decisões” além de entender que “[...] os dados não podem ser aceitos pelo seu valor nominal e exigem interpretação”. Já os que optaram por “confio pouco, pois sei que pode haver erros” dividem-se entre não saber responder sobre a reprodução de vieses e reconhecer essa possibilidade, o que pode indicar compreensão limitada sobre o funcionamento dessas ferramentas, além de uma possível falha formativa no que tange os objetivos de aprendizagem da BNCC.
A experiência prática com erros da IAG é bastante comum, com 88% dos usuários já tendo identificado imprecisões - 36% dos discentes relataram identificar imprecisões “várias vezes” e 52% “algumas vezes”. Apenas 5% nunca perceberam erros, e 7% nunca usaram IA. Esta frequente exposição a informações incorretas reforça a importância do desenvolvimento do pensamento crítico como competência central no letramento digital.
Sobre as habilidades que a IAG exige dos secretários, a “análise ética de resultados” foi a mais citada, com 58% das menções. O “domínio em prompts” foi assinalado por 21% e a “adaptabilidade” por 17%. Apenas 4% consideraram que nenhuma habilidade” é necessária. A predominância da análise ética como habilidade percebida ressalta a importância atribuída ao julgamento humano e à responsabilidade profissional, alinhando-se ao disposto no Código de Ética Profissional (FENASSEC, 1989) e com a competência descrita por Long e Magerko (2020, p. 7, tradução nossa) de identificar “[...] diferentes perspectivas sobre as principais questões éticas da IA”.
Quando solicitados a identificar a prática mais alinhada com princípios éticos no uso da IA no Secretariado, a maioria (84%) indicou “utilizar IA para otimizar a produção de documentos, garantindo uma revisão antes do envio”. Tal entendimento demonstra compreensão do papel do profissional como mediador entre tecnologia e resultados, assumindo responsabilidade pelo trabalho produzido. Práticas como delegar responsabilidade total à IA (4%) ou ajustar conteúdo sem notificar envolvidos (7%) foram majoritariamente rejeitadas.
Quanto aos aspectos mais preocupantes no uso da IA, a “dependência excessiva de tecnologia” foi a mais citada (59%), seguida por “privacidade e segurança dos dados” (32%). A “perda de empregos pela automação” foi o principal receio para 5% dos participantes, e 4% não se preocupam com nenhum aspecto listado. Estes receios refletem questões centrais no debate sobre a Quarta Revolução Industrial descrita por Schwab (2016), particularmente sobre impactos das transformações tecnológicas nas relações laborais. Como destaca Oliveira (2025), “[...] o avanço rápido da tecnologia pode levar à perda de habilidades em setores tradicionais e contribuir para o aumento de problemas psicológicos, como estresse e ansiedade, devido à pressão por adaptação constante”.
A visão sobre o impacto da IA no futuro da profissão é majoritariamente otimista: 91% dos discentes acreditam que a IA não substituirá completamente o secretário, mas “pode auxiliar e otimizar processos”. Apenas 7% preveem substituição total, 1% não vê impacto e 1% não soube responder. Essa percepção alinha-se com Cielo et al. (2021), que explicitam a necessidade de o secretário expandir sua capacidade de pensar estrategicamente e desenvolver aptidão para trabalhar com novas tecnologias. Seguindo tendências de empregabilidade descritas em relatórios do World Economic Forum.
Finalmente, sobre a inclusão da temática de IA na grade curricular, 99% dos respondentes são favoráveis, com 64% considerando “essencial para a formação” e 35% optando por “forma opcional”. Apenas 1% considerou o tema irrelevante. Esse dado constitui forte indicador da percepção de valor atribuída ao letramento digital em IA para a atuação profissional, reforçando a urgência de adaptação curricular às demandas do novo mercado de trabalho, refletidas nos relatórios da Microsoft (2024) e do World Economic Forum (2025).
5. CONSIDERAÇÕES FINAIS
Os resultados desta pesquisa permitiram analisar o nível de letramento digital em IAG entre estudantes do curso de Secretariado Executivo da UFS. De modo geral, os dados indicam que os estudantes apresentam compreensão conceitual básica sobre IA e já utilizam essas ferramentas em diversas atividades acadêmicas. No entanto, ainda existem lacunas importantes relacionadas ao entendimento das aplicações específicas dessas tecnologias no campo profissional do Secretariado. Além disso, embora muitos estudantes demonstrem postura crítica ao verificar informações geradas por IA, parte significativa ainda apresenta compreensão limitada sobre os mecanismos que podem gerar vieses ou imprecisões nesses sistemas.
Com base na escala de níveis de letramento em IA proposta por Long e Magerko (2020), os resultados sugerem que a maioria dos estudantes se encontra em um estágio intermediário de letramento digital em inteligência artificial. Nesse estágio, os indivíduos utilizam ferramentas de IA de forma funcional, mas ainda necessitam desenvolver competências mais avançadas relacionadas à análise crítica, compreensão técnica e aplicação estratégica dessas tecnologias. A pesquisa também evidenciou forte apoio dos estudantes à inclusão de conteúdos relacionados à IA na formação acadêmica. A quase totalidade dos participantes considera importante que o tema seja abordado no currículo do curso.
Diante desse cenário, recomenda-se que os cursos de Secretariado Executivo considerem a incorporação de disciplinas ou módulos voltados ao letramento em IA, abordando não apenas o uso das ferramentas, mas também suas implicações éticas, sociais e profissionais. O desenvolvimento dessas competências poderá contribuir para a formação de profissionais mais preparados para atuar em um mercado de trabalho marcado pela crescente integração entre tecnologia, informação e processos organizacionais.
REFERÊNCIAS BIBLIOGRÁFICAS
BARBOSA, Lucia Martins; PORTES, Luiza Alves Ferreira. A inteligência artificial. Revista Tecnologia Educacional, Rio de Janeiro, n. 236, p. 16-27, 2023. Disponível em: http://abt-br.org.br/wp-content/uploads/2023/03/RTE_236.pdf. Acesso em: 29 jun. 2025.
BRASIL. Ministério da Educação. Base Nacional Comum Curricular. Brasília: MEC, 2018. Disponível em: https://basenacionalcomum.mec.gov.br/. Acesso em: 29 jun. 2025.
BUZATO, Marcelo El Khouri. Letramentos digitais e formação de professores. São Paulo: Portal Educarede, p. 283-303, 2006. Disponível em: https://www.researchgate.net/publication/242229367_Letramentos_Digitais_e_Formacao_de_Professores. Acesso em: 29 out. 2025
CIELO, Ivanete Daga et al. Impactos da indústria 4.0 na atuação dos profissionais de Secretariado Executivo. Scribes – Brazilian Journal of Management and Secretarial Studies, v. 2, n. 1, 2021. Disponível em: https://periodicos.ufv.br/SCRIBES/article/view/12027. Acesso em: 15 maio 2025.
FENASSEC. Código de Ética do Profissional de Secretariado. 1989. Disponível em: https://www.fenassec.com.br/site/b_osecretariado_codigo_etica.html. Acesso em: 17 maio 2025.
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2002.
LONG, Duri; MAGERKO, Brian. What is AI literacy? Competencies and design considerations. In: Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems. Honolulu: ACM, 2020. p. 1-16. Disponível em: https://dl.acm.org/doi/abs/10.1145/3313831.3376727. Acesso em: 15 maio 2025.
MARASSI, Alessandra de Castro Barros; NUNES, Mirian Aparecida Meliani. “IA, por favor, faça essa tarefa por mim”: inteligência artificial generativa nos ambientes de trabalho. Organicom, São Paulo, v. 21, n. 44, p. 85–96, 2024. DOI: 10.11606/issn.2238-2593.organicom.2024.220339. Disponível em: https://revistas.usp.br/organicom/article/view/220339. Acesso em: 15 maio 2025.
MICROSOFT. 2024 Annual Work Trend Index. Redmond, Washington: Microsoft, 2024. Disponível em: https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part. Acesso em: 15 maio 2025.
NUNES, Ginete Cavalcante; NASCIMENTO, Maria Cristina Delmondes; LUZ, Maria Aparecida Carvalho de Alencar. Pesquisa científica: conceitos básicos. ID on line. Revista de psicologia, v. 10, n. 29, p. 144-151, 2016. Disponível em: https://idonline.emnuvens.com.br/id/article/view/390 Acesso em: 29 jun. 2025.
OLIVEIRA, Thainá Santos de. Impacto da inteligência artificial e da automação no mercado de trabalho. Revista Científica Acertte, São Paulo, v. 5, n. 1, p. e51216, 2025. DOI: 10.63026/acertte.v5i1.216. Disponível em: https://acertte.org/acertte/article/view/216. Acesso em: 19 maio 2025.
PEREIRA, Adriana Soares et al. Metodologia da pesquisa científica. UFSM, 2018. Disponível em: https://biblIDCeca.unisced.edu.mz/handle/123456789/1532. Acesso em: 24 jul. 2025.
PRODANOV, Cleber Cristiano; FREITAS, Ernani Cesar de. Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico. 2. ed. Novo Hamburgo: Feevale, 2013.
SCHWAB, Klaus. A quarta revolução industrial. São Paulo: Edipro, 2016.
SHINOHARA, Luciane. Inteligência artificial, machine learning e deep learning. In: PINHEIRO, Patrícia Peck. Direito digital aplicado 3.0. São Paulo: Thompson Reuters Brasil, 2018, p. 40 - 42.
WORD ECONOMIC FORUM. Future of Jobs Report 2023. Geneva: World Economic Forum, 2023. Disponível em: https://www.weforum.org/publications/the-future-of-jobs-report-2023/. Acesso em: 29 jun. 2025.
WORD ECONOMIC FORUM. The Future of Jobs Report 2025. Genebra: World Economic Forum, 2025. Disponível em: https://www.weforum.org/publications/the-future-of-jobs-report-2025/. Acesso em: 29 jun. 2025.
1 Discente do Curso de Bacharelado em Secretariado Executivo da Universidade Federal de Sergipe, campus São Cristóvão. E-mail: [email protected]. ORCID: https://orcid.org/0009-0009-0604-2651.
2 Pós-Doutora em Letras, Doutora em Educação, Docente da Universidade Federal de Sergipe, campus São Cristóvão. E-mail: [email protected]. ORCID: https://orcid.org/0000-0002-7948-3185.
3 Doutor em Educação, Docente da Universidade Federal de Sergipe, campus São Cristóvão. E-mail: [email protected]. ORCID: https://orcid.org/0000-0003-3701-998X.