Dívida Cognitiva Chega ao Pipeline de Talentos: Reprovação Triplica

Já escrevemos sobre dívida cognitiva como um problema de desenvolvedor: a perda de entendimento que se acumula quando equipes entregam código mais rápido do que conseguem compreendê-lo. Esse argumento vivia dentro da organização, entre engenheiros e os sistemas que eles já não sabem explicar.

Um novo dado move o problema para a origem. Segundo números reportados pelo Slashdot, trazidos à tona pela newsletter do Filipe Deschamps em junho de 2026, as taxas de reprovação em cadeiras introdutórias de ciência da computação em um campus da Universidade da Califórnia triplicaram em um único ano. O custo deixou de ser abstrato. Agora ele é visível na fonte que alimenta toda estrutura de governança a jusante: as pessoas que entram na profissão.

Os Números

No primeiro semestre de 2026, 35,3% dos alunos receberam F em uma cadeira introdutória de CS (CS 10). Em uma segunda cadeira (CS 61A), a taxa de reprovação foi de 10,6%. Ambos os números contrastam com uma linha de base anterior de menos de 10% em 2024 e 2025.

Triplicar a reprovação em doze meses não é ruído. Não é uma prova mais difícil ou um corretor mais rigoroso. Os professores atribuem o salto à dependência excessiva de IA, junto com cola e despreparo geral. Alunos que produzem respostas de aparência correta com um assistente não conseguem reproduzir o raciocínio quando o assistente é retirado.

Essa última frase é a história inteira. A resposta nunca foi o ponto. O ponto era o raciocínio, e foi o raciocínio que se erodiu.

Uma ressalva antes de avançar. Os números vêm de um conjunto específico de cadeiras em um campus, reportados em segunda mão. Não estamos afirmando um colapso de todo o campus ou de todo o setor. O sinal é forte o bastante para agir justamente porque o mecanismo é tão legível, não porque a amostra é grande.

O Que Uma Reprovação Realmente Mede

Uma reprovação em uma cadeira introdutória de CS não é um veredito sobre o aluno. É um instrumento de medição. Ele diz se uma pessoa consegue manter um modelo de um problema na cabeça, decompô-lo e raciocinar rumo a uma solução sem andaime externo.

Quando esse instrumento marca 35% de reprovação onde marcava menos de 10% um ano atrás, algo na população que ele mede mudou. A explicação plausível, a que os professores apontam, é que o andaime se tornou permanente. Os alunos usaram IA para vencer as tarefas e nunca construíram o modelo interno que as tarefas foram desenhadas para construir. O assistente fez a compreensão. O aluno fez a entrega.

Isso é dívida cognitiva na sua forma mais pura. Não dívida técnica parada no código. Não ignorância institucional sobre um sistema legado. A dívida agora está alojada na formação das próprias pessoas, antes que elas toquem em qualquer código de produção.

Por Que a Governança Deveria Se Importar Com Uma Taxa de Reprovação

A governança de IA, o tipo que as empresas correm para construir, repousa sobre uma única premissa estrutural: a de que um humano permanece no circuito e consegue verificar o que a IA produziu. Todo framework, todo fluxo de aprovação, toda caixinha de “revisão humana obrigatória” pressupõe um humano capaz de revisão significativa.

Revisão significativa exige a capacidade de raciocinar de forma independente sobre o resultado. Um revisor que não consegue reconstruir a lógica de uma solução não consegue pegar o erro nela. Ele só consegue confirmar que a coisa parece certa, que é exatamente o modo de falha que a IA introduziu para começar.

Agora conecte os dois fatos. A camada de verificação de que a governança depende é operada por pessoas. Essas pessoas entram na força de trabalho por um pipeline. Esse pipeline agora produz uma turma onde um terço da cadeira de entrada não consegue raciocinar sem a própria ferramenta que deveria supervisionar.

O humano no circuito não é um recurso fixo. É um recurso renovável, reabastecido a cada ano por pessoas que aprenderam a pensar. Se a fonte para de produzir pessoas que conseguem raciocinar sozinhas, a camada de verificação não falha com estrondo. Ela afina em silêncio, uma turma de cada vez, enquanto todo painel permanece verde.

O Custo Tornado Visível

No nosso trabalho anterior, a dívida cognitiva era difícil de enxergar por desenho. O sistema funcionava, os testes passavam, o perigo só aparecia quando algo precisava mudar e ninguém conseguia explicar o estado atual. O custo era real, porém invisível.

Esse dado da UC é o mesmo custo, tornado visível, no ponto mais inicial possível da cadeia de suprimento. Uma taxa de reprovação é um número num histórico. É auditável. É comparável ano a ano. Pela primeira vez, a erosão do raciocínio produziu uma métrica em vez de um silêncio.

Isso deveria mudar como tratamos o problema. Um custo invisível é adiado. Um custo medido é gerenciado. O sistema educacional acabou de entregar à indústria um indicador antecedente, e o indicador está piscando.

O Que Isso Não Significa

Não significa que a IA deveria ser banida do ensino de CS. Um revisor que nunca aprendeu a usar IA é tão inútil a uma função moderna de governança quanto um que não consegue raciocinar sem ela. O objetivo não é abstinência. O objetivo é sequência.

Você aprende a raciocinar primeiro, depois aprende a delegar o raciocínio. Um aluno que constrói o modelo interno e então usa IA para ir mais rápido é um ativo. Um aluno que usa IA no lugar de construir o modelo é um passivo que passa em toda entrevista e falha em toda verificação difícil. A taxa de reprovação é o sistema educacional descobrindo, dolorosamente, que deixou a sequência se inverter.

As empresas descobrirão a mesma coisa depois, e de forma mais cara, quando a turma que pulou o raciocínio aparecer na fila de revisão.

Faça Isto Agora

Se o seu modelo de governança pressupõe verificação humana competente, audite essa premissa diretamente. Três movimentos concretos:

Teste raciocínio, não resultado, na contratação. Peça que candidatos expliquem por que uma solução funciona e o que a quebra, sem assistente na sala. O histórico já diz quem produz respostas. Você precisa saber quem consegue raciocinar sobre elas.

Torne a verificação uma habilidade medida, não uma caixinha. Acompanhe se os revisores pegam erros injetados em trabalho gerado por IA. Um revisor que aprova um bug plantado é um revisor que não está verificando, independentemente da senioridade.

Trate a capacidade de raciocínio como risco de pipeline no seu registro. A oferta de pessoas que conseguem verificar IA agora é uma variável, não uma constante. Dê nome a ela, monitore-a e pare de presumir que as contratações do ano que vem vão repor o que a rotatividade deste ano removeu.

A dívida cognitiva começou como um problema dentro do código. Agora é um problema dentro das pessoas que um dia serão chamadas para governá-lo. A taxa de reprovação é a primeira fatura. Não será a última.

Fontes

Slashdot. “University CS Failure Rates Spike.” Junho de 2026.

A Victorino ajuda empresas a proteger a camada de verificação humana de que sua governança de IA depende: contato@victorino.com.br | www.victorino.com.br