Educação na Era da Inteligência Artificial:

1. Introdução Os três primeiros artigos desta série seguiram uma trajetória deliberadamente progressiva. O primeiro partiu das transformações no mercado de trabalho; o segundo examinou as competências que passam a ganhar relevância em ambientes profissionais mediados por inteligência artificial; o terceiro discutiu como essas capacidades precisam ser desenvolvidas ao longo da formação, da Educação Básica ao Ensino Superior. Ao final dessa trajetória surge um limite importante. Mesmo que estudantes compreendam os riscos e possibilidades da IA, não são eles que definem o currículo, estruturam as avaliações, escolhem plataformas institucionais, estabelecem políticas de uso, organizam formação docente ou determinam quais dados podem ser tratados por sistemas tecnológicos. A preparação para um mundo mediado por inteligência artificial não pode, portanto, ser tratada apenas como responsabilidade individual. A própria OCDE vem deslocando progressivamente sua análise nessa direção. O OECD Digital Education Outlook 2026 argumenta que a inteligência artificial generativa está transformando o cenário educacional para além das práticas de ensino e aprendizagem. Diferentemente de tecnologias educacionais anteriores, muitas ferramentas de IA generativa são acessíveis diretamente a estudantes e professores, frequentemente fora do controle institucional. A organização ressalta que seus benefícios dependem de condições adequadas de utilização e de princípios pedagógicos claros. O problema deixa, assim, de ser apenas saber se estudantes ou professores possuem determinadas competências. Torna-se necessário compreender se o ambiente no qual essas pessoas atuam oferece condições para que a tecnologia seja incorporada de forma coerente com os objetivos educacionais. Isso exige ampliar a unidade de análise. Além do estudante, entram em cena professores, instituições, famílias e sistemas educacionais. Cada um desses atores possui responsabilidades distintas e, ao mesmo tempo, interdependentes. Uma escola pode ter estudantes capazes de utilizar IA criticamente, mas professores sem formação suficiente para orientar sua utilização. Pode possuir docentes qualificados, mas avaliações incompatíveis com um ambiente de IA generativa. Pode ter políticas institucionais bem formuladas, mas famílias sem informação suficiente para compreender o papel da tecnologia fora da escola. Pode ainda operar em um sistema educacional sem diretrizes claras, infraestrutura adequada ou mecanismos de acompanhamento. A questão central passa a ser, portanto, menos quem está preparado e mais quão preparado está o ecossistema educacional como um todo para integrar a inteligência artificial sem perder de vista seus objetivos formativos. 2. O limite da abordagem centrada no indivíduo A ênfase em competências individuais é compreensível. Estudantes precisam desenvolver alfabetização em IA; professores precisam aprender a utilizar ferramentas e compreender suas limitações; gestores precisam desenvolver capacidades de liderança e governança. Entretanto, competências individuais não operam no vazio. Um professor pode compreender profundamente os princípios de utilização pedagógica da IA e continuar limitado por uma infraestrutura inadequada, ausência de tempo para planejamento, políticas contraditórias ou avaliações institucionais que valorizam apenas produtos facilmente gerados por sistemas automatizados. Da mesma maneira, um estudante pode conhecer boas práticas de verificação e ainda ser inserido em atividades cujo desenho pedagógico recompensa justamente a delegação integral do trabalho à IA. Essa diferença ajuda a compreender por que transformação educacional não pode ser reduzida à capacitação de usuários. O documento Empowering Learners for the Age of AI, publicado em 2026 pela OCDE em parceria com a Comissão Europeia, estabelece um framework de alfabetização em IA para a Educação Básica. A proposta não é direcionada apenas aos estudantes: pretende orientar professores, líderes educacionais, formuladores de políticas e responsáveis pelo desenho de experiências de aprendizagem. A própria formulação indica que desenvolver competência em IA é um processo distribuído. Para que um estudante aprenda a utilizar sistemas de maneira crítica, alguém precisa definir oportunidades adequadas de aprendizagem, estabelecer expectativas, produzir materiais, organizar atividades e criar condições para que erros e limitações da tecnologia possam ser discutidos. A competência individual é, portanto, necessária, mas sua expressão depende de condições institucionais e sistêmicas. 3. O estudante: competência, autonomia e responsabilidade O estudante permanece no centro da finalidade educacional, mesmo quando a unidade de análise é ampliada. Como discutido no artigo anterior, a inteligência artificial cria uma distinção entre obter um resultado e desenvolver a competência necessária para compreendê-lo e avaliá-lo. Isso exige uma progressão cuidadosa na forma como sistemas inteligentes são incorporados às experiências de aprendizagem. A OCDE e a Comissão Europeia definem alfabetização em IA como uma combinação de conhecimentos, habilidades e atitudes necessárias para compreender sistemas de IA, avaliar criticamente seus resultados e tomar decisões informadas sobre suas oportunidades e riscos. O framework de 2026 procura justamente estabelecer resultados desejáveis ao longo da Educação Básica e orientar os diferentes atores responsáveis por apoiá-los dentro e fora da sala de aula. A UNESCO segue orientação semelhante em seu AI Competency Framework for Students, estruturando o desenvolvimento em dimensões que incluem abordagem centrada no ser humano, ética, fundamentos e aplicações da IA e capacidade de criação. Esses referenciais sugerem que competência estudantil não deve ser confundida com familiaridade operacional. Um estudante capaz de obter rapidamente respostas de um sistema generativo pode continuar pouco preparado para verificar a qualidade das informações, reconhecer vieses, compreender implicações éticas ou decidir quando a utilização da ferramenta não é adequada. A autonomia discutida no Artigo 3 continua sendo central. O objetivo não é formar estudantes que realizem tudo sem tecnologia, mas indivíduos capazes de decidir quando utilizá-la, avaliar sua contribuição e manter responsabilidade sobre os resultados. Entretanto, essa autonomia precisa ser apoiada pelo ambiente educacional. Não é razoável transferir ao estudante, isoladamente, a responsabilidade por definir critérios que a própria instituição ainda não estabeleceu. 4. O professor: de usuário de IA a designer da experiência de aprendizagem A transformação do papel docente é uma das dimensões mais importantes desse ecossistema. A UNESCO, em seu AI Competency Framework for Teachers, identifica conhecimentos, habilidades e valores necessários para que professores atuem de forma adequada na era da IA. O framework contempla cinco dimensões: abordagem centrada no ser humano, ética, fundamentos e aplicações da IA, pedagogia com IA e uso da tecnologia para desenvolvimento profissional. Essa estrutura é significativa porque evita reduzir formação docente à utilização de ferramentas. Um professor pode utilizar IA para preparar uma aula, gerar questões ou produzir materiais sem alterar substantivamente sua prática pedagógica. Em outro contexto, pode empregar a mesma tecnologia para criar experiências de investigação, oferecer feedback, comparar alternativas, apoiar diferentes trajetórias de aprendizagem ou tornar visível o raciocínio dos estudantes. A diferença não está apenas no domínio técnico. Está na capacidade de decidir quando a IA melhora a experiência de aprendizagem e quando ela começa a substituir justamente o processo que o estudante precisa desenvolver. O OECD Digital Education Outlook 2026 insiste nesse ponto. A organização argumenta que ferramentas especialmente desenhadas para aprendizagem e orientadas por princípios pedagógicos apresentam perspectivas mais promissoras do que o uso indiscriminado de sistemas generalistas. Também recomenda que a IA seja utilizada para enriquecer a aprendizagem, e não para substituir esforço cognitivo ou reduzir o julgamento profissional do professor. Isso reposiciona o docente. O professor não deixa de ensinar porque a informação está disponível. Sua função passa a incluir com maior intensidade o desenho das situações em que os estudantes interagem com essa informação e com os sistemas capazes de produzi-la. Planejar atividades, definir restrições, escolher quando permitir ou limitar IA, observar processos, interpretar evidências de aprendizagem e reorganizar experiências pedagógicas tornam-se partes ainda mais importantes da atuação docente. Essa mudança exige formação continuada e condições institucionais para experimentação, reflexão e aprendizagem profissional. Não pode depender apenas da iniciativa individual de professores interessados em tecnologia. 5. A instituição: da disponibilização de ferramentas à integração pedagógica A instituição educacional ocupa uma posição intermediária fundamental. É nela que políticas gerais se transformam em currículo, avaliação, infraestrutura, formação, rotinas e decisões concretas. Esse nível é particularmente importante porque existe uma diferença substantiva entre adoção tecnológica e integração educacional. Uma escola pode adquirir licenças de sistemas de IA, disponibilizá-las a professores e estudantes e continuar operando com práticas curriculares e avaliativas que não foram reconsideradas diante dessas ferramentas. Nesse caso, a tecnologia foi adotada, mas a organização ainda não necessariamente mudou. A integração exige perguntas adicionais. Quais objetivos pedagógicos justificam o uso? Em quais etapas da aprendizagem a IA deve ser restringida? Como os estudantes deverão informar ou documentar sua utilização? Que dados podem ser fornecidos aos sistemas? Como proteger privacidade e segurança? Quais critérios orientarão a seleção de fornecedores? Como docentes serão formados? Como serão tratadas diferenças de acesso? Como a aprendizagem será avaliada? Essas perguntas pertencem à instituição, não ao usuário individual. A OCDE tem ressaltado que a efetividade da transformação digital depende da coordenação entre políticas, liderança escolar, professores, recursos e práticas. Em publicação de 2026 sobre coordenação do uso de ferramentas digitais em nível escolar, a organização reforça o papel dos professores e da liderança institucional na implementação efetiva da IA generativa. A instituição precisa, portanto, desenvolver capacidade para transformar decisões tecnológicas em decisões educacionais. Isso inclui reconhecer que diferentes níveis de ensino, disciplinas e tipos de atividade podem exigir políticas distintas. Uma regra única para toda utilização de IA dificilmente conseguirá responder adequadamente à diversidade das finalidades pedagógicas. 6. Currículo e avaliação como indicadores de transformação real Talvez os sinais mais claros de maturidade institucional apareçam menos na quantidade de ferramentas disponíveis e mais nas mudanças realizadas em currículo e avaliação. Uma instituição que incorporou IA apenas como tecnologia de apoio pode continuar ensinando os mesmos conteúdos da mesma forma e avaliando os mesmos produtos. Uma instituição que começou a compreender os efeitos da tecnologia precisa perguntar se determinadas competências ganharam importância, se algumas atividades perderam valor formativo e se novas experiências precisam ser incorporadas. A OCDE já propõe que o avanço da inteligência artificial seja considerado na revisão daquilo que professores ensinam e estudantes aprendem, e não apenas na escolha de instrumentos digitais. A avaliação é particularmente reveladora. Se estudantes podem produzir textos, códigos, relatórios e análises com apoio substancial de IA, avaliar apenas o resultado final oferece informação cada vez menos precisa sobre aprendizagem. Instituições mais preparadas precisarão combinar diferentes formas de evidência: produção autônoma, utilização competente de IA, explicação do raciocínio, defesa de decisões, análise de processos e capacidade de transferir conhecimento para situações novas. Isso não significa abandonar avaliações tradicionais ou substituir todas as atividades por projetos complexos. Significa reconhecer que a validade de determinadas evidências mudou. Uma política institucional madura precisará considerar essa mudança de maneira explícita. 7. Governança: quando utilizar IA deixa de ser uma decisão individual A expansão da inteligência artificial introduz questões que ultrapassam diretamente a pedagogia. Privacidade, proteção de dados, propriedade intelectual, segurança, vieses, transparência, responsabilidade e seleção de fornecedores passam a fazer parte da agenda das instituições educacionais. Esses problemas tornam inadequada uma situação na qual cada professor ou estudante escolhe isoladamente quais ferramentas utilizar e que informações fornecer a elas. A governança precisa estabelecer limites e responsabilidades sem transformar-se em mecanismo puramente restritivo. O desafio está em construir condições para inovação responsável. Isso envolve critérios claros de seleção de ferramentas, orientações sobre dados, políticas de transparência, mecanismos de revisão, identificação de riscos e processos para atualização das regras à medida que as tecnologias mudam. A rapidez da evolução dos sistemas torna esse último ponto particularmente importante. Uma política elaborada para ferramentas de 2024 pode ser inadequada para sistemas agênticos disponíveis poucos anos depois. Maturidade, portanto, não significa possuir uma política definitiva. Significa possuir capacidade institucional para acompanhar a mudança e revisar decisões quando necessário. 8. A família: um ator frequentemente ausente da discussão Na Educação Básica, parte significativa da interação com inteligência artificial ocorre fora da escola. Estudantes utilizam sistemas generativos em casa para realizar tarefas, pesquisar, produzir textos, esclarecer dúvidas ou simplesmente explorar interesses pessoais. Essa realidade torna limitada qualquer política que considere apenas aquilo que acontece em sala de aula. Famílias tornam-se, portanto, participantes do ecossistema. Isso não significa atribuir aos responsáveis a função de especialistas em inteligência artificial. Significa reconhecer que precisam compreender suficientemente as transformações para acompanhar o uso, dialogar com os estudantes e compreender as orientações da instituição. O framework de alfabetização em IA da OCDE e da Comissão Europeia foi concebido para apoiar resultados de aprendizagem dentro e fora da sala de aula, reforçando o caráter compartilhado dessa formação. Há também uma questão de coerência. Uma escola pode estimular determinada forma de utilização responsável enquanto, fora dela, o estudante recebe outra orientação ou nenhum acompanhamento. Da mesma forma, proibições institucionais pouco explicadas podem ser interpretadas pelas famílias apenas como resistência à tecnologia. A participação familiar precisa ser construída por meio de informação, orientação e diálogo. Em diferentes idades, essa participação também deverá assumir formas distintas. Crianças necessitam de acompanhamento muito mais próximo; adolescentes precisam progressivamente desenvolver autonomia e responsabilidade. A maturidade do ecossistema envolve justamente reconhecer essa progressão. 9. O sistema educacional: políticas, equidade e capacidade de coordenação Instituições individuais possuem margem para inovar, mas operam dentro de sistemas educacionais. Governos, redes de ensino, órgãos reguladores, sistemas de avaliação e organizações responsáveis por formação docente influenciam diretamente as condições nas quais escolas e universidades respondem à IA. A OCDE observa que países precisam equilibrar diferentes objetivos de política para aproveitar as possibilidades da inteligência artificial na educação. A tecnologia pode melhorar qualidade e equidade, liberar tempo docente e criar novas possibilidades de aprendizagem, desde que professores e estudantes tenham condições adequadas para utilizá-la. A questão da equidade é particularmente importante. A IA pode democratizar acesso a tutoria, explicações e recursos personalizados. Pode também ampliar desigualdades se estudantes com maior capital cultural, melhores dispositivos, maior conectividade e apoio familiar forem mais capazes de utilizá-la de maneira produtiva. Andreas Schleicher, ao discutir a transformação do ensino em um mundo acelerado, sintetiza esse risco ao observar que a IA pode ampliar boas práticas e oportunidades, mas também pode fortalecer quem já possui recursos e deixar outros ainda mais distantes. Sistemas educacionais precisam, portanto, considerar acesso, infraestrutura, conectividade, formação, orientação e avaliação de resultados. Precisam também produzir conhecimento sobre aquilo que está acontecendo. Sem indicadores adequados, a adoção pode crescer sem que seja possível saber se estudantes estão aprendendo melhor, se professores estão preparados, se instituições conseguem governar os riscos ou se determinadas desigualdades estão aumentando. A transformação exige, assim, capacidade de acompanhamento. 10. Da adoção à maturidade Uma distinção começa a emergir das dimensões discutidas até aqui. Utilizar inteligência artificial não é o mesmo que estar preparado para utilizá-la. Essa diferença pode ser compreendida como uma trajetória de maturidade. Em um estágio inicial, a tecnologia simplesmente aparece. Professores e estudantes começam a utilizar ferramentas por iniciativa própria, frequentemente sem políticas ou objetivos institucionais claros. Em seguida, instituições começam a produzir orientações e oferecer formação. Algumas aplicações passam a ser incorporadas ao cotidiano. Um nível mais avançado exige integração entre tecnologia, currículo, avaliação, formação docente, infraestrutura, dados e governança. Em níveis ainda mais desenvolvidos, a instituição não apenas utiliza IA, mas consegue avaliar seus efeitos, aprender com os resultados e adaptar continuamente suas práticas. Essa trajetória não deve ser interpretada como uma escala universal já validada ou como uma sequência rígida pela qual todas as organizações necessariamente passarão. Trata-se, neste artigo, de uma construção analítica destinada a distinguir uso de tecnologia de capacidade institucional para compreendê-la e governá-la. A diferença é importante. Uma organização com ampla disponibilidade de ferramentas pode apresentar baixa maturidade caso não saiba por que as utiliza ou quais efeitos produzem. Outra pode adotar IA de maneira mais seletiva, mas possuir princípios pedagógicos claros, formação consolidada, mecanismos de acompanhamento e governança consistente. Maturidade não é quantidade de IA. É capacidade de alinhar sua utilização à finalidade educacional. 11. Maturidade como propriedade do ecossistema Há ainda uma consequência dessa perspectiva. Não é suficiente que um dos atores esteja avançado se os demais permanecem despreparados. Estudantes altamente competentes em IA inseridos em instituições incapazes de avaliar adequadamente seu trabalho podem experimentar um ambiente incoerente. Professores muito preparados podem encontrar políticas institucionais restritivas ou ausência de infraestrutura. Uma escola pode desenvolver boas práticas e permanecer limitada por regras sistêmicas incompatíveis. Famílias podem apoiar o uso responsável, mas receber orientações contraditórias da instituição. A maturidade precisa ser compreendida, portanto, como uma propriedade relacional. Ela depende não apenas do desempenho de cada ator, mas também da capacidade de coordenação entre eles. Essa característica diferencia profundamente um ecossistema de uma simples coleção de indivíduos. Em um ecossistema, mudanças em uma dimensão afetam as demais. A introdução de IA em avaliações modifica o trabalho docente. A política institucional influencia o comportamento dos estudantes. A formação dos professores altera as experiências oferecidas. As orientações às famílias interferem no uso fora da escola. As políticas públicas condicionam recursos e prioridades. Compreender maturidade exige observar essas relações. 12. Como saber se estamos preparados? A discussão chega, então, a uma questão metodológica. Se preparação para a inteligência artificial envolve estudantes, professores, instituições, famílias e sistemas educacionais, como saber se esse conjunto está efetivamente preparado? Não basta contar quantas ferramentas foram adquiridas. Não basta saber quantos professores participaram de um curso. Também não basta perguntar quantos estudantes utilizam sistemas generativos. Esses indicadores podem ser úteis, mas medem principalmente adoção. Avaliar maturidade exige observar outras dimensões: competências, políticas, práticas pedagógicas, avaliação, governança, infraestrutura, acompanhamento, participação dos atores e capacidade de adaptação. Além disso, a maturidade provavelmente não será homogênea. Uma instituição pode estar avançada em infraestrutura e atrasada em formação docente. Pode possuir políticas consistentes de privacidade e avaliações pouco adaptadas. Pode ter estudantes muito familiarizados com IA e famílias pouco informadas sobre sua utilização. Um diagnóstico útil precisaria tornar essas diferenças visíveis. É justamente nesse ponto que a discussão sobre inteligência artificial na educação começa a exigir instrumentos capazes de transformar um fenômeno complexo em informação que possa orientar decisões. A finalidade de um diagnóstico não deveria ser simplesmente classificar instituições como “avançadas” ou “atrasadas”. Deveria permitir identificar onde estão capacidades consolidadas, onde existem fragilidades e quais intervenções podem produzir maior efeito. 13. Diagnóstico, acompanhamento e aprendizagem institucional A velocidade da evolução tecnológica também sugere que um diagnóstico realizado uma única vez terá valor limitado. O que significa maturidade em inteligência artificial em 2026 poderá não signific a mesma coisa poucos anos depois. Ferramentas mudam, capacidades se expandem, novas formas de utilização surgem e riscos anteriormente pequenos podem tornar-se relevantes. A avaliação precisa, portanto, possuir dimensão longitudinal. Uma instituição precisa ser capaz de observar sua própria evolução. Isso inclui acompanhar competências de estudantes e professores, adoção e qualidade das práticas, alterações curriculares, funcionamento da governança, resultados de aprendizagem e percepção dos diferentes atores. A maturidade deixa, então, de funcionar apenas como uma condição a ser alcançada. Passa a representar capacidade de aprender institucionalmente sobre a própria transformação. Esse talvez seja um dos aspectos mais importantes para distinguir transformação tecnológica de transformação educacional. A primeira pode ocorrer simplesmente porque novas ferramentas se tornam disponíveis. A segunda exige reflexão, avaliação e capacidade de corrigir o caminho. 14. Da maturidade institucional à maturidade educacional O termo maturidade é frequentemente utilizado em tecnologia e gestão para descrever o grau de desenvolvimento de processos, capacidades e práticas organizacionais. Sua aplicação à educação requer uma ampliação. A unidade relevante não é apenas a instituição. Estudantes transitam entre escola, família, plataformas digitais e ambientes sociais. Professores atuam dentro de organizações, mas são influenciados por políticas sistêmicas e comunidades profissionais. Instituições dependem de regulações, infraestrutura e recursos externos. A inteligência artificial intensifica essas interdependências. Por isso, parece mais adequado falar em maturidade do ecossistema educacional em IA. A ideia não implica que todos os atores devam atingir o mesmo nível simultaneamente. Sugere apenas que uma análise consistente precisa considerar suas diferentes funções e relações. O estudante precisa desenvolver competências para aprender e atuar com IA. O professor precisa ser capaz de desenhar e orientar experiências de aprendizagem. A instituição precisa criar condições, políticas e mecanismos de governança. A família precisa compreender e apoiar uma utilização progressivamente responsável. O sistema educacional precisa estabelecer condições de equidade, orientação, infraestrutura, formação e acompanhamento. A ausência de qualquer uma dessas dimensões pode limitar as demais. 15. Considerações finais A transformação educacional provocada pela inteligência artificial não pode ser compreendida apenas pela quantidade de ferramentas disponíveis nem pela capacidade individual de utilizá-las. Os três artigos anteriores desta série mostraram uma sequência de mudanças: tarefas profissionais estão sendo reorganizadas; a composição das competências exigidas pelo mercado está se alterando; e os processos educacionais precisam reconsiderar como essas capacidades serão desenvolvidas em ambientes nos quais sistemas inteligentes participam crescentemente da produção cognitiva. Este artigo acrescenta uma quarta dimensão. Nenhuma dessas transformações depende apenas do estudante. A OCDE e a UNESCO vêm construindo referenciais que distribuem responsabilidades entre diferentes atores e tratam inteligência artificial na educação como questão que envolve aprendizagem, formação docente, currículo, ética, governança e políticas públicas. Estudantes precisam aprender a utilizar e avaliar sistemas inteligentes sem transferir a eles a responsabilidade pelo próprio pensamento. Professores precisam compreender quando a tecnologia contribui para a aprendizagem e quando a prejudica. Instituições precisam integrar IA a currículo, avaliação, infraestrutura e governança. Famílias precisam participar da construção de uma utilização responsável, especialmente na Educação Básica. Sistemas educacionais precisam criar condições para que essa transformação ocorra com qualidade e equidade. A existência desses diferentes níveis permite distinguir adoção de maturidade. Adotar IA significa incorporar ferramentas. Desenvolver maturidade significa possuir capacidades para decidir por que, onde, quando e sob quais condições utilizá-las, acompanhar seus efeitos e modificar as decisões quando necessário. Essa maturidade não pode ser observada adequadamente por uma única variável. Ela é multidimensional, distribuída entre atores e sujeita a mudança ao longo do tempo. Por isso, a pergunta que encerra esta série não é mais apenas se estudantes, professores ou instituições estão utilizando inteligência artificial. A pergunta passa a ser: como podemos avaliar, de maneira sistemática, se um ecossistema educacional está suficientemente preparado para aprender, ensinar, decidir e evoluir em um ambiente crescentemente mediado por inteligência artificial? Responder a essa questão exige transformar os conceitos discutidos ao longo destes quatro artigos em dimensões observáveis, indicadores e instrumentos de diagnóstico. É nesse ponto que termina a discussão sobre por que a maturidade importa e começa uma nova agenda: como defini-la, avaliá-la e acompanhá-la no ecossistema educacional. Referências MIAO, Fengchun; CUKUROVA, Mutlu. AI Competency Framework for Teachers. Paris: UNESCO, 2024. MIAO, Fengchun; SHIOHIRA, Kelly; LAO, Natalie. AI Competency Framework for Students. Paris: UNESCO, 2024. OECD. OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. Paris: OECD Publishing, 2026. DOI: 10.1787/062a7394-en. OECD. What Should Teachers Teach and Students Learn in a Future of Powerful AI? OECD Education Spotlights, n. 20. Paris: OECD Publishing, 2025. DOI: 10.1787/ca56c7d6-en. OECD; EUROPEAN COMMISSION. Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education. Paris: OECD Publishing, 2026. DOI: 10.1787/65cd27d4-en. UNESCO. AI Competency Framework for Teachers. Paris: UNESCO, 2024. UNESCO. AI Competency Framework for Students. Paris: UNESCO, 2024.