Os modelos de Inteligência Artificial Generativa (IAG) evoluíram em uma velocidade impressionante. Hoje, eles escrevem códigos completos, explicam algoritmos complexos e ajudam estudantes em segundos. Mas uma pergunta continua intrigando pesquisadores e professores: será que essas IAs realmente dominam a Programação Orientada a Objetos (POO) no nível de uma avaliação universitária?
Uma pesquisa publicada em 2026 no arXiv, liderada por Marina Lepp, colocou cinco dos sistemas mais populares à prova em exames reais de uma disciplina introdutória de POO. O resultado chama atenção porque, embora as ferramentas tenham superado a média dos alunos em praticamente todas as avaliações, elas ainda demonstraram limitações importantes em conceitos considerados fundamentais para futuros desenvolvedores.
Quando a IA enfrenta uma prova de verdade
Diferentemente de testes padronizados ou desafios encontrados na internet, o estudo utilizou provas autênticas aplicadas em uma universidade, avaliadas exatamente pelos mesmos critérios usados para corrigir os estudantes. Foram analisados cinco modelos amplamente utilizados:
- ChatGPT-5.2
- DeepSeek-V3
- Gemini 2.5 Flash
- Claude Sonnet 4.5
- M365 Copilot
As respostas geradas por cada sistema foram comparadas tanto com o desempenho histórico dos alunos quanto com resultados obtidos por modelos avaliados no ano anterior.
O resultado impressiona, mas não é perfeito
Os números mostram que a maioria dos modelos alcançou pontuações acima da média da turma, chegando inclusive à nota máxima em diversas tarefas mais longas de programação.
Esse desempenho indica que as IAs já conseguem lidar com boa parte das habilidades exigidas em cursos introdutórios, incluindo:
- Criação de classes;
- Implementação de métodos;
- Organização de estruturas básicas de código;
- Resolução de exercícios completos de programação.
Além disso, em comparação com as avaliações anteriores, houve uma evolução consistente na qualidade das respostas produzidas pelos modelos mais recentes.
Os erros que continuam aparecendo
Apesar dos avanços, a pesquisa identificou padrões recorrentes de falhas que ajudam a entender os limites atuais dessas ferramentas. Entre os principais problemas observados estão:
- Códigos que não compilavam, mesmo parecendo corretos visualmente;
- Dificuldades com interfaces;
- Erros envolvendo classes abstratas;
- Falhas em tarefas de herança mais complexas;
- Baixo desempenho em questões que exigiam interpretar diagramas e imagens.
Esses pontos revelam que, embora a IA consiga reproduzir padrões conhecidos de programação, ela ainda encontra obstáculos quando precisa integrar múltiplos conceitos de POO de maneira consistente.
O estudo também evidencia que o papel da IA tende a ser semelhante ao de uma calculadora em disciplinas de matemática: extremamente útil para acelerar tarefas, mas insuficiente para substituir o entendimento profundo dos conceitos.
Para estudantes, isso significa que dominar Programação Orientada a Objetos, compreender herança, polimorfismo, interfaces e abstração continua sendo essencial, mesmo quando um assistente inteligente consegue gerar o código em poucos segundos.
