Do protótipo de um professor ao 1º lugar do Enem no Espírito Santo: a Letrus chega a 1,2 milhão de estudantes

A Letrus cresceu porque resolveu um gargalo operacional da escola pública: o professor precisa dar retorno individual sobre a escrita, mas a correção manual consome o tempo que deveria ser usado para conversar com o aluno sobre como melhorar. A inteligência artificial entrou nesse ponto específico, recebeu avaliação experimental no Espírito Santo e só depois ganhou escala. A trajetória da edtech mostra uma tese útil para quem empreende: tecnologia educacional só deixa de ser promessa quando reduz uma tarefa concreta, produz evidência comparável e cabe na rotina de quem vai usá-la.

O caso que sustenta essa tese tem endereço e método. Em 2019, o governo do Espírito Santo testou a plataforma em escolas públicas para estudantes que se preparavam para o Enem. A avaliação coordenada pelo J-PAL acompanhou aproximadamente 12 mil alunos em 110 escolas, dentro de um universo de 178 escolas públicas. O resultado divulgado pelo laboratório aponta melhora na escrita, aumento das notas no exame e redução de 9% da diferença de desempenho entre alunos da rede pública e da rede privada.

Depois do experimento, a política foi ampliada para os estudantes do ensino médio da rede estadual. O J-PAL registra que o Espírito Santo saiu da 11ª para a 1ª posição no ranking nacional de redação. A Letrus, fundada por Thiago Rached e Luis Junqueira, informou em 2026 que já alcançou 1,2 milhão de estudantes em todos os estados e avaliou mais de 7,5 milhões de produções textuais. O número atual é da companhia e não deve ser confundido com o resultado isolado do experimento capixaba.

O gargalo estava entre escrever e receber retorno

Uma redação melhora quando o estudante escreve, recebe uma devolutiva compreensível, reescreve e discute o resultado. O problema aparece na escala. Uma turma pode produzir muitos textos, porém o professor tem de dividir o expediente entre planejamento, aulas, avaliações e acompanhamento individual. Quando a correção chega tarde, o aluno perde a relação entre o erro e a tentativa que acabou de fazer.

O J-PAL descreve a Letrus como uma plataforma que oferece feedback rápido sobre a escrita enquanto o estudante se prepara para o exame nacional. A ferramenta identifica erros gramaticais e acelera tarefas rotineiras de edição. O professor continua responsável por interpretar a devolutiva e conversar com o aluno sobre aspectos mais complexos do texto. Essa divisão de trabalho é o centro do modelo: o software cuida de uma parte repetitiva e libera tempo para a intervenção pedagógica.

Na prática, a escola pode propor o tema, orientar a preparação, receber a redação na plataforma e acompanhar os indicadores de cada turma. O estudante visualiza comentários e notas por competência. O professor acessa os resultados, decide o que retomar e pode complementar a avaliação automática. O governo do Espírito Santo descreveu o fluxo com clareza em 2022: o aluno produz o texto, publica depois das revisões, o professor consulta a devolutiva e faz a devolutiva final.

A diferença entre esse arranjo e uma simples ferramenta de correção está na sequência. A nota sozinha encerra a atividade. O retorno associado a uma nova tentativa transforma o texto em material de aprendizagem. A plataforma da Letrus também oferece relatórios de desempenho, acompanhamento de atividades e visão por competência, segundo as informações públicas da empresa. Esses recursos dão ao gestor uma forma de observar a rede sem reduzir o trabalho docente a uma pontuação.

O experimento com 12 mil estudantes deu lastro à expansão

A evidência mais importante da história não é o número de usuários atuais. É o caminho que ligou um teste delimitado a uma decisão de política pública. Segundo o estudo apresentado pelo J-PAL, a avaliação no Espírito Santo foi randomizada e comparou versões da intervenção. Uma delas oferecia feedback gerado pela inteligência artificial. Outra combinava a ferramenta com feedback humano adicional.

Os efeitos das duas versões foram semelhantes nas notas das redações. O achado muda a pergunta de negócio. Em vez de perguntar se uma máquina consegue reproduzir todo o trabalho de um professor, a avaliação pergunta se uma ferramenta específica melhora a capacidade do sistema de ensinar escrita. O resultado indica que o uso da IA aumentou o número de redações de treino discutidas pessoalmente com professores, porque a correção de tarefas básicas deixou de ocupar todo o tempo disponível.

O desenho também impõe limites à leitura do caso. A pesquisa não prova que qualquer plataforma de inteligência artificial produzirá o mesmo efeito. Ela avaliou um programa implantado em uma rede pública, com professores, atividades e preparação para o Enem. A própria página do J-PAL recomenda soluções adequadas ao contexto, centradas em professores e estudantes, com medição dos efeitos antes da expansão. A parte replicável da história é o método de teste, e não uma promessa automática de resultado.

O dado de 9% ajuda a dimensionar o efeito, mas exige precisão. O indicador representa a redução da diferença de desempenho entre estudantes públicos e privados no estudo citado pelo J-PAL. Não significa que todos os alunos tiveram aumento de 9% na nota, nem que a desigualdade educacional brasileira foi resolvida. A formulação correta é mais modesta e mais útil: dentro daquela avaliação, a intervenção diminuiu uma parcela da distância entre os grupos.

Uma escola de Vitória mostra a tecnologia dentro da rotina

O caso da EEEFM Major Alfredo Pedro Rabayolli, em Vitória, ajuda a tirar a discussão do plano abstrato. Em setembro de 2021, a Secretaria da Educação do Espírito Santo informou que a escola conduzia uma Oficina de Escrita com alunos do 3º ano do ensino médio integrado ao técnico. A professora Danndara Wagmaker usava a plataforma nas aulas de Língua Portuguesa e Redação, com os estudantes produzindo textos em chromebooks.

O relato oficial registra que a ferramenta ofertada pela secretaria era usada para orientar o desenvolvimento das redações. A escola trabalhava com textos dissertativo-argumentativos voltados ao Enem, e os alunos recebiam avaliação em tempo real sobre erros, acertos e alternativas para melhorar a produção. O valor do exemplo está no processo observável: equipamento, aula, proposta de texto, retorno e possibilidade de aplicar o aprendizado na prova.

Outro registro do governo estadual detalha a implementação em 2022. Todos os estudantes da 3ª série da rede estadual passaram a contar com o programa. A previsão era de duas atividades por mês. O professor conduzia o desenvolvimento do tema, o estudante escrevia a partir de textos de apoio, revisava e enviava a produção, e a plataforma retornava a avaliação para consulta docente.

Esse fluxo responde a uma objeção frequente de gestores: a ferramenta não elimina a necessidade de formação. O governo informou que os professores de Língua Portuguesa e Redação receberiam capacitação para usar a plataforma. Sem esse passo, o painel vira depósito de números. Com mediação, os dados podem indicar uma competência fraca, uma turma que precisa de repertório ou um aluno que precisa de atendimento individual.

O negócio cresceu com foco em escrita e leitura

A origem da empresa combina um problema pedagógico com uma decisão comercial. Depois de voltar do mestrado em educação na Universidade Columbia, Thiago Rached conheceu um protótipo de análise de textos desenvolvido pelo professor Luis Junqueira. A reportagem do Startups.com.br informa que a aproximação ocorreu em 2016 e deu origem à edtech em 2017. O protótipo foi transformado em um programa voltado a escrita e leitura, sem tentar começar como uma plataforma para todas as disciplinas.

Esse foco aparece também no produto. A Letrus afirma que seu programa curricular combina inteligência artificial e pedagogia para os anos finais do ensino fundamental e o ensino médio. A página oficial lista devolutivas por competência, trilhas para o Enem e gêneros textuais, relatórios para professores e gestores e acompanhamento do engajamento. A empresa informa ainda presença na rede pública de Mato Grosso, Goiás e Espírito Santo.

Em dezembro de 2023, o portal Startups.com.br noticiou uma captação de R$ 36 milhões. A matéria informou que a empresa tinha 680 escolas atendidas e pretendia chegar a 1 milhão de estudantes em dois anos. Também registrou uma equipe de 100 pessoas e um modelo baseado em mensalidade por aluno. O mesmo texto informou que o total captado em cinco anos chegou a R$ 60 milhões, somando a nova rodada a recursos anteriores.

A conta entre as metas antigas e a escala informada depois é reveladora. Em 2023, a companhia projetava 1 milhão de estudantes. Em 2026, informou 1,2 milhão, 200 mil acima dessa meta. Isso representa 20% a mais sobre o objetivo de 1 milhão, cálculo editorial feito a partir dos dois números divulgados, não uma taxa oficial de crescimento da empresa. Outra conta possível usa os 7,5 milhões de textos e os 1,2 milhão de estudantes: são 6,25 produções por estudante se os dois totais forem colocados na mesma base. Como a companhia não informa que todos os alunos produziram textos no mesmo período, esse resultado serve como ordem de grandeza, não como média individual comprovada.

O investimento comprou capacidade para aprofundar o produto

A captação de 2023 também mostra que impacto social e capital privado foram tratados como partes do mesmo negócio. Segundo o Startups.com.br, participaram da rodada Crescera, Owl Ventures, Altitude, BID Lab, Fundação Lemann e VélezReyez+. A Potencia Ventures mantém a Letrus em sua lista de empresas apoiadas e descreve sua tese como investimento em negócios que atendem pessoas de baixa renda por meio de educação ou oportunidades de trabalho.

O dinheiro tinha destino operacional. A reportagem informou que a companhia pretendia investir em produto, leitura e tecnologia própria para reduzir a dependência de modelos de terceiros. Também havia um plano de ampliar o reconhecimento da marca. A decisão de aprofundar a solução de escrita e leitura, em vez de abrir rapidamente uma linha de matemática ou uma plataforma genérica, reduz a dispersão da equipe e preserva a conexão com o problema que originou o negócio.

A premiação internacional funciona como reconhecimento, não como prova isolada de eficácia. A Letrus informa que foi reconhecida pela UNESCO no prêmio ICT in Education. O dado que sustenta a expansão, porém, vem da avaliação conduzida com pesquisadores e da adoção documentada pelo governo capixaba. Para um empreendedor, essa distinção é decisiva: prêmio ajuda a abrir portas; resultado medido ajuda a defender orçamento e permanência.

O dono de negócio pode transformar o caso em um teste na segunda-feira

O primeiro passo é escolher uma tarefa repetitiva que atrasa o resultado do cliente. Não comece pela ferramenta. Em uma escola, pode ser o tempo entre a entrega de uma redação e o retorno. Em uma loja, pode ser o registro de pedidos. Em uma empresa de serviços, pode ser a triagem de documentos. Escreva o problema em uma frase, informe quanto tempo ele consome e defina qual decisão melhora quando a tarefa fica mais rápida.

O segundo passo é criar uma linha de base durante uma semana. Registre quantidade de tarefas, tempo de execução, retrabalho e qualidade do resultado. Depois, teste a tecnologia em um grupo ou processo delimitado, mantendo outro parâmetro de comparação quando for possível. O objetivo não é provar que a solução funciona. É descobrir em quais condições ela funciona, para quem e com qual custo.

O terceiro passo é manter a pessoa responsável pela decisão. Na Letrus, o professor consulta o retorno automático, pode interferir e faz a devolutiva final. No negócio, a automação deve entregar uma informação organizada para alguém agir. Se ninguém interpreta a saída, a empresa apenas trocou trabalho manual por um painel que acumula dados.

Na reunião de segunda-feira, leve quatro números: tempo antes, tempo depois, qualidade antes e qualidade depois. Acrescente um quinto item, o que o profissional fez com o tempo liberado. Essa última medida separa automação de impacto. A trajetória da Letrus sugere que o ganho relevante não veio de dar uma nota mais rápido. Veio de criar espaço para mais tentativas de escrita e mais conversa entre professor e estudante.

Fontes consultadas

J-PAL: Artificial intelligence to strengthen high school students' writing skills · J-PAL: An AI assistant for teachers · Letrus: tecnologia educacional e indicadores públicos do programa · Secretaria da Educação do Espírito Santo: escola de Vitória utiliza a plataforma Letrus · Governo do Espírito Santo: estudantes da 3ª série passam a contar com a plataforma · Startups.com.br: Letrus capta R$ 36 milhões · Potencia Ventures: empresas apoiadas · UNESCO: laureados do prêmio ICT in Education