Neste artigo
Publicado em 4 de maio de 2026, um artigo recém-disponibilizado no Journal of Psychiatric and Mental Health Nursing acende um alerta importante para serviços que vêm adotando ferramentas de inteligência artificial (IA) em saúde mental: a promessa de “personalização” pode, na prática, deslizar para a substituição de elementos centrais do cuidado de enfermagem, como presença terapêutica, julgamento clínico e a história de vida do paciente.
Assinado pelo pesquisador Erman Yıldız, o texto é uma síntese crítica (em formato de ensaio) que organiza riscos recorrentes observados em implementações atuais, especialmente em soluções baseadas em chatbots e automação de fluxos. Embora não seja um estudo de intervenção, o artigo chama atenção por sistematizar “linhas vermelhas” e salvaguardas auditáveis para que a IA seja, de fato, uma tecnologia de apoio, e não um atalho perigoso para reduzir contato humano e responsabilidade clínica.
O que o artigo diz (em poucas linhas)
- Aliança simulada: chatbots podem parecer “acolhedores”, mas isso pode ser confundido com presença terapêutica real.
- Risco de desqualificação (deskilling): automação pode estreitar o raciocínio clínico e deslocar a tomada de decisão para métricas.
- Biografia do cuidado em segundo plano: personalização por “rastros de dados” pode atropelar narrativa, contexto e confiança.
“O mecanismo de falha comum é um deslizamento de otimização sob governança fraca, em que uma aliança simulada substitui a presença terapêutica, a autoridade de métricas desloca o julgamento profissional e rastros-proxy se sobrepõem à biografia do cuidado.”
Por que isso importa para a Enfermagem em saúde mental
Na prática diária, a Enfermagem sustenta uma parte essencial do cuidado em saúde mental que é difícil de “traduzir” para software: a construção de vínculo, a leitura do contexto, a escuta qualificada, o manejo de risco, e a presença que ajuda a manter continuidade e segurança. É justamente aí que a retórica de “personalização” precisa ser examinada com cuidado.
Segundo o artigo, há uma tentação institucional de medir sucesso de IA por indicadores fáceis (tempo economizado, número de atendimentos, adesão ao app), enquanto efeitos mais importantes, e mais difíceis de medir, ficam invisíveis, como qualidade da relação terapêutica, confiança e preservação da autonomia.
Personalização não é sinônimo de cuidado
Um ponto central do texto é o conceito de “optimisation drift” (deslizamento de otimização). A ideia é que uma solução nasce como “apoio” (por exemplo, lembrar medicações, orientar recursos, sugerir perguntas), mas, ao longo do tempo, vai sendo empurrada para substituir atividades humanas, por pressões de custo, metas e falta de pessoal. Com isso, o que era “assistivo” passa a tomar decisões, conduzir conversas sensíveis ou “padronizar” a relação com o paciente.
O autor também discute o risco de confundir interações agradáveis com efetividade terapêutica. Um chatbot pode manter conversas coerentes e empáticas, mas isso não significa que seja capaz de responder a crises, identificar sinais sutis de agravamento ou sustentar a complexidade do sofrimento psíquico com segurança. Em Enfermagem, essa diferença é crítica: a sensação de acolhimento pode coexistir com falhas de triagem, orientações inadequadas e atrasos em escalonamentos.
Salvaguardas práticas: “linhas vermelhas” e caminhos de escalonamento
Em vez de propor “mais IA” ou “menos IA”, o artigo sugere que serviços tratem alguns resultados como não negociáveis no ponto de cuidado. Entre as recomendações, estão:
- Red lines explícitas: definir o que a IA nunca pode fazer (por exemplo, substituir avaliação clínica ou conduzir decisões de risco sem supervisão).
- Escalonamento claro: rotas de encaminhamento e acionamento rápido de profissionais quando há sinais de crise.
- Tempo relacional protegido: garantir que a tecnologia não “roube” o tempo de vínculo, apenas o reorganize.
- Documentação “biography-first”: priorizar narrativa e contexto, e não só dados e checklists.
- Avaliação sob condições reais: testar segurança e responsabilização na rotina, não apenas em demonstrações controladas.
Para equipes de Enfermagem, isso se traduz em uma mensagem simples: ao adotar IA, é preciso perguntar não só “funciona?”, mas “quem responde quando falha?” e “o que acontece com a relação terapêutica quando o serviço escala?”.
O que muda (ou pode mudar) no curto prazo
Nos próximos meses, é provável que mais instituições usem IA para triagem, follow-up, registro e suporte remoto. Em saúde mental, essa onda chega junto com demandas crescentes, escassez de profissionais e pressão por produtividade. O artigo reforça que esse cenário aumenta a chance de a IA ser usada como substituto silencioso do cuidado relacional, e não como ferramenta de fortalecimento do trabalho da Enfermagem.
Para o Brasil, onde serviços públicos e privados já testam chatbots e automação em atendimento, a discussão é especialmente relevante. Modelos importados ou soluções “de prateleira” podem não refletir contextos culturais, fluxos de rede e responsabilidades profissionais. Isso exige governança, treinamento e participação ativa de enfermeiros na seleção, implementação e monitoramento das ferramentas.
Fonte
Yıldız E. Optimisation Drift and Substitution Risk in Artificial Intelligence-Supported Personalised Mental Health Nursing: A Critical Synthesis on Therapeutic Presence and Care Biography. Journal of Psychiatric and Mental Health Nursing. Publicado online em 4 de maio de 2026. DOI: 10.1111/jpm.70137. (PubMed: 42080623).
