Neste artigo
A inteligência artificial (IA) já deixou de ser um tema de futuro e passou a fazer parte do presente em muitas rotinas de saúde. Mesmo quando ela não aparece como um “robô” visível, está por trás de filtros de alertas, recomendações em sistemas, classificação de risco, priorização de demandas e apoio à tomada de decisão.
Para a enfermagem, isso cria uma pergunta prática e imediata: como a IA se conecta com o comportamento inovador no dia a dia do trabalho, aquele impulso de propor melhorias, testar novas formas de executar tarefas e resolver problemas com criatividade e segurança?
Um estudo publicado no Assiut Scientific Nursing Journal (2024) explorou essa relação e acrescentou uma camada importante: o controle do trabalho (job control) pode mudar a força desse vínculo. Em outras palavras, a mesma tecnologia pode ter impactos diferentes dependendo de quanto autonomia, influência e margem de decisão a equipe tem sobre a própria atividade.
Quando a tecnologia acelera, o que define se ela vira alavanca de inovação ou fonte de frustração é, muitas vezes, o grau de controle que o profissional tem sobre o próprio trabalho.
O que o estudo investigou (e por que isso importa)
Segundo o abstract do artigo, os autores buscaram determinar a relação entre inteligência artificial e o comportamento inovador de enfermeiros, além de avaliar o papel moderador do controle do trabalho.
O tema é relevante porque a adoção de IA na saúde frequentemente vem acompanhada de expectativas grandes, como eficiência, padronização e redução de erros. Ao mesmo tempo, pode gerar a sensação de que o trabalho fica “mais vigiado”, com menos autonomia e mais tarefas automatizadas, o que afeta diretamente a experiência do profissional.
Na prática, liderança e gestão precisam entender: não basta implementar uma ferramenta. O contexto organizacional, o desenho de processos e o quanto a equipe participa das decisões pode definir se a IA vai apoiar a inovação ou restringi-la.
Como o estudo foi conduzido (de acordo com o resumo)
O estudo utilizou um desenho descritivo e correlacional e foi realizado no El-Araby Hospital, na região do Delta, Egito.
A amostra foi de conveniência (n=242), incluindo profissionais que atuavam em unidades de terapia intensiva e centros cirúrgicos. Esse recorte faz sentido porque são ambientes onde a tomada de decisão é rápida, os riscos são altos e o volume de informações pode ser intenso.
Foram utilizados três instrumentos, conforme o abstract:
- Artificial Intelligence Practice Scale — para medir o nível de prática/uso relacionado à IA
- Innovative Behavior Questionnaire (IBQ) — para avaliar comportamento inovador
- Job Control Scale — para mensurar controle do trabalho
Como estamos trabalhando apenas com o abstract, não há detalhes sobre pontuações, cortes exatos, confiabilidade dos instrumentos ou estratégias estatísticas. Ainda assim, as conclusões apresentadas ajudam a orientar uma discussão prática.
Principais achados: relação entre IA, inovação e controle do trabalho
O resumo informa três resultados centrais:
- Controle do trabalho — mais da metade dos participantes apresentou alto nível de job control.
- Comportamento inovador — mais da metade apresentou alto nível de comportamento inovador.
- IA (nível de prática) — mais de dois terços apresentaram nível moderado de inteligência artificial.
O ponto mais importante, porém, é a conclusão sobre moderação: o estudo apoia a existência de um efeito moderador moderado do controle do trabalho na relação entre IA (variável independente) e comportamento inovador (variável dependente).
Traduzindo para o cotidiano: quando a equipe sente que tem mais autonomia e poder de decisão, a relação entre prática/uso de IA e inovação tende a se tornar mais favorável. Quando o controle é baixo, a tecnologia pode ser percebida como imposição, aumentando resistência e diminuindo a disposição para propor melhorias.
O que significa “controle do trabalho” na enfermagem
Em termos simples, job control envolve o quanto o profissional consegue influenciar:
- Como a tarefa é executada (método, sequência, priorização)
- Quando a tarefa acontece (ritmo, tempo, pausas possíveis)
- Quais decisões podem ser tomadas no ponto de cuidado (dentro de protocolos e segurança)
Na enfermagem, controle do trabalho não significa “fazer do seu jeito” sem regra. Significa ter margem para ajustar a prática com base na realidade do paciente e do serviço, com suporte de liderança e com clareza de responsabilidades.
Quando a implantação de IA vem acompanhada de políticas rígidas e pouca participação, o profissional pode sentir que perdeu espaço de julgamento clínico e que virou apenas um executor de alertas. Isso impacta motivação, criatividade e qualidade percebida do trabalho.
Onde a IA aparece no trabalho real (mesmo quando ninguém chama de IA)
Para muitas equipes, “IA” parece algo distante. Mas, na prática, ela já aparece em vários lugares. Exemplos comuns em serviços que digitalizaram processos:
- Triagem e estratificação de risco — sistemas que priorizam atendimentos com base em sinais e padrões
- Prontuário eletrônico — sugestões, preenchimento assistido e alertas de inconsistência
- Monitorização e alarmes — algoritmos que tentam reduzir falsos alarmes e destacar o crítico
- Documentação — templates inteligentes, ditado e apoio à estruturação de notas
Essas aplicações podem poupar tempo e reduzir retrabalho, mas também podem criar sobrecarga cognitiva se gerarem muitos alertas, exigirem cliques demais ou não respeitarem a lógica do fluxo assistencial.
Por que a autonomia muda tudo
Existe um detalhe que a gestão às vezes ignora: inovação não é só “ter ideia”. Inovação exige condições para experimentar, ajustar e aprender com segurança. Se a equipe não tem controle mínimo sobre o trabalho, não tem como “fazer diferente” sem correr risco de punição, conflito com metas ou falha de conformidade.
Quando um sistema baseado em IA entra em cena, surgem microdecisões o tempo todo: aceitar ou contestar um alerta, revisar um campo, priorizar uma intervenção, escolher o melhor momento para registrar. Sem autonomia, essas microdecisões viram mero cumprimento de tela. Com autonomia, viram espaço de melhoria contínua.
IA boa não é a que manda mais. É a que ajuda a equipe a decidir melhor, com menos ruído e mais clareza.
Implicações práticas para liderança e gestão (o “como fazer”)
O próprio abstract recomenda que líderes apoiem necessidades de desenvolvimento de carreira e a exigência de certificação em informática em saúde, com o objetivo de acelerar adoção e fortalecer o controle do trabalho.
Se você coordena equipe ou participa de implementação, três frentes ajudam muito:
1) Preparar a equipe para usar (e questionar) a IA
- Alfabetização em dados — noções básicas de qualidade de dado, vieses e limites de sistemas
- Treino por cenários — simulações de casos com alertas, priorização e documentação
- Canal de feedback — registrar falsos alarmes, fricções e melhorias sugeridas
2) Proteger a autonomia responsável
- Protocolos claros — definir quando seguir recomendação e quando escalar
- Direito de contestação — espaço seguro para apontar falhas do sistema
- Coautoria de fluxos — envolver enfermeiros no desenho do processo e nas regras
3) Medir o que realmente importa
- Qualidade e segurança — eventos, tempo até intervenção, consistência de registros
- Carga de trabalho — tempo de documentação, volume de alertas úteis versus ruído
- Experiência do profissional — percepção de controle, fadiga e capacidade de inovar
Esses pontos parecem “gestão”, mas impactam diretamente a assistência, porque determinam se a tecnologia vira apoio ou interrupção.
Limitações: o que não dá para afirmar sem o texto completo
Como não foi possível acessar o paper completo a partir do link do PDF (bloqueio de acesso) e trabalhamos com o abstract, é importante ser transparente sobre o que não está detalhado aqui:
- Tamanho exato do efeito — o abstract não traz coeficientes, p-valores ou intervalos de confiança.
- Definição de “nível moderado” de IA — não sabemos os pontos de corte e como o construto foi operacionalizado.
- Generalização — a amostra é de conveniência, em um hospital e setores específicos.
Ainda assim, a mensagem é valiosa: tecnologia sem autonomia pode falhar em gerar inovação. E autonomia sem preparo pode gerar insegurança. O equilíbrio entre as duas é a chave.
Conclusão: IA + autonomia + competência = terreno fértil para inovação
O estudo aponta que a relação entre IA e comportamento inovador na enfermagem não é “automática”. O controle do trabalho aparece como um elemento que altera essa relação, sugerindo que ambientes com mais autonomia e suporte tendem a favorecer a inovação quando novas tecnologias entram.
Para serviços de saúde, a lição prática é direta: se a meta é colher benefícios de IA, não basta comprar ferramenta. É preciso investir em competências (informática em saúde), em processos (fluxos desenhados com a equipe) e em autonomia responsável (capacidade de decisão com segurança e governança).
Quando isso acontece, a IA deixa de ser ameaça ao controle do trabalho e passa a ser uma plataforma para que a enfermagem amplie sua capacidade de resolver problemas complexos, melhorar a qualidade do cuidado e inovar com propósito.
Referência
Elkholy SM, Ageiz MH, Elshrief HA. Artificial Intelligence and Its Relation to Nurses’ Innovative Behavior: Moderating Role of Job Control. Assiut Scientific Nursing Journal. 2024. DOI: 10.21608/asnj.2024.268620.1785.
