Neste artigo
SILVER SPRING (EUA) — A American Nurses Association (ANA) divulgou um documento de consenso defendendo a criação de “guardrails” (regras e salvaguardas) lideradas pela própria enfermagem para orientar o uso de inteligência artificial (IA) na assistência, na educação e na gestão em saúde. A entidade alerta que a IA já está mudando o trabalho de enfermeiros e enfermeiras e que, sem governança adequada, o impacto pode incluir riscos à segurança do paciente e aumento da carga cognitiva no cuidado.
O posicionamento foi elaborado a partir de um encontro técnico (think tank) realizado em 22 de abril de 2026, reunindo lideranças de prática, educação, pesquisa, regulação, indústria e políticas públicas. No texto, a ANA descreve preocupações que vão desde viés algorítmico até dúvidas sobre responsabilização quando recomendações automatizadas influenciam decisões clínicas.
- Por que importa: ferramentas de IA estão chegando ao leito, ao prontuário eletrônico e aos fluxos de trabalho, muitas vezes antes de padrões claros de avaliação.
- O alerta: a tecnologia pode ampliar eficiência, mas também pode “desgastar” o julgamento profissional se houver dependência excessiva das saídas do sistema.
- O pedido: governança e regras conduzidas por enfermeiros, com transparência e foco em segurança do paciente.
“A inteligência artificial já está moldando o trabalho de enfermagem de maneiras críticas. A profissão está em um momento decisivo que exige ação deliberada, liderada por enfermeiros, para proteger a segurança do paciente, garantir o bem-estar da enfermagem e sustentar a confiança do público.”
O que a ANA considera os principais riscos
Entre os pontos destacados, a ANA cita a possibilidade de erosão do julgamento clínico quando equipes passam a aceitar, sem questionar, recomendações de sistemas automatizados. Na prática, isso pode se traduzir em protocolos “engessados” por alertas, triagens e sugestões geradas por IA, inclusive em cenários em que a avaliação humana identificaria nuances clínicas.
Outro tópico sensível é a responsabilidade legal. Se uma decisão é influenciada por um modelo que recomenda determinada conduta, quem responde em caso de dano: o profissional, o serviço, o fornecedor do software, ou todos? Para a entidade, a ausência de regras claras aumenta o risco de conflitos, subnotificação de falhas e insegurança para a equipe de enfermagem.
O texto também chama atenção para viés algorítmico, com potencial de ampliar desigualdades e afetar a segurança do paciente. Modelos treinados com dados incompletos ou pouco representativos podem performar pior em determinados grupos, gerando subdiagnóstico, alarmes inadequados ou priorização incorreta de atendimento. Em ambientes de alta pressão, qualquer aumento de erro pode ter efeitos desproporcionais.
IA pode ajudar, mas implementação ruim vira problema
Uma crítica frequente de profissionais em iniciativas de digitalização é o acúmulo de telas, cliques, alarmes e notificações. A ANA inclui entre os riscos a elevação da carga cognitiva quando a IA é implementada sem desenho centrado no usuário. Em vez de liberar tempo para o cuidado, a ferramenta pode gerar mais trabalho, mais interrupções e mais “alert fatigue”.
Para a enfermagem, a diferença entre “IA que ajuda” e “IA que atrapalha” passa por decisões de projeto: como o sistema apresenta evidências, como explica limites, como registra fontes, e como permite que o profissional conteste ou ignore recomendações sem sofrer punições indevidas.
O que isso significa para a enfermagem (e o que observar no Brasil)
Embora o comunicado seja dos EUA, as discussões ecoam desafios que também aparecem no Brasil: adoção de ferramentas de IA em prontuários eletrônicos, uso de automação em centrais de atendimento, triagem e gestão de leitos, e experimentos com modelos generativos para resumir informações clínicas.
Para serviços e líderes de enfermagem, o recado é direto: governança não pode ser apenas “TI e jurídico”. A ANA defende participação ativa de enfermeiros e enfermeiras na avaliação, na implantação e no monitoramento de sistemas de IA, incluindo critérios para segurança, qualidade, privacidade e efetividade no fluxo real de trabalho.
Em termos práticos, vale acompanhar se o debate se traduz em: (1) políticas internas sobre quando e como usar sugestões automatizadas, (2) treinamento e letramento em IA para equipes, (3) auditorias de desempenho e viés, e (4) mecanismos de reporte de incidentes e quase-erros associados a decisões apoiadas por IA.
Fonte
Publicação consultada em 22 de maio de 2026: American Nurses Association Calls for Nurse-Led Guardrails on Artificial Intelligence in Healthcare.
