Neste artigo
A inteligência artificial generativa está transformando a prática clínica em todo o mundo. Ferramentas como ChatGPT, Gemini e outras plataformas de IA estão sendo cada vez mais utilizadas por profissionais de saúde para auxiliar em documentação, tomada de decisões e educação.
Mas o que determina se enfermeiros realmente adotam essas tecnologias no dia a dia? Um estudo recente com 330 enfermeiros chineses revela os fatores críticos que influenciam a aceitação da IA generativa na enfermagem.
A pesquisa, publicada no Journal of Advanced Nursing, utiliza o modelo de aceitação de tecnologia combinado com modelagem de equações estruturais para identificar as variáveis que mais impactam a adoção.
A adoção de outputs de inteligência artificial generativa por enfermeiros é moldada por benefícios de desempenho percebidos, facilidade de uso e qualidade da informação percebida.
O Desafio da Adoção de Tecnologia na Enfermagem
A introdução de novas tecnologias na área da saúde sempre foi um processo complexo. Enfermeiros frequentemente enfrentam sobrecarga de trabalho, pressão por produtividade e múltiplas demandas administrativas.
Nesse contexto, a IA generativa surge como uma ferramenta promissora. Ela pode auxiliar na documentação clínica, gerar planos de cuidados, responder dúvidas sobre medicações e até apoiar decisões diagnósticas.
No entanto, a simples disponibilidade da tecnologia não garante sua adoção efetiva. Diversos fatores psicológicos, sociais e organizacionais influenciam se os profissionais realmente incorporam essas ferramentas em sua prática.
Metodologia do Estudo
Os pesquisadores conduziram um estudo transversal com enfermeiros registrados na China continental. A coleta de dados foi realizada por meio de questionário online anônimo.
A amostra final incluiu 330 enfermeiros de diferentes instituições de saúde. O instrumento de pesquisa avaliou múltiplas dimensões relacionadas à aceitação de tecnologia.
As variáveis analisadas incluíram:
- Benefícios de desempenho percebidos — quanto a IA pode melhorar o trabalho
- Facilidade de uso percebida — quão fácil é utilizar a ferramenta
- Qualidade da informação percebida — confiabilidade dos outputs gerados
- Credibilidade da fonte percebida — confiança na origem dos dados
- Influência social — pressão de colegas e gestores
- Condições facilitadoras — suporte técnico e organizacional
Para análise, foi utilizada a modelagem de equações estruturais (SEM), uma técnica estatística avançada que permite avaliar relações complexas entre múltiplas variáveis simultaneamente.
O Modelo UTAUT na Enfermagem
O estudo baseou-se no UTAUT (Unified Theory of Acceptance and Use of Technology), um dos modelos mais robustos para compreender a adoção de tecnologia.
Este framework integra elementos de diversas teorias anteriores, incluindo o Technology Acceptance Model (TAM) e a Teoria do Comportamento Planejado.
Os pesquisadores desenvolveram um modelo primário de mediação, onde:
- Expectativa de desempenho e expectativa de esforço predizem a intenção de adoção
- Intenção de adoção prediz o comportamento de adoção real
- A intenção funciona como mediador central do processo
Além do modelo primário, foi testado um modelo integrado que incorporou variáveis adicionais como qualidade da informação, credibilidade da fonte, influência social e condições facilitadoras.
Resultados Principais
Os resultados revelaram padrões consistentes que podem guiar estratégias de implementação de IA na enfermagem. Os achados foram robustos em diferentes abordagens de estimação estatística.
No modelo primário, os pesquisadores encontraram que:
- Maior percepção de benefícios de desempenho estava associada a maior intenção de adotar a IA
- Maior facilidade de uso percebida também contribuiu significativamente para a intenção de adoção
- Maior intenção de adoção estava associada a maior comportamento de uso auto-relatado
Isso significa que enfermeiros que percebem ganhos claros em produtividade e que consideram a ferramenta fácil de usar têm maior probabilidade de incorporá-la na prática.
Fatores Adicionais no Modelo Integrado
O modelo integrado trouxe insights valiosos sobre outros determinantes da adoção. A qualidade da informação percebida mostrou contribuição significativa para a intenção de adoção, além das crenças centrais de expectativa.
A credibilidade da fonte demonstrou uma associação direta pequena, mas relevante, com o comportamento de adoção. Isso indica que enfermeiros que confiam na origem das informações geradas pela IA tendem a usá-la mais.
A influência social — como opinião de colegas e gestores — mostrou associação modesta com a intenção de adoção. Já as condições facilitadoras apresentaram associações mais fracas quando outros fatores foram considerados.
Implicações para a Prática de Enfermagem
Os achados deste estudo têm implicações práticas significativas para gestores e educadores de enfermagem que desejam promover a adoção de IA generativa.
Estratégias de implementação devem focar em ganhos de workflow demonstráveis, redução da carga de interação e fortalecimento da governança e verificação para apoiar uma adoção segura.
Três estratégias-chave emergem dos resultados:
1. Demonstrar Ganhos Concretos de Desempenho
Enfermeiros precisam ver claramente como a IA pode beneficiar seu trabalho diário. Isso inclui mostrar redução no tempo de documentação, melhoria na qualidade das informações e apoio efetivo às decisões clínicas.
Programas de implementação devem incluir casos de uso concretos e métricas de resultado que demonstrem o valor prático da ferramenta.
2. Reduzir a Carga de Interação
A facilidade de uso é um determinante crucial da adoção. Interfaces complexas ou processos trabalhosos podem criar barreiras significativas, especialmente para profissionais já sobrecarregados.
O design das ferramentas de IA deve priorizar a simplicidade e a integração fluida com os sistemas já utilizados pelos enfermeiros, como prontuários eletrônicos.
3. Fortalecer Governança e Verificação
A qualidade e credibilidade da informação são fatores importantes para a adoção. Enfermeiros precisam confiar que os outputs da IA são precisos e seguros para uso clínico.
Isso exige protocolos claros de verificação, transparência sobre limitações das ferramentas e mecanismos de governança que garantam uso responsável.
O Papel da Intenção como Mediador
Um achado importante do estudo é que a intenção de adoção funciona como o determinante proximal do uso auto-relatado. Isso significa que mudanças de comportamento passam necessariamente pela formação de intenções.
Para promover a adoção efetiva, não basta apenas disponibilizar a tecnologia. É necessário trabalhar as crenças e percepções dos profissionais para que desenvolvam a intenção genuína de utilizar a ferramenta.
Isso pode envolver treinamentos, demonstrações práticas, suporte de pares e criação de uma cultura organizacional favorável à inovação.
Limitações e Considerações
Como todo estudo transversal, esta pesquisa apresenta algumas limitações metodológicas. Os dados de comportamento são auto-relatados, o que pode diferir do uso real observado.
Além disso, a amostra foi limitada a enfermeiros na China continental, o que pode restringir a generalização para outros contextos culturais e organizacionais.
Ainda assim, os resultados são consistentes com a literatura internacional sobre aceitação de tecnologia e fornecem insights valiosos para a prática.
O Futuro da IA Generativa na Enfermagem
A IA generativa representa uma das maiores transformações tecnológicas da história da saúde. Sua capacidade de processar linguagem natural, gerar textos e auxiliar decisões abre possibilidades sem precedentes.
Para que essa tecnologia beneficie verdadeiramente pacientes e profissionais, é essencial compreender os fatores humanos que determinam sua adoção.
Este estudo contribui para esse entendimento, mostrando que a adoção bem-sucedida depende de percepções de benefício, facilidade de uso e confiança na qualidade das informações geradas.
Conclusão
A pesquisa com 330 enfermeiros chineses oferece um mapa valioso para gestores e educadores que desejam promover a adoção de IA generativa na enfermagem.
Os resultados indicam que focar em ganhos demonstráveis de workflow, interfaces simples e governança robusta são as estratégias mais eficazes para aumentar a adoção.
À medida que a IA generativa evolui e se torna mais presente na saúde, compreender esses fatores humanos será essencial para garantir uma implementação bem-sucedida que beneficie tanto enfermeiros quanto pacientes.
Referência
Chen, L., Huang, Sun, Zhang, Xu, & Zuo. (2026). Effects of Performance and Effort Expectancy on AI-Generated Information Adoption Among Chinese Nursing Professionals: Survey-Based SEM Analysis. Journal of Advanced Nursing. DOI: 10.1111/jan.70566
