O Médico que a IA Não Pode Substituir
Dedico este artigo, com gratidão, a todos os profissionais da saúde e funcionários administrativos das clínicas e hospitais que estão me ajudando a atravessar este período difícil. Sua competência, paciência, gentileza e cuidado significaram para mim mais do que talvez imaginem — e, acima de tudo, ao meu irmão que, além de ser meu irmão, também tem sido meu médico e me acompanhado em cada etapa desta jornada.
Uma versão anterior deste ensaio foi escrita antes que a IA generativa se tornasse parte da vida cotidiana. Esta edição de 2026, substancialmente revisada, propõe uma questão diferente: não se a inteligência artificial entrará na medicina — ela já entrou —, mas que tipo de medicina escolheremos construir com ela.
10 -15 min
Inteligência Artificial, Compaixão e o Futuro da Medicina
Fizemos a Pergunta Errada
Durante anos, o debate sobre inteligência artificial e emprego foi dominado por uma pergunta assustadora:
Quantos empregos a IA vai eliminar?
Os números pareciam dramáticos. Estudos que estimavam o grau de vulnerabilidade técnica das ocupações à automação frequentemente acabavam transformados, no debate público, em previsões de que enormes parcelas da força de trabalho simplesmente desapareceriam.
A realidade mostrou-se mais complexa.
Uma análise atualizada da Organização Internacional do Trabalho, publicada em 2025, estima que aproximadamente um em cada quatro empregos no mundo apresenta algum grau de exposição à IA generativa. Mas sua conclusão mais importante não está nesse número. Está no fato de que a transformação do trabalho é mais provável do que sua simples substituição.
Essa distinção muda o problema.
Uma profissão não é uma única tarefa.
Um médico diagnostica, interpreta, escreve, pesquisa, explica, convence, tranquiliza, decide, assume responsabilidades e, às vezes, simplesmente se senta ao lado de outro ser humano que acaba de receber uma notícia devastadora.
Uma enfermeira observa, mede, administra medicamentos, registra informações, comunica-se, conforta, percebe aquilo que ninguém mais percebeu e, muitas vezes, identifica mudanças no estado de um paciente antes mesmo de uma máquina ou de um médico.
A inteligência artificial pode tornar-se extraordinariamente competente em algumas dessas tarefas sem que, por isso, toda a profissão deixe de existir.
Talvez, portanto, a pergunta estivesse errada desde o início.
Em vez de perguntarmos:
Quais profissões a IA vai substituir?
deveríamos perguntar:
Quais partes de cada profissão a IA será capaz de absorver — e o que os seres humanos deverão fazer com o tempo que restar?
A medicina talvez se torne um dos experimentos mais importantes através dos quais a humanidade descobrirá essa resposta.
O Futuro Já Entrou no Hospital
Quando escrevi pela primeira vez sobre esse tema, a inteligência artificial aplicada à medicina ainda podia ser descrita, em grande parte, como algo pertencente ao futuro.
Isso já não é mais possível.
Sistemas de IA hoje auxiliam na interpretação de imagens médicas, detecção de doenças, apoio à decisão clínica, documentação, comunicação com pacientes e diversas outras atividades da área da saúde. Em janeiro de 2025, a Food and Drug Administration (FDA), nos Estados Unidos, informou já ter autorizado mais de 1.000 dispositivos médicos habilitados por inteligência artificial por meio de seus processos regulatórios estabelecidos.
E essa transformação não está restrita aos laboratórios de pesquisa.
Um relatório da Organização Mundial da Saúde para a Europa, publicado em abril de 2026, constatou que 74% dos países da União Europeia declaravam utilizar IA em diagnóstico, enquanto 63% relatavam o uso de chatbots no relacionamento com pacientes. O mesmo relatório enfatizou a necessidade crescente de preparar profissionais de saúde para utilizar esses sistemas de maneira crítica e segura.
Portanto, a questão relevante já não é mais se a inteligência artificial entrará na medicina.
Ela já entrou.
A questão interessante é o que acontecerá agora.
A Epifania de Kai-Fu Lee
Muito antes do ChatGPT e da atual explosão da inteligência artificial generativa, Kai-Fu Lee propôs uma resposta provocativa. Em seu livro de 2018, AI Superpowers: China, Silicon Valley, and the New World Order, Lee analisou as consequências sociais e econômicas da rápida evolução da inteligência artificial e argumentou que o futuro do trabalho humano não poderia ser compreendido simplesmente como uma competição entre pessoas e máquinas.
Lee passou grande parte de sua carreira profissional no centro da revolução tecnológica. Trabalhou na Apple, na Microsoft e no Google, comandou o Google China e posteriormente tornou-se um dos mais conhecidos investidores e pensadores da área de tecnologia na China.
Então o câncer interrompeu o algoritmo.
Após receber o diagnóstico de um linfoma em estágio IV, Lee começou a reavaliar uma vida que havia organizado quase como um problema de otimização: maximizar produtividade, conquistas e desempenho profissional.
O confronto com a própria mortalidade obrigou-o a reconsiderar o valor dos relacionamentos, do amor e das conexões humanas.
Essa experiência tornou-se central para um dos argumentos mais importantes de AI Superpowers.
Lee sustentou que máquinas cada vez mais capazes assumiriam muitas tarefas baseadas em otimização, reconhecimento de padrões e trabalho cognitivo rotineiro. Por isso, os seres humanos deveriam investir mais — e não menos — em profissões e atividades baseadas na interação pessoal, no cuidado e na compaixão.
Na medicina, ele imaginava a IA assumindo uma parcela crescente da análise técnica enquanto os profissionais de saúde poderiam dedicar mais atenção ao paciente como pessoa.
A proposta não era simplesmente proteger os empregos existentes contra a automação.
Era redesenhar essas profissões em torno justamente das capacidades que a automação teria maior dificuldade em reproduzir.
Era uma divisão de trabalho elegante:
deixar as máquinas fazerem aquilo que fazem bem; permitir que os seres humanos se tornem mais humanos.
Na medicina, a consequência dessa ideia era radical.
Talvez o progresso tecnológico não eliminasse o médico.
Talvez pudesse devolver o médico ao paciente.
O Cuidador Compassivo
A medicina moderna contém um paradoxo.
Nunca dispôs de tanto conhecimento, mas aqueles que a praticam frequentemente dispõem de pouco tempo.
Profissionais da saúde passam uma parcela enorme de suas jornadas inserindo informações em sistemas, navegando por prontuários eletrônicos, preparando documentação, procurando dados, resolvendo processos administrativos e executando tarefas cognitivas repetitivas.
Muitas dessas atividades são necessárias.
Poucas delas são a razão pela qual alguém decide tornar-se médico ou enfermeiro.
Imagine que a inteligência artificial seja capaz de retirar uma parte significativa desse peso.
Ela resume o histórico médico antes da consulta.
Recupera informações relevantes em milhares de páginas de prontuários.
Prepara rascunhos de documentação rotineira.
Verifica interações entre medicamentos.
Identifica alterações em imagens.
Acompanha tendências em exames laboratoriais.
Sugere diagnósticos diferenciais.
Prepara uma resposta inicial para a mensagem de um paciente.
Nada disso exige necessariamente a eliminação do médico.
Muito pelo contrário.
A IA poderia produzir algo que se tornou cada vez mais raro na medicina contemporânea:
tempo.
Tempo para ouvir.
Tempo para explicar.
Tempo para fazer uma segunda pergunta.
Tempo para perceber um medo que nunca apareceu no prontuário eletrônico.
Tempo para explicar por que um tratamento tecnicamente ideal pode ser inaceitável para aquele paciente específico.
Tempo para segurar a mão de alguém que acabou de descobrir que sua vida não continuará como imaginava.
Essa era a beleza do argumento de Lee.
A inteligência artificial poderia aumentar justamente o valor daquilo que, à primeira vista, parecia ser a parte menos tecnológica da medicina.
Mas algo inesperado aconteceu.
A IA Aprendeu a Parecer Compassiva
O argumento original dependia de uma divisão bastante confortável.
As máquinas calculavam.
Os seres humanos sentiam compaixão.
Então surgiram os grandes modelos de linguagem.
Eles não adquiriram emoções humanas. Não há base empírica estabelecida para concluir que um modelo de linguagem experimente preocupação, medo, afeto ou sofrimento simplesmente porque consegue produzir frases associadas a esses estados.
Mas tornaram-se surpreendentemente bons em produzir a linguagem da empatia.
Um estudo publicado em 2023 no JAMA Internal Medicine comparou respostas dadas por médicos e pelo ChatGPT a 195 perguntas médicas publicadas em um fórum online.
Profissionais de saúde licenciados que avaliaram essas respostas preferiram as respostas do chatbot em 78,6% das avaliações e atribuíram a elas notas significativamente maiores tanto em qualidade quanto na expressão de empatia.
O experimento, naturalmente, tinha limitações importantes: tratava-se de respostas escritas em um ambiente online, e não de relações clínicas reais; as respostas do chatbot eram consideravelmente mais longas; e o estudo não demonstrava que uma inteligência artificial pudesse oferecer atendimento médico seguro de maneira independente.
Ainda assim, o resultado revela uma possibilidade desconfortável.
Uma máquina não precisa sentir empatia para produzir uma resposta que um ser humano perceba como empática.
Essa distinção talvez venha a tornar-se um dos grandes problemas filosóficos da medicina mediada por inteligência artificial.
Imagine um paciente assustado perguntando:
Eu vou morrer?
Uma máquina poderia produzir uma resposta extremamente bem construída — paciente, sensível, tranquilizadora e perfeitamente adequada ao contexto emocional.
Mas nada dentro daquela máquina necessariamente teme a morte do paciente.
Isso importa?
À primeira vista, a resposta parece óbvia.
Claro que importa.
Compaixão sem sentimento parece apenas imitação.
Mas agora invertamos a situação.
Imagine um médico exausto que realmente se importa com o paciente, mas dispõe de doze minutos para a consulta, tem outras vinte pessoas esperando do lado de fora e ainda terá várias horas de documentação pela frente.
Sua preocupação é autêntica.
Sua comunicação, entretanto, pode ser apressada.
A compaixão da máquina é sintética, mas abundante.
A compaixão do médico é autêntica, mas limitada pelo tempo.
Qual das duas o paciente efetivamente percebe?
A questão é mais difícil do que parece.
Empatia É Mais do que uma Frase
Há, no entanto, algo perigoso em reduzir a compaixão à capacidade de produzir determinadas palavras.
A medicina não é simplesmente uma troca de informações.
Um médico não é alguém que apenas produz a resposta correta depois de receber o estímulo adequado.
A relação entre médico e paciente se constrói ao longo do tempo.
O médico pode ter conhecido aquele paciente saudável, acompanhado o surgimento da doença, tentado um tratamento, visto esse tratamento fracassar, comunicado uma notícia difícil, conhecido sua família e assumido responsabilidade pela decisão seguinte.
A empatia humana está inserida em uma história compartilhada, na vulnerabilidade e nas consequências reais das decisões.
O paciente pode sofrer.
O médico também pode sofrer.
Ambos sabem o que significa a mortalidade porque ambos habitam corpos mortais.
Uma IA pode dizer:
“Entendo como isso deve ser assustador.”
Mas a palavra entendo torna-se filosoficamente complicada quando é pronunciada por uma entidade que não teme a doença, a separação ou a morte.
Isso não significa que a empatia artificial seja inútil.
Muito pelo contrário.
A inteligência artificial pode ajudar médicos a se comunicarem melhor. Pode sugerir explicações mais claras, identificar uma linguagem desnecessariamente fria, traduzir informações médicas complexas, preparar respostas e até lembrar a um profissional exausto que, por trás de determinado resultado laboratorial, existe um ser humano assustado.
Mas ajudar a expressar empatia e possuir empatia não são necessariamente a mesma coisa.
E talvez nem precisem ser.
O erro seria concluir que, simplesmente porque a inteligência artificial consegue reproduzir uma expressão da humanidade, a própria relação humana tornou-se dispensável.
A Verdadeira Disputa Não É Entre Humanos e Máquinas
Isso nos leva ao que talvez seja a questão mais importante.
O conflito na medicina provavelmente não será:
IA versus médicos.
Será entre duas maneiras muito diferentes de utilizar a mesma tecnologia.
Considere dois hospitais.
Hospital A
A inteligência artificial reduz o tempo gasto com documentação.
Sistemas de diagnóstico aumentam a eficiência.
Processos administrativos são automatizados.
A administração calcula o ganho de produtividade e conclui que agora menos profissionais podem atender mais pacientes.
O número de funcionários diminui.
As consultas ficam mais curtas.
A carga de trabalho aumenta.
O hospital torna-se mais eficiente do ponto de vista computacional — e mais brutal do ponto de vista psicológico.
Hospital B
As mesmas tecnologias são introduzidas.
Mas o ganho de produtividade é utilizado de outra maneira.
Médicos passam menos tempo digitando.
Enfermeiros passam menos tempo inserindo informações repetitivas.
Os atrasos administrativos diminuem.
Os profissionais passam a ter mais tempo com cada paciente.
A IA realiza mais computação.
Os seres humanos realizam mais medicina.
Do ponto de vista tecnológico, os dois hospitais podem ser quase idênticos.
Do ponto de vista humano, são instituições completamente diferentes.
E isso revela algo frequentemente esquecido nas discussões sobre inteligência artificial:
a tecnologia não determina como os ganhos de produtividade serão distribuídos. As instituições determinam.
A IA pode ser utilizada para diminuir a sobrecarga dos profissionais de saúde.
Também pode ser utilizada para aumentar a sobrecarga daqueles que permanecerem.
Pode criar mais tempo para os pacientes.
Ou pode simplesmente servir como justificativa para colocar mais pacientes dentro do mesmo intervalo de tempo.
A inteligência artificial não toma essa decisão.
Nós tomamos.
O Que Devemos Ensinar à Próxima Geração de Médicos?
Isso também transforma a educação médica.
Durante séculos, formar-se médico exigiu construir dentro da própria mente uma enorme biblioteca de conhecimentos.
Isso continuará sendo importante. Um médico incapaz de raciocinar de forma independente não será capaz de supervisionar com segurança um sistema de inteligência artificial.
Mas a memorização, isoladamente, tende a perder valor quando uma máquina consegue recuperar e sintetizar enormes volumes de informação quase instantaneamente.
Outras competências tornam-se mais importantes.
Saber quando a máquina pode estar errada.
Compreender a incerteza.
Reconhecer vieses.
Fazer perguntas melhores.
Explicar probabilidades.
Integrar evidências contraditórias.
Assumir responsabilidade quando um algoritmo recomenda uma conduta e o julgamento clínico sugere outra.
Compreender o paciente, e não apenas a doença.
E saber comunicar-se quando nenhum cálculo é capaz de fornecer a resposta que o paciente realmente gostaria de receber.
O médico da era da inteligência artificial, portanto, não deverá saber menos medicina.
Talvez precise compreendê-la ainda mais profundamente, justamente porque a simples recuperação de informações estará se tornando barata.
Ao mesmo tempo, a formação médica talvez finalmente precise levar comunicação, psicologia, ética e relações humanas tão a sério quanto leva a competência técnica.
O paradoxo é fascinante.
Quanto mais inteligentes se tornam nossas máquinas, mais seriamente talvez precisemos ensinar os seres humanos a serem humanos.
O Médico que a IA Não Pode Substituir
A pergunta “A inteligência artificial vai substituir os médicos?” já não é particularmente útil.
A IA substituirá algumas tarefas realizadas por médicos.
Também criará outras.
Superará os seres humanos em determinadas atividades específicas e fracassará de maneira imprevisível em outras. Será assistente, segunda opinião, sistema de documentação, instrumento diagnóstico e, talvez, no futuro, algo muito mais autônomo.
Sistemas de inteligência artificial capazes de conduzir diálogos diagnósticos já estão sendo estudados em níveis cada vez mais sofisticados. Mas bom desempenho experimental não equivale a prática clínica independente: a medicina real envolve informações multimodais, incerteza, responsabilidade e relações que se constroem ao longo do tempo.
O médico cuja função se limita a transferir conhecimento médico para o paciente torna-se cada vez mais vulnerável à automação.
Mas esse nunca foi o médico completo.
O médico insubstituível não é um banco de dados com estetoscópio.
É a pessoa capaz de combinar conhecimento com julgamento, julgamento com responsabilidade e responsabilidade com preocupação genuína por outro ser humano.
Talvez um dia as máquinas consigam imitar de maneira convincente todos os aspectos visíveis dessa relação e tenhamos novamente de reconsiderar onde está a fronteira.
Devemos manter alguma humildade diante dessa possibilidade.
Mas ainda não chegamos lá.
Enquanto isso, existe um perigo muito mais imediato.
Podemos desenvolver máquinas capazes de libertar profissionais da saúde de enormes quantidades de trabalho mecânico — e então utilizar essas mesmas máquinas apenas para exigir ainda mais trabalho mecânico de um número menor de pessoas.
Seria uma extraordinária conquista tecnológica e, ao mesmo tempo, um profundo fracasso de imaginação.
A percepção de Kai-Fu Lee continua, portanto, relevante, embora por razões um pouco diferentes daquelas de 2018.
A grande oportunidade da inteligência artificial na medicina não está simplesmente em criar uma máquina que diagnostique mais rapidamente.
Está em reconsiderar o que os seres humanos devem fazer quando as máquinas puderem assumir uma parcela cada vez maior do trabalho computacional.
Podemos utilizar a IA para reduzir o número de pessoas trabalhando na medicina.
Ou podemos utilizá-la para reduzir a quantidade de trabalho mecânico e repetitivo que os profissionais da saúde são obrigados a realizar.
Se escolhermos o segundo caminho, a inteligência artificial poderá devolver a médicos e enfermeiros algo que está se tornando cada vez mais raro na medicina moderna:
tempo — para pensar, ouvir, explicar e cuidar.
Talvez, portanto, a maior conquista da inteligência artificial na medicina não seja um hospital com menos seres humanos, mas um hospital no qual os seres humanos tenham mais tempo para serem humanos.
Referências
Ayers, John W., Adam Poliak, Mark Dredze, Eric C. Leas, Zechariah Zhu, Jessica B. Kelley, Dennis J. Faix, et al. 2023. “Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum.” JAMA Internal Medicine 183 (6): 589–596. https://doi.org/10.1001/jamainternmed.2023.1838.
Butlin, Patrick, Robert Long, Tim Bayne, Yoshua Bengio, Jonathan Birch, David Chalmers, Axel Constant, et al. 2026. “Identifying Indicators of Consciousness in AI Systems.” Trends in Cognitive Sciences 30 (6): 488–501. https://doi.org/10.1016/j.tics.2025.10.011.
Gmyrek, Paweł, Janine Berg, Karol Kamiński, Filip Konopczyński, Agnieszka Ładna, Balint Nafradi, Konrad Rosłaniec, and Marek Troszyński. 2025. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. Geneva: International Labour Organization. https://doi.org/10.54394/HETP0387.
Lee, Kai-Fu. 2017. “A Blueprint for Coexistence with Artificial Intelligence.” WIRED, July 12, 2017. https://www.wired.com/story/a-blueprint-for-coexistence-with-artificial-intelligence/.
Lee, Kai-Fu. 2018. AI Superpowers: China, Silicon Valley, and the New World Order. Boston: Houghton Mifflin Harcourt.
Liévin, Valentin, Anil Palepu, Wei-Hung Weng, Khaled Saab, David Stutz, Yong Cheng, Kavita Kulkarni, et al. 2026. “Towards Conversational Artificial Intelligence for Disease Management.” Nature 655 (8125): 1292–1299. https://doi.org/10.1038/s41586-026-10764-5.
Sinsky, Christine, Lacey Colligan, Ling Li, Mirela Prgomet, Sam Reynolds, Lindsey Goeders, Johanna Westbrook, Michael Tutty, and George Blike. 2016. “Allocation of Physician Time in Ambulatory Practice: A Time and Motion Study in 4 Specialties.” Annals of Internal Medicine 165 (11): 753–760. https://doi.org/10.7326/M16-0961.
Teo, Zhen Ling, Arun James Thirunavukarasu, Kabilan Elangovan, Haoran Cheng, Prasanth Moova, Brian Soetikno, Christopher Nielsen, et al. 2025. “Generative Artificial Intelligence in Medicine.” Nature Medicine 31 (10): 3270–3282. https://doi.org/10.1038/s41591-025-03983-2.
Tu, Tao, Mike Schaekermann, Anil Palepu, Khaled Saab, Jan Freyberg, Ryutaro Tanno, Amy Wang, et al. 2025. “Towards Conversational Diagnostic Artificial Intelligence.” Nature 642 (8067): 442–450. https://doi.org/10.1038/s41586-025-08866-7.
U.S. Food and Drug Administration. 2025. “FDA Issues Comprehensive Draft Guidance for Developers of Artificial Intelligence-Enabled Medical Devices.” Press release, January 6, 2025. https://www.fda.gov/news-events/press-announcements/fda-issues-comprehensive-draft-guidance-developers-artificial-intelligence-enabled-medical-devices.
World Health Organization Regional Office for Europe. 2026. Artificial Intelligence Is Reshaping Health Systems: State of Readiness across the European Union. Copenhagen: WHO Regional Office for Europe. WHO/EURO:2026-12707-52481-81471. https://www.who.int/europe/publications/i/item/WHO-EURO-2026-12707-52481-81471.
Editorial transparency note: This article, as with all articles published on this site, was conceived, directed, written, and reviewed by Prof. Maurício Veloso Brant Pinheiro. Artificial intelligence was used as an assistant for editorial refinement, formatting, image generation, SEO metadata, and publication workflow.
Copyright 2026 AI-Talks.org
