A inteligência artificial demonstrou a capacidade de resumir documentos, identificar inconsistências, organizar agendas, detectar padrões e apoiar análises complexas. No campo da saúde ocupacional, essas capacidades podem reduzir cargas de trabalho repetitivas e melhorar a disponibilidade de informações. No entanto, surgem riscos significativos quando dados sensíveis são transmitidos para ferramentas não controladas ou quando recomendações algorítmicas são erroneamente tratadas como decisões médicas definitivas. O foco estratégico para as organizações não deve ser sobre se usar IA, mas sim sobre definir seu propósito específico, os dados envolvidos, as partes responsáveis e os mecanismos de revisão. À medida que o impacto na saúde do trabalhador, aptidão, emprego e direitos aumenta, a necessidade de uma governança rigorosa cresce proporcionalmente.

Um desenvolvimento pivotal ocorreu em 27 de fevereiro de 2026, quando o Conselho Federal de Medicina (CFM) publicou a Resolução nº 2.454/2026. Esta regulação estabelece normas para pesquisa, desenvolvimento, governança, auditoria, monitoramento, treinamento e uso responsável da IA na medicina. Embora publicada, a resolução está atualmente em um período de transição e entrará oficialmente em vigor 180 dias após a publicação, colocando sua data de eficácia em julho de 2026. A norma permite a IA como ferramenta de apoio para tomada de decisão clínica e gestão de saúde, mas mantém explicitamente a autoridade final com o médico. Os requisitos-chave incluem informação clara ao paciente sobre o envolvimento da IA, registro do uso da IA como suporte à decisão, classificação de riscos, supervisão humana e proteção de dados.

Embora a Lei Geral de Proteção de Dados (LGPD) e as regras sanitárias aplicáveis já estejam em vigor, a resolução específica do CFM ainda não é obrigatória até que seu período de transição conclua. No entanto, recomenda-se que as organizações se preparem para esses padrões imediatamente. A IA pode gerar valor em várias áreas: rotinas administrativas como classificação de documentos e agendamento; qualidade da informação ao detectar duplicatas ou dados ausentes; análise agregada de tendências em exames e absenteísmo sem expor registros individuais; apoio médico através de recuperação de referências e geração de hipóteses; e comunicação adaptando materiais preventivos para diferentes públicos. No entanto, esses benefícios não são automáticos. Resumos podem omitir detalhes críticos, modelos podem reproduzir vieses e correlações podem ser mal interpretadas como causalidade. Ganhos de velocidade só se traduzem em melhorias de qualidade quando acompanhados por validação, limites definidos e responsabilização.

Três zonas específicas exigem máxima cautela na implantação da IA. Primeiro, dados de saúde como prontuários médicos, relatórios e diagnósticos não devem ser copiados para ferramentas abertas que careçam de contratos adequados, segurança e governança. Segundo, pontuações automatizadas nunca devem decidir independentemente a aptidão de um trabalhador, restrições ou prontidão para retorno ao trabalho. Terceiro, o perfilamento de trabalhadores para inferir status de saúde mental, risco de ausência, produtividade ou confiabilidade para fins de seleção ou disciplinares pode violar direitos e amplificar discriminação. A LGPD classifica dados de saúde como informações pessoais sensíveis, garantindo direitos contra decisões baseadas exclusivamente em processamento automatizado que afetem os interesses do indivíduo. A Autoridade Nacional de Proteção de Dados (ANPD) recomenda a realização de um Relatório de Impacto à Proteção de Dados Pessoais em contextos de alto risco, incluindo processamento em larga escala de dados sensíveis ou decisões exclusivamente automatizadas.

Além disso, nem todo software usado nos setores de saúde se qualifica como dispositivo médico. No entanto, se o propósito declarado e a funcionalidade de uma solução a classificarem como Software como Dispositivo Médico, ela fica sujeita a requisitos sanitários da Anvisa, incluindo a RDC nº 657/2022. Esta classificação deve ser verificada antes da contratação ou implementação, não assumida com base na presença do termo "inteligência artificial". A diligência de compras deve estender-se além das demonstrações comerciais para incluir métodos de validação, populações-alvo, métricas de desempenho, limitações, atualizações regulatórias, locais de armazenamento de dados e protocolos de investigação de falhas.

Um modelo de governança proposto baseia-se em oito controles: manter um inventário de ferramentas e dados; classificar riscos com base no impacto clínico e nos direitos; validar o desempenho em contextos reais antes da escalabilidade; definir autoridade humana para aceitar ou rejeitar recomendações; implementar medidas estritas de proteção de dados; garantir transparência quanto ao uso e limitações; monitorar erros, vieses e incidentes; e estabelecer planos de contingência com critérios objetivos para suspensão. Projetos-piloto seguros devem começar pequenos, usando dados controlados com propósitos restritos e impactos reversíveis, como verificar a completude dos registros ou produzir indicadores agregados, sempre comparados contra processos atuais com revisão humana. A expansão do escopo só deve ocorrer após demonstrar qualidade e segurança.

A Corpmed, uma organização atuante em saúde e segurança ocupacional desde 2006, observa que a IA deve expandir a capacidade técnica das equipes sem obscurecer quem é responsável pelas decisões. Sua abordagem envolve apoiar empresas na seleção de casos de uso, integração de dados, revisão de fluxos de trabalho e estabelecimento de governança adaptada aos sistemas existentes e perfis de risco. A responsabilidade técnica da Corpmed recai sobre Giselle Galdino da Rocha Almeida (CRM/SP 115.157 - RQE 43.521).

Fontes: G1.