Publicado em 11 de março de 2026 Atualizado em 11 de março de 2026
Numa sala de simulação, um estudante paramédico está a analisar um caso clínico complexo. Os dados são vastos: constantes biológicas, antecedentes, sintomas. Antes mesmo de formalizar as suas hipóteses iniciais, consulta um sistema de apoio à decisão. Em poucos segundos, aparece um resumo que classifica os diagnósticos possíveis, sugere pistas de ação e hierarquiza os riscos. A economia de tempo é evidente. A relevância é muitas vezes notável. A ferramenta não substitui a decisão, orienta-a. E é precisamente aí que começa a questão...
A inteligência artificial está agora a ser integrada nas práticas clínicas e nos sistemas de formação em saúde:
O aparecimento de modelos generativos acelerou esta presença. Nos ambientes educativos, estas ferramentas prometem um apoio individualizado, uma maior exposição a casos complexos e um feedback rápido e estruturado. À primeira vista, a IA parece ser um impulsionador de competências.
Mas a formação na era dos sistemas de apoio à decisão não se resume a acrescentar uma ferramenta à caixa de ferramentas do ensino. Significa aceitar que as próprias condições do raciocínio clínico precisam de ser reconfiguradas. O raciocínio profissional nos cuidados de saúde não pode ser reduzido à agregação de dados. Pressupõe uma capacidade de formulação de hipóteses, uma tolerância à incerteza, um confronto com a dúvida e uma assunção de responsabilidade pela decisão tomada. Implica uma subjetividade profissional assente no esforço de interpretação.
No entanto, quando uma sugestão algorítmica precede ou enquadra a análise, a ordem cognitiva é subtilmente modificada. A hipótese já não emerge unicamente do exame clínico; pode ser desencadeada, confirmada ou restringida pela sugestão da ferramenta. O risco não é que o algoritmo esteja errado: o erro é inerente a toda a prática clínica. O risco é mais discreto: que o esforço de reflexão seja reduzido, que o estudante se habitue a validar em vez de construir, que a assistência se torne a matriz implícita da tomada de decisão.
É esta a tensão que atravessa atualmente a formação em saúde. Os dispositivos digitais, longe de serem neutros, redistribuem as formas de poder e os regimes de responsabilidade. Como o demonstraram as análises da tecnologia efectuadas por Gilbert Simondon e Ivan Illich, a ferramenta nunca é uma simples extensão instrumental: configura um ambiente. Configura gestos, expectativas, ritmos e até modos de subjetivação profissional.
Num contexto regulamentado em que a decisão envolve a responsabilidade civil, penal e ética do prestador de cuidados, esta reconfiguração não pode ser ignorada.
A questão não é, portanto, opor a inovação tecnológica à ética dos cuidados. Trata-se de compreender como integrar a IA sem deslocar silenciosamente o centro de gravidade do julgamento profissional. Formar com IA não deve significar formar sob IA. No primeiro caso, a ferramenta apoia a reflexão explícita; no segundo, torna-se a referência implícita em torno da qual se organiza a decisão.
A hipótese aqui defendida é a seguinte: a IA não substitui a tomada de decisão clínica, mas transforma as condições em que ela se desenvolve. Na formação, o maior perigo não é o erro algorítmico, mas a delegação progressiva do raciocínio. O desafio pedagógico consiste, portanto, em conceber sistemas capazes de preservar o esforço de formulação de hipóteses, de manter a capacidade de dúvida e de manter a plena responsabilidade do futuro profissional.
Será que podemos aprender a tomar decisões se já não aprendermos a lidar com a incerteza? A IA melhora a qualidade do raciocínio clínico ou apenas a sua velocidade aparente? E como formar cuidadores autónomos num ambiente em que a sugestão algorítmica é uma constante?
Os sistemas de apoio à decisão clínica não são novidade. Desde as primeiras bases de dados médicas informatizadas, a ambição já era apoiar o médico na interpretação de dados complexos. O que mudou atualmente foi o âmbito e a versatilidade destes sistemas. Os motores de inferência estatística deram lugar a arquitecturas capazes de sintetizar corpora maciços, gerar hipóteses diferenciais, antecipar riscos ou reformular o raciocínio numa linguagem pedagógica.
Esta evolução é particularmente visível nos ambientes de formação. As plataformas de simulação integram agentes de conversação capazes de desempenhar o papel de pacientes normalizados. As ferramentas generativas oferecem análises de casos, reformulam relatórios e simulam intercâmbios interprofissionais. Os estudantes podem questionar um sistema sobre a plausibilidade de um diagnóstico, pedir um resumo das recomendações ou explorar cenários alternativos numa questão de segundos.
Estas utilizações pedagógicas não são equivalentes à prática efectiva dos cuidados. Na formação, a ferramenta pode ser utilizada como apoio à aprendizagem, como recurso de exploração ou como catalisador de debates. No entanto, a fronteira é porosa. O estudante formado com assistência será o profissional que pratica com assistência. Os hábitos cognitivos adquiridos durante a formação não desaparecem quando o estudante assume o seu posto. Por outras palavras, a forma como a IA é integrada na formação prefigura já uma certa configuração do juízo profissional.
A promessa é sedutora: exposição a uma maior diversidade de casos clínicos, feedback rápido, cursos personalizados, acesso imediato a recomendações actualizadas. A IA parece ampliar a capacidade analítica humana. Alarga o horizonte de informação e reduz a carga de memória. Mas toda a amplificação transforma ao mesmo tempo a estrutura do esforço exigido.
O poder analítico destes sistemas não reside apenas no seu desempenho técnico, mas também na forma como são percepcionados. Os algoritmos têm um capital simbólico especial: encarnam dados massivos, estatísticas agregadas e uma pretensa objetividade. Enquanto o raciocínio humano pode parecer frágil, situado e influenciado por vieses cognitivos, a máquina parece distante e rigorosa.
Esta perceção dá origem a um fenómeno deautoridade algorítmica. As sugestões apresentadas pelo sistema não são impostas por um constrangimento explícito, mas por uma credibilidade implícita. Perante uma lista hierarquizada de diagnósticos ou uma linha de ação bem argumentada, o aluno pode ter dificuldade em contestar a proposta. Não porque seja incapaz de o fazer, mas porque a ferramenta é apresentada como a síntese de uma racionalidade superior.
Este efeito é tanto mais forte quanto os ambientes digitais tendem a naturalizar as suas recomendações. A interface é fluida, a resposta é rápida, a formulação é segura. Nada assinala a incerteza inerente aos modelos probabilísticos subjacentes. A sugestão é evidente. Deste modo, o centro de gravidade da tomada de decisão desloca-se discretamente: a hipótese já não decorre exclusivamente do exame clínico, mas emerge do diálogo com um dispositivo técnico.
Nesta perspetiva, a IA não se limita a ajudar, enquadra. Dirige a atenção para certos elementos, torna outros invisíveis e dá prioridade às possibilidades. Como qualquer dispositivo no sentido foucaultiano, organiza um campo de visibilidade e um regime de verdade. A decisão humana permanece formalmente intacta, mas desenvolve-se num espaço já estruturado.
Nas profissões da saúde, a tomada de decisões envolve um elevado grau de responsabilidade individual, consagrado num quadro jurídico e ético preciso. No entanto, a introdução maciça de ferramentas algorítmicas está a reconfigurar a distribuição efectiva do poder de decisão. O conhecimento já não reside apenas na memória e na experiência do profissional, mas é externalizado para bases de dados, modelos de previsão e sistemas proprietários concebidos por actores industriais.
Esta externalização levanta uma série de questões. Quem compreende realmente a lógica interna da ferramenta? Quem domina os critérios de ponderação, os conjuntos de dados de treino e os limites de validade? Os estudantes, os formadores e os clínicos raramente têm uma transparência total. A ferramenta é utilizada num sistema de confiança parcial, frequentemente assimétrico.
Nos sistemas de formação, esta assimetria é ainda mais acentuada. Os estudantes descobrem sistemas cujos resultados percepcionam sem conhecer a sua arquitetura. Aprendem a interagir com uma máquina cuja lógica permanece opaca. A IA torna-se assim uma tecnologia partilhada: circula entre criadores, instituições, profissionais e aprendentes, redistribuindo subtilmente as margens de autonomia.
Não se trata de uma despossessão pura e simples. A ferramenta pode aumentar a vigilância, sugerir diagnósticos e evitar erros. Mas transforma a forma como as decisões são tomadas. A autoridade não desaparece, desloca-se. O profissional continua a ser legalmente responsável, enquanto a ferramenta influencia silenciosamente a forma como os julgamentos são efectuados.
A IA clínica apresenta-se assim como um poder analítico inegável, capaz de enriquecer a aprendizagem e de apoiar a tomada de decisões. Alarga o acesso ao conhecimento, acelera a síntese e abre perspectivas de formação sem precedentes.
Mas este poder é acompanhado de uma sedução cognitiva. A autoridade algorítmica, as interfaces fluidas e as respostas rápidas estão a alterar as próprias condições do esforço intelectual. O que é facilitado pode também ser aliviado. O que é assistido pode tornar-se antecipado.
Assim, a questão já não é apenas o desempenho da ferramenta, mas o hábito que ela estabelece. Em que momento é que a assistência deixa de ser um apoio para se tornar uma muleta? Em que momento é que a consulta se torna dependência? É precisamente esta mudança discreta, mas estruturante, que devemos agora examinar: a delegação cognitiva progressiva do raciocínio clínico.
Se a IA amplia a capacidade de análise, transforma também a natureza do esforço cognitivo necessário. Qualquer assistência modifica o equilíbrio entre o que é produzido pelo sujeito e o que é fornecido pelo dispositivo. Na formação, este equilíbrio é determinante: aprender a exercer uma profissão de saúde não é apenas uma questão de aceder a respostas pertinentes, mas de construir um juízo capaz de se sustentar. Quando a assistência se torna constante, o risco não é o erro técnico, mas sim a erosão progressiva da autonomia intelectual.
O raciocínio clínico baseia-se tradicionalmente num modelo hipotético-dedutivo: perante uma dada situação, o profissional formula hipóteses, recolhe dados complementares, elimina possibilidades, afina o seu diagnóstico e justifica a sua decisão. Este processo não é linear nem mecânico. É um processo cheio de incertezas, de tensões interpretativas e de ajustamentos sucessivos.
A formação em saúde baseia-se precisamente na aprendizagem desta dinâmica. Os estudantes aprendem a tolerar a dúvida, a aceitar que não sabem imediatamente e a adiar uma conclusão até que os factos estejam suficientemente consolidados. Esta capacidade de viver com a incerteza não é um defeito temporário, é uma competência estruturante. É uma condição da prudência, do espírito crítico e da vigilância face aos preconceitos.
Quando a ferramenta algorítmica propõe imediatamente uma hierarquia de hipóteses ou uma linha de ação plausível, a experiência da dúvida pode ser encurtada. A incerteza já não é sentida como um espaço a explorar, mas como uma lacuna a preencher rapidamente. O raciocínio torna-se validação em vez de construção. O aluno confronta o seu pensamento com uma sugestão externa, mesmo antes de ter desenvolvido completamente a sua própria análise.
Esta mudança é subtil. Não elimina o raciocínio, mas modifica a sua temporalidade e intensidade. O esforço de formulação de hipóteses pode diminuir, não por incapacidade, mas por hábito de assistência.
A delegação cognitiva não pode ser decretada; é estabelecida por uma acumulação de micro-ajustamentos. Podem ser identificados vários mecanismos.
Estes mecanismos não são o resultado de uma deficiência individual. Estão ligados à própria configuração do sistema. Como o demonstrou a filosofia da tecnologia, o ambiente técnico molda as acções e as expectativas. A delegação cognitiva raramente é consciente; é o resultado de uma adaptação progressiva ao ambiente.
Nas profissões regulamentadas, as decisões clínicas implicam uma responsabilidade total. O profissional não pode esconder-se atrás de um instrumento. Legal, moral e eticamente, ele continua a ser o autor da decisão.
No entanto, a presença constante da assistência algorítmica pode produzir um efeito paradoxal: a responsabilidade continua a ser formal, mas o sentimento de ser o único decisor diminui. A decisão parece ser co-produzida pelo sistema. Em caso de dúvida, o argumento "a ferramenta sugeriu-o" pode ser utilizado, pelo menos internamente, como justificação.
Este fenómeno está de acordo com a ética da responsabilidade desenvolvida por Hans Jonas: quanto maior for o poder técnico, maior será a exigência de responsabilidade. A IA aumenta a capacidade de análise; deve, portanto, aumentar a vigilância ética. Mas se este poder for acompanhado de uma diluição subjectiva da decisão, o risco é o oposto: tomar decisões sem se sentir um decisor de pleno direito.
Na formação, esta tensão é crucial. Aprender a exercer uma profissão de saúde significa aceitar que a decisão final cabe a si, num contexto de incerteza irredutível. Se a assistência algorítmica for vista como uma garantia implícita, a construção desta responsabilidade pode ser posta em causa. Os estudantes correm o risco de associar a qualidade da sua decisão ao cumprimento da sugestão técnica e não à solidez do seu raciocínio.
A delegação cognitiva não é, portanto, apenas uma questão pedagógica, é também uma questão ética. Levanta questões sobre a forma como os futuros profissionais se vêem a si próprios como sujeitos responsáveis num ambiente algorítmico.
O risco de delegação cognitiva não significa que a IA deva ser abandonada na formação. Pelo contrário, revela uma nova exigência: conceber sistemas capazes de manter o esforço de pensar, de explicitar o raciocínio e de reforçar a responsabilidade em vez de a diminuir.
Se a assistência pode tornar-se uma muleta, pode também tornar-se uma alavanca, desde que seja integrada numa arquitetura educativa consciente dos seus efeitos. A questão já não é apenas como utilizar a IA, mas como formar os alunos em raciocínio aumentado sem o diminuir.
É, portanto, para a conceção de sistemas exigentes, que combinem a utilização crítica e a metacognição explícita, que nos devemos virar agora.
Se a IA reconfigura as condições do raciocínio clínico e nos expõe ao risco de delegação cognitiva, a resposta não pode ser a exclusão ou a utilização ingénua. O desafio educativo consiste em transformar a assistência num objeto de aprendizagem. A formação em raciocínio aumentado implica a conceção de sistemas em que a ferramenta não encurta o esforço de raciocínio, mas coloca-o em tensão, revela-o e exige-o.
Já não se trata apenas de ensinar com a IA, mas de ensinar a relação com a IA. Esta nuance é decisiva.
Um primeiro princípio pedagógico consiste em preservar os espaços de raciocínio sem ajuda. Os alunos devem poder experimentar a construção autónoma de hipóteses, a exploração progressiva dos dados e a assunção da incerteza. A IA não deve ser o ponto de entrada reflexivo para os casos clínicos.
Em termos práticos, isto significa organizar sequências contrastantes: análise inicial sem assistência, formalização de hipóteses com argumentos, depois confronto secundário com propostas algorítmicas. Este desfasamento é estruturante. Permite ao aluno medir as diferenças, identificar as convergências e compreender as divergências.
O objetivo não é colocar a ferramenta em concorrência com o raciocínio humano, mas tornar visível a dinâmica cognitiva específica de cada indivíduo. A IA torna-se então um espelho crítico e não uma muleta. Revela os pontos cegos, questiona as intuições, enriquece a discussão sem pôr em curto-circuito a elaboração inicial.
Esta alternância também ajuda a manter a confiança epistémica. Os alunos aprendem que podem produzir uma análise relevante antes de qualquer ajuda. A ferramenta amplifica ou questiona essa análise, não a substitui.
A simples utilização de um sistema de assistência não é suficiente para formar as pessoas a utilizá-lo de forma crítica. É necessário prever um momento específico de clarificação: debriefings centrados não só na decisão clínica, mas também na interação com a ferramenta.
Nestas sequências, podem ser exploradas várias questões:
O objetivo é duplo. Por um lado, desenvolver uma literacia algorítmica adaptada às profissões regulamentadas: compreender que a IA funciona com base em correlações probabilísticas e não numa compreensão contextual completa. Por outro lado, reforçar a metacognição clínica: ser capaz de explicar por que razão se aceita, modifica ou rejeita uma proposta.
Este debriefing algorítmico transforma a ferramenta num objeto de análise. Dessacraliza a proposta técnica sem a desqualificar. Recorda-nos que todas as propostas, sejam elas humanas ou algorítmicas, devem ser submetidas a um exame crítico.
A formação em raciocínio aumentado implica também repensar os métodos de avaliação. Se apenas avaliarmos se uma decisão está em conformidade com uma resposta esperada, a ferramenta algorítmica pode tornar-se um atalho eficaz. Por outro lado, se a avaliação se centrar na qualidade da argumentação, na rastreabilidade do raciocínio e na capacidade de explicar as incertezas, a postura cognitiva muda.
Numa abordagem baseada em competências, a decisão é apenas um elemento do processo. O que importa é a forma como é construída e justificada. Ao incorporar critérios de avaliação que se centram na explicação do raciocínio subjacente à decisão, identificando as alternativas que foram excluídas e tendo em conta as limitações da ferramenta, os padrões intelectuais podem ser mantidos.
Torna-se relevante avaliar a capacidade de questionar a própria IA: o aluno é capaz de formular um pedido pertinente? Detetar uma incoerência? Contextualizar a resposta em termos da situação particular do doente? Esta dimensão crítica deve ser reconhecida como uma competência profissional de pleno direito.
Assim, o raciocínio aumentado não consiste em pensar mais depressa graças à ferramenta, mas em pensar mais lucidamente com ela. A IA torna-se um parceiro cognitivo cuja utilização exige discernimento e responsabilidade.
A conceção de sistemas exigentes é uma condição necessária, mas não suficiente. A alternância de raciocínios, o debriefing algorítmico e a avaliação centrada na justificação devem fazer parte de um quadro institucional claro.
A formação em raciocínio aumentado implica a clarificação das responsabilidades, a definição de regras de rastreabilidade e a definição de expectativas éticas. A exigência de formação não pode permanecer implícita; deve ser apoiada por princípios partilhados e sistemas supervisionados.
Por outras palavras, a questão já não é apenas a dos cenários de aprendizagem, mas a da governação da IA na formação. É sobre esta relação entre a responsabilidade individual e o quadro institucional que devemos agora debruçar-nos.
A formação em raciocínio aumentado não pode basear-se apenas na qualidade dos cenários de ensino. No domínio das profissões da saúde, a decisão implica uma responsabilidade jurídica, ética e deontológica que ultrapassa a sala de simulação. A integração da IA na formação exige, por conseguinte, uma clarificação institucional explícita. Sem um enquadramento, a autonomia profissional corre o risco de ser silenciosamente corroída. Pelo contrário, com um quadro estruturante, ela pode ser consolidada.
O desafio não é controlar as utilizações para as restringir, mas sim torná-las claras, discutíveis e aceites.
Nas profissões da saúde, a responsabilidade pela tomada de decisões continua a ser pessoal. Nenhum algoritmo, por mais eficaz que seja, pode ser legalmente responsabilizado por um ato clínico. Esta evidência formal deve ser reafirmada na formação. A ferramenta pode iluminar, sugerir ou alertar, mas não decide.
O ambiente digital tende a esbater esta distinção. Quando a sugestão algorítmica é apresentada como altamente fiável, existe uma forte tentação de a considerar como uma norma implícita. O estudante pode gradualmente equiparar o cumprimento da recomendação técnica a uma forma de segurança na tomada de decisões.
O papel da instituição é determinante neste domínio. Cabe-lhes salientar que a IA é um instrumento de apoio e não uma autoridade. Isto implica precisar o lugar destes dispositivos nas normas e regulamentos de formação: nem proibidos nem prescritos, mas integrados numa lógica de utilização crítica.
Clarificar "quem decide" significa também clarificar "quem responde". Os aprendentes têm de compreender que a responsabilidade final é sua, mesmo quando recorrem à assistência algorítmica. Esta consciência não deve ser uma fonte de ansiedade, mas antes um fator de estruturação. Constitui a base da sua identidade profissional.
Uma das principais transformações provocadas pela IA diz respeito à rastreabilidade do processo de decisão. Se uma ferramenta foi utilizada para desenvolver uma hipótese ou uma linha de ação, esta interação deve ser explicitada.
Na formação, integrar esta exigência significa ensinar os alunos a documentar a sua abordagem:
O objetivo desta prática de rastreabilidade não é controlar, mas desenvolver a consciência reflexiva. Obriga-nos a distinguir entre o que é uma questão de análise pessoal e o que foi sugerido pelo sistema. Reforça a metacognição e prepara para uma prática profissional transparente.
Num contexto em que os ambientes digitais conservam vestígios, a ausência de explicação pode tornar-se problemática. A formação para documentar a utilização da IA significa antecipar as futuras exigências de qualidade e de responsabilidade.
Para que estes princípios não permaneçam teóricos, devem ser consagrados num quadro partilhado. A elaboração de uma carta pedagógica para a formação em matéria de IA no domínio da saúde constitui uma alavanca estruturante.
Essa carta poderia basear-se numa série de princípios orientadores:
A instituição desempenha aqui o papel de garante. Deve formar as suas equipas pedagógicas, definir orientações e integrar estas questões nos projectos escolares e nos quadros de competências. A ausência de um quadro de referência dá lugar a práticas heterogéneas e, por vezes, contraditórias que comprometem a coerência da formação.
A proteção da autonomia profissional não significa isolar os futuros prestadores de cuidados das tecnologias contemporâneas. Significa criar um ambiente onde a utilização destas tecnologias seja reflectida, discutida e regulamentada. A autonomia não se opõe ao quadro de referência, está nele integrada.
Assim, a questão da IA na formação não se limita ao desempenho das ferramentas ou à qualidade dos cenários pedagógicos. Implica uma arquitetura completa: responsabilidade individual, rastreabilidade das decisões, governação institucional.
Mas mesmo o quadro mais rigoroso não dispensa a responsabilidade pessoal. A responsabilidade não pode ser decretada, tem de ser encarnada. Depois de termos analisado o poder da assistência, o risco da delegação e as condições do controlo institucional, resta-nos uma questão mais fundamental: como podem os futuros profissionais manter a capacidade de duvidar, de argumentar e de assumir a plena responsabilidade pelas suas decisões num mundo onde os algoritmos são omnipresentes?
É a esta questão, a do significado e da autonomia do julgamento, que a conclusão deste artigo regressa.
A inteligência artificial não é nem uma rutura absoluta nem uma simples continuidade técnica. Faz parte da longa história dos instrumentos utilizados para tomar decisões médicas, mas está a mudar a intensidade, a rapidez e a profundidade dessas decisões. Tanto na formação como na prática, ela não substitui o juízo clínico: redefine as suas condições.
Esta mudança é decisiva. O desafio não é saber se a IA é fiável - nenhuma prática humana é perfeitamente fiável - mas compreender o que ela faz ao raciocínio de quem a utiliza. Quando a sugestão precede a hipótese, quando a interface enquadra a atenção, quando a resposta está disponível mesmo antes do esforço de elaboração, a relação com a dúvida transforma-se. No entanto, é no confronto com a dúvida que se forja a competência clínica.
A formação na era dos sistemas de apoio à decisão pressupõe, portanto, uma escolha pedagógica clara: recusar que a assistência se torne a matriz implícita do julgamento. Isto implica organizar a alternância entre o raciocínio autónomo e o confronto algorítmico, instituir períodos de reflexão crítica e avaliar a qualidade da argumentação e não apenas a conformidade do resultado. Isto exige também um quadro institucional explícito, que garanta o primado do julgamento profissional, a rastreabilidade da utilização e a responsabilidade assumida.
A autonomia não consiste em tomar decisões sem ferramentas. Significa tomar decisões com pleno conhecimento de causa e assumir a responsabilidade pelas mediações técnicas utilizadas. Nas profissões do sector da saúde, esta autonomia é indissociável da responsabilidade. Nenhum algoritmo carregará o ónus moral de uma escolha clínica. O profissional fá-lo-á.
Poderemos aprender a decidir se já não aprendermos a duvidar? Esta questão é transversal a toda a nossa reflexão. A IA pode melhorar a qualidade do raciocínio clínico, revelando pontos cegos, alargando o leque de possibilidades e estimulando a discussão. Mas também pode acelerar a superfície sem aprofundar a estrutura. A velocidade aparente não é garantia de solidez interior.
Não se trata, portanto, de ceder ao entusiasmo tecnófilo ou de se refugiar numa postura de desafio. Temos de reconhecer que estamos agora a formar profissionais para trabalhar num ambiente "algoritmizado" e que as suas competências não serão apenas técnicas, mas também reflexivas. A sua responsabilidade não será diminuída pelo poder das ferramentas, mas sim aumentada.
Em última análise, a formação em raciocínio aumentado significa treinar para ser duplamente vigilante: vigilante face aos preconceitos humanos, mas também vigilante face às sugestões algorítmicas. Significa aprender a utilizar a IA sem se dissolver nela. Significa manter a capacidade de suspender, questionar e argumentar, mesmo quando a resposta parece já ter sido dada.
Num mundo assistido, tomar decisões continua a ser um ato humano. E é precisamente este ato que nos cabe, na formação, proteger.
Ilustração: IAg e formação nas profissões da saúde
Generated by AI (Canva) - Flavien Albarras
Referências
Agius, S., Magri, C., & Cassar, V. (2025). Uma Análise de Tarefas Cognitivas para o Desenvolvimento de um Sistema de Apoio à Decisão Clínica para Triagem de Emergência. Journal of Emergency Nursing, 51(6), 1028-1045.e4. https://doi. org/10.1016/j.jen.2025.05.013
Aroulandom, F. (2025). A inteligência artificial e a profissão de enfermagem: Antecipar, compreender e apoiar uma transformação inevitável. Sages-Femmes, 24(5, Suplemento), S59-S60. https://doi. org/10.1016/j.sagf.2025.07.115
Auriault, P. (2014). Compreender a imagiologia médica com Gilbert Simondon. Recuperado de https://philosophie.ac-amiens.fr/IMG/pdf/Simondon_Auriault-2.pdf
Académie Nationale de Médecine (2024). Sistemas generativos de IA nos cuidados de saúde: questões e perspectivas (Relatório 24-03). Paris, França: Académie Nationale de Médecine. Obtido em https://www.academie-medecine.fr/wp-content/uploads/2024/03/Rapport-Systemes-dIA-generative-en-sante.pdf
Bleher, H., & Braun, M. (2022). Diffused responsibility: Attributions of responsibility in the use of AI-driven clinical decision support systems. Ai and Ethics, 2(4), 747-761. https://doi. org/10.1007/s43681-022-00135-x
Promessa Digital. (2024). Literacia em IA: uma estrutura para compreender, avaliar e utilizar tecnologias emergentes. Washington, DC: Digital Promise. https://digitalpromise. org/2024/06/18/ai-literacy-a-framework-to-understand-evaluate-and-use-emerging-technology/
Elsevier Masson (2023). Le raisonnement clinique infirmier. Paris, França: Elsevier Masson. Apresentação em linha: https: //www.elsevier.com/fr-fr/connect/le-raisonnement-clinique-infirmier
Florey, S. (2023). Reconfiguração da literatura através do digital: Quais são as potencialidades didácticas? Revue de recherches en littératie médiatique multimodale, 18, 39-55. https://doi. org/10.7202/1108693ar
Gazquez-Garcia, J., Sánchez-Bocanegra, C. L., & Sevillano, J. L. (2025). IA no sector da saúde: revisão sistemática das competências-chave para futuros profissionais de saúde. JMIR Medical Education, 11(1), e58161. https://doi. org/10.2196/58161
Giroud, N. (2026). Utilização da IA no ensino da enfermagem. La revue de l'infirmière, (317), 34-37. https://www. em-consulte.com/article/1788851/utilisation-de-l-ia-en-formation-infirmiere
Hoyelle-Pierre, S., & Jaillet, A. (2024). L'apprentissage du raisonnement clinique infirmier par la simulation en formation initiale pour la qualité et l'efficience des soins. Revue internationale des technologies en pédagogie universitaire / International Journal of Technologies in Higher Education, 21(1), 37-54. https://doi. org/10.18162/ritpu-2024-v21n1-03
Inserm. (2024). Inteligência Artificial e Saúde. Paris, França: Inserm. https://www. inserm.fr/dossier/intelligence-artificielle-et-sante/
Izquierdo-Condoy, J. S., Arias-Intriago, M., Tello-De-la-Torre, A., Busch, F., & Ortiz-Prado, E. (2025). Generative Artificial Intelligence in Medical Education: Enhancing Critical Thinking or Undermining Cognitive Autonomy? Journal of Medical Internet Research, 27, e76340. https://doi.org/10.2196/76340
Montagna, M., Chiabrando, F., Lorenzo, R. D., Querini, P. R., & Students, M. (2025). Impacto dos sistemas de apoio à decisão clínica no desempenho de resolução de casos dos estudantes de medicina: estudo comparativo com um grupo de foco. JMIR Medical Education, 11(1), e55709. https://doi. org/10.2196/55709
OECD. (2022). OECD Digital Education Outlook 2021: Empurrando as fronteiras com IA, blockchain e robôs. Perspectivas da Educação Digital da OCDE, 2021. https://doi. org/10.1787/d5fe6bd0-fr
Posição e recomendações do Conseil national de l'Ordre des infirmiers sobre a utilização da inteligência artificial pelos enfermeiros. (n.d.). Conselho Nacional de Enfermeiros. Recuperado em 8 de março de 2026, de https://www.ordre-infirmiers.fr/position-et-recommandations-du-conseil-national-de-l-ordre-des-infirmiers-relatives-a-l-utilisation
Patel, V. L. (2023). Reduzir a carga cognitiva nos sistemas de apoio à decisão clínica. Grupo de Trabalho de Carga Clínica do HL7. Version PDF: https: //confluence.hl7.org/download/attachments/104568480/VLPatel-HL7%20WG--Clinical%20Burden-Dec%2011-2023-Final.pdf?version=1&modificationDate=1702318635272&api=v2
Sim, I., Gorman, P., Greenes, R. A., Haynes, R. B., Kaplan, B., Lehmann, H., & Tang, P. C. (2001). Clinical Decision Support Systems for the Practice of Evidence-based Medicine (Sistemas de Apoio à Decisão Clínica para a Prática da Medicina Baseada em Evidências). Journal of the American Medical Informatics Association: JAMIA, 8(6), 527-534. https://doi. org/10.1136/jamia.2001.0080527
UNESCO. (2023). Orientações para a IA generativa no ensino e na investigação. Paris, França: UNESCO. Versão francesa: https: //www.unesco.org/fr/digital-education/artificial-intelligence
Webster, C. S., Taylor, S., & Weller, J. M. (2021). Vieses cognitivos no diagnóstico e tomada de decisão durante a anestesia e cuidados intensivos. BJA Education, 21(11), 420-425. https://doi. org/10.1016/j.bjae.2021.07.004
Zintchem, R., Ngono Zintchem, M. A., Ngae, D., Tembe-Fokunang, E. A., & Ntungwen Fokunang, C. (2025). Inteligência artificial generativa e aprendizagem do raciocínio clínico em enfermagem: Revisão do âmbito, proposta de uma abordagem "socioconectivista". Investigação e Avanços em Enfermagem, (2). https://doi. org/10.25965/reasci.606
Declaração de utilização da IA - O ChatGPT e o Perplexity foram utilizados como ferramentas de assistência para: (a) ajuda na revisão bibliográfica (localização/classificação de artigos e estruturação de percursos de leitura), (b) reformulação de certas passagens para melhorar a clareza e fluência, (c) correção ortográfica. A IA não produziu argumentos ou dados sem validação: todas as referências foram verificadas e não foram inventadas citações. O conteúdo, as análises e as interpretações são da minha exclusiva responsabilidade.
Notícias de Thot Cursus RSS
Leitor de RSS ? :Feedly, NewsBlur
Você também pode gostar
Estar perto dos seus alunos à distância
Perda de contacto humano, má qualidade dos intercâmbios, muitos receios animam os formadores que se lançam no ensino à distância. Mas e se o ensino à distância pudesse finalmente criar laços mais fortes com os nossos aprendentes? Ao ter em conta alguns parâmetros específicos do ensino à distância, o formador pode encorajar a criação de laços no seio do grupo.
A IA como um espelho de aumento das nossas fraquezas de aprendizagem
E se a IA, longe de nos emburrecer, estivesse de facto a revelar as nossas próprias falhas cognitivas? A preguiça, o utilitarismo, a impaciência... Todos estes são defeitos que a IA amplifica. Um despertar salutar para reinventar a nossa relação com o conhecimento. A IA é um convite à reabilitação do esforço, do discernimento e da autoridade cognitiva. O verdadeiro progresso reside menos nas proezas tecnológicas do que naquilo que elas despertam em nós, seres humanos.
A escrita entre os adolescentes, posta à prova pela tecnologia digital e pela IA
A escrita digital oferece uma liberdade muito maior, mas os seus utilizadores correm muitos riscos.
No final do século XIX, centenas de pintores participaram em prestigiosos e exigentes workshops que forneceram conhecimentos académicos. Era difícil entrar, era necessário trabalho árduo, e eles saíram com um conhecimento impressionante. Não houve erros de drapejamento, anatomia, perspectiva ou composição. Os professores vão em busca de métodos de ensino com 150 anos de idade.
Avaliar o que é realmente valioso
Para além das classificações e das competições inúteis, temos de repensar a avaliação escolar de modo a reconhecer toda a gama de competências desenvolvidas pelos alunos.
Superprof : a plataforma para encontrar os melhores professores particulares no Brasil e em Portugal
