A IA clínica entra no fluxo de trabalho: o que está mudando na prática médica

A unidade útil não é uma função: é o fluxo completo

Uma consulta não começa quando uma gravação é ativada nem termina quando uma nota é gerada. Começa com antecedentes, documentos, perguntas e decisões prévias. Continua com a conversa clínica. Depois deixa notas, indicações, ordens, referências, resumos e tarefas de acompanhamento.

Por isso, uma ferramenta pode parecer impressionante em uma demonstração e, mesmo assim, adicionar trabalho na prática. Se for obrigada a copiar informações entre sistemas, lembrar qual função usar ou corrigir resultados fora do fluxo habitual, o custo de adoção compete com o benefício.

A experiência de construir Itaca em países da América Latina aponta para uma regra simples: a IA é melhor adotada quando reduz uma transição. O profissional não deve interromper a atenção para “conversar com a IA”; ele deve poder continuar com seu trabalho e revisar um resultado útil no momento apropriado.

Antes da consulta: chegar com contexto, não com outra bandeja de entrada

A preparação prévia pode consumir uma parte importante do encontro: localizar antecedentes, revisar documentos, relembrar o motivo do acompanhamento ou voltar a solicitar informações rotineiras. A IA pode ajudar a organizar esse material, mas apenas se for apresentado de forma que o profissional possa verificá-lo rapidamente.

Os usos mais relevantes nesta etapa são específicos: organizar respostas de um questionário, resumir documentos fornecidos, recuperar o contexto das consultas anteriores e deixar visíveis as pendências. Os dados Itaca mostram que enviar um questionário não é suficiente para incorporá-lo ao fluxo: começar com mais contexto também depende da coordenação, do envio ao paciente e dos recordatórios.

Em uma clínica, este ponto também revela uma questão operacional: quem solicita a informação, onde é armazenada e o que realmente chega ao profissional? Incorporar IA sem resolver essas três questões pode digitalizar a fragmentação em vez de a reduzir.

Durante a consulta: documentar sem converter a atenção em captura de dados

A documentação assistida é um dos usos mais visíveis da IA clínica porque vincula uma tarefa repetida em quase todas as consultas. A predominância da gravação em tempo real nos dados situa essa ajuda dentro da atenção: preparar o Itaca rascunho enquanto o profissional atende e deixar uma nota pronta para revisão, em vez de reconstruir a consulta do zero.

As evidências ainda estão crescendo e devem ser lidas com cautela. Um estudo de melhoria da qualidade publicado na JAMA Network Open Seguiu 46 profissionais de 17 especialidades em um sistema acadêmico dos Estados Unidos. Depois de incorporar um escriba ambiental, observou associações com menos tempo por nota, mais fechamentos no mesmo dia, menos trabalho fora do horário e uma carga mental percebida menor. O design foi pré-post, sem grupo de controle, e o ambiente não era latino-americano; seus resultados mostram potencial, não uma garantia transferível para qualquer clínica.

A conclusão prática não é que toda nota gerada automaticamente seja melhor. É que preparar um primeiro esboço pode tirar uma tarefa de composição do zero. O benefício depende de três condições: que a estrutura corresponda ao tipo de consulta, que a revisão seja mais rápida do que a recriação e que o profissional mantenha a aprovação final.

Este princípio se observa nas notas clínicas assistidas por IA: O resultado deve permanecer como um rascunho revisável. O profissional edita e decide o que faz parte do registro; a geração automática não converte o conteúdo em documentação final.

Após a consulta: usar o contexto uma vez, não reconstruí-lo várias vezes

Ao final do encontro costumam surgir tarefas que repitam informações já conversadas. A concentração observada nas receitas e ordens situa o uso em atividades rotineiras e ativáveis: reutilizar de forma controlada o contexto que o profissional já verificou, em vez de redigitalizá-lo novamente.

Essa continuidade reduz duas fricções. A primeira é redigir novamente os dados que já estão na nota. A segunda é perder a relação entre o documentado e o entregue ao paciente. Um fluxo coerente mantém ambos os elementos próximos e deixa claro o que exige revisão antes de compartilhá-los.

O mesmo princípio aplica-se à consulta seguinte. Um registro longitudinal útil não é um arquivo maior, mas uma forma de retomar tratamentos, resultados, decisões e pendências sem ter de ler toda a história de novo. Para o profissional, a pergunta importante é se o sistema devolve o contexto correto quando ele precisa dele.

A documentação é o primeiro pilar, não o único

Começar com documentação faz sentido porque o problema é frequente, visível e facilmente demonstrável. Além disso, é um uso no qual a supervisão profissional se encaixa naturalmente: um rascunho é preparado e revisado antes de incorporá-lo ao expediente.

No entanto, uma plataforma clínica fica incompleta se o médico apenas escrever notas. Os médicos também precisam resolver perguntas pontuais, revisar uma recomendação, comparar fontes e preparar documentos relacionados ao encontro. Essas tarefas compartilham contexto; tratá-las como aplicativos separados obriga o profissional a repeti-las.

Uma arquitetura clínica coerente conecta a documentação com respostas clínicas com fontes, uma investigação mais aprofundada quando a pergunta o exigir e documentos médicos elaborados com base no contexto revisado. A distinção prática é importante: nem todas as dúvidas exigem uma revisão extensiva e nenhuma dessas camadas deve delegar a decisão clínica.

Fontes visíveis: uma diferença prática em relação à IA genérica

Uma resposta clínica é mais útil quando permite abrir as referências e compreender de onde provém uma afirmação. Isso não elimina a necessidade de avaliar a qualidade, atualidade e aplicabilidade, mas muda a interação: o profissional não recebe apenas uma conclusão; recebe um ponto de partida que pode verificar antes de decidir como usar a informação.

O Guia da OMS sobre modelos multimodais em saúde Recomenda-se projetar sistemas para tarefas bem definidas, envolver profissionais e outras partes interessadas e manter avaliação e supervisão ao longo do ciclo de vida. OPS situa a IA dentro de uma transformação mais ampla que inclui governança, interoperabilidade, capacidades e proteção de dados.

Esse quadro ajuda a evitar uma comparação superficial entre as ferramentas. Não basta perguntar qual modelo uma plataforma utiliza. É mais importante perguntar qual tarefa ela resolve, quais informações recebe, como apresenta as fontes, quem revisa o resultado e como o resultado é integrado ao trabalho existente.

O que muda quando a adoção acontece em uma clínica

Para um médico individual, uma ferramenta pode ser útil desde a primeira consulta. Para uma clínica, o resultado depende também de processos compartilhados. Comprar acesso não equivale a mudar a operação.

Pergunta sobre adoção	O que vale a pena definir
Onde começa o fluxo	Que informações chegam antes da consulta e quem verifica que estejam disponíveis.
O que é revisado	Que resultados a IA prepara, quais os profissionais que aprovam e em que momento.
O que se compartilha	Como os profissionais passam notas, documentos e pendências sem duplicar o trabalho.
Como é avaliado	Aprovação real, tempo de revisão, tarefas concluídas e problemas detectados; não apenas contas criadas.

O A OPS destaca que a transformação digital implica mudanças culturais, Além da tecnologia. Em 2026, a OPS e o BID também publicaram AI-GUARD, um quadro para avaliar valor estratégico, riscos, governança, supervisão humana e mitigação de sesgos antes de implementar IA na saúde. Na prática, uma clínica precisa explicar o que melhorou, o que não mudou, quem responde por cada resultado e que controle o profissional mantém.

Para os grupos, a unidade de adoção não deveria ser uma coleção de licenças, mas sim um fluxo clínico compartilhado. A implementação deve definir como o contexto acompanha a atenção, o que cada profissional verifica e como o trabalho termina sem duplicar esforços.

O que podemos afirmar hoje e o que ainda falta medir

A literatura disponível permite afirmar que a documentação ambiental tem potencial para reduzir parte da carga de escrever notas e que a IA generativa pode apoiar tarefas administrativas e informativas. Também deixa claro que a qualidade, a segurança e a utilidade dependem do design da tarefa, do contexto e da supervisão.

Não permite concluir que todos os profissionais economizarão a mesma quantidade de tempo, que todas as notas serão mais completas ou que os resultados de um sistema de saúde se transferirão sem alterações para a América Latina. Tampouco basta medir quantas vezes uma função é aberta: para entender valor, são necessárias definições estáveis de usuário, sessão, tarefa concluída e revisão.

Os dados internos deste relatório permitem descrever o uso observado, não a eficácia clínica ou a economia de tempo. Uma ação concluída indica que o fluxo chegou a um estado final válido dentro de Itaca; não demonstra por si só que o resultado foi incorporado ao expediente, melhorou uma decisão ou reduziu a carga do profissional. Essas perguntas exigem medições adicionais.

Como elaboramos este estudo

• Período dos dados internos: do 1 de janeiro ao 24 de setembro de 2026, em UTC. O 24 de setembro é o último dia completo incluído.
• População observada: Usuários externos com pelo menos uma ação válida em um dos cinco fluxos medidos. O tamanho da coorte não é divulgado. “Usuário ativo” não significa usuário registrado ou assinante.
• Medidas tomadas: Respostas clínicas regulares deep research, sessões de documentação com nota completa, documentos completos e questionários compartilhados.
• Conversações: uma resposta foi classificada como follow-up quando estava vinculada a uma pergunta anterior do mesmo usuário. A latência foi calculada entre o encerramento de uma resposta e o encerramento da sua resposta de follow-up; intervalos negativos foram excluídos.
• Cálculo de documentação: Dias ativos e semanas ativos foram calculados entre usuários com pelo menos uma sessão concluída. Eles não são interpretados como retenção, pois cada usuário teve uma janela de observação diferente.
• Exclusões: utilizadores internos, registros de demonstração descartados, excluídos ou que não atingiram o estado final definido para cada fluxo.
• Questionários: As taxas a sete e trinta dias utilizam apenas questionários partilhados com uma janela de trinta dias completa. A mediana do tempo foi calculada apenas entre os questionários preenchidos dentro desse prazo.
• País e especialidade: São campos declarados no perfil. O país estava disponível para 99,4 % % dos usuários ativos. México, Peru, Colômbia e Equador reuniram 64,4% dos % que declararam o país; esta distribuição descreve a cohorte de 28,5%, Itaca não o mercado latino-americano. A especialidade estava disponível apenas para 28,5%, % portanto não foi utilizada para comparar comportamentos entre especialidades.
• Privacidade: O estudo foi realizado com agregados. Não foram consultados nem publicados dados clínicos, identidade dos pacientes nem identificadores de usuários.
• Fontes externas: orientação da OMS e da OPS sobre adoção, governança e transformação digital, além de literatura científica revisada por pares.
• Escopo: Análise observacional do uso dentro de Itaca. Não é uma pesquisa regional, uma estimativa da prevalência ou uma avaliação dos resultados clínicos.

Limitações

As evidências sobre IA generativa na prática clínica estão mudando rapidamente, e uma parte significativa vem de sistemas de saúde fora da América Latina. Os dados Itaca têm um viés de seleção: refletem apenas quem usou a plataforma e completou um fluxo, não todos os usuários registrados ou todos os profissionais de saúde. Os usuários incorporados posteriormente tiveram menos tempo para repetir a atividade; portanto, as cifras de meses ativos não foram interpretadas como retenção. Além disso, não foram comparados meses completos com setembro, que apenas inclui dados até o dia 24. Os fluxos, regulamentações, infraestrutura e hábitos de documentação variam de país para país e organização. Este relatório identifica padrões e perguntas úteis; não substitui a avaliação técnica, clínica, operacional e normativa necessária para cada implementação.

Fontes Consultadas

• Associação Médica Americana: Pesquisa de Médicos sobre Inteligência Aumentada em 2026.
• OPS: estudo regional sobre inteligência artificial e força de trabalho na saúde.
• OPS e BID: AI-GUARD, avaliação para o desdobramento responsável da IA.
• JAMA Network Open: Experiências de clínicos com a tecnologia Ambient Scribe para auxiliar na carga de documentação e na eficiência.
• OMS: orientação sobre ética e governança de modelos multimodais em saúde.
• OPS: Inteligência Artificial para a Saúde.
• OPS: oito princípios para a transformação digital do setor da saúde.

---

Este relatório faz parte dos Relatórios Itaca sobre IA na prática médica.