Até onde a automação e a IA podem apoiar a psicoterapia?
A avaliação do papel da inteligência artificial na saúde mental já não é mais uma discussão futurista. Ela está acontecendo agora, em laboratórios, clínicas e até nas linhas de crise espalhadas pelos Estados Unidos. A psicoterapia sempre foi um processo profundamente humano: alguém fala, outro escuta, e algo muda no meio disso tudo. Mas os modelos de linguagem de grande escala, conhecidos como LLMs, estão chegando nesse espaço com uma velocidade que poucos esperavam, e a grande questão que paira no ar não é mais se a IA vai mudar a terapia.
A pergunta real é outra: o quanto dessa experiência pode ser automatizado sem que a essência do cuidado se perca no caminho? É exatamente isso que um grupo de pesquisadores da Universidade de Utah resolveu investigar. O resultado é um estudo chamado A Framework for Automation in Psychotherapy, publicado na revista Current Directions in Psychological Science, que traz um framework bem prático para entender os diferentes níveis de automação possíveis dentro da psicoterapia. 🧠 Spoiler: tem muito mais nuance nessa história do que um simples substituir ou não substituir.
Quem está por trás da pesquisa
O estudo nasceu de uma colaboração interdisciplinar que cruza três grandes áreas da Universidade de Utah. O autor principal é Zac Imel, professor de psicologia educacional na Faculdade de Educação e cofundador da Lyssn, uma empresa de tecnologia em Seattle que desenvolve programas de melhoria de qualidade baseados em IA para serviços de saúde comportamental. Ao lado dele estão Vivek Srikumar, professor associado na Kahlert School of Computing, ligada à Faculdade de Engenharia, e Brent Kious, professor associado de psiquiatria na Faculdade de Medicina.
Essa combinação de expertise em computação, psiquiatria e psicologia educacional é o que dá ao estudo um caráter tão prático. Não é um trabalho puramente teórico sobre o potencial da IA, nem uma demonstração técnica isolada. É um esforço para criar uma linguagem comum que permita a profissionais de saúde, desenvolvedores de tecnologia e formuladores de políticas públicas conversar sobre automação em terapia usando os mesmos termos e as mesmas referências de risco.
Como o próprio Imel colocou de forma direta: a história de novas tecnologias como essa quase sempre envolve colaboração e gira em torno de como a tecnologia apoia o especialista humano no trabalho que ele já faz. O objetivo do estudo não é especular sobre robôs terapeutas. É mapear, de forma estruturada, os diferentes tipos de trabalho que podem ser realizados por meio da automação dentro da terapia.
O framework que divide a terapia em camadas de automação
O estudo da Universidade de Utah propôs algo que parece simples na superfície, mas que tem implicações enormes na prática: ao invés de tratar a terapia como um bloco monolítico, os pesquisadores dividiram o processo terapêutico em componentes distintos, cada um com um nível diferente de viabilidade para a automação. Isso muda bastante a conversa, porque tira o debate do campo do tudo ou nada e coloca num terreno muito mais técnico e funcional.
Para facilitar o entendimento, Srikumar usa uma analogia bem acessível: os carros autônomos. A indústria automobilística vem introduzindo sistemas de assistência ao motorista há anos, e o extremo dessa escala é o carro totalmente autônomo. Na psicoterapia, a lógica é a mesma. A versão mais extrema seria um terapeuta totalmente artificial, mas entre o cenário atual e esse extremo existem vários degraus intermediários, cada um com capacidades, benefícios e riscos diferentes.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
O time delineou quatro categorias que representam esses diferentes níveis ao longo de um espectro contínuo:
- Categoria A — Sistemas com roteiro pré-definido: o conteúdo é escrito por humanos, mas entregue aos pacientes por chatbots que seguem árvores de decisão. Pense em dicas de enfrentamento e exercícios estruturados que o sistema oferece conforme respostas predeterminadas.
- Categoria B — IA avalia terapeutas: a inteligência artificial analisa sessões de terapia e fornece feedback ou classificações sobre a atuação do profissional. O foco aqui é na melhoria da qualidade do atendimento.
- Categoria C — IA assiste terapeutas: a IA sugere intervenções, prompts ou formulações de frases, mas quem entrega o cuidado continua sendo o terapeuta humano. É um copiloto clínico, não o piloto.
- Categoria D — IA oferece terapia diretamente: um agente autônomo gera respostas e interage com pacientes, possivelmente com algum nível de supervisão humana. Este é o nível de maior risco e o que mais levanta questões éticas.
O que torna esse framework particularmente interessante é que ele não tenta empurrar a IA pra dentro da terapia de qualquer jeito. Pelo contrário, parte de uma avaliação criteriosa de onde a tecnologia realmente agrega valor e onde ela ainda enfrenta limitações sérias. A equipe avaliou cada categoria quanto ao seu potencial de utilidade e aos níveis de risco associados, que variam enormemente. Um chatbot com roteiro, uma ferramenta de coaching por IA para terapeutas e um terapeuta artificial completamente autônomo são tecnologias fundamentalmente diferentes, com riscos fundamentalmente diferentes. Mas, como os pesquisadores apontam, muitas vezes não fica claro para os usuários, e nem mesmo para os sistemas de saúde, qual dessas tecnologias está sendo efetivamente utilizada.
Riscos, consentimento e responsabilidade em cada nível
Um dos pontos mais relevantes do estudo é como as mesmas perguntas éticas ganham sabores completamente diferentes dependendo do nível de automação em questão. Srikumar explica que, ao catalogar os vários níveis, questões sobre risco, consentimento, impacto de erros potenciais e responsabilidade das partes envolvidas permanecem as mesmas na essência, mas suas consequências mudam drasticamente conforme se avança no espectro.
Na Categoria A, por exemplo, o risco é relativamente baixo. O conteúdo foi criado por especialistas humanos, e o chatbot é apenas um veículo de entrega. Se algo der errado, a cadeia de responsabilidade é rastreável. Já na Categoria D, onde a IA gera respostas de forma autônoma e interage diretamente com pacientes que podem estar em situação de vulnerabilidade extrema, as implicações de um erro são de outra magnitude. Quem é responsável quando um modelo de linguagem fabrica uma informação durante uma conversa com alguém em crise? Como funciona o consentimento informado quando o paciente não sabe exatamente que tipo de sistema está do outro lado da tela?
Essas não são perguntas retóricas. São desafios concretos que qualquer implementação séria de IA em saúde mental precisa enfrentar. E o mérito do framework é justamente forçar essa diferenciação, impedindo que se trate toda automação em terapia como se fosse a mesma coisa.
Inteligência artificial como apoio, não como substituto
Uma das conclusões mais importantes que emerge da pesquisa é que o modelo mais promissor não é o da inteligência artificial operando de forma autônoma dentro da terapia, mas sim o de uma colaboração estruturada entre tecnologia e profissional humano. Na prática, isso significa que a IA entra para ampliar o alcance e a eficiência do terapeuta, não para ocupar o lugar dele.
Imel é particularmente enfático sobre o potencial da automação no campo da avaliação e treinamento de terapeutas. Avaliar uma sessão de psicoterapia é um trabalho tremendamente intensivo, lento e pouco confiável, e raramente acontece na prática clínica cotidiana. Ninguém está gravando suas sessões e enviando para um especialista externo que vai ouvi-las, avaliá-las, dar feedback e devolver para que o terapeuta aprenda com isso. É aqui que LLMs treinados de forma adequada podem capturar rapidamente os componentes centrais do tratamento e fornecer essa informação de volta para os terapeutas, muitas vezes em tempo real.
Outro uso que aparece com bastante potencial é o suporte entre sessões. A maioria das pessoas que faz terapia tem contato com seu terapeuta uma vez por semana, no máximo. O restante da semana fica sem suporte estruturado, e é exatamente aí que muitos dos gatilhos emocionais aparecem. Aplicativos baseados em inteligência artificial que conseguem oferecer exercícios de regulação emocional, registros de humor, técnicas de reestruturação cognitiva e até uma escuta empática básica durante esses intervalos podem fazer uma diferença real na continuidade do processo terapêutico. Não é terapia, mas é suporte, e suporte bem calibrado tem valor clínico mensurável, especialmente quando integrado a um plano de tratamento supervisionado por um profissional.
A aplicação real: o caso da SafeUT
O estudo não fica apenas no plano conceitual. A equipe já está colocando partes do framework em prática por meio de uma parceria com a SafeUT, a linha de crise baseada em texto do estado de Utah. Kious explicou que o objetivo dessa colaboração é desenvolver ferramentas que ajudem a avaliar as sessões dos conselheiros de crise, para que eles possam receber feedback que permita manter habilidades-chave e até desenvolver novas à medida que se aprende mais sobre aconselhamento em situações de crise.
Essa é uma aplicação que se encaixa diretamente nas Categorias B e C do framework. A IA não está falando com o paciente em crise. Ela está analisando como o conselheiro humano conduziu a conversa e fornecendo insights para melhorar o atendimento futuro. É um uso de baixo risco relativo com alto potencial de impacto, exatamente o tipo de automação que os pesquisadores defendem como ponto de partida.
Srikumar também enxerga um papel futuro mais amplo para a IA em linhas de crise. Ele descreve esse ambiente como extremamente desafiador: não se sabe nada sobre a pessoa do outro lado, ela liga e o conselheiro pode ter apenas cinco ou seis turnos de conversa para se conectar, ajudar e reduzir o risco. O que ele prevê é que futuros sistemas de aconselhamento em crise serão fortemente aumentados por IA, porque a escala da demanda é grande demais para ser atendida sem automação. 🎯
Os riscos do ChatGPT como terapeuta improvisado
Os pesquisadores fazem um alerta importante que merece destaque: qualquer pessoa pode, neste momento, recorrer ao ChatGPT ou a outro modelo de linguagem em busca de aconselhamento que se pareça com psicoterapia. Os LLMs são projetados para ser envolventes e soar empáticos, e são treinados em conjuntos massivos de dados. Mas isso não significa que eles utilizem técnicas de psicoterapia baseadas em evidências.
Na verdade, esses modelos carregam riscos significativos. Eles são conhecidos por fabricar informações, codificar vieses presentes nos dados de treinamento e responder de maneira imprevisível. Quando o contexto é saúde mental, onde palavras podem ter peso enorme na vida de alguém, esses problemas deixam de ser falhas técnicas menores e se tornam questões de segurança do paciente.
Srikumar coloca a questão de forma pragmática: por que alguém escolheria implementar a versão mais arriscada de uma ferramenta quando existem tantas versões mais leves que já podem ser implementadas e que vão facilitar a vida dos profissionais? Um aplicativo de anotações, por exemplo, algo que mantenha registros organizados ao longo de uma sessão, já melhora a qualidade de vida dos clínicos e a qualidade do serviço prestado. A tentação de ir direto para o nível mais avançado de automação precisa ser resistida em favor de abordagens incrementais e responsáveis.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
O que os dados dizem sobre eficácia e limitações
Além do framework conceitual, o cenário mais amplo de pesquisa sobre intervenções que utilizam modelos de linguagem e ferramentas de inteligência artificial em contextos de saúde mental mostra resultados mistos, mas reveladores. Em populações com acesso limitado a serviços de saúde mental, como pessoas em áreas rurais, populações de baixa renda ou indivíduos com barreiras de mobilidade, aplicativos baseados em IA mostraram resultados positivos em métricas como redução de sintomas de ansiedade leve, adesão a técnicas de mindfulness e engajamento com exercícios de terapia cognitivo-comportamental. Nesses contextos, a alternativa muitas vezes não é o terapeuta humano, mas sim nenhum suporte, o que coloca a automação num papel legítimo e necessário.
Por outro lado, em populações com quadros mais complexos, como transtornos de personalidade, trauma severo ou ideação suicida ativa, a presença humana continua sendo insubstituível. Tentar escalar o cuidado via IA nesses casos pode criar uma falsa sensação de suporte sem a substância clínica necessária. A avaliação de risco clínico em tempo real ainda é um domínio onde os humanos precisam estar no controle total, e qualquer sistema de IA responsável precisa ter protocolos claros de escalonamento para profissionais quando sinais de risco aparecem na conversa.
O futuro é híbrido, não binário
O que fica claro depois de olhar para o conjunto do estudo e das evidências disponíveis é que a inteligência artificial tem um papel real e crescente na expansão do acesso à saúde mental, mas esse papel precisa ser construído sobre uma base sólida de pesquisa, ética clínica e respeito pela complexidade do ser humano.
O ponto que os pesquisadores reforçam com bastante ênfase é que essa integração precisa ser feita com critério e com uma avaliação contínua dos resultados. Colocar um chatbot num app e chamar de suporte em saúde mental sem nenhum protocolo clínico por trás não só é ineficaz como pode ser prejudicial. A automação na terapia só funciona quando é desenhada com intenção clínica clara, validada por dados e monitorada de perto. O entusiasmo com a tecnologia é compreensível, mas a responsabilidade com o paciente precisa estar sempre na frente.
Os modelos de linguagem de hoje são ferramentas poderosas, mas ferramentas ainda assim. E como qualquer ferramenta, o que importa não é só o que ela pode fazer, mas como, quando e por quem ela é usada. O futuro da terapia provavelmente não é humano ou artificial. É uma combinação inteligente dos dois, cada um contribuindo com o que faz de melhor. 💡
O estudo completo está disponível na edição de abril da revista Current Directions in Psychological Science, e conta com coautores de instituições como a Universidade de Washington, a Universidade da Pensilvânia e o Alan Turing Institute.
