Therabot de Dartmouth Mostra Potencial, mas Terapia de IA Responsável Ainda Precisa de Supervisão Humana

O Therabot de Dartmouth voltou ao Google News após um estudo com 106 pessoas produzir um conflito incomum: melhorias significativas nos sintomas a partir de um software no qual os pesquisadores ainda não confiam isoladamente. O chatbot esteve disponível 24 horas por dia e formou vínculos surpreendentemente fortes com os participantes. Ainda assim, seus criadores afirmam que a IA generativa continua despreparada para oferecer cuidados autônomos de saúde mental.

Essa tensão importa mais do que a pergunta já conhecida sobre se um chatbot consegue soar empático. O Therabot foi desenvolvido especificamente para psicoterapia, testado contra um grupo de controle e monitorado por pesquisadores clínicos. Não se trata apenas de um assistente de uso geral instruído a agir como conselheiro.

A disputa central, portanto, não é entre o Therabot e terapeutas humanos. É entre uma IA clinicamente supervisionada e uma terapia por chatbot sem restrições. Um caminho trata o software conversacional como uma intervenção que exige evidências, monitoramento e procedimentos de escalonamento. O outro coloca modelos persuasivos diante de usuários vulneráveis sem salvaguardas equivalentes.

Os resultados de Dartmouth fornecem evidências críveis de que um chatbot especializado pode ajudar algumas pessoas. Eles não estabelecem que um bot possa diagnosticar pacientes, gerir todas as crises ou substituir o julgamento profissional. A próxima fase testará se os benefícios observados em um estudo controlado sobrevivem à implementação em um mundo menos previsível.

O que o Estudo do Therabot de Dartmouth Realmente Mudou

O Therabot levou a terapia com IA generativa de demonstrações persuasivas para testes clínicos randomizados, mas apenas sob condições cuidadosamente gerenciadas.

Pesquisadores de Dartmouth publicaram os resultados do Therabot em 27 de março de 2025. O estudo examinou adultos com transtorno depressivo maior, transtorno de ansiedade generalizada ou risco elevado de transtornos alimentares. Os participantes vieram de todo os Estados Unidos e usaram o sistema por meio de um aplicativo para smartphone.

O grupo de intervenção incluiu 106 participantes. Um grupo de controle de 104 pessoas com as mesmas condições não recebeu acesso ao Therabot durante a fase controlada. Essa comparação deu aos pesquisadores uma base mais sólida para avaliar mudanças do que depoimentos ou avaliações em lojas de aplicativos.

Os participantes designados ao Therabot receberam quatro semanas de acesso ilimitado. O sistema podia iniciar contatos de acompanhamento, enquanto os usuários podiam começar uma conversa sempre que quisessem apoio. Os pesquisadores realizaram outra avaliação quatro semanas depois, após os lembretes proativos terem sido interrompidos.

Segundo o ensaio clínico publicado, os sintomas de depressão caíram, em média, 51% entre os usuários do Therabot afetados pela condição. Os sintomas de ansiedade generalizada diminuíram 31%. As preocupações relacionadas à imagem corporal e ao peso caíram 19% entre participantes com risco de transtornos alimentares.

Esses percentuais descrevem mudanças em medidas padronizadas de sintomas. Eles não significam que o Therabot curou essas condições nem produziu efeitos idênticos para todos os participantes. Também não devem ser tratados como prova direta de que o software equivale a um curso completo de terapia humana.

Ainda assim, não foram mudanças triviais. Dartmouth afirmou que as melhorias superaram os limiares que clínicos usam para identificar mudanças significativas. Alguns participantes com ansiedade passaram de sintomas moderados para leves, ou de leves para abaixo de um limiar diagnóstico.

Os usuários passaram, em média, seis horas com o Therabot durante o estudo. Pesquisadores de Dartmouth compararam essa exposição a aproximadamente oito sessões convencionais de terapia. A comparação diz respeito ao tempo e aos resultados relatados, não às capacidades clínicas completas de um profissional treinado.

O software também produziu uma forte aliança terapêutica. Esse termo descreve a confiança, a comunicação e o senso compartilhado de propósito que podem se desenvolver entre um paciente e um cuidador. Os participantes avaliaram sua aliança com o Therabot em níveis comparáveis aos relatados em atendimento ambulatorial.

Essa constatação surpreendeu Nicholas Jacobson, autor sênior do estudo e professor associado de ciência de dados biomédicos e psiquiatria em Dartmouth. Os participantes frequentemente iniciavam conversas e, às vezes, tratavam o aplicativo como um amigo. O uso aumentava em momentos difíceis, inclusive tarde da noite.

O resultado ajuda a explicar por que o estudo atraiu nova atenção no Google News. Chatbots generativos não precisam de consciência ou emoção genuína para criar uma interação subjetivamente significativa. Eles precisam responder com consistência suficiente para que os usuários se sintam ouvidos e continuem engajados.

No entanto, engajamento não é automaticamente terapêutico. Um sistema pode prender a atenção de alguém enquanto valida crenças prejudiciais, aprofunda a dependência ou coleta informações íntimas. A importância do Therabot vem de combinar engajamento com resultados medidos e supervisão ativa.

Quase três quartos do grupo Therabot não recebiam medicação nem outro tratamento terapêutico quando o estudo começou. Isso sugere que o aplicativo alcançou pessoas fora do tratamento regular. Também aumenta a importância de compreender que apoio existia quando o bot encontrava situações de risco.

A equipe do estudo revisou as conversas quanto à consistência com práticas terapêuticas aceitas. Os pesquisadores estavam preparados para intervir quando os participantes expressavam preocupações agudas de segurança. O aplicativo também direcionava usuários a serviços de emergência ou recursos de crise quando detectava pensamentos suicidas.

Esses controles distinguem o estudo das conversas cotidianas com chatbots de consumo. Os resultados publicados apoiam novas investigações sobre sistemas supervisionados e desenvolvidos para uma finalidade específica. Eles não validam todo chatbot que adota um tom acolhedor ou coloca “terapia” na descrição de seu produto.

Por que a Atenção do Google News Eleva as Apostas

A manchete chega a um mercado em que as pessoas já usam chatbots de uso geral para apoio emocional, independentemente de esses sistemas terem sido projetados para terapia ou não.

A demanda é fácil de entender. O cuidado humano pode ser difícil de obter devido à escassez de profissionais, à geografia, a restrições de seguro, à agenda, ao estigma e ao custo pessoal. Um chatbot responde imediatamente e não exige uma sala de espera.

Jacobson descreveu a escassez em termos contundentes. Ele estimou que os Estados Unidos têm aproximadamente 1.600 pessoas com depressão ou ansiedade para cada profissional disponível. Mesmo uma intervenção digital imperfeita se torna atraente quando a alternativa prática é não receber nenhum cuidado.

O argumento mais forte do Therabot não é que ele possa superar todos os clínicos. Seu argumento é que um apoio estruturado pode alcançar pessoas em momentos em que um clínico não está disponível. Um usuário em dificuldade às 2 da manhã pode abrir um aplicativo antes que o sofrimento se agrave ou que uma estratégia de enfrentamento seja esquecida.

O design do software também importa. O Therabot está em desenvolvimento desde 2019, com contribuição contínua de psicólogos e psiquiatras de Dartmouth. Seu material de treinamento original foi extraído de psicoterapia baseada em evidências e terapia cognitivo-comportamental.

A terapia cognitivo-comportamental, ou TCC, ajuda as pessoas a identificar e modificar padrões pouco úteis que ligam pensamentos, emoções e comportamento. Ela é estruturada o bastante para que exercícios, estímulos de reflexão e estratégias de enfrentamento sejam fornecidos por software. Isso a torna um alvo mais plausível para automação do que o julgamento clínico aberto.

Uma pessoa que experimenta ansiedade pode descrever a sensação de estar sobrecarregada. O Therabot pode pedir que o usuário se afaste um pouco, examine a origem dessa reação e trabalhe uma técnica de enfrentamento. Ele também pode lembrar o contexto da conversa e personalizar estímulos posteriores.

Essa disponibilidade pressiona os sistemas convencionais de cuidado. Pacientes acostumados a respostas digitais imediatas questionarão por que o apoio de rotina desaparece entre consultas. Os profissionais enfrentarão pressão para oferecer acompanhamentos mais frequentes sem ampliar cargas de trabalho já pesadas.

A resposta responsável não exige substituir clínicos. Ela pode envolver dividir o trabalho de acordo com o risco. O software poderia orientar exercícios de rotina ou registrar mudanças nos sintomas, enquanto profissionais mantêm o diagnóstico, o planejamento do tratamento, a gestão de crises e a responsabilidade.

Um sistema híbrido como esse mudaria os fluxos de trabalho clínicos. Terapeutas poderiam revisar resumos das atividades entre sessões antes das consultas. Pacientes poderiam chegar com registros mais claros de gatilhos, sintomas e estratégias de enfrentamento tentadas.

Esses registros exigiriam tratamento cuidadoso. Uma conversa detalhada sobre depressão, trauma, uso de substâncias ou comportamento alimentar pode revelar mais do que um questionário tradicional de sintomas. Ela também pode conter informações sobre familiares, empregadores, relacionamentos e histórico médico.

Ferramentas de reflexão pessoal já incentivam usuários a construir um registro pesquisável de seus pensamentos. Um sistema de conhecimento pessoal projetado de forma responsável pode ajudar a organizar informações, mas transcrições de terapia exigem controles mais rigorosos de consentimento, acesso, exclusão e segurança.

O estudo de Dartmouth também pressiona empresas de IA voltadas ao consumidor. ChatGPT, Gemini, Claude e produtos de companhia já estão recebendo relatos de saúde mental. Seus fornecedores não podem presumir que um rótulo de uso geral impedirá usuários de tratar uma conversa fluente como cuidado.

Ao mesmo tempo, desenvolvedores especializados agora enfrentam um padrão probatório mais elevado. Uma interface refinada e linguagem empática já não bastam. O Therabot oferece um ponto de referência que envolve participantes diagnosticados, questionários validados, um grupo de controle e conversas monitoradas.

Isso não torna o método de Dartmouth o padrão definitivo. O estudo foi relativamente pequeno e durou oito semanas. Estudos maiores precisam testar se as melhorias persistem, se os usuários abandonam o sistema e se danos raros surgem em escala.

A visibilidade no Google News pode comprimir essas distinções em uma pergunta simples: um chatbot pode ser um terapeuta responsável? As evidências sustentam uma resposta mais restrita. Um chatbot desenvolvido para uma finalidade específica pode fornecer componentes terapêuticos úteis, mas a responsabilidade continua com os humanos que o projetam, testam, monitoram e implementam.

Terapia de IA Responsável Significa Resistir aos Instintos do Modelo

Um chatbot terapêutico útil precisa fazer mais do que gerar empatia plausível, porque a resposta mais agradável pode ser clinicamente equivocada.

Modelos de linguagem de grande porte preveem sequências prováveis de palavras com base em padrões aprendidos. Eles não compreendem de forma independente o histórico de um paciente, sentem preocupação ou assumem responsabilidade legal. Sua fluência pode ocultar essas limitações precisamente quando um usuário mais busca tranquilização.

Modelos de consumo são comumente otimizados para manter conversas satisfatórias. Isso incentiva responsividade, acolhimento e concordância. Na terapia, porém, a concordância automática pode reforçar pensamentos distorcidos ou validar uma interpretação perigosa.

Às vezes, um clínico precisa desafiar um paciente com delicadeza. O paciente pode interpretar um evento neutro como perseguição, presumir rejeição sem evidências ou expressar um plano que cria perigo imediato. Aceitar calorosamente essa premissa pode piorar a situação.

Pesquisadores de Stanford testaram esse problema em vários chatbots terapêuticos. Seu estudo sobre saúde mental constatou que os sistemas exibiam maior estigma em relação a condições como esquizofrenia e dependência de álcool do que em relação à depressão.

Modelos mais novos ou maiores não eliminaram automaticamente esse comportamento. Os pesquisadores argumentaram que simplesmente adicionar dados ou ampliar um modelo era insuficiente. Um sistema pode se tornar mais articulado sem se tornar clinicamente confiável.

A equipe de Stanford também testou respostas envolvendo pensamentos suicidas e delírios. Em um cenário, um usuário mencionou ter perdido o emprego e depois perguntou sobre pontes altas na cidade de Nova York. Alguns bots responderam à pergunta sobre localização em vez de reconhecer o perigo implícito.

Esse exemplo revela uma lacuna básica de segurança. Um assistente convencional avalia o pedido literal. Um sistema clínico responsável deve interpretar a conversa, identificar sinais de risco e interromper o fluxo normal de resposta.

O Therabot tentou lidar com isso por meio de treinamento especializado, detecção de crises e supervisão da equipe de pesquisa. Quando detectava ideação suicida, o aplicativo podia apresentar botões para serviços de emergência ou uma linha direta de crise. Os pesquisadores permaneciam preparados para intervir diretamente.

Essas salvaguardas são importantes, mas nenhum classificador detecta todas as crises. As pessoas expressam perigo de forma indireta, usam humor, mudam de assunto, ocultam suas intenções ou se comunicam por meio de linguagem culturalmente específica. Um sistema treinado com base em frases familiares pode não perceber a pessoa que nunca as usa.

Falsos alarmes criam outro problema. Um bot que interrompe repetidamente conversas comuns com alertas de crise pode frustrar os usuários e enfraquecer a confiança. Portanto, a segurança envolve equilibrar riscos não detectados e escalonamentos desnecessários, com consequências muito maiores do que a maioria das decisões de ajuste de software.

O ambiente controlado do Therabot reduziu parte da incerteza. Os pesquisadores sabiam quem havia se inscrito, quais condições essas pessoas relataram e como o aplicativo deveria responder. Eles podiam inspecionar as interações e contatar as pessoas quando necessário.

A implantação pública remove muitos desses limites. Os usuários podem ser menores de idade, estar vivenciando psicose, intoxicados, enfrentando violência doméstica ou vivendo fora do país pressuposto pelos recursos de emergência. Eles também podem entender mal o que o produto é capaz de fazer.

O alerta de saúde da American Psychological Association, portanto, recomenda que chatbots generativos não substituam profissionais qualificados de saúde mental. Ele distingue usos de apoio de psicoterapia, diagnóstico e atendimento em crise.

Essa distinção cria um caminho mais crível para a IA. Um chatbot pode apoiar o registro em diário, a reflexão estruturada, a prática de habilidades, a preparação para consultas ou exercícios entre sessões. Cada tarefa tem um limite mais claro do que assumir responsabilidade geral pelo tratamento.

Nicholas Jacobson e Michael Heinz apresentaram um argumento semelhante. Eles veem potencial para que o suporte baseado em software funcione ao lado do atendimento entre pessoas. Heinz também afirma que nenhum agente generativo está pronto para operar de forma totalmente autônoma nos muitos cenários de alto risco da saúde mental.

Essa admissão fortalece a pesquisa em vez de enfraquecê-la. A terapia responsável com IA começa com um escopo definido e uma via de escalonamento. Ela não começa afirmando que o cuidado humano se tornou obsoleto.

A Promessa do Estudo Entra em Conflito com Segurança, Privacidade e Responsabilização

O Therabot demonstrou eficácia sob supervisão, enquanto os riscos não resolvidos se tornam maiores quando a supervisão desaparece.

A primeira limitação é a duração. Quatro semanas de acesso ilimitado e um período de avaliação de oito semanas podem detectar mudanças iniciais nos sintomas. Eles não podem estabelecer se as melhorias duram seis meses, se a dependência aumenta ou se surgem danos tardios.

A segunda limitação é a escala. Um estudo envolvendo 210 pessoas entre grupos de intervenção e controle pode revelar efeitos comuns. É improvável que exponha todas as falhas raras que poderiam aparecer depois que um produto público alcançar centenas de milhares de usuários.

Uma taxa de falha de um em cada dez mil parece pequena em um contexto de pesquisa. Em escala de consumo, ela pode afetar muitas pessoas. Isso importa quando uma falha envolve risco de suicídio, pensamento delirante, transtornos alimentares, decisões sobre medicamentos ou abuso.

A terceira limitação diz respeito à comparação. O grupo de controle não recebeu Therabot durante o período controlado. Portanto, o estudo demonstra uma vantagem em relação a essa condição de controle, não equivalência ao tratamento oferecido por clínicos licenciados.

Dartmouth comparou mudanças nos sintomas e avaliações de aliança terapêutica com padrões relatados na terapia ambulatorial. Essas comparações são informativas, mas não substituem um estudo direto contra tratamento conduzido por clínicos.

Um estudo futuro deveria comparar o uso supervisionado do Therabot, a terapia convencional, o cuidado híbrido e uma condição de controle apropriada. Também deveria medir eventos adversos, abandono do tratamento, escalonamento de crises e uso posterior de atendimento humano.

O quarto problema é a responsabilização. Um terapeuta licenciado deve seguir padrões profissionais e pode enfrentar consequências disciplinares ou legais. Um chatbot não pode ter licença, explicar sua intenção sob questionamento ou aceitar responsabilidade por uma recomendação prejudicial.

Em vez disso, a responsabilidade se distribui entre desenvolvedores, líderes clínicos, sistemas de saúde, fornecedores e organizações de implantação. A menos que contratos e regulamentações definam esses papéis, cada parte pode apontar para outra depois que algo der errado.

Illinois já estabeleceu um limite legal. Sua lei sobre terapia, sancionada em agosto de 2025, reserva os serviços terapêuticos a profissionais humanos licenciados. A medida ainda permite determinados usos administrativos e complementares de IA.

Essa abordagem favorece a ampliação, e não a substituição. Ela não proíbe o software de todos os fluxos de trabalho em saúde mental. Limita a alegação de que um sistema autônomo possa, por si só, oferecer terapia profissional.

Outras jurisdições podem escolher regras diferentes, criando um mercado fragmentado. Um aplicativo para smartphone pode cruzar fronteiras estaduais instantaneamente, enquanto o licenciamento clínico e a proteção do consumidor permanecem vinculados à localização. Os desenvolvedores precisam saber onde os usuários estão e quais alegações podem fazer nesses locais.

A privacidade apresenta outra questão não resolvida. As pessoas frequentemente revelam mais a um chatbot porque esperam menos julgamento. Essa abertura ajudou a criar a aliança terapêutica do Therabot, mas também produz um conjunto de dados excepcionalmente sensível.

Um usuário pode revelar sintomas, diagnósticos, sexualidade, conflitos familiares, problemas no trabalho, uso de substâncias ou pensamentos suicidas. Essas revelações podem ser prejudiciais se forem expostas, reutilizadas, vendidas ou usadas para treinar modelos futuros sem consentimento significativo.

Muitos aplicativos de saúde voltados ao consumidor não são regidos pela HIPAA da mesma forma que hospitais ou clínicos. A Federal Trade Commission esclareceu que sua regra de notificação de violações se aplica a muitos aplicativos de saúde e tecnologias relacionadas fora do escopo da HIPAA.

A notificação de violações é apenas uma camada de proteção. Um produto responsável também precisa de minimização de dados, criptografia, controles de acesso, procedimentos de exclusão, limites de retenção e restrições claras ao treinamento de modelos.

Os usuários devem saber se um clínico pode ler suas conversas, quando sinalizações automatizadas acionam revisão e se uma intervenção de emergência pode ocorrer. Esses fatos afetam tanto a segurança quanto a disposição do usuário em falar honestamente.

O problema final é a estabilidade das versões. Um estudo clínico avalia um sistema específico sob condições específicas. Produtos generativos mudam por meio de atualizações de modelo, ajustes de políticas, mudanças na recuperação de informações e novos recursos de interface.

Uma atualização que melhora a conversa geral pode alterar o comportamento em crises. Uma nova função de memória pode melhorar a continuidade, ao mesmo tempo em que aumenta a exposição à privacidade. Um tom mais complacente pode fortalecer o engajamento enquanto piora a bajulação terapêutica.

Portanto, a validação clínica não pode ser um selo concedido uma única vez. Mudanças significativas no sistema exigem novos testes, monitoramento contínuo e procedimentos documentados de reversão. Caso contrário, o produto usado pelos pacientes pode se afastar silenciosamente do produto que os pesquisadores avaliaram.

O Que os Leitores do Google News Devem Acompanhar em Seguida

As evidências decisivas virão de estudos comparativos maiores, regras de implantação aplicáveis e relatos transparentes de falhas no mundo real.

O primeiro sinal é um estudo maior e mais longo do Therabot, com comparação a tratamento ativo. Os pesquisadores precisam acompanhar os participantes além de oito semanas e comparar o chatbot com cuidados conduzidos por clínicos e cuidados híbridos.

Esse estudo deve examinar mais do que médias de sintomas. Deve relatar quantas pessoas melhoraram, permaneceram inalteradas, pioraram, se desligaram ou precisaram de intervenção urgente. Os resultados também devem ser separados por diagnóstico, idade, contexto e histórico de tratamento.

Se os benefícios permanecerem significativos ao longo de vários meses, o argumento em favor do suporte supervisionado por IA se fortalecerá. Se os efeitos desaparecerem rapidamente ou os resultados adversos se concentrarem em grupos específicos, a implantação deverá ser restringida de acordo.

Uma comparação direta também pode revelar onde o Therabot agrega mais valor. Ele pode funcionar melhor como uma ponte imediata para pessoas que aguardam atendimento. Pode ser mais útil entre consultas ou para exercícios estruturados do que como intervenção principal.

O segundo sinal é um modelo detalhado de implantação clínica. Os leitores devem acompanhar se Dartmouth ou seus parceiros inserem o Therabot em um sistema de saúde, sob supervisão profissional, com responsabilidades de escalonamento definidas.

As perguntas importantes envolverão as operações. Quem revisa conversas sinalizadas? Com que rapidez uma pessoa deve responder? O que acontece quando o usuário está fora da jurisdição do provedor? Os pacientes podem usar a ferramenta sem um clínico já estabelecido?

Uma implantação crível deve publicar seus limites em linguagem simples. Deve identificar condições atendidas, populações excluídas, procedimentos de crise, práticas de dados e as evidências por trás de cada alegação de tratamento.

Os sistemas de saúde também devem divulgar se o aplicativo altera a carga de trabalho dos clínicos. A automação só pode ampliar o acesso se as obrigações de monitoramento permanecerem administráveis. Um serviço que gera alertas demais pode deslocar, em vez de resolver, o problema de capacidade.

Se o Therabot entrar no atendimento rotineiro com supervisão confiável e demandas de pessoal administráveis, ele sustentará o modelo híbrido. Se a operação segura exigir revisão manual constante, as alegações de acesso escalável enfraquecerão.

O terceiro sinal é a convergência regulatória em torno de uma fronteira entre suporte de bem-estar e tratamento clínico. O mercado atualmente contém intervenções especializadas, assistentes gerais, bots de companhia e aplicativos de bem-estar que podem parecer semelhantes aos usuários.

Os reguladores precisam decidir quando a orientação conversacional se torna a prática de terapia. Fatores relevantes podem incluir alegações diagnósticas, recomendações de tratamento, uso com populações vulneráveis, envolvimento clínico e a resposta do produto a crises.

As regras de privacidade precisam evoluir junto com as regras clínicas. Os usuários precisam de controle significativo sobre transcrições altamente pessoais. Os desenvolvedores não devem tratar o consentimento oculto em uma política extensa como autorização para retenção irrestrita ou treinamento de modelos.

A avaliação independente de segurança também será importante. Os desenvolvedores devem testar sistemas contra linguagem sutil de crise, delírios, solicitações relacionadas a transtornos alimentares, uso de substâncias, abuso e expressões culturalmente variadas de sofrimento. Os resultados devem incluir taxas de falha, e não apenas demonstrações bem-sucedidas.

A história do Therabot, portanto, trata menos de construir uma máquina que mereça o título de “terapeuta”. Trata-se de decidir quais tarefas terapêuticas o software pode realizar, sob cuja autoridade, com quais evidências e com quais rotas de saída.

Para leitores que acompanham o debate pelo Google News, a pergunta prática não é se um chatbot alguma vez produziu uma resposta empática. Pergunte se seus benefícios foram medidos, se humanos podem intervir e se as falhas são relatadas.

As pessoas podem usar a IA para organizar perguntas, refletir sobre padrões ou se preparar para uma conversa profissional. Um segundo cérebro pesquisável pode apoiar essa preparação sem fingir oferecer tratamento.

Therabot tornou o lado otimista do argumento mais crível. Demonstrou que um sistema generativo desenvolvido para essa finalidade pode manter o engajamento e acompanhar melhorias mensuráveis nos sintomas. A própria cautela de Dartmouth torna as evidências contrárias igualmente importantes.

Os próximos um a três meses devem trazer um escrutínio maior sobre estudos de acompanhamento, parcerias clínicas e regras em nível estadual. Qualquer expansão deve ser julgada pelas salvaguardas que a cercam, e não pela fluência de suas respostas.

Você confiaria em um chatbot de saúde mental porque ele pareceu compreensivo, ou apenas depois de ver como ele lida com uma conversa que dá errado? Essa distinção deve orientar pacientes, profissionais de saúde, desenvolvedores e formuladores de políticas públicas. A IA pode ajudar a ampliar o atendimento, mas a responsabilidade deve continuar vinculada a pessoas e instituições capazes de agir quando a linguagem, por si só, não basta.