A contagem regressiva para julho de 2026 começou. O Conselho Federal de Medicina publicou a resolução que desenha as fronteiras da inteligência artificial na saúde, mas a maioria das empresas ainda trata a tecnologia como um atalho sem riscos. O erro pode custar processos, multas da LGPD e a credibilidade do programa de SST.
A norma CFM nº 2.454/2026 entrou em período de transição de 180 dias a partir de 27 de fevereiro. Até lá, a regra vigente continua sendo a LGPD e as normas sanitárias atuais. O texto novo mantém a decisão final nas mãos do médico, exige transparência quando a IA tiver peso relevante e obriga registro de uso como suporte — não como substituto.
O que muda (de verdade) em julho de 2026
A resolução não proíbe a IA; ela a enquadra. Permite uso como apoio à decisão clínica e à gestão, desde que haja supervisão humana, classificação de risco e proteção de dados. Na prática, isso significa que qualquer sistema que sugira aptidão, restrição ou afastamento precisará de rastro de auditoria e um responsável técnico humano validando a saída.
Empresas que já rodam pilotos sem governança formal estão em zona de conforto perigosa. O período de transição é a janela para estruturar inventários, contratos e fluxos de revisão — não para esperar a vigência chegar.
Onde a IA já dá lucro (e onde ela só dá dor de cabeça)
O ganho real aparece em tarefas que não decidem destinos: conferência de campos obrigatórios, detecção de duplicidades cadastrais, organização de filas de agendamento e leitura de tendências agregadas de absenteísmo. Nesses casos, a velocidade vira qualidade porque o erro é reversível e a validação é simples.
Já a geração de laudos, a sugestão automática de “apto/inapto” ou o perfilamento de risco individual sem supervisão ativa são armadilhas. Um resumo algorítmico pode omitir alergia crítica; um modelo de machine learning pode reproduzir viés histórico de contratação. Ganho de velocidade só é ganho de qualidade quando há validação, limites claros e responsabilização definida.
As três zonas de perigo que a LGPD não perdoa
- Dados sensíveis em ferramentas abertas: Prontuários, laudos e diagnósticos colados em chats públicos ou APIs sem contrato de proteção de dados configuram vazamento imediato.
- Aptidão decidida por escore: Nenhum algoritmo deve, sozinho, liberar para trabalho em altura, espaço confinado ou retorno de afastamento. A decisão é indelegável do médico coordenador.
- Perfilamento preditivo de trabalhadores: Inferir saúde mental, risco de afastamento ou “confiabilidade” para punir ou excluir fere a LGPD (Art. 20) e amplifica discriminação estrutural.
A ANPD recomenda Relatório de Impacto à Proteção de Dados (RIPD) para tratamentos em larga escala de dados sensíveis ou decisões automatizadas de alto impacto. A exigência concreta depende da operação, mas a ausência do relatório é indício forte de negligência em caso de incidente.
Sua ferramenta é “apenas software” ou dispositivo médico?
Nem todo sistema de saúde é dispositivo médico. Mas se a finalidade declarada é diagnosticar, prevenir, monitorar ou tratar — e o funcionamento se encaixa na definição de Software como Dispositivo Médico (SaMD) — incidem as regras da Anvisa, especialmente a RDC nº 657/2022.
A diligência de compra deve ir além do demo comercial: qual a população de validação? Quais as limitações conhecidas? Onde os dados ficam armazenados? Como falhas serão investigadas e versionadas? Perguntas feitas depois do contrato assinado viram passivo judicial.
O modelo de governança em 8 controles que funciona
Não existe “IA responsável” sem estrutura. O roteiro testado em campo exige:
- Inventário vivo: Ferramentas, fornecedores, dados, integrações, criticidade.
- Classificação de risco: Impacto clínico, autonomia, sensibilidade, efeito sobre direitos.
- Validação real: Teste no contexto da empresa, caça a vieses, definição de limites antes de escalar.
- Autoridade humana: Quem aceita, rejeita ou suspende a recomendação? Automação de decisão indelegável é proibida.
- Proteção de dados: Minimização, segregação, controle de acesso, logs, segurança contratual, descarte.
- Transparência ativa: Informar ao trabalhador quando a IA pesa no processo, com canal de contestação.
- Monitoramento contínuo: Erro, viés, drift de modelo, mudança de versão, efeitos não previstos.
- Contingência operacional: Processo alternativo manual, responsável por incidente, critério objetivo de “desligar a chave”.
Piloto seguro: comece pequeno, erre barato
O primeiro projeto deve usar dados controlados, finalidade restrita e impacto reversível. Exemplos ideais: conferência de completude de prontuários ou geração de indicadores agregados de absenteísmo por setor — sempre com comparação lado a lado ao processo atual e revisão humana obrigatória.
Só depois de provar qualidade, segurança e rastreabilidade faz sentido ampliar o escopo para apoio à decisão clínica ou triagem de exames. A Corpmed, por exemplo, estrutura esses pilotos integrando gestão médica, SST, Jurídico e Operações com rastreabilidade de ponta a ponta, garantindo que a tecnologia amplie a capacidade técnica — nunca oculte quem responde pela decisão.
O que observar daqui para frente
O marco de julho de 2026 não é a linha de chegada; é a largada da fiscalização efetiva. Empresas que já mapearam onde a IA decide (ou influencia) decisões sobre saúde do trabalhador, documentaram a autoridade humana e testaram contingência vão dormir tranquilas. As outras vão descobrir, tarde demais, que “o algoritmo fez” não é defesa válida em juízo trabalhista nem na ANPD. A pergunta que fica: seu comitê de governança já sabe quem assina a responsabilidade quando a IA erra?
