O robô revelado empata com o pior atendente

São 21h40 e chega uma mensagem no WhatsApp da clínica: “oi, quanto custa a consulta?”. A recepção fechou às 18h. O robô responde em quatro segundos, dá o valor, oferece terça às 15h ou quinta às 9h, e a paciente escolhe terça. No relatório do mês, aquilo entra como uma consulta que a clínica teria perdido.

Falta uma informação nessa história. A paciente sabia com quem falou?

As fontes de evidência deste artigo foram publicadas entre 2013 e 2022, e a norma brasileira que fecha a pergunta é de 2026: ela entra nomeada, fora dessa janela, no fim do texto. Em tudo que este blog já mediu sobre automação, o paciente sempre soube que era máquina: o lembrete por mensagem, o link que marca sozinho, a oferta de vaga disparada pelo sistema. Nenhum desses estudos variou o que o paciente sabia. Um experimento variou, e o resultado dele é desconfortável para quem vende automação e para quem compra.

O experimento que mudou uma frase e mais nada

Uma financeira asiática de crédito pessoal sorteou 6.255 clientes para receber uma ligação de oferta, todas numa terça-feira, entre 14h e 16h. A ligação era a mesma nos seis braços do sorteio: mesma promoção de 24 horas, mesmo roteiro, mesma ordem. O que mudava era quem falava e o que essa voz dizia sobre si mesma (Luo, Tong, Fang e Qu, Marketing Science, 2019).

Os seis braços, com a taxa de compra crua de cada um, e cerca de mil ligações atendidas em cada:

• Atendente ruim, dos 20% piores da central: 0,049.
• Atendente bom, dos 20% melhores: 0,251.
• Robô calado, sem dizer que era robô: 0,237.
• Robô que se apresenta antes da conversa: 0,048.
• Robô que se apresenta depois da conversa, antes da decisão: 0,110.
• Robô que se apresenta depois da decisão: 0,232.

A linha que interessa é a de cima

O 79,7% é o número que viajou o mundo. Ele descreve a queda, e a queda sozinha não diz o tamanho do estrago para quem tem uma recepção. Isso está na coluna inteira.

O robô calado marcou 0,237 e o melhor atendente da casa marcou 0,251, e a diferença entre os dois não passou no teste (p maior que 0,10). O robô que se apresentou marcou 0,048, e o pior atendente da casa marcou 0,049. Contar que é robô não devolve a ligação para o zero: devolve para o estagiário.

Vale medir a perda pela régua que a própria empresa já tinha. Trocar o melhor atendente pelo pior deixa 0,049 de 0,251 em pé, uma perda de 80,5%. Revelar o robô custa 79,7%. São o mesmo buraco. A frase de apresentação custou o que custa trocar o quinto melhor da central pelo quinto pior, e ela leva menos de dois segundos para ser dita.

Não é incompetência da máquina, e não é sensação de engano

As duas explicações fáceis não sobrevivem, e por caminhos diferentes. A primeira é que o robô era ruim e a conversa expunha isso. Ela não se sustenta porque o robô calado empatou com o melhor humano na mesma tarde, e porque a análise automática das gravações achou o robô tão competente quanto os bons atendentes em conhecimento e em empatia.

A segunda é que o cliente se sentiu enganado, e essa os autores não mediram: descartam por três indícios e escrevem que é “mais provável” que a causa seja outra. Os indícios são o braço que mais perdeu ser justamente o que avisou antes de começar, e esse não engana ninguém; a mineração das gravações não achar palavra de sentimento forte em nenhum braço; e não ter havido cancelamento nem reclamação depois do experimento.

O que a pesquisa pós-ligação mostrou foi outra coisa: quem ouviu que falava com uma máquina passou a considerar aquela mesma máquina menos sabida e menos empática. A percepção mudou; a máquina, não.

E o cliente não discutiu. Ele desligou.

Isso levanta a objeção óbvia: o efeito não seria só gente desligando antes de ouvir a oferta? O paper responde refazendo os modelos sem as 608 desistências, e o coeficiente do braço que revela antes continua de pé. A queda não é só a porta batendo.

Os autores tiram daí duas saídas, e as duas importam para quem vai ter que avisar. A primeira é a hora do aviso: revelado depois da conversa a compra fica em 0,110, e depois da decisão em 0,232, contra 0,048 do aviso na abertura. A segunda é quem está do outro lado: entre os clientes que já usavam algum assistente de inteligência artificial no celular, o estrago do aviso é menor, e a diferença passa no teste.

Onde esse número não vale

É telemarketing ativo de renovação de empréstimo na Ásia, com 77,4% de homens e idade média de 30,9 anos, num campo que o paper não data (o artigo foi submetido em março de 2019), numa tarefa curta e roteirizada que durava menos de 70 segundos. Os próprios autores registram o limite: o robô deles fazia uma troca restrita de informação, e o comportamento em ligação de entrada, aquela em que o cliente é quem procura, não foi testado.

Depois da janela deste artigo existe o experimento que faltava, e ele fica nomeado aqui em vez de escondido: Gnewuch e colegas publicaram na Information Systems Research, em agosto de 2023, um experimento de campo que varia a revelação em atendimento híbrido. É de 2023, então não entra na conta deste texto.

A clínica brasileira está do outro lado dessas três características. O paciente é quem escreve, o assunto é o corpo dele, e a conversa não tem roteiro fechado. Por isso a taxa não se transporta: 0,237 e 0,048 são renovação de crédito, não consulta marcada. O que transporta é a direção do efeito e o mecanismo, e os dois aparecem de novo quando o assunto é saúde.

Em saúde o paciente cobra o médico pela máquina

Seis anos antes daquele experimento, um estudo americano perguntou de onde vinha a antipatia. Quatrocentos e trinta e quatro estudantes de duas universidades leram a mesma cena, um tornozelo torcido numa partida de softbol, com uma diferença: o médico fechava o diagnóstico sozinho, ou consultava um programa de apoio, ou consultava um colega especialista (Shaffer e col., Medical Decision Making, 2013; dados colhidos no segundo semestre de 2006 e no primeiro de 2007).

O médico que usou o programa foi avaliado pior em satisfação geral e em profissionalismo, cerca de meio ponto numa escala de sete. O médico que consultou o colega humano não foi punido em nenhuma das cinco dimensões: as notas dele empataram com as de quem decidiu sozinho.

A punição não é por precisar de ajuda. É por pedir ajuda a uma máquina. O paciente do consultório e o cliente da financeira reagiram do mesmo jeito, com mais de dez anos e um oceano de distância, e nenhum dos dois estava avaliando desempenho.

O que a máquina resolve de verdade é o relógio

Existe um motivo honesto para ligar o robô, e ele não é economia de salário. É o relógio. Num sistema de 24 hospitais no Norte da Califórnia, quase metade das avaliações de sintoma feitas pelo assistente automático aconteceu fora do horário em que existe consultório aberto (Morse, Ostberg, Jones e Chan, Journal of Medical Internet Research, 2020).

É a mesma vantagem que este blog já mediu do lado do agendamento: o link que o paciente usa para marcar sozinho rende pela hora em que ele existe, não pela falta que ele evita. Robô e link resolvem o mesmo problema, que é a clínica estar fechada quando o paciente decide.

O que a máquina não resolve começa quando ela passa a opinar sobre o corpo de quem escreveu. Uma auditoria aplicou 45 casos padronizados a 23 verificadores de sintomas, e 15 deles davam conselho de triagem. Nesses 15, a triagem foi adequada em 301 de 532 avaliações, 57%. O detalhe está na separação por urgência (Semigran, Linder, Gidengil e Mehrotra, The BMJ, 2015).

O contraponto vem da outra fonte que este artigo já citou, e é justo registrá-lo: no sistema californiano, a distribuição de urgência que o assistente recomendou ficou parecida com a das centrais de triagem atendidas por enfermeiros. A régua não é a perfeição, é o que existe hoje do outro lado da linha.

Ainda assim, para uma agenda particular isso corta dos dois lados, e os dois são ruins: enche a sala de quem não precisava vir e não é rede de segurança para quem precisava correr. Os autores registram que não havia braço humano no estudo, então ninguém pode dizer daí que a máquina erra mais que a recepcionista. O que se pode dizer é que ela é avessa ao risco por desenho.

No Brasil, a decisão de contar já foi tomada

Dentro da janela deste artigo, o dilema do experimento existia de verdade aqui. Varremos o Código de Defesa do Consumidor, o decreto do SAC de 2022, a LGPD e as resoluções do CFM daquele período e não encontramos nenhum dever de informar ao paciente que o atendimento é automatizado. O decreto do SAC, que é o candidato óbvio, vale para serviços regulados pelo Executivo federal e diz que não se aplica à oferta e à contratação de produtos e serviços, que é exatamente o primeiro contato de um paciente novo.

A fronteira que existia era outra, e mais dura que um aviso. A resolução de telemedicina em vigor desde maio de 2022 define assim o ato de avaliar sintoma para direcionar o paciente (Resolução CFM nº 2.314/2022, art. 11):

A TELETRIAGEM médica é o ato realizado por um médico, com avaliação dos sintomas do paciente, a distância, para regulação ambulatorial ou hospitalar, com definição e direcionamento do paciente ao tipo adequado de assistência que necessita ou a um especialista.

Quem lê essa frase com o WhatsApp da clínica aberto na outra tela entende o recado: o robô que pergunta o sintoma e decide a urgência não precisa se apresentar melhor, ele está fazendo o que a resolução do conselho descreve como ato de médico.

E o dilema de contar acabou de morrer, por escrito. Fora da janela deste artigo, e por isso nomeada: a Resolução CFM nº 2.454, de 11 de fevereiro de 2026, publicada em 27 de fevereiro (com retificação em 5 de março, que é o detalhe de quem for contar os prazos) e em vigor 180 dias depois, normatiza o uso de inteligência artificial na medicina (CFM, Resolução 2.454/2026). O art. 11 tem uma linha:

Qualquer utilização de IA deverá ser comunicada e explicada aos pacientes, reforçando-se que tais sistemas servem de apoio ao médico, mas não substituem a autoridade e a decisão final humana sobre o cuidado.

A mesma resolução fecha a outra porta, no art. 5º, § 2º: é vedado ao médico “delegar à IA a comunicação de diagnósticos, prognósticos ou decisões terapêuticas, sem a devida mediação humana”. E ela tem duas réguas para o aviso, que ainda vão ser discutidas: o art. 11 manda comunicar “qualquer utilização”, enquanto o art. 5º, § 1º, dá ao paciente o direito de ser informado quando a IA for usada como “apoio relevante em seu cuidado, diagnóstico ou tratamento”. Se o robô da recepção cabe na segunda régua, é discussão em aberto. Na primeira, cabe.

O alcance é o que decide se isso é assunto da clínica pequena. O art. 12 fala em “instituições médicas, públicas ou privadas”, sem piso de porte, e manda cada uma classificar o risco do que usa. O Anexo II põe nominalmente os “chatbots fornecendo informações gerais de saúde (sem personalizar aconselhamento clínico)” no nível de baixo risco. Baixo risco não é dispensa: continua tendo que avaliar, informar a classificação e comunicar ao paciente.

A pergunta que o experimento faz, revelar ou não revelar, não é mais uma pergunta de negócio no Brasil. Sobrou a pergunta de desenho: o que fazer com um robô que precisa se anunciar justamente onde isso custa quatro em cada cinco vendas.

O que muda na segunda-feira

• Anuncie o robô, e saiba o que isso custa. A norma manda avisar, e o lugar em que ela põe o aviso é o mais caro do experimento: antes da conversa. Não dá para escolher a hora, então o que sobra de manobra é o que vem depois da frase, não ela.
• Dê à máquina o que não depende de decisão. Horário, endereço, valor, preparo de exame, confirmação e a oferta de dia e hora. Essas respostas eram as que o paciente novo nunca recebia a tempo.
• Tire da máquina a pergunta sobre sintoma. É assim que a Resolução CFM nº 2.314/2022 define a teletriagem médica, e resolução de conselho responde no CRM, não é lei. O desempenho também não ajuda: nos verificadores auditados, a triagem foi adequada em 58 de 174 avaliações que pediam apenas cuidado em casa.
• Marque no relógio o ponto em que a conversa vira gente. Quantos minutos entre a última mensagem automática e a primeira resposta humana, por turno. É o número que diz se o robô está ganhando tempo ou só adiando a fila.
• Não avalie o robô pelo tempo de resposta. Ele sempre ganha essa. Avalie pelo que decide se a consulta acontece: quantas conversas terminaram com dia e hora no sistema.

O que essa evidência não diz

Não encontramos, até 2022, nenhum experimento com pacientes reais que tenha sorteado revelar ou esconder que o atendente é máquina. O único que encontramos é o da financeira asiática, e ele não tem nada de saúde. Tudo que este artigo diz sobre clínica é transporte de mecanismo, declarado como tal.

O que este blog já mediu em clínica é outra coisa, e vale demarcar: no primeiro artigo daqui, somar uma ligação humana ao lembrete automático tirou 6,4 pontos da falta no grupo de alto risco, de 29,2% para 22,8%. Isso mede somar gente à máquina, não sortear o que o paciente sabia.

O estudo do tornozelo tem estudantes de graduação lendo uma cena escrita, não pacientes numa sala, e os dados são de 2006 e 2007, quando ninguém tinha assistente de voz no bolso. Os autores escrevem que a amostra dificilmente generaliza. Ele serve para o mecanismo, não para o tamanho do efeito.

Os verificadores de sintoma auditados são de 2014, a geração anterior aos modelos de linguagem de hoje, e a auditoria não tem braço humano para comparar. E o dado das 26.646 avaliações fora de hora é descrição de uso de quem já procurou um assistente automático, não medida de demanda de clínica particular brasileira.

E a aversão à máquina não é lei da natureza. Na própria bibliografia do experimento chinês está o trabalho de Logg, Minson e Moore, que documenta o contrário em tarefa de julgamento: leigos dão mais peso ao conselho quando ele vem de um algoritmo do que quando vem de outras pessoas (o texto aberto é o working paper 17-086 da Harvard Business School, de 2017; a versão de periódico saiu depois, fechada). Onde a máquina ganha e onde ela perde é pergunta de tarefa, e este artigo só responde a de vender pelo telefone.

Por fim, o experimento de 2019 mediu voz ao telefone. Texto no WhatsApp, que é onde a clínica brasileira atende, pode se comportar de outro jeito, e não encontramos medição disso.

Perguntas rápidas

Preciso avisar o paciente que o atendimento é por robô?

Sim. A Resolução CFM nº 2.454/2026, art. 11, manda comunicar e explicar aos pacientes qualquer utilização de inteligência artificial, e o art. 12 alcança instituições médicas públicas e privadas, sem piso de porte. O Anexo II classifica chatbot de informação geral como baixo risco, o que dosa a exigência de auditoria e de monitoramento e não dispensa o aviso. A norma fala de inteligência artificial: menu fixo de autorresposta, do tipo “digite 1 para agendar”, não é o que ela define como sistema de IA.

Avisar que é robô faz a clínica perder paciente?

Em clínica, não encontramos medição. Fora da saúde, o aviso dado antes da conversa derrubou a compra de 0,237 para 0,048 em 6.255 ligações de uma financeira asiática. O mesmo aviso dado depois da decisão não teve efeito, o que localiza o custo no momento em que a pessoa decide, não no aviso em si.

O robô pode perguntar sintoma e dizer se é urgente?

A Resolução CFM nº 2.314/2022, art. 11, define a teletriagem médica como ato realizado por um médico. É resolução de conselho, que responde no CRM e não é lei, e mesmo assim é a régua que a clínica encontra pela frente. O desempenho tampouco ajuda: nos 15 verificadores auditados que davam triagem, ela foi adequada em 58 de 174 avaliações de autocuidado e em 147 de 183 de emergência.

Onde o robô rende mais na clínica?

Fora do horário comercial. No sistema americano com 24 hospitais, 12.357 das 26.646 avaliações automáticas de sintoma, 46,4%, aconteceram fora do horário de consultório aberto. É a mesma janela em que o link de agendamento rende: a clínica está fechada e o paciente está decidindo.

Qual número mostra se a automação está funcionando?

Quantas conversas terminaram com dia e hora marcados no sistema, por canal e por turno. Tempo de resposta o robô sempre ganha, e ele não é o desfecho. Meça também os minutos entre a última mensagem automática e a primeira resposta de uma pessoa, que é onde a fila costuma se esconder.

Referências

1. Luo X, Tong S, Fang Z, Qu Z. Frontiers: Machines vs. Humans: The Impact of Artificial Intelligence Chatbot Disclosure on Customer Purchases. Marketing Science, 2019. Fox School of Business, Temple University.
2. Shaffer VA, Probst CA, Merkle EC, Arkes HR, Medow MA. Why Do Patients Derogate Physicians Who Use a Computer-Based Diagnostic Support System? Medical Decision Making, 2013. SAGE.
3. Semigran HL, Linder JA, Gidengil C, Mehrotra A. Evaluation of symptom checkers for self diagnosis and triage: audit study. The BMJ, 2015. PubMed Central.
4. Morse KE, Ostberg NP, Jones VG, Chan AS. Use Characteristics and Triage Acuity of a Digital Symptom Checker in a Large Integrated Health System: Population-Based Descriptive Study. Journal of Medical Internet Research, 2020. PubMed Central.
5. Conselho Federal de Medicina. Resolução CFM nº 2.314, de 20 de abril de 2022. Define e regulamenta a telemedicina. CFM.
6. Conselho Federal de Medicina. Resolução CFM nº 2.454, de 11 de fevereiro de 2026. Normatiza o uso da inteligência artificial na medicina. CFM.
7. Brasil. Decreto nº 11.034, de 5 de abril de 2022. Regulamenta a Lei nº 8.078, de 1990, para dispor sobre o serviço de atendimento ao consumidor. Planalto.