Dependência vs. Aumento: O Paradoxo do CADe

I. O Paradoxo do Ganho Presumido

A literatura sobre automação corporativa costuma se dividir em dois campos aparentemente opostos: um que celebra a IA como multiplicadora de capacidade humana, e outro que a acusa de corroer competências essenciais. Evidência clínica observacional recente sobre sistemas de detecção assistida por computador (CADe, Computer-Aided Detection) em colonoscopia sugere algo mais desconfortável do que qualquer um dos dois campos costuma admitir: em condições reais de uso — fora do ambiente controlado e protocolado de um ensaio clínico — a ferramenta pode não estar entregando sequer o ganho imediato que justificou sua adoção.

Sistemas CADe assistem endoscopistas na identificação de pólipos durante exames de colonoscopia, sinalizando visualmente regiões suspeitas em tempo real. Ensaios clínicos randomizados conduzidos sob protocolo controlado geralmente demonstram que a presença da ferramenta aumenta a taxa de detecção de adenomas em relação a exames sem assistência. É esta evidência de ensaio controlado que sustenta a aprovação regulatória e a adoção clínica em larga escala — e ela não está sendo contestada aqui.

A questão fiduciária começa quando se observa o que acontece fora do ensaio controlado — no uso rotineiro, real, sustentado ao longo de meses, por profissionais que não estão sob o mesmo escrutínio protocolar de um estudo randomizado. Um estudo observacional multicêntrico publicado em 2025 acompanhou exatamente esse cenário, e o que encontrou inverte a expectativa mais comum sobre o assunto: a taxa de detecção medida durante o uso ativo da ferramenta já era inferior à linha de base do mesmo profissional sem assistência — e caiu ainda mais depois que a ferramenta foi removida.

Sugerimos que o Conselho reconheça, a partir deste achado, que o Paradoxo do CADe não é “a ferramenta ajuda agora e cobra depois”. É algo mais silencioso e mais perigoso: a ferramenta pode estar deixando de entregar o ganho que a organização presume que está recebendo, sem que ninguém esteja medindo o suficiente, com frequência suficiente, para perceber.

[Ponto de Inflexão Fiduciária]: As ferramentas de decisão assistida por IA mais críticas da sua organização tiveram sua performance verificada em condições reais e contínuas de uso, ou a organização confia exclusivamente nos números de validação inicial obtidos em ambiente controlado?

II. Os Precedentes Clínicos da Descoberta

A evidência central deste artigo vem de um estudo observacional multicêntrico conduzido em quatro centros de colonoscopia na Polônia, com 19 endoscopistas experientes (cada um com mais de 2.000 procedimentos prévios), publicado como “Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study” (Budzyń et al., The Lancet Gastroenterology & Hepatology, volume 10, número 10, páginas 896–903, 2025). O estudo comparou 1.443 colonoscopias realizadas ao longo de aproximadamente seis meses (setembro de 2021 a março de 2022), medindo a taxa de detecção de adenomas do mesmo grupo de profissionais em três momentos: antes da introdução da IA, durante seu uso ativo, e depois de sua remoção.

É importante fazer, aqui, uma distinção que o próprio estudo faz questão de sublinhar: este é um desenho observacional, não um ensaio clínico randomizado. Os autores reconhecem explicitamente que fatores não controlados — variação temporal na composição de pacientes, fadiga, ou mudanças de rotina — podem ter contribuído para o padrão observado, e uma réplica publicada no mesmo periódico questionou parte da interpretação dos achados. Não tratamos, portanto, os três números a seguir como prova definitiva e incontestável de causalidade — tratamos como o melhor dado observacional disponível, publicado e revisado por pares, sobre o que acontece com a performance de um profissional em condições reais e sustentadas de uso de uma ferramenta assistida por IA.

Precedentes conceituais em domínios distintos já haviam sinalizado um padrão qualitativamente semelhante: a literatura de fatores humanos em segurança de aviação documenta que pilotos que operam predominantemente sob piloto automático apresentam desqualificação mensurável de habilidades de voo manual ao longo do tempo. A medicina assistida por IA, neste estudo, oferece uma quantificação clínica rigorosa de um fenômeno já conhecido em engenharia de sistemas de alta automação — com a diferença notável de que, aqui, o declínio aparece já durante o uso ativo da ferramenta, não apenas depois de sua remoção.

A diferença crítica entre a endoscopia clínica e a maioria das implementações corporativas de IA é que a primeira opera sob regulação de segurança que eventualmente permite a coleta e publicação deste tipo de dado longitudinal. A maior parte das funções corporativas assistidas por IA — análise de crédito, triagem de currículos, precificação — não opera sob exigência regulatória equivalente, o que significa que um padrão semelhante pode estar se instalando silenciosamente, sem qualquer estudo observacional publicado que o revele.

[Ponto de Inflexão Fiduciária]: Quais funções críticas da sua organização operam sob o mesmo padrão de exposição contínua a assistência algorítmica que a endoscopia clínica, mas sem qualquer estudo observacional ou auditoria de competência independente que revelaria um padrão equivalente?

III. A Mecânica do Paradoxo: Três Pontos, Uma Trajetória

O Paradoxo do CADe se resume a três pontos de medição que, juntos, revelam uma trajetória incompatível com a narrativa simples de “a IA aumenta performance, ponto final”:

Ponto 1 — Linha de Base (Sem Ferramenta, Pré-Exposição): A taxa de detecção do profissional, medida antes de qualquer exposição à ferramenta assistida, estabelece o ponto de partida real de competência independente.

Ponto 2 — Performance Durante Uso Ativo (Com Ferramenta): Ao contrário do que a maioria das organizações presume, a taxa de detecção medida durante o uso ativo da ferramenta, neste estudo, já era inferior à linha de base — não superior.

Ponto 3 — Performance Pós-Exposição (Sem Ferramenta, Após Uso Prolongado): Quando a ferramenta é removida após o período de uso contínuo, a taxa de detecção cai ainda mais, revelando uma trajetória de declínio contínuo, não um “pico seguido de queda”.

Quantificação do Paradoxo do CADe: No estudo observacional de Budzyń et al. (Lancet Gastroenterology & Hepatology, 2025), a taxa de detecção de adenomas foi de 28,4% na linha de base, sem assistência de IA (226 de 795 colonoscopias). Durante o uso ativo do sistema CADe, a taxa foi de 25,3% (186 de 734 colonoscopias) — já abaixo da linha de base. Após a remoção da ferramenta, ao final do período de observação de aproximadamente seis meses, a taxa caiu para 22,4% (145 de 648 colonoscopias) — uma queda absoluta de 6,0 pontos percentuais em relação à linha de base original (IC 95% –10,5 a –1,6; p=0,0089; razão de chances de 0,69 associada à exposição prévia à IA). Os autores caracterizam o achado como um “risco de desqualificação” (deskilling risk) associado ao uso rotineiro da ferramenta, com a ressalva de que o desenho observacional não isola definitivamente a IA como causa única.

Sugerimos que o Ponto 2 — não apenas o Ponto 3 — é o dado mais fiduciariamente relevante desta série de medições, precisamente porque contraria a premissa que a maioria dos Boards nunca questiona: a de que “a ferramenta está ajudando agora, mesmo que haja um custo futuro”. Se a organização não mede continuamente a performance real em condições de uso — e não apenas confia na validação inicial obtida em ambiente controlado — ela pode estar operando com uma suposição de ganho presente que os dados de campo não sustentam.

[Ponto de Inflexão Fiduciária]: A sua organização já mediu a performance real dos seus profissionais mais críticos durante o uso contínuo da ferramenta de IA, em condições reais — ou opera exclusivamente com base nos números de validação inicial obtidos antes da implementação?

IV. A Defesa Frágil de “A Ferramenta Aumenta Performance, Ponto Final”

Defensores da adoção irrestrita de sistemas de detecção assistida frequentemente encerram a discussão citando os resultados de ensaios clínicos controlados: a ferramenta aumenta a detecção em ambiente de estudo, portanto deve ser expandida sem restrição em produção. Este argumento desmorona sob três escrutínios:

Falha 1 — Confunde Performance de Ensaio com Performance de Campo: Um ensaio clínico randomizado mede a ferramenta sob protocolo rígido, com profissionais cientes de estarem sendo avaliados. A evidência observacional deste artigo sugere que essa performance não necessariamente se sustenta no uso rotineiro, sem o mesmo grau de disciplina protocolar — e a diferença entre os dois ambientes pode ser precisamente onde a dívida cognitiva se instala.

Falha 2 — Assume Disponibilidade Permanente da Ferramenta: A arquitetura de substituto direto pressupõe que o sistema estará sempre disponível. Falhas de sistema, mudanças de fornecedor, ou simplesmente a ausência do profissional mais experiente em um plantão não planejado expõem exatamente a lacuna medida no Ponto 3.

Falha 3 — Ignora a Diferença Arquitetural entre “Ajuda” e “Substituição”: O mesmo sistema CADe pode ser implementado de duas formas distintas: como rede de segurança (o profissional forma seu próprio julgamento primeiro, e a ferramenta sinaliza discrepâncias) ou como substituto direto (o profissional segue a sinalização da ferramenta sem formular julgamento independente prévio). Sugerimos que a segunda arquitetura é a mais consistente com o padrão de declínio observado — a primeira, potencialmente, não.

Esta distinção arquitetural raramente é uma decisão explícita e documentada — ela emerge organicamente da forma como a interface do sistema é desenhada e da cultura de pressão por velocidade no ambiente de trabalho. Um sistema tecnicamente configurável como rede de segurança pode, na prática operacional real, degradar-se em substituto direto simplesmente porque a pressão de tempo desincentiva o profissional a formular julgamento próprio antes de consultar a sugestão algorítmica — o que é consistente com a hipótese de que o próprio Ponto 2 já reflete essa degradação de prática, não apenas o Ponto 3.

[Ponto de Inflexão Fiduciária]: Os sistemas de decisão assistida por IA da sua organização foram desenhados como rede de segurança, exigindo julgamento humano prévio, ou como substituto direto, onde a IA decide primeiro e o humano apenas ratifica?

V. A Contabilidade Invisível da Competência Clínica e Corporativa

O Vácuo de Divulgação de Risco de Deskilling em Dispositivos Médicos Assistidos por IA: Órgãos regulatórios de dispositivos médicos tipicamente exigem comprovação de eficácia da ferramenta assistida sob ensaio clínico controlado como condição de aprovação regulatória, mas não exigem, na maioria das jurisdições, estudos de acompanhamento de longo prazo em condições reais de uso sobre o impacto da ferramenta na competência independente do profissional. Um fabricante pode obter aprovação regulatória plena reportando apenas o resultado do ensaio controlado, sem qualquer obrigação de monitorar continuamente se esse ganho se sustenta — ou mesmo existe — em uso rotineiro.

A razão desta invisibilidade regulatória se estende, sem surpresa, ao ambiente corporativo não clínico: sistemas de IA para análise de crédito, triagem de talentos ou precificação dinâmica são adotados e avaliados quase exclusivamente pelos números de validação inicial — obtidos, tipicamente, em condições próximas às de um ensaio controlado —, sem qualquer requisito, regulatório ou de governança interna, de medir continuamente se esse ganho persiste em produção.

Esta assimetria de exigência cria um incentivo perverso e silencioso: quanto mais eficaz a ferramenta parece nos números de validação inicial, mais forte é o argumento interno para expandir seu escopo e reduzir o headcount de profissionais experientes — precisamente o movimento que, segundo a evidência observacional deste artigo, mais acelera a trajetória de declínio contínuo. A própria métrica que justifica a expansão pode já não refletir a realidade do uso em produção.

Sugerimos que esta lacuna representa uma vulnerabilidade fiduciária estrutural equivalente à identificada nos artigos anteriores desta série: o Board aprova investimentos e expansões de escopo com base em uma fração da evidência — o resultado do ensaio controlado — sem visibilidade sobre o que a ferramenta está de fato entregando, ou deixando de entregar, em condições reais e sustentadas de uso.

[Ponto de Inflexão Fiduciária]: Se o seu comitê de risco solicitasse, hoje, evidência de que os sistemas críticos de decisão assistida por IA da companhia continuam entregando, em produção, o ganho de performance medido na validação inicial, essa evidência estaria disponível e documentada?

🏛️ Biblioteca: Metodologia Prática

Protocolo de Classificação Arquitetural: Rede de Segurança vs. Substituto Direto

Este documento estabelece o roteiro operacional para classificar e redesenhar sistemas de decisão assistida por IA de acordo com seu impacto real, continuamente medido, na capacidade humana independente.

01. Auditoria de Arquitetura Decisória (Mapeamento de Sistemas Críticos)

Orientamos que os comitês de risco e governança digital configurem levantamento estruturado para cada sistema de decisão assistida por IA em produção:

1. Sistema Avaliado: Nome, função de negócio, criticidade da decisão suportada
2. Sequência de Julgamento: O profissional humano formula hipótese própria antes de consultar o sistema, ou o sistema apresenta sua recomendação primeiro?
3. Origem da Evidência de Eficácia: O ganho de performance reportado vem de ensaio controlado, de validação inicial, ou de medição contínua em produção?
4. Classificação Arquitetural: O sistema opera, na prática observada, como rede de segurança ou como substituto direto?

02. Testes Periódicos de Retenção de Competência

Recomenda-se a instituição de avaliações estruturadas de performance independente, inspiradas no desenho observacional do estudo Budzyń et al.:

🛡️ Framework de Integridade Analítica (Metodologia)

A elaboração deste White Paper obedece ao Protocolo FIDUCIA, estruturado para fundamentar a macroestratégia contenciosa das diretorias executivas de alto escalão com base em realidades técnicas empíricas.

1. Pesquisas e Dados Verificados: As métricas de detecção de adenomas com e sem sistemas CADe derivam do estudo observacional multicêntrico “Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy” (Budzyń et al., The Lancet Gastroenterology & Hepatology, 10(10):896–903, 2025), conduzido em quatro centros na Polônia entre setembro de 2021 e março de 2022. Os três valores citados (28,4% / 25,3% / 22,4%) e a significância estatística associada (p=0,0089) refletem os números publicados no estudo, com a ressalva explícita, também presente no paper original, de que o desenho é observacional — não um ensaio randomizado — e que uma réplica publicada no mesmo periódico questionou parte da interpretação. O paralelo com automação de aviação comercial referencia a literatura estabelecida de deskilling por automação contínua em ambientes de alta criticidade, citada em termos qualitativos, sem estatística específica não verificada.
2. Exclusão de Inferências Sintéticas: Veto absoluto à retórica especulativa. A análise concentra-se exclusivamente na materialidade do paradoxo dependência-vs-aumento como vulnerabilidade fiduciária, distinguindo explicitamente entre evidência de ensaio controlado (qualitativa, sem número específico não verificado) e evidência observacional de campo (quantitativa, com os números reais do estudo citado).

⚖️ Isenção e Termos de Responsabilidade Fiduciária (Disclaimer)

Este material encerra uma abordagem técnica e analítica inteiramente concebida para fortalecer a macroestratégia fiduciária no cerne de Conselhos de Administração. O conteúdo estrutural não constitui, sob nenhuma premissa, emissão de parecer médico, auditoria clínica ou consultoria jurídica especializada em dispositivos regulados. A FIDUCIA ADVISORY e o seu idealizador tático principal, Walter Maier Neto, declinam absolutamente de responder patrimonialmente ou civilmente por incidentes decorrentes de deskilling involuntário, degradação de competência decisória, ou erosão de expertise corporativa originados na adoção operacional destas diretrizes arquiteturais. A obrigação material e a homologação da governança de risco tecnológico restam consolidadas na função de diligência exclusiva da liderança empossada legalmente.