Introdução

Considere uma situação cada vez mais plausível na rotina clínica. Um sistema de Inteligência Artificial (IA) analisa a radiografia de um cão e a classifica como normal, quando na verdade havia ali um corpo estranho ou uma obstrução. O médico-veterinário, confiando na leitura automatizada, adota conduta compatível com um animal saudável; o quadro evolui, e o paciente morre. Quem responde por esse desfecho? O profissional que aceitou a recomendação, a empresa que desenvolveu o sistema, ou ninguém em particular? A pergunta parece simples, mas não encontra, na medicina veterinária brasileira, resposta amparada em norma.

A cena não é ficção científica. A IA já integra a rotina da clínica veterinária de pequenos animais, em ferramentas que transcrevem atendimentos, sinalizam achados em exames de imagem e organizam a triagem. Diferentemente dos dispositivos destinados à medicina humana, porém, boa parte dessas soluções chega ao mercado veterinário sem revisão independente que ateste seu desempenho, e a validação externa disponível ainda é escassa¹. A tecnologia já está em uso; as garantias que cercariam seu emprego em outros campos da saúde ainda não a acompanham.

Essa defasagem ganhou contornos nítidos no Brasil em 2026, quando a medicina humana passou a contar com uma resolução específica que regulamenta o uso da IA na prática médica, fixando a responsabilidade final do profissional e os deveres de supervisão que a acompanham². A medicina veterinária, por sua vez, não dispõe de norma equivalente: as resoluções do conselho tratam de telemedicina, bem-estar animal e ética profissional, mas nenhuma disciplina especificamente o uso da IA. Abre-se, assim, uma assimetria dentro do próprio país.

É desse silêncio que emerge o problema central deste artigo. À medida que os sistemas de IA deixam de apenas sugerir e passam a agir de forma cada vez mais autônoma, a questão relevante desloca-se do plano técnico para o plano da responsabilidade. Na ausência de revisão pré-mercado, de transparência de desempenho e de uma normativa que distribua o ônus entre fabricante, regulador e clínico, a resposta ao caso descrito acima tende a recair, por inteiro, sobre o profissional, muitas vezes sem que ele tenha tido os meios de dimensionar o risco que assumia. Este artigo examina essa lacuna e o que ela exige da profissão.

A autonomia dos sistemas desloca a pergunta da responsabilidade

A IA que hoje opera na rotina veterinária é, quase toda, assistiva: organiza informação, reconhece padrões e sugere, mas não decide nem executa por conta própria. O algoritmo que sinaliza um achado em uma radiografia ou o sistema que transcreve o atendimento entregam ao médico-veterinário um produto intermediário que ainda depende de julgamento humano para virar conduta. Nesse arranjo, a fronteira da responsabilidade é nítida: a máquina propõe, o profissional dispõe, e é sobre a decisão do profissional que recai a imputação de qualquer erro.

O que a literatura recente descreve como IA agêntica (agentic AI, sistemas capazes de agir de forma autônoma e orientada a objetivos) rompe esse arranjo. A diferença fica clara em uma comparação: um sistema assistivo funciona como um colega que examina o caso e aponta “veja isto, parece suspeito”, deixando a decisão inteiramente com o profissional; um sistema agêntico assemelha-se a um assistente que, além de apontar o achado, já executa por conta própria as etapas seguintes, classificando a urgência, sugerindo o protocolo e acionando o responsável, com pouca ou nenhuma conferência humana entre essa ações³. A diferença não é de grau, mas de natureza: o sistema assistivo se interrompe diante do profissional e aguarda sua leitura; o agêntico atravessa essa etapa e realiza a tarefa, deixando ao ser humano, quando muito, o papel de supervisor a posteriori. É essa passagem da recomendação para a execução que confere ao debate atual um caráter qualitativamente distinto.

É esse movimento que desloca a pergunta da responsabilidade. Até pouco tempo, o que se perguntava diante de uma ferramenta de IA era essencialmente técnico: ela acerta? Qual é a sua taxa de acurácia? Quando o sistema apenas sugere, o profissional que aceita ou recusa continua sendo o ponto inequívoco da decisão, e a imputação de um eventual dano segue o percurso tradicional. À medida que o sistema passa a agir ao longo de uma cadeia de etapas, com comportamento nem sempre previsível, a pergunta muda de natureza e torna-se jurídica e ética: se ele erra, de quem é a responsabilidade?

Torna-se difícil apontar o agente humano específico a quem atribuir o resultado, dificuldade que a ética da IA nomeia como lacuna de responsabilidade e associa à necessidade de preservar controle humano significativo sobre o sistema⁴. Convém, porém, delimitar com honestidade o alcance disso na veterinária: a IA agêntica ainda não é realidade disseminada na clínica de pequenos animais, e boa parte do que se discute é transposição do que se ensaia na saúde humana. Discutir o problema agora, antes que os sistemas se consolidem, é o que permite à profissão chegar a ele preparada.

A medicina humana já ensaiou uma resposta regulatória

Onde a IA avançou primeiro e mais fundo, a discussão sobre seus limites saiu do plano abstrato e virou norma. Na maior parte do mundo, as respostas convergem para um mesmo núcleo, apesar de assumirem formas distintas: a responsabilidade final pela decisão clínica permanece humana, e a supervisão sobre o sistema passa de recomendação a dever. No Brasil, a Resolução CFM nº 2.454/2026, em vigor a partir de agosto de 2026, fixa o médico como responsável final, exige julgamento crítico sobre as recomendações e o registro do uso da IA em prontuário².

A convergência internacional aponta no mesmo sentido. O EU AI Act, marco europeu de IA, classifica os dispositivos médicos habilitados por IA em faixas de risco e impõe aos de alto risco deveres reforçados de supervisão humana e de acurácia, dividindo a responsabilidade entre fabricantes e instituições⁵. Singapura publicou a primeira estrutura de governança dedicada a agentes autônomos, organizada em torno de tornar os seres humanos significativamente responsáveis, limitar a autonomia dos agentes e prever pontos de aprovação humana⁶. O próprio Brasil, no plano da lei geral, caminha nessa direção: o projeto de marco legal da IA prevê responsabilidade objetiva para sistemas de alto risco, categoria em que a saúde se enquadra, e nomeia, entre os deveres de supervisão, a ciência da tendência a confiar em excesso no resultado do sistema⁷. O que se depreende é que a medicina humana, ao menos onde regula, não deixou a responsabilização ao acaso. A medicina veterinária, como se verá, ainda não.

Na medicina veterinária, a responsabilidade recai inteira sobre o profissional

O que distingue a medicina veterinária da situação anterior não é a ausência de IA, mas a ausência da moldura que, na medicina humana, distribui a responsabilidade por seu uso. As ferramentas de IA veterinária não passam, na maioria das jurisdições, por revisão pré-mercado obrigatória: chegam à clínica sem que uma autoridade tenha verificado sua validade e sem que a empresa seja obrigada a divulgar dados de desempenho⁸. A validação externa e independente ainda é escassa, e os estudos disponíveis recomendam cautela quanto aos níveis de acurácia anunciados: uma avaliação recente de plataformas comerciais de interpretação radiológica verificou desempenho variável e sensibilidade aquém do desejável para determinados achados, com discordâncias em ambas as direções¹. O problema não é exclusivo da medicina veterinária: mesmo na medicina humana, onde a avaliação é mais desenvolvida, ferramentas clínicas comerciais amplamente adotadas chegaram à prática com validação independente escassa e, quando submetidas a avaliação externa e cega por clínicos, não superaram modelos de uso geral, o que expõe a distância entre adoção comercial e desempenho comprovado. O efeito é uma inversão silenciosa do ônus: o risco do teste do produto recai sobre o paciente, e a responsabilidade pela decisão, sobre o profissional que o utiliza.

Essa solidão tem consequência concreta. A literatura ética da área reconhece que, enquanto a IA médica não atingir alta confiabilidade, há razão para que o profissional permaneça ética e profissionalmente responsável por seu uso, sobretudo quando o sistema é opaco e a detecção de um erro depende de conhecimento que o próprio algoritmo não oferece¹⁰. E a opacidade agrava o problema: quando um veterinário recorre a um especialista humano, esse consultor compartilha a responsabilidade pelo parecer; quando recorre a uma ferramenta de IA em “caixa-preta”, inacessível até aos seus desenvolvedores, não há com quem repartir o ônus, e a responsabilização recai integralmente sobre quem usou¹¹.

No Brasil, a lacuna assume contornos próprios. Enquanto a medicina humana passou a contar, em 2026, com uma resolução específica sobre IA, o Conselho Federal de Medicina Veterinária não editou norma equivalente: suas resoluções disciplinam a telemedicina, o bem-estar animal e a ética profissional, mas nenhuma trata especificamente da IA, e o conselho tampouco emitiu nota ou parecer sobre o tema. O princípio da responsabilidade pessoal, contudo, não é inédito no arcabouço da profissão: a resolução de telemedicina já estabelece que, tal como na consulta presencial, o profissional responde pelos atos praticados por meio de tecnologias de informação e comunicação¹². A lógica é defensável, pois quem exerce o ato responde por ele; aplicada à IA sem deveres de transparência, validação e supervisão, porém, produz um desequilíbrio: mantém-se a responsabilidade sem assegurar as condições de exercê-la. É esse desequilíbrio que a próxima seção problematiza.

O risco silencioso: viés de automação e erosão da competência

As respostas regulatórias convergem para um mesmo comando: a decisão final é humana, e cabe ao profissional a revisão crítica das recomendações. Esse comando, porém, pressupõe algo que não garante: que o ser humano ao fim da linha permaneça capaz e vigilante. Dois mecanismos cognitivos bem documentados operam contra essa premissa, e é preciso nomeá-los porque não agem à vista: um atua no instante da decisão, outro ao longo do tempo.

O primeiro é o viés de automação, a tendência a confiar em excesso na saída de um sistema de apoio, reduzindo a vigilância sobre a informação¹³. Não é desatenção: é um traço previsível da interação ser humano-máquina, que se intensifica quando o sistema responde rápido e quando o profissional atua sob pressão de tempo. Em experimento com 28 patologistas, a assistência da IA melhorou o desempenho geral, mas produziu uma taxa de viés de automação de 7%: julgamentos inicialmente corretos revertidos diante de sugestões equivocadas. Sob pressão de tempo, aumentou não a frequência, mas a gravidade dos desvios¹³. Instala-se um paradoxo: quanto mais confiável parece o sistema, maior a chance de que seu erro passe sem contestação, e a revisão crítica que a norma exige se converte em ratificação automática.

O segundo mecanismo é mais lento. A delegação continuada do raciocínio a sistemas automatizados tende a corroer a própria competência que ela pressupõe: o deskilling, erosão gradual das habilidades de raciocínio clínico independente, que reduz a exposição do profissional a casos diversos e as oportunidades de exercício ativo do julgamento¹⁴. Profissionais em início de carreira, ainda consolidando o repertório, são especialmente vulneráveis, e a ética veterinária já adverte que o uso da IA pode enfraquecer habilidades que o médico-veterinário deveria conservar¹⁰. A convergência dos dois mecanismos é o cerne do risco: a responsabilidade formal permanece integralmente com o profissional, mas a capacidade real de exercê-la é corroída pelos próprios sistemas que a norma regula. Exigir revisão crítica de quem o viés de automação induz a não contestar, e de quem o deskilling despreparou, é sustentar a responsabilidade sobre uma base que se estreita. Preservar a IA como ferramenta segura exige, por isso, medidas ativas: uso deliberadamente não passivo, treinamento clínico independente e letramento sobre os próprios vieses.

A responsabilidade que permanece exige as condições para exercê-la

O percurso deste artigo parte de uma constatação e chega a uma exigência. A constatação é que, na medicina veterinária, a responsabilidade pelo uso da IA recai integralmente sobre o profissional, sem a moldura que, na medicina humana, a distribui entre fabricante, regulador e instituição; e essa responsabilidade, embora defensável, hoje se sustenta sobre uma base estreitada pela ausência de validação transparente e pela erosão silenciosa da competência de quem decide. Responsabilizar o profissional sem lhe assegurar as condições de exercer essa responsabilidade é transferir-lhe um risco que ele não teve meios de dimensionar.

É por isso que a lacuna normativa da medicina veterinária brasileira não pode ser lida como simples assincronia a ser corrigida pelo tempo. Uma futura normativa do Conselho Federal de Medicina Veterinária precisaria, na avaliação dos autores, endereçar ao menos três eixos, todos já ensaiados nos marcos que este artigo reconstituiu: a transparência de validação, condicionando o uso clínico à divulgação de dados independentes de desempenho; a supervisão documentável, com registro em prontuário do uso da IA como apoio à decisão^2,12; e o letramento em IA, entendido como compreensão crítica dos limites e vieses dos sistemas. Nenhum desses eixos restringe a inovação; todos a protegem do descrédito que se instala quando uma tecnologia adotada sem cautela produz o erro que força, tardiamente, a regra. Ao profissional que hoje incorpora a IA à rotina, o artigo devolve uma orientação que não depende de resolução alguma: usar a ferramenta de modo ativo, jamais passivo, e tratar cada recomendação algorítmica como hipótese a confrontar, não como veredito a homologar. A responsabilidade permanecerá com o médico-veterinário, com ou sem norma; o que está em jogo é se ele terá as condições de honrá-la. Na medicina veterinária, o desafio não é impedir que a inteligência artificial pense; é garantir que o médico-veterinário nunca deixe de pensar.

Referências

01-MA, D. ; FAULKNER, J. E. ; STANDER, N. ; RAISIS, A. ; JOSLYN, S. Pilot study: external validation of commercial veterinary radiology artificial intelligence services shows deficiencies in interpretation of general practice-sourced canine abdominal radiographs. Journal of the American Veterinary Medical Association, p. 1-8, 2026. Doi: 10.2460/javma.25.10.0691.

02- CONSELHO FEDERAL DE MEDICINA (CFM). Resolução CFM nº 2.454, de 11 de fevereiro de 2026: normatiza o uso da inteligência artificial na medicina. Brasília: CFM, 2026. Publicada no DOU de 27 fev. 2026. Disponível em: <https://sistemas.cfm.org.br/normas/arquivos/resolucoes/BR/2026/2454_2026.pdf>. Acesso em 7 de agosto de 2026.

03-HINOSTROZA FUENTES, V. G. ; KARIM, H. A.  TAN, M. J. T. ; ALDAHOUL, N. AI with agency: a vision for adaptive, efficient, and ethical healthcare. Frontiers in Digital Health, v. 7, art. 1600216, 2025. Doi: 10.3389/fdgth.2025.1600216.

04-SANTONI DE SIO, F. ; MECACCI, G. Four responsibility gaps with artificial intelligence: why they matter and how to address them. Philosophy & Technology, v. 34, n. 4, p. 1057-1084, 2021. Doi: 10.1007/s13347-021-00450-x.

05-ABOY, M. ; MINSSEN, T. ; VAYENA, E. Navigating the EU AI Act: implications for regulated digital medical products. npj Digital Medicine, [s. l.], v. 7, art. 237, 2024. Doi: 10.1038/s41746-024-01232-3.

06-INFOCOMM MEDIA DEVELOPMENT AUTHORITY (IMDA). Model AI Governance Framework for Agentic AI. Singapura: IMDA, 2026. Disponível em: <https://www.imda.gov.sg/resources/press-releases-factsheets-and-speeches/press-releases/2026/new-model-ai-governance-framework-for-agentic-ai>. Acesso em 7 de agosto de 2026.

07-BRASIL. Congresso Nacional. Projeto de Lei nº 2.338, de 2023: dispõe sobre o uso da inteligência artificial. Brasília: Senado Federal, 2023. Disponível em: <https://legis.senado.leg.br/sdleg-getter/documento?disposition=inline&dm=9347622>. Acesso em 7 de agosto de 2026.

08-BRUNDAGE, D. A systematic audit of transparency and validation disclosure in commercial veterinary artificial intelligence. Frontiers in Veterinary Science, v. 13, art. 1761038, 2026. Doi: 10.3389/fvets.2026.1761038.

09-VISHWANATH, K. ; ALYAKIN, A. ; GHOSH, M. ; HAGE, A. ; NEIFERT, S. N. ; ORILLAC, C. ; MANDELBERG, N. J. ; KHAN, H. A. ; LEE, J. V. ; YAO, J. J. ; SMALL, W. R. ; VARMA, A. ; HEWITT, B. ; APHINYANAPHONGS, Y. ; ALBER, D. A. ; OERMANN, E. K. General-purpose large language models outperform specialized clinical AI tools on medical benchmarks. Nature Medicine, [s. l.], v. 32, n. 7, p. 2405-2409, 2026. Doi: 10.1038/s41591-026-04431-5.

10-COGHLAN, S. ; QUINN, T. Ethics of using artificial intelligence (AI) in veterinary medicine. AI & Society, v. 39, p. 2337-2348, 2024. Doi: 10.1007/s00146-023-01686-1.

11-BERTIN, F.-R. ; LAWRENCE, J. ; NIESSEN, S. J. M. ; PINARD, C. J. ; REAGAN, K. L. ; RENTKO, V. The influence, promise, and potential perils of artificial intelligence in veterinary medicine: a call for improved awareness and literacy. Journal of Veterinary Internal Medicine, v. 40, n. 1, art. aalaf045, 2026. Doi: 10.1093/jvimsj/aalaf045.

12-CONSELHO FEDERAL DE MEDICINA VETERINÁRIA (CFMV). Resolução CFMV nº 1.465, de 27 de junho de 2022: regulamenta a telemedicina veterinária. Brasília: CFMV, 2022. Disponível em: <https://www.legisweb.com.br/legislacao/?id=433219>. Acesso em 7 de agosto de 2026.

13-ROSBACH, E. ; AMMELING, J. ; GANZ, J. ; BERTHAM, C. A. ; CONRAD, T. ; RIENER, A. ; AUBREVILLE, M. Stuck on suggestions: automation bias, the anchoring effect, and the factors that shape them in computational pathology. Machine Learning for Biomedical Imaging (MELBA), v. 2026, art. 007, 2026. Doi: 10.59275/j.melba.2026-87b1.

14-EL TARHOUNY, S. ; FARGHALY, A. Deskilling dilemma: brain over automation. Frontiers in Medicine, [s. l.], v. 13, art. 1765692, 2026. DoiI: 10.3389/fmed.2026.1765692.