Por que essa comparação ficou prática em 2026
Até 2023, a escolha entre IA e notas manuais era teórica para a maior parte dos psicólogos brasileiros. Entre 2024 e 2026, três coisas mudaram. Primeira: ferramentas de escuta passiva e notas automáticas amadureceram e ganharam usuários reais em prática clínica nos EUA e na Europa. Segunda: o Posicionamento CFP de 03/07/2025 reconheceu IA como aliada na sistematização de informações e no apoio a decisões, abrindo precedente para uso ético. Terceira: a economia real de tempo na redação de nota — relatada em estudos preliminares e revisões em saúde digital — começou a aparecer em discussões profissionais no Brasil.
A pergunta operacional não é "IA vai substituir a nota humana". É "para qual finalidade clínica e administrativa cada fluxo serve, sob qual proteção". Eleos Health e Lyssn não foram desenhados para substituir a nota humana — foram desenhados para produzir relatório de fidelidade em supervisão e formação. Bunny.tools, Mentalyc e Upheal foram desenhados para gerar primeira versão de nota a partir de áudio, com revisão humana esperada. Notas manuais continuam a ser instrumento clínico em casos complexos, formulação multifatorial e contextos sem ambiente adequado para gravação. Os três fluxos coexistem em prática contemporânea — e a clínica que escolhe um sem entender os outros perde precisão.
A distinção mais importante é entre escuta passiva clínica e nota automática. Escuta passiva é gravação contínua com análise pós-sessão — produz métricas de fidelidade (perguntas abertas, proporção de fala, aderência a protocolo), útil em treinamento e supervisão. Nota automática é transcrição + sumarização em formato de prontuário — produz primeira versão da nota, com a expectativa de revisão clínica. Ferramentas se sobrepõem (Eleos faz nota; Mentalyc faz métricas), mas o foco primário é diferente — e a escolha depende da finalidade.
Tabela 1 — Tecnologia subjacente
| Dimensão | Eleos Health / Lyssn (escuta passiva) | Bunny.tools / Mentalyc (notas automáticas) | Notas manuais |
|---|---|---|---|
| Captura | Gravação contínua com consentimento | Gravação ou upload de áudio | Anotação durante ou após sessão |
| Transcrição (ASR) | Speech-to-text otimizado para diálogo clínico | Whisper-class ou modelos próprios | Não aplicável |
| Saída estruturada | Relatório de fidelidade + métricas | Nota SOAP, DAP ou formato customizado | Texto livre conforme estilo do profissional |
| Modelo de linguagem | LLM fine-tuned em corpus clínico | LLM com prompt clínico estruturado | Cognição humana |
| Integração com EHR | EHRs norte-americanos (parcialmente) | Integração variável; alguns suportam export | Manual em qualquer sistema |
| Localização (hospedagem) | EUA majoritariamente | EUA ou Europa, conforme plano | Local ou cloud à escolha do profissional |
| Custo típico | US$ 60 a 150/profissional/mês | US$ 25 a 80/profissional/mês | Custo é o tempo do profissional |
Tabela 2 — Evidência clínica e privacidade
| Dimensão | Escuta passiva | Notas automáticas | Notas manuais |
|---|---|---|---|
| Evidência publicada | Estudos em fidelidade terapêutica e supervisão | Estudos preliminares (Stade et al., 2024) | Padrão clínico estabelecido |
| Risco de viés algorítmico | Médio — pode falhar em acentos, sotaques, código-mistura | Alto — saída de LLM importa viés do corpus | Risco humano de viés do profissional |
| Consentimento | Específico para gravação + análise | Específico para gravação + IA | Geral do termo padrão |
| Sigilo | Fornecedor torna-se cocustodiante | Fornecedor torna-se cocustodiante | Sigilo exclusivamente do profissional |
| Transferência internacional | Geralmente EUA — exige Art. 33 LGPD | Variável conforme plano | Sem transferência se nota fica local |
| Risco em deepfake / fraude | Áudio bruto pode ser usado em deepfake | Áudio bruto pode ser usado em deepfake | Sem captura de áudio — risco mínimo |
| Retenção exigida (CFP 06/2019) | Mínimo 5 anos, com descarte de áudio bruto | Mínimo 5 anos da nota; áudio bruto descartável | Mínimo 5 anos do prontuário |
Tabela 3 — Fluxo de trabalho real em consultório brasileiro
| Etapa | Escuta passiva | Notas automáticas | Notas manuais |
|---|---|---|---|
| Antes da sessão | Confirmar consentimento e ferramenta ativa | Confirmar gravação e ferramenta ativa | Revisar nota anterior |
| Durante a sessão | Atenção plena — captura é silenciosa | Atenção plena — captura é silenciosa | Atenção dividida entre escuta e anotação |
| Imediatamente após | Receber relatório de fidelidade | Receber rascunho de nota em 2-5 min | Redigir nota completa em 8-15 min |
| Revisão clínica | Análise de métricas; nota é parte separada | Revisar e ajustar saída antes de salvar | Não aplicável — já é texto do profissional |
| Tempo médio total | 5-10 min revisão de relatório + nota separada | 5-8 min revisão (se nota for boa) | 8-15 min de redação |
| Casos complexos / crise | Métricas insuficientes — exige nota manual | Saída automática insuficiente — exige nota manual | Padrão-ouro |
| Indicação principal | Supervisão, treinamento, fidelidade protocolar | Volume alto de sessões + casos rotineiros | Sempre adequada; insubstituível em complexidade |
Mecanismo em detalhe
A pilha técnica das três ferramentas é parecida — Automatic Speech Recognition (ASR) para transcrição, Large Language Model (LLM) para sumarização e structured output para gerar nota em formato clínico. O que difere é o prompt clínico embutido. Eleos Health publica que treina modelos em corpus clínico com supervisão de psicólogos, com foco em fidelidade a protocolos de TCC, ACT e DBT. Lyssn é spin-off da Universidade de Washington e tem trajetória de pesquisa em mensuração de competência terapêutica — usa o sistema MITI para Motivational Interviewing e variantes para outras abordagens. Bunny.tools, Mentalyc e Upheal usam LLMs de propósito geral (geralmente OpenAI ou Anthropic) com prompts clínicos estruturados para gerar nota SOAP ou DAP.
A diferença prática é a qualidade da nota e a robustez do relatório. Em ferramentas com fine-tuning clínico, a saída tende a usar vocabulário técnico adequado e a estruturar a nota em campos clínicos coerentes. Em ferramentas com LLM genérico + prompt, a saída depende da qualidade do prompt e da supervisão do desenvolvedor — variabilidade maior, com episódios documentados de alucinação clínica (inserção de detalhe que não estava na sessão). A regra técnica: trate qualquer saída como rascunho, sem exceção. Stade et al. (2024, JMIR Mental Health) testaram cenários com LLMs em saúde mental e documentaram tanto utilidade prática quanto risco de erro factual.
A questão de privacidade é diferente em escuta passiva e nota automática. Em escuta passiva, o áudio bruto da sessão é processado e armazenado por dias ou semanas, conforme política do fornecedor. Em nota automática, o áudio pode ser descartado logo após a transcrição — alguns fornecedores oferecem essa opção como padrão. Quem prioriza privacidade pode preferir nota automática com descarte imediato de áudio. Em qualquer caso, a transferência internacional sob LGPD Art. 33 exige base legal — cláusulas-padrão da ANPD (ainda não publicadas em portfólio completo) ou consentimento específico e destacado do paciente.
A regulação no Brasil é fragmentada. O CFP, no Posicionamento de 03/07/2025, reconhece IA como aliada na sistematização de informações — abrindo precedente para uso ético — e enfatiza supervisão crítica e julgamento profissional. A Resolução CFP 11/2018 cobre gravação em telessaúde, exigindo consentimento e ambiente adequado. A LGPD trata dado de saúde como sensível e exige base legal específica. A RDC ANVISA 657/2022 (SaMD) pode classificar a ferramenta como dispositivo médico se a finalidade declarada for terapêutica — escuta passiva geralmente fica fora desse escopo por ser ferramenta de supervisão, mas a finalidade declarada importa.
Quando cada um faz sentido
Escuta passiva (Eleos, Lyssn) é útil para
Programas de formação em abordagem manualizada
Curso de especialização ou MBA que exige supervisão de sessões — escuta passiva produz relatório de fidelidade objetivo, complementando análise qualitativa do supervisor.
Supervisão sistemática em clínicas-escola
Clínicas-escola e residências em saúde mental podem usar escuta passiva como instrumento padronizado de avaliação de competência, junto à supervisão humana.
Pesquisa em fidelidade terapêutica
Projetos de pesquisa que medem aderência a protocolo (TCC, ACT, IPT) ganham com mensuração automática, reduzindo custo de codificação humana.
Notas automáticas (Bunny, Mentalyc) são úteis para
Volume alto de sessões padronizadas
Profissionais com agenda intensa em quadros bem-definidos — ansiedade, depressão leve a moderada — podem ganhar 30-40% no tempo de redação com revisão disciplinada.
Padronização de prontuário em clínica multiprofissional
Quando vários profissionais compartilham EHR, nota automática em formato padrão (SOAP, DAP) reduz variabilidade textual e facilita auditoria interna.
Atendimento corporativo em saúde mental
Programas de saúde mental no trabalho com volume — em moldura corporativa com governança clara — podem usar nota automática para gerar relatório agregado e individual.
Notas manuais permanecem o padrão
Casos complexos, comorbidade, formulação multifatorial
Trauma complexo, TPB, comorbidade psiquiátrica, casos forenses — exigem formulação que IA atual não produz com profundidade. Nota manual é instrumento clínico, não documento administrativo.
Sessão de crise ou risco
Em risco suicida, autoagressão, sintomas psicóticos, episódio dissociativo — a nota manual capta nuance, plano de segurança e raciocínio clínico que IA não substitui.
Pacientes que recusam gravação
Direito do paciente é absoluto — quem recusa gravação tem direito a sessão sem captura. Nota manual é o caminho, sem exceção.
Profissionais em formação
A redação manual da nota é parte da formação clínica — exercita formulação, vocabulário técnico e raciocínio. Substituir cedo demais por IA pode atrofiar competência.
Mini-caso · composto
Clínica em São Paulo combina três fluxos em um modelo híbrido
Clínica de psicologia em São Paulo com 12 profissionais formalizou em 2026 um modelo híbrido. Profissionais em supervisão clínica formal (3) usam escuta passiva (Lyssn) para análise de fidelidade em TCC, complementando supervisão humana semanal. Profissionais com volume alto em ansiedade e depressão leve (5) usam notas automáticas (plataforma com hospedagem em região europeia, conformidade GDPR e contrato adaptado à LGPD). Profissionais com casos complexos, forenses e em crise (4) mantêm notas manuais como padrão. Toda a clínica adota o mesmo termo de consentimento informado, com 3 modalidades, e mesmo prazo de retenção alinhado à Resolução CFP 06/2019.
Em 9 meses, três indicadores: economia média de 6 horas por semana por profissional do grupo com nota automática (após período de calibração), aumento mensurável em fidelidade protocolar no grupo com escuta passiva (Lyssn MITI scores melhoraram em 14% após 3 meses), zero incidentes de privacidade reportados. Lição: o modelo híbrido respeita a finalidade de cada fluxo — escuta passiva para supervisão, nota automática para volume, nota manual para complexidade —, em vez de tratar IA como solução universal.
Caso composto a partir de padrões observados em literatura emergente sobre adoção de IA em clínica, com adaptação ao contexto brasileiro de 2026. Ferramentas, métricas e indicadores são ilustrativos.
Limites desta comparação
Quatro precauções. Primeiro, a literatura sobre escuta passiva e notas automáticas em saúde mental é recente — a maior parte dos estudos é preliminar, com populações específicas e seguimentos curtos. Métricas de economia de tempo (30-40%) variam por profissional e por tipo de caso. Segundo, ferramentas mudam rapidamente — Eleos, Lyssn, Bunny.tools, Mentalyc e Upheal atualizam modelos e contratos com frequência; verificação no momento da assinatura é regra. Terceiro, a regulação no Brasil está em formação — CFP 07/2025 é Posicionamento, PL 2338/2023 segue em tramitação; o cenário pode mudar em 2026-2027. Quarto, a comparação é entre fluxos, não entre profissionais — quem combina os três com governança é mais robusto do que quem adota um sem entender os outros.
Perguntas frequentes
Eleos, Lyssn ou Bunny.tools estão disponíveis no Brasil?
Eleos Health (eleos.health) e Lyssn (lyssn.io) operam principalmente nos Estados Unidos, com integração a EHRs norte-americanos e conformidade HIPAA. Para uso no Brasil, exigem contrato adaptado à LGPD, com cláusulas-padrão da ANPD para transferência internacional (Art. 33) e consentimento informado específico do paciente. Bunny.tools, Mentalyc e Upheal são ferramentas de notas automáticas com camadas variáveis de localização — Mentalyc oferece hospedagem em região específica conforme plano, e Upheal documenta conformidade GDPR. Antes de assinar plano, verifique: localização do processamento, contrato com cláusula de não treinamento, política de retenção e descarte de áudio bruto.
Notas automáticas economizam tempo real ou ilusão de tempo?
Estudos preliminares — entre eles Stade et al. (2024, JMIR Mental Health) e revisões em saúde digital — sugerem que copilots clínicos podem reduzir 30-40% do tempo de redação de notas em algumas amostras, com ressalvas metodológicas importantes (populações específicas, comparação com baseline manual, sem cegamento). A economia real depende da disciplina de revisão. Quem revisa cuidadosamente economiza menos tempo, mas mantém qualidade clínica; quem aprova nota com baixa revisão economiza tempo aparente e importa risco invisível para o prontuário. A pergunta operacional é: revisão de 100% das saídas é parte do fluxo?
Escuta passiva pode substituir supervisão clínica?
Não. Escuta passiva (Eleos, Lyssn) produz relatório de fidelidade — quanto do protocolo foi seguido, quantas perguntas abertas, qual proporção de fala terapeuta-paciente. É instrumento útil em supervisão e treinamento, particularmente em programas de formação em TCC ou outros protocolos manualizados. Mas supervisão clínica envolve formulação de caso, transferência, contratransferência, leitura de aliança e decisão clínica — dimensões que IA atual não modela com profundidade. A literatura emergente trata escuta passiva como complemento à supervisão humana, não substituição.
Como conectar a formação aplicada?
Escolha de ferramenta de IA em consultório, governança de dados e supervisão são temas técnicos que exigem fundamento. O MBA em Psicologia Organizacional e do Trabalho do IPOG aborda IA aplicada, ética em dados e people analytics em formato Ao Vivo síncrono com corpo docente nominal. Para grade vigente, consulte ipog.edu.br. A discussão estruturada complementa a leitura isolada de manual de fornecedor.
Cross-links internos
Síntese
Escolha pelo fluxo, não pela ferramenta
- Escuta passiva (Eleos, Lyssn) faz sentido em supervisão, treinamento e pesquisa de fidelidade terapêutica.
- Notas automáticas (Bunny, Mentalyc, Upheal) economizam tempo em volume rotineiro com revisão disciplinada.
- Notas manuais permanecem padrão em casos complexos, crise, recusa do paciente e formação profissional.
- Modelo híbrido com governança respeita a finalidade de cada fluxo e reduz risco regulatório.
Para profissional que conduz adoção de IA em clínica ou em programa de saúde mental no trabalho, o MBA em POT do IPOG aborda IA, people analytics e ética em dados em contexto profissional, em formato Ao Vivo síncrono com corpo docente nominal.
Ver MBAs no IPOG