1. Introdução

Agentes de inteligência artificial (IA) generativa baseados em grandes modelos de linguagem (Large Language Models, LLM), como ChatGPT, Gemini e DeepSeek, têm se tornado cada vez mais populares, com padrões de uso que vão da redação, revisão, resumo e tradução de textos a tarefas mais complexas de organização, pesquisa e entretenimento (Chatterji et al. 2025; Maslej et al. 2025). Um padrão de uso emergente (e bastante controverso) é recorrer a agentes de IA em busca de conselhos sobre relacionamentos e de apoio terapêutico para questões de saúde mental. Em uma pesquisa com amostra representativa nacional nos Estados Unidos, 13,1% da população jovem (de 12 a 21 anos) relataram usar IA generativa para obter conselhos de saúde mental (McBain et al. 2025). Estudos com populações clínicas revelam uma prevalência maior: 48,7% das pessoas adultas em atendimento (de 18 a 80 anos) relataram usar LLM para apoio terapêutico (Rousmaniere et al. 2025). A pesquisa que examinou dados de conversas do ChatGPT indica que, embora os temas mais comuns das interações fossem orientação prática, redação e busca de informações (78% de todas as mensagens), a busca de conselhos e de orientação foi notavelmente alta, respondendo por 49% das mensagens (Chatterji et al. 2025).

Diante do crescente interesse e da demanda do público pelo uso de IA como apoio em saúde mental, multiplicaram-se os aplicativos comerciais de terapia por IA que oferecem intervenções de saúde mental baseadas em evidências, com uma ampla base de pessoas usuárias. Por exemplo, o principal aplicativo de terapia por IA, o Wysa, tem aproximadamente 4,5 milhões de pessoas cadastradas em mais de 65 países e estabeleceu inúmeras parcerias com empregadores no mundo todo (Baldry 2022). Estudos mostram que quem usa esses aplicativos relata alta satisfação com eles, constrói com o tempo uma aliança terapêutica com a IA terapeuta (Beatty et al. 2022) e os percebe como livres de julgamento e de rótulos, além de apreciar sua disponibilidade constante e seu baixo custo (Chaudhry e Debi 2024).

Apesar das avaliações positivas do público dos aplicativos de terapia por IA e das vozes favoráveis ao uso de IA em psicoterapia¹, que destacam sua acessibilidade, seu custo acessível e seu imediatismo, a pesquisa sobre os desfechos do uso de IA em saúde mental conta outra história. Metanálises que examinaram a eficácia dos aplicativos de terapia por IA, tanto para problemas gerais de saúde mental (He et al. 2023) quanto para sintomas específicos como depressão e ansiedade (Zhong et al. 2024), encontraram resultados mistos, com tamanhos de efeito entre 0,19 e 0,62. Embora a psicoterapia baseada em IA proporcione alívio rápido dos sintomas (Balan et al. 2024; Li et al. 2023), os ganhos não se mantêm a longo prazo (Zhong et al. 2024). Assim, é necessário ampliar a pesquisa para explorar a qualidade dos agentes de IA, e não apenas sua avaliação subjetiva, além dos efeitos diretos e indiretos de seu uso para fins terapêuticos. Persistem ainda preocupações com a confidencialidade, a privacidade dos dados, os riscos para a pessoa atendida em caso de necessidades clínicas intensas e a competência cultural limitada (Maslej et al. 2025; McBain et al. 2025; Rahsepar Meadi et al. 2025).

O presente estudo busca preencher essas lacunas da literatura explorando as avaliações, feitas por especialistas em supervisão clínica, das habilidades e competências de um modelo GPT treinado, sob uma perspectiva sistêmica. A ênfase na orientação sistêmica neste estudo também é proposital. A maior parte da literatura existente sobre o uso terapêutico de agentes de IA se concentrou em abordagens manualizadas e baseadas em protocolos, como os modelos de terapia cognitivo-comportamental, pela facilidade de treinar agentes de IA nessas abordagens em razão de seu caráter padronizado (He et al. 2023; Li et al. 2023; Zhong et al. 2024). No entanto, relatórios recentes mostram que muitas pessoas recorrem à IA sobretudo em busca de conselhos sobre relacionamentos (American Psychological Association 2025), o que torna cada vez mais importante examinar até que ponto os modelos de IA conseguem oferecer intervenções voltadas para dinâmicas de casal e de família, uma área que tem recebido pouca atenção da pesquisa.

1.1. O processo terapêutico entre humano e IA

Os avanços técnicos dos sistemas de IA conversacional permitiram que os LLM gerassem respostas muito semelhantes a processos terapêuticos, incluindo reflexo empático, normalização e validação emocional (Scholich et al. 2025). Os LLM mostraram capacidade de reconhecer estados emocionais a partir de texto, voz e imagens, demonstrando uma forma de empatia cognitiva (Başer et al. 2025; Yirmiya e Fonagy 2025). Achados empíricos indicam que as pessoas que interagem com o ChatGPT em busca de apoio emocional e de saúde mental relatam sentir-se emocionalmente conectadas e atribuem à IA qualidades de terapeuta, como profissionalismo, confiabilidade e uma presença cuidadosa e validante (Luo et al. 2025). Em alguns casos, quem as recebeu considerou as respostas geradas por IA mais acolhedoras do que as de pessoas sem formação profissional (por exemplo, Elyoseph et al. 2023; Yin et al. 2024). Esses achados sugerem que o diálogo terapêutico gerado por IA pode ser percebido como emocionalmente sintonizado e acolhedor.

Apesar dessas capacidades, a capacidade emocional e a conexão percebidas na IA diferem das conexões humanas. A empatia gerada por IA é chamada de pseudoempatia: falta-lhe compreensão experiencial, compromisso relacional, insight emocional e, portanto, empatia afetiva autêntica (Yirmiya e Fonagy 2025). Essa distinção torna os sistemas de IA incapazes de reciprocidade relacional, contratransferência e sintonia corporificada, todos elementos que caracterizam relações terapêuticas eficazes (Yirmiya e Fonagy 2025). Além disso, a psicoterapia é teoricamente diversa e profundamente relacional, o que torna a competência terapêutica difícil de definir ou padronizar (Grodniewicz e Hohol 2023). Essas complexidades são particularmente importantes para agentes não humanos, que podem imitar linguisticamente as dimensões relacionais e culturalmente responsivas da terapia sem compreender plenamente seu sentido e seus atributos.

A competência que o público atribui aos agentes de IA pode mascarar suas limitações fundamentais, o que levanta preocupações éticas quanto à superestimação da capacidade terapêutica da IA (Barzkar et al. 2025). Quando as pessoas não conseguem distinguir o apoio gerado por IA de uma psicoterapia genuína, ficam vulneráveis ao “equívoco terapêutico” (Khawaja e Bélisle-Pipon 2023). Esse risco é particularmente preocupante para populações vulneráveis, como pessoas sobreviventes de trauma, já que as simulações de IA podem trazer o risco de criar dinâmicas relacionais prejudiciais (Yirmiya e Fonagy 2025). A capacidade da IA de imitar a linguagem terapêutica pode criar uma falsa sensação de aliança e de cuidado (Khawaja e Bélisle-Pipon 2023), o que evidencia a necessidade de supervisão profissional e de avaliação sistemática. Detectar esses riscos apenas pela percepção do público é difícil, o que ressalta a importância de examinar como profissionais da clínica com formação avaliam as respostas terapêuticas geradas por IA, sobretudo quanto à habilidade clínica, aos limites éticos e à responsividade cultural. Sem essas avaliações, torna-se difícil distinguir as aplicações de IA que realmente apoiam a saúde mental daquelas que criam uma sensação de cuidado, mas podem trazer riscos.

Por fim, a competência cultural continua sendo uma limitação crítica dos modelos de IA em contextos terapêuticos (Wang et al. 2025). Avaliações clínicas revelam que os LLM muitas vezes oferecem conselhos simplificados demais, sem considerar a origem cultural, a experiência vivida ou as realidades da situação, o que reflete um déficit importante de adaptação ao contexto (Iftikhar et al. 2025). Tanto o público quanto a pesquisa relataram esses problemas de contextualização, em que aplicativos de terapia por IA (Woebot, Wysa) e chatbots baseados em LLM (ChatGPT) não conseguiram compreender e interpretar o contexto humano em que as mensagens se inseriam e, em vez disso, forneceram respostas genéricas, previsíveis e repetitivas (Chaudhry e Debi 2024; Sarkar et al. 2023). Em conjunto, essas limitações sugerem que examinar as qualificações de agentes de IA em contextos terapêuticos exige também avaliar sua responsividade cultural e contextual.

1.2. O uso de IA na terapia relacional

A literatura identifica quatro áreas-chave em que a IA tem potencial de uso na terapia relacional: diagnosticar problemas de relacionamento, prever o prognóstico, monitorar as reações das pessoas atendidas e oferecer tratamento (Puhlman e Chen 2025). O presente estudo se concentra especificamente na última área, a oferta de tratamento. Um conjunto crescente de evidências confirma, de modo mais amplo, a eficácia das intervenções relacionais digitais (Kernová et al. 2025), incluindo programas on-line consolidados como o OurRelationship (Doss et al. 2020). Uma limitação crítica desses programas, porém, é que dependem de acompanhamento humano (coaching) para manter o engajamento: as taxas de conclusão caem para 6% quando não há coaching, e o benefício do coaching é atribuído à responsabilização e ao encorajamento, e não à habilidade clínica (Knopp et al. 2023). Por isso, equipes de pesquisa propuseram chatbots e aplicativos de terapia por IA como solução para oferecer essas interações sem consumir recursos humanos (Knopp et al. 2023).

Ainda assim, a pesquisa sobre o uso de IA especificamente na terapia relacional está engatinhando. Uma exceção digna de nota é um ensaio clínico randomizado recente de Vowels et al. (2025), em que adultos com problemas de relacionamento específicos foram alocados a uma sessão única com um chatbot ou a uma tarefa de escrita de reavaliação do conflito baseada em evidências. Os resultados indicaram melhoras semelhantes nos dois grupos em diversos domínios, como satisfação no relacionamento, enfrentamento diádico, confiança diante do problema específico e bem-estar individual (Vowels et al. 2025). Uma diferença significativa entre os grupos foi encontrada na melhora de curto prazo do padrão de comunicação demanda-retraimento, especificamente na condição com chatbot, embora esse efeito tenha desaparecido no seguimento. Embora as pessoas participantes tenham avaliado bem o chatbot quanto à aliança terapêutica, ele também foi descrito como robótico, repetitivo e apenas moderadamente parecido com um ser humano. Além disso, a equipe de pesquisa levantou preocupações de segurança, observando que, das três conversas que exigiram um acompanhamento de segurança, uma foi iniciada pelo chatbot.

Essas limitações refletem desafios mais amplos na aplicação da IA a contextos relacionais. Puhlman e Chen (2025) identificaram três desafios interligados. Primeiro, é difícil obter dados suficientes de conversas em contextos de terapia de casal e família, necessários para treinar a IA. Segundo, dada a complexidade e o caráter dinâmico das estratégias terapêuticas, é difícil integrar o conhecimento clínico ao treinamento da IA. Terceiro, não é possível explicar por que um modelo produziu determinada resposta, o que dificulta avaliar se ela foi clinicamente adequada ou eticamente sólida. Assim, embora a IA seja promissora para a terapia relacional, a tecnologia ainda não está suficientemente desenvolvida para funcionar de forma confiável nesse contexto. No contexto de casais e famílias, essas lacunas podem ampliar mal-entendidos ou intensificar conflitos em vez de aliviá-los (Puhlman e Chen 2025).

Além das limitações técnicas e clínicas descritas acima, a integração da IA à terapia relacional levanta questões importantes sobre o futuro do campo da terapia de casal e família (TCF). Segundo Hertlein e Springer (2026), a IA já está embutida em muitas plataformas de telessaúde e sistemas de software usados por terapeutas de casal e família, o que torna o letramento em IA essencial para uma prática eficaz e ética. Esse trabalho argumenta que a IA deixou de ser apenas uma ferramenta e passou a atuar como um terceiro participante dentro do sistema terapêutico. Essa evolução exige que terapeutas de casal e família pensem em como incorporar a IA preservando suas abordagens sistêmicas e relacionais e seus objetivos terapêuticos. Além disso, Hertlein e Springer enfatizam que, se terapeutas de casal e família não se envolverem ativamente com a IA e não orientarem sua aplicação em contextos relacionais, seu uso poderá não se alinhar aos padrões relacionais e sistêmicos do nosso campo. Por isso, Hertlein e Springer defendem o desenvolvimento de normas regulatórias específicas do campo e de pesquisas empíricas que orientem o uso responsável da IA na terapia relacional.

1.3. O presente estudo

Na tentativa de responder a essas limitações da literatura, o objetivo do presente estudo é examinar as interações entre IA e ser humano durante uma sessão simulada e avaliar a qualidade das microintervenções geradas por IA por meio das avaliações de especialistas com experiência em supervisão clínica em TCF. Para isso, o painel de supervisão (que não conhecia o objetivo do estudo) revisou a transcrição da sessão simulada e avaliou as habilidades terapêuticas, a competência e a responsividade cultural da suposta “pessoa terapeuta”. As perguntas de pesquisa foram as seguintes: (1) Quais são as habilidades e microintervenções mais usadas por um agente de IA com treinamento sistêmico ao abordar uma questão relacional? (fidelidade aos princípios da terapia sistêmica). (2) Segundo o painel de supervisão clínica, quão competente é o agente de IA para realizar intervenções sistêmicas? (adesão: competência clínica). (3) Segundo o mesmo painel, quão competente é a IA para realizar microintervenções com sensibilidade e consciência culturais? (competência cultural). (4) Quais pontos fortes e áreas de crescimento o painel de supervisão identifica no agente de IA?

Nossa hipótese era que o GPT (um agente de IA que a equipe de pesquisa treinou em teorias, habilidades e intervenções da TCF) demonstraria alta fidelidade aos princípios sistêmicos (H1) e alta competência em habilidades básicas de entrevista, como validar, espelhar e resumir (H_2a). Esperávamos que o GPT tivesse mau desempenho em domínios de competência clínica mais complexos, como a construção do vínculo (joining), as perguntas relacionais, a reformulação relacional e a interpretação relacional (H_2b). Quanto à competência cultural, esperávamos que o GPT tivesse dificuldade em manter a imparcialidade, por enfatizar em excesso a sintonia e a validação da pessoa usuária para prolongar o engajamento, e em demonstrar curiosidade e humildade em relação à cultura (H₃). Para a pergunta de pesquisa 4, sobre os pontos fortes e as áreas de crescimento da ferramenta de IA, as hipóteses eram exploratórias e abertas, já que as pessoas do painel diferem em orientação clínica e estilo de supervisão.

2. Métodos

2.1. Procedimentos do estudo

Para a sessão simulada, recrutamos uma pessoa voluntária para manter um diálogo escrito com o chatbot. Para ser elegível, a pessoa voluntária precisava ter mais de 18 anos, estar em um relacionamento amoroso estável havia pelo menos 3 meses, ter experiência prévia com chatbots baseados em LLM e estar disposta a usá-los para conselhos sobre relacionamentos, além de já ter feito psicoterapia individual. Foram excluídas do estudo pessoas que cursavam graduação ou pós-graduação em psicologia, pessoas que atuam em saúde mental com diploma clínico ou qualquer formação formal, pessoas com diagnóstico psiquiátrico e pessoas que viviam violência por parceiro íntimo no relacionamento atual. O estudo foi divulgado entre estudantes de pós-graduação da Universidade Koç (Istambul, Türkiye), e as pessoas interessadas foram encaminhadas ao estudo pelas redes de pares desse público estudantil. Após a triagem de elegibilidade, a pessoa que assina em primeiro lugar se encontrou com a cliente voluntária selecionada, explicou os procedimentos do estudo, obteve o consentimento e garantiu que a cliente não revelaria ao chatbot nenhuma informação de identificação pessoal (nomes, locais). A voluntária foi informada de que o chatbot havia sido projetado para um diálogo sobre questões relacionais e de que ela poderia falar de uma questão recente, em curso em seu relacionamento amoroso atual. Para evitar possíveis danos, ela foi orientada a avisar a equipe de pesquisa caso surgisse algum problema durante a conversa, como linguagem ofensiva, direcionamentos equivocados ou conselhos diretos sobre sua vida pessoal. Após o consentimento informado e breves instruções, a voluntária preencheu um formulário demográfico on-line e interagiu com o chatbot durante uma hora, em uma sala silenciosa, em um notebook do laboratório. Após a interação, a cliente voluntária respondeu a uma entrevista de saída on-line sobre a experiência, foi informada sobre os objetivos do estudo e recebeu um vale-presente de 10 dólares pelo tempo dedicado.

Após a interação entre a voluntária e o chatbot, a conversa foi transferida para um documento do Word e verificada para garantir que não contivesse nenhuma informação de identificação. Cada fala foi atribuída no texto ao papel de terapeuta ou ao de cliente. Como o painel de supervisão não deveria conhecer o objetivo do estudo, foram feitas pequenas edições, como apagar o tempo de processamento do GPT, corrigir erros de digitação e de pontuação e remover duas frases do texto (uma da saudação e outra do encerramento do diálogo) que deixavam evidente para quem lesse que a interação tinha sido com um chatbot. O restante do diálogo foi mantido em sua forma original e ocupava oito páginas simples.

Uma amostra de conveniência de especialistas em supervisão clínica em TCF foi recrutada por indicação boca a boca e pelas redes pessoais e profissionais da equipe de pesquisa. Essas pessoas foram convidadas a participar do estudo para revisar uma sessão transcrita e avaliar, com base no texto, as habilidades clínicas e as competências culturais da pessoa clínica. Todas as pessoas do painel leram a mesma transcrição, e a avaliação se baseou em uma única sessão, porque o estudo piloto buscava examinar as variações entre as avaliações do painel, e não a mudança ao longo das sessões ou a variação entre pessoas atendidas. Para serem elegíveis, as pessoas do painel precisavam ter 18 anos ou mais, pelo menos 5 anos de experiência em supervisão em TCF e uma orientação terapêutica sistêmica em seu trabalho clínico e de supervisão. Durante o recrutamento, foram convidadas pessoas supervisoras que adotam diferentes modelos de psicoterapia sistêmica, a fim de garantir a heterogeneidade dos dados e a diversidade de opiniões sobre o desempenho do chatbot. As pessoas elegíveis que manifestaram interesse em participar receberam um termo de consentimento on-line, um link para um questionário no Qualtrics e a transcrição. Elas tinham 2 semanas para responder ao questionário e receberam um vale-presente de 10 dólares pelo tempo dedicado. Informamos o painel sobre o estudo depois de concluídas a coleta e a análise dos dados. Comunicamos que a pessoa terapeuta era um modelo GPT treinado para realizar intervenções sistêmicas, explicamos a lógica do estudo e o motivo de ele ter sido cego e compartilhamos os resultados descritivos. Todos os procedimentos do estudo foram aprovados previamente pelo Comitê de Ética Institucional da Universidade Koç (protocolo nº 2026.050.IRB3.025).

2.2. Pessoas participantes

A voluntária da sessão simulada era uma estudante de pós-graduação de 24 anos, cisgênero, heterossexual, matriculada em uma área sem relação com a psicologia e sem formação formal em saúde mental. Ela estava em um relacionamento amoroso estável havia 2 anos e meio e relatou problemas de comunicação. Relatou ter feito três sessões de psicoterapia individual no passado e tê-las considerado úteis e eficazes, com nota 4 em uma escala de 1 (inúteis e ineficazes) a 5 (muito úteis e eficazes). Usava IA quase todos os dias, principalmente para fins acadêmicos, como pesquisar um tema, sintetizar evidências e obter ajuda na escrita. Relatou nunca ter usado IA para conselhos sobre relacionamentos.

O tamanho de amostra previsto antes da coleta de dados era de 10 especialistas em supervisão clínica. Esse tamanho foi definido com base em uma regra prática da pesquisa qualitativa e de pequenos estudos piloto, segundo a qual são necessárias pelo menos 10 pessoas participantes para gerar dados significativos (Braun et al. 2019). Como há na Türkiye apenas um punhado de especialistas em supervisão clínica com formação em terapia de casal e família e em supervisão sistêmica, mais de 5 anos de experiência em supervisão e as licenças e qualificações exigidas, uma amostra de 10 pessoas pareceu viável para um estudo piloto. Convidamos 17 especialistas em supervisão clínica para o estudo, e duas pessoas recusaram por causa da agenda cheia e por motivos pessoais. Das 15 pessoas que aceitaram participar, 12 responderam ao questionário. O painel de supervisão clínica (N = 12) tinha em média 45,08 anos (DP = 8,9) e era composto majoritariamente por mulheres (n = 10; 83,33%, contra dois homens, 16,67%). Dois terços da amostra tinham doutorado (n = 8; 66,67%), e o restante, mestrado (n = 4; 33,33%). O painel relatou em média 18,5 anos de experiência clínica (DP = 7,26) e 10,92 anos de experiência em supervisão (DP = 4,78). Todas as pessoas do painel se identificavam como terapeutas de casal e família que trabalham sob uma lente sistêmica. Relataram usar, em seu trabalho clínico e de supervisão, a terapia focada nas emoções (n = 2), a abordagem experiencial de Satir (n = 2), a abordagem estratégica (n = 2), a abordagem psicodinâmica/dos sistemas familiares internos (n = 2), a abordagem feminista (n = 2), a abordagem narrativa (n = 1) e outras abordagens sistêmicas (n = 1). As principais áreas de atuação e especialização incluíam casais em conflito intenso, infidelidade, trauma e questões relacionais, seguidas de questões de apego e problemas de saúde mental (depressão e ansiedade). As pessoas do painel ofereciam supervisão em vários contextos ao mesmo tempo, como consultório particular (n = 10), estágios em clínicas-escola universitárias (n = 9), oficinas de educação continuada (n = 6) e estágios externos (n = 2). Assim, tinham experiência na supervisão de terapeutas com diferentes níveis de experiência clínica, de iniciantes em programas de pós-graduação a terapeutas com longa trajetória.

2.3. O treinamento do GPT sistêmico

O desenvolvimento do GPT sistêmico seguiu um processo em quatro fases: preparação, engenharia de prompts, testes piloto e refinamento, e finalização. Na fase de preparação, revisamos as diretrizes da OpenAI para a configuração de GPT, consultamos uma pessoa especialista em ciência da computação sobre o desenho dos prompts e examinamos prompts relatados em estudos anteriores de coaching e de intervenções em saúde mental baseados em GPT. O GPT foi treinado com um conjunto selecionado de recursos, incluindo as competências centrais e as diretrizes éticas da AAMFT, livros-texto e manuais de TCF, cadernos de teoria e prática em TCF, literatura sobre responsividade transcultural e fatores terapêuticos comuns, e publicações que descrevem intervenções sistêmicas com pessoas atendidas individualmente (ver o Arquivo S1 para a lista completa de recursos e referências).

A fase de engenharia de prompts envolveu o desenvolvimento iterativo de um GPT Plus no nível de inteligência 5.4, operando no modo de raciocínio estendido. Nos testes piloto, as primeiras versões tiveram mau desempenho em manter uma lente sistêmica e foram aprimoradas com o acréscimo, como recursos, de seis transcrições de sessões de podcasts disponíveis publicamente on-line. Além disso, os prompts foram reformulados como instruções comportamentais baseadas em regras, padrões condicionais de resposta (por exemplo: se ___ acontecer, vá ao recurso ___ e faça ___), fluxos terapêuticos explícitos (como abrir, conduzir e encerrar a sessão) e exemplos de comportamentos aceitáveis e inaceitáveis da pessoa terapeuta (por exemplo: encerrar a sessão em caso de risco iminente à segurança e encaminhar a pessoa para ___). O modelo foi orientado a explorar padrões relacionais, experiências na família de origem, processos emocionais e ciclos interacionais. Na fase final, ampliamos os protocolos éticos e de segurança relativos a suicídio, abuso, violência e controle coercitivo. Em situações de risco significativo, o modelo era instruído a suspender a sessão e aplicar um protocolo de segurança. O processo de treinamento levou cerca de dois meses e meio e se apoiou exclusivamente em engenharia iterativa de prompts, múltiplos testes piloto, revisão dos prompts e ampliação dos recursos de apoio. Não foram empregados procedimentos de condicionamento comportamental nem de retreinamento tradicional por aprendizado de máquina. O Arquivo S1 detalha todo o processo, em nome da transparência e da replicabilidade.

2.4. Medidas

2.4.1. Formulários demográficos

O formulário demográfico da voluntária continha itens sobre idade, sexo, experiência terapêutica anterior (número de sessões, modalidade, satisfação com a terapia e eficácia percebida, avaliadas de 1, baixa satisfação, a 5, alta satisfação), além da frequência e dos motivos do uso de agentes de IA. O formulário demográfico do painel incluía itens sobre qualificações (último grau concluído, ano de conclusão), experiência clínica e de supervisão (contexto, horas de atendimento, certificados), áreas de especialização clínica e orientação terapêutica.

2.4.2. Formulários do painel de supervisão

O painel preencheu o Cross-Cultural Counseling Inventory–Revised (CCCI-R; LaFromboise et al. 1991), a Systemic Family Practice Systemic Skills Rating Scale (SFP-SSRS; Butler et al. 2020) e o Common Factors Supervision Checklist (CFSC; Sprenkle et al. 2009) para avaliar, respectivamente, as competências culturais, sistêmicas e de fatores comuns do modelo treinado. O CCCI-R inclui sete itens sobre a competência de terapeutas em aconselhamento multicultural, avaliados em uma escala de 1 (discordo totalmente) a 6 (concordo totalmente). A escala apresentou alta consistência interna (α = 0,91; Drinane et al. 2016). A SFP-SSRS (Butler et al. 2020) é uma medida de 12 itens que avalia habilidades em terapia familiar sistêmica, como colaboração, pensamento sistêmico, formulação de perguntas, trabalho com poder e diferenças, manejo das emoções e processos de mudança. Desenvolvida originalmente como instrumento de avaliação de competências para a formação clínica e a supervisão, a medida apresentou alta consistência interna (α = 0,95) e alta confiabilidade entre avaliações (CCI = 0,94; Butler et al. 2020). Os itens são pontuados em uma escala ordinal de 0 (ausência da característica ou uso muito inadequado) a 6 (desempenho excelente, mesmo diante de altos níveis de complexidade e de desafio por parte dos membros da família). O CFSC (Sprenkle et al. 2009) foi desenvolvido originalmente para ser usado como ferramenta de supervisão e de ensino na abordagem dos fatores comuns em TCF. Ele se concentra em aspectos mais amplos do tratamento, presentes em diferentes abordagens, e inclui cinco subescalas que avaliam características da pessoa terapeuta, características da pessoa atendida, aliança terapêutica, esperança/expectativa e intervenções que atravessam diversos modelos. Usamos a lista completa no presente estudo, com itens que vão de 0 (sem proficiência) a 10 (com proficiência)². Em todas as escalas padronizadas preenchidas pelo painel, os itens foram pontuados de modo que escores mais altos indicassem habilidades terapêuticas mais avançadas.

O painel também preencheu dois formulários de avaliação elaborados pela equipe de pesquisa. Um deles incluía nove itens que avaliavam técnicas sistêmicas comuns, como perguntas circulares e relacionais, reformulações relacionais e interpretações relacionais. Esses itens se basearam em escalas de adesão e de fidelidade de terapeutas usadas em práticas de terapia sistêmica baseadas em evidências (Ecologically-Based Family Therapy Adherence Sheet, Slesnick 2000; Emotionally-Focused Individual Therapy Adherence Measure, Schafer et al. 2022). O painel indicava se a pessoa terapeuta tinha utilizado cada uma dessas técnicas na sessão (sim/não) e depois avaliava a eficácia com que a técnica foi aplicada, em uma escala de 7 pontos, de 1 (habilidade fraca/ineficaz) a 7 (habilidade extraordinária/muito eficaz). Além disso, elaboramos e usamos um formulário de 4 itens que avaliava em que medida a pessoa terapeuta mantinha um foco sistêmico em um contexto de terapia individual: abordar ciclos relacionais em vez de patologia individual, compreender o contexto relacional do problema apresentado, privilegiar o processo em vez do conteúdo e visar uma mudança sistêmica e relacional, e não apenas individual. As respostas foram medidas em uma escala Likert de 5 pontos, de 1 (discordo totalmente) a 5 (concordo totalmente).

2.4.3. Questionários de saída

O painel e a voluntária responderam a questionários de saída elaborados pela equipe de pesquisa. Os itens para o painel exploravam suas suposições sobre a idade da pessoa terapeuta, sua experiência clínica em horas de atendimento, seu nível de escolaridade e sua orientação terapêutica, além de uma pergunta aberta pedindo outros comentários sobre o desempenho (pontos fortes e áreas de crescimento). No questionário de saída da voluntária, os itens investigavam a satisfação geral com o GPT (avaliada em uma escala de 1, baixa satisfação, a 5, alta satisfação), além de quatro perguntas abertas sobre a experiência de participar do estudo e a percepção da sessão.

2.5. Análise dos dados

Dado o caráter exploratório do estudo e o tamanho reduzido da amostra, a análise dos dados foi descritiva. Examinamos as distribuições dos escores de competências culturais e clínicas, além dos escores de fatores comuns, e calculamos médias, desvios-padrão e amplitudes. Além disso, analisamos qualitativamente os comentários do painel às perguntas abertas e os relacionamos aos resultados quantitativos.

3. Resultados

3.1. Resultados descritivos relatados pelo painel de supervisão

O painel avaliou em nível moderado o desempenho do modelo GPT quanto à competência cultural (M = 3,85, DP = 0,81, amplitude 1–6), às habilidades em terapia familiar sistêmica (M = 3,91, DP = 0,76, amplitude 0–6) e à integração de uma orientação sistêmica na terapia individual (M = 3,11, DP = 0,37, amplitude 1–5). Entre os fatores comuns, as características da pessoa terapeuta receberam as notas mais altas (M = 6,56, DP = 1,04), seguidas das intervenções que atravessam diversos modelos terapêuticos (M = 6,22, DP = 1,48), da aliança terapêutica (M = 6,19, DP = 2,34), da esperança e expectativa (M = 6,00, DP = 1,67) e das características da pessoa atendida (M = 5,81, DP = 1,47), em uma escala de 0 a 10.

Quanto ao uso de técnicas sistêmicas, todo o painel relatou que perguntas relacionais, interpretações relacionais e validação da experiência da cliente apareceram pelo menos uma vez na transcrição da sessão (Tabela 1). Das 12 pessoas do painel, 11 (91,7%) observaram que o modelo usou perguntas circulares, reformulação relacional, espelhamento e sintonia. As metáforas relacionais foram a técnica menos observada pelo painel (41,7%, n = 5), seguidas da externalização do problema (66,7%, n = 8). O painel considerou relativamente alta a eficácia das técnicas sistêmicas (M = 4,72, DP = 0,65) em uma escala de 1 a 7. O modelo GPT foi avaliado como mais habilidoso em fazer perguntas relacionais (M = 5,17, DP = 0,83) e perguntas circulares (M = 5,09, DP = 0,83), além de validar e reconhecer a experiência da cliente (M = 5,00, DP = 1,28).

No questionário de saída, quando o painel foi questionado sobre suas suposições a respeito da pessoa clínica, uma pessoa identificou a pessoa terapeuta como uma IA. A maioria das demais estimou que a pessoa terapeuta tinha entre 26 e 35 anos (75,1%, n = 8) e até 500 horas de atendimento (83,4%, n = 10), e apenas uma pessoa do painel (8,3%) atribuiu entre 500 e 1000 horas de experiência clínica (Tabela 2). Quanto às qualificações, 41,7% (n = 5) acreditavam que a pessoa terapeuta tinha concluído recentemente um programa de TCF, e 33,3% (n = 4) a viam como uma pessoa formada havia tempo em um programa de psicologia clínica e fazendo formação complementar em TCF. Quanto à orientação teórica, mais da metade do painel (58,3%) identificou a pessoa terapeuta como praticante da terapia focada nas emoções, enquanto 25% não conseguiram determinar uma orientação. A Tabela 2 apresenta os detalhes dos resultados descritivos.

3.2. Comentários e observações do painel de supervisão

As respostas do painel sobre os pontos fortes e as fragilidades da pessoa clínica confirmaram as notas atribuídas nas escalas. De modo geral, duas pessoas do painel (ID 6, uma terapeuta EFT, e ID 8, um terapeuta familiar estratégico) comentaram que o modelo era muito habilidoso em acompanhar a cliente e devolver o que ela dizia, manter uma perspectiva circular, identificar padrões de interação do casal e permanecer orientado para o processo, apesar de a sessão ser de terapia individual. Outra pessoa do painel comentou que a pessoa terapeuta compreendia as emoções da cliente, estava em sintonia com elas e construía um ambiente seguro (ID 12, uma terapeuta experiencial). No entanto, todo o painel manifestou preocupação com o ritmo imposto e com a falta de espaço e de tempo para que a cliente explorasse as próprias dinâmicas. O painel considerou que a pessoa terapeuta ocupava uma posição dominante de especialista, com foco excessivo na técnica e não no processo. As pessoas do painel de orientação feminista interpretaram isso como sinal de masculinidade e de olhar masculino. Uma participante escreveu:

A pessoa terapeuta pareceu bastante ativa e às vezes apresentou enquadramentos que podiam ser difíceis de acompanhar, sem priorizar sempre a escuta da cliente e o monitoramento do impacto emocional das próprias intervenções. Escuta com atenção e de maneira circular, mas dar mais tempo para observar a conexão/relação terapêutica e o que a cliente está sentindo, não emendar logo outra pergunta depois de uma interpretação e evitar um foco exclusivamente técnico poderiam ser áreas de desenvolvimento. Também pensei que valeria a pena explorar se o papel da cliente de “não ser exigente” está relacionado à socialização de gênero e se há um desequilíbrio no trabalho emocional. (ID 5, mulher, terapeuta familiar feminista)

O painel explicou ainda que apressar a cliente em direção ao processo, sendo ativa e dominante demais, pode ter consequências prejudiciais tanto para a cliente quanto para o próprio processo terapêutico. Uma participante relatou que “a pessoa terapeuta pede à cliente que escolha entre algumas emoções que ela própria considera adequadas, em vez de usar perguntas abertas ao explorar os sentimentos da cliente. Isso pode levar a pessoa terapeuta a direcionar as emoções reais da cliente ou a deixá-las passar” (ID 2, mulher, terapeuta familiar estratégica). Outra pessoa do painel alertou que a pessoa terapeuta não explorava questões subjacentes mais profundas por causa do problema de ritmo e comentou: “Achei que algumas interpretações empáticas corriam o risco de permanecer apenas interpretativas e poderiam ser divididas em partes menores. O uso frequente da validação também foi muito positivo, embora pudesse ter sido mais ancorado se estivesse ligado à história de apego da cliente. Talvez a pessoa terapeuta ainda não tenha informações suficientes para isso. Nas primeiras sessões, pode ser benéfico dar mais ênfase à exploração antes de passar à validação e à interpretação” (ID 6, mulher, terapeuta EFT). Uma terapeuta experiencial do modelo de Satir (ID 12) também apontou que a sessão parecia fora de contexto e escreveu: “Da perspectiva do Modelo Satir, houve pouco foco no sistema interno orientado ao corpo e na exploração. O contexto cultural também poderia ter sido mais explorado. Por vezes, as interpretações da pessoa terapeuta corriam o risco de interromper o próprio processo de descoberta da cliente: a pessoa terapeuta às vezes podia ser interpretativa demais e poderia dar mais espaço à exploração da cliente.”

De modo geral, o painel observou que a pessoa terapeuta dominava algumas técnicas, mas não conseguia aprofundar o processo terapêutico nem permitia que a cliente explorasse e crescesse. Uma pessoa do painel ressaltou que a pessoa terapeuta usava mais palavras e interpretações do que a cliente, como se esta estivesse pouco engajada (ID 8). Por fim, duas pessoas do painel manifestaram frustração com a pessoa terapeuta: uma identificou que se tratava de IA e não conseguiu mergulhar na história (ID 10, mulher, terapeuta familiar psicodinâmica), e a outra comentou que a sessão foi medíocre (ID 11, homem, terapeuta familiar estratégico). Esse participante afirmou: “Tive dificuldade em avaliar as habilidades da pessoa terapeuta acompanhando uma transcrição escrita. O texto parecia representar um fluxo terapêutico médio, da maneira mais adequada possível. Por vezes, tive dificuldade em distinguir se refletia uma sessão de terapia espontânea ou um cenário fictício”, insinuando que poderia ser IA ou simplesmente ficção. Em suma, os escores do painel nas escalas padronizadas e seus comentários escritos convergem na ideia de que a pessoa terapeuta demonstrou algumas habilidades básicas de entrevista em terapia sistêmica, mas permaneceu superficial, no nível de uma sessão média conduzida por alguém em início de prática.

Enquanto o painel achou a sessão mediana, a cliente voluntária teve uma visão bem diferente da experiência. Ela deu ao GPT nota 5 de satisfação geral (muito satisfeita) e contou que era a primeira vez que usava IA para conselhos sobre relacionamentos e que tinha se surpreendido positivamente com as percepções que ganhou na interação com o modelo treinado. Sentiu que o modelo a ajudou a refletir e a compreender as dinâmicas relacionais em curso com a pessoa com quem se relaciona. Questionada sobre semelhanças e diferenças em relação à sua experiência terapêutica anterior, a voluntária achou que o GPT fazia perguntas de modo semelhante ao de uma pessoa terapeuta, mas era menos diretivo e menos orientado para tarefas do que uma pessoa terapeuta humana. Como área de crescimento, a voluntária sugeriu que as respostas do GPT poderiam ser mais longas e completas, uma sugestão bem contrária às do painel experiente.

4. Discussão

Este estudo examinou a competência clínica e cultural de um modelo ChatGPT treinado em intervenções sistêmicas, conforme avaliada por um painel experiente de supervisão clínica, a partir de uma sessão simulada de terapia individual. Até onde sabemos, apenas um estudo anterior (Vowels et al. 2025) desenvolveu um chatbot especificamente para terapia relacional, e o presente estudo contribui para a literatura emergente sobre o desenvolvimento e a avaliação da terapia por IA, com foco em suas qualificações e competências à luz dos princípios da terapia sistêmica. De modo geral, a maioria do painel viu na pessoa terapeuta um perfil clínico em início de carreira, e apenas uma pessoa a identificou como IA. Do ponto de vista da cliente voluntária, a experiência foi descrita como útil para compreender suas dinâmicas relacionais. Isso levanta uma questão importante sobre a relação entre a qualidade clínica e o apoio percebido do modelo.

A primeira pergunta de pesquisa examinou a variedade e a frequência das microintervenções sistêmicas usadas pelo modelo GPT. As avaliações do painel confirmaram que o GPT mobilizou toda uma gama de técnicas sistêmicas, incluindo perguntas relacionais, interpretações relacionais, perguntas circulares, reformulações relacionais, espelhamento e validação. Esse achado está alinhado com trabalhos anteriores que mostram que os LLM podem responder com validação, normalização e reflexos empáticos (Scholich et al. 2025) e estende esses achados ao domínio relacional e sistêmico. No entanto, o painel também relatou que o modelo GPT era dominante e se concentrava demais na técnica. Um acúmulo de pesquisas documenta que o público atribui aos agentes de IA qualidades de terapeuta e muitas vezes os percebe como proficientes e emocionalmente acolhedores (por exemplo, Elyoseph et al. 2023; Yin et al. 2024), mas as interações entre humano e IA ainda refletem pseudoempatia (Yirmiya e Fonagy 2025). Embora nossos resultados quantitativos sugiram que a IA foi capaz de oferecer intervenções e técnicas sistêmicas, os comentários do painel revelaram que essas habilidades pareciam competentes no plano técnico, mas soavam como pseudoterapia, como mostram as referências do painel à sessão como pouco real, genérica e sem profundidade relacional genuína. Parece que os agentes de IA podem ser treinados para aplicar técnicas sistêmicas, mas não chegam a apreender a importância de estabelecer uma relação terapêutica genuína e significativa por meio de uma curiosidade autêntica pelas experiências das pessoas atendidas. As perguntas exploratórias, de esclarecimento, de aquecimento, de acompanhamento, de sondagem delicada ou indiretas que uma pessoa terapeuta humana faz estiveram ausentes na IA, apesar de nossas tentativas de incluir prompts específicos. Mesmo quando o GPT fazia perguntas de acompanhamento, elas às vezes pareciam mais estruturadas do que naturalmente relacionais. Isso é importante porque a competência terapêutica não se resume a aplicar técnicas: envolve também responder, momento a momento, às necessidades emocionais e relacionais da pessoa atendida (Hatcher 2015).

A segunda pergunta de pesquisa examinou a competência clínica do modelo GPT na realização das intervenções sistêmicas. Houve apoio parcial quanto às habilidades básicas de entrevista e às características da pessoa terapeuta, o que sugere que o painel a percebeu como calorosa e cuidadosa, no nível de um perfil clínico em início de carreira. No entanto, mesmo com essas habilidades sistêmicas, o painel observou que o estilo do GPT era às vezes fechado, em vez de convidar à exploração. Esse achado também foi observado em trabalhos anteriores, que documentaram que os chatbots fazem menos perguntas abertas (Scholich et al. 2025). Nos domínios de competência clínica mais complexos, o painel apontou os níveis limitados de construção do vínculo e de ritmo do GPT, que dependem da sintonia terapêutica.

Embora a IA não tenha tido mau desempenho em nenhum domínio de competência segundo os resultados, essas notas médias não devem ser interpretadas apenas como evidência de desempenho adequado. Para esclarecer, no contexto da terapia humana, o fluxo do diálogo geralmente não é um processo perfeitamente fluido. Os diálogos que ocorrem na terapia incluem hesitações, mal-entendidos, erros, reparos, esclarecimentos, proximidade emocional, humor, elogios, trocas sociais comuns e respostas espontâneas e criativas, que fazem parte da terapia como processo relacional e conversacional que se desenrola naturalmente (Alanezi 2024). Essas flutuações da conversa contribuem para a naturalidade da terapia e da relação terapêutica. Nossas experiências no treinamento do GPT também refletiram um padrão semelhante. Para ter bom desempenho, o modelo GPT precisava receber instruções exatas sobre o que dizer, quando e como dizê-lo, de modo muito parecido com alguém em início de prática terapêutica que precisa de orientação direta e clara. Isso levanta a questão da arte da psicoterapia, que envolve espontaneidade, criatividade e conexão humana genuína. Embora a IA pudesse ser treinada nos aspectos técnicos da psicoterapia, faltava-lhe a chamada arte, ou aquilo que poderíamos chamar de fator humano.

Quanto à terceira pergunta de pesquisa, sobre a competência cultural, os resultados confirmaram parcialmente a hipótese de que o GPT teria dificuldades. Por um lado, o painel atribuiu ao GPT uma competência cultural moderada, o que sugere que o modelo tinha alguma capacidade de responsividade cultural. Por outro lado, faltava ao GPT a sensibilidade contextual mais profunda que uma competência cultural eficaz exige. Esse achado é coerente com outros estudos que mostram que os LLM podem oferecer respostas simplificadas demais e genéricas, ignorando o contexto cultural específico em que as pessoas atendidas estão inseridas (Iftikhar et al. 2025; Scholich et al. 2025). No presente estudo, o painel sugeriu igualmente que o contexto cultural poderia ter sido mais explorado: uma terapeuta experiencial observou que a sessão parecia fora de contexto, e as pessoas do painel de orientação feminista sugeriram que o GPT adotava uma postura masculina. Ou seja, a dependência excessiva do modelo GPT em relação à técnica lembrava uma dominação masculina e carecia de uma atitude cuidadosa e compreensiva que pode estar associada ao papel de gênero atribuído às mulheres no trabalho emocional.

Parece que a IA conseguia realizar muitas ações terapêuticas diferentes, mas não chegava a efetivar o verdadeiro processo terapêutico, com sua variabilidade e responsividade, como as características cotidianas da interação relacional entre seres humanos durante uma sessão de terapia. Assim, o modelo GPT treinado não conseguiu produzir respostas que variassem conforme os momentos emocionais e trouxessem naturalidade e autenticidade à terapia. Isso também pode explicar por que algumas pessoas do painel indicaram que a pessoa terapeuta poderia ser uma IA ou que a interação parecia genérica.

Em conjunto, os resultados indicam que o modelo GPT tinha capacidade de realizar formas de terapia sistêmica baseadas em habilidades, sem mobilizar plenamente os fatores relacionais e humanos essenciais à terapia. A dependência da IA em relação a técnicas aprendidas e regras predeterminadas limita suas capacidades em áreas como ressonância emocional, intuição profissional (Zhang e Wang 2024), confiança interpessoal genuína, sincronia fisiológica (Yirmiya e Fonagy 2025) e continência emocional corporificada (Govrin 2025). Esses elementos são parte integrante do uso terapêutico de si, que distingue uma psicoterapia habilidosa de interações tecnicamente adequadas. Por isso, os resultados deste estudo devem ser interpretados como pesquisa preliminar sobre a competência clínica percebida, pelo painel de supervisão, de um desenho específico de GPT em uma situação de sessão padronizada única, e não como prova da eficácia ou da segurança de uma psicoterapia sistêmica conduzida por IA na prática clínica real.

4.1. Limitações

Várias limitações do estudo merecem destaque. O presente estudo é uma tentativa inicial de treinar, implementar e avaliar um modelo GPT sistêmico e deve ser tratado como um estudo piloto exploratório com uma amostra pequena (12 pessoas do painel de supervisão e apenas uma cliente). Embora tenhamos treinado rigorosamente o modelo GPT com base no código de ética e nas competências centrais da AAMFT, nosso estudo é limitado, pois depende de uma única sessão e da interação de uma única cliente com a IA, além das avaliações subjetivas do painel, sem condição de comparação. Assim, nossos resultados não refletem as competências e habilidades gerais de outros modelos de IA treinados, nem as competências desses modelos com pessoas que apresentam sintomas diferentes dos examinados neste estudo. O caráter piloto do estudo também se evidencia no tamanho da amostra, já que recrutamos um painel experiente de supervisão clínica por amostragem de conveniência, em vez de continuar o estudo até a saturação dos temas. Por isso, pesquisas futuras devem examinar o desempenho de um modelo GPT com treinamento sistêmico ao longo de várias sessões e como esse desempenho varia com pessoas que trazem diferentes problemas relacionais e queixas.

Reconhecemos também que a configuração de um GPT é um processo iterativo, que prossegue com o retorno das pessoas usuárias e é fortemente influenciado pelas atualizações dos modelos da OpenAI. Os GPT são sistemas autômatos em evolução, e os presentes resultados revelam apenas um retrato instantâneo de um modelo treinado nesse percurso. O desempenho do modelo GPT pode variar conforme a seleção dos recursos, a sequência e a estrutura dos prompts e a forma de tratar as cláusulas condicionais (comportamentos, regras, questões éticas). Outra limitação se refere ao fenômeno do desalinhamento de objetivos, definido como o conflito entre nossas instruções personalizadas e o comportamento de engajamento aprendido pelo modelo. Nossa configuração estava inserida nas instruções de sistema da OpenAI. Quando havia conflito entre as nossas instruções e as do modelo de base, o modelo voltava ao seu comportamento geral. Por exemplo, embora tivéssemos desenhado cuidadosamente nossos prompts para um diálogo terapêutico natural (acompanhar o ritmo da cliente, ficar em silêncio às vezes, confrontar a cliente com delicadeza, não fazer suposições apressadas, fazer uma avaliação relacional geral e ouvir a história) e dado ao GPT exemplos comportamentais claros para cada regra, o modelo continuou engajador demais, com espelhamento contínuo, validação e respostas rápidas. Da mesma forma, nossas tentativas de ensinar o GPT a simplesmente encerrar a sessão após 50 minutos fracassaram, porque o modelo de base não tem uma noção de tempo que lhe permita encerrar a conversa por conta própria. O modelo continuava conversando pelo tempo que a pessoa usuária quisesse e nunca tomava a iniciativa de encerrar a sessão. Isso não é apenas uma limitação do nosso estudo (até que ponto realmente treinamos o GPT no pensamento sistêmico), mas também uma preocupação quanto a possíveis danos no uso futuro da IA para fins terapêuticos: uma sessão sem fim levanta problemas de limites, de dano potencial e de validação constante e sem supervisão.

Outra limitação é a falta de informações sobre o letramento em IA do painel, suas atitudes em relação ao uso de IA para conselhos sobre relacionamentos e para terapia e seu grau de familiaridade com agentes de IA e de uso deles. Como o estudo era cego, não pudemos investigar essas questões no questionário. Por último, mas não menos importante, uma limitação significativa do estudo é que a sessão simulada foi conduzida com uma cliente individual, e não com um casal ou uma família. A terapia sistêmica com uma única pessoa tem um processo diferente daquele com várias pessoas na sala. Isso pode ter limitado a capacidade do GPT de realmente realizar habilidades, competências e técnicas sistêmicas que nem sempre são simples de aplicar com uma única pessoa. Ou, bem ao contrário, interagir com uma única pessoa poderia ser menos desafiador do que trabalhar com um casal em conflito intenso ou com uma família. Assim, continua sem resposta se as intervenções do GPT e sua qualidade estão relacionadas às suas competências ou à relativa facilidade ou dificuldade da modalidade da sessão.

4.2. Implicações para pesquisas futuras e para a prática clínica

Diante da demanda crescente do público pela terapia por IA e da integração da IA à prática clínica cotidiana, em diagnóstico, avaliação e tarefas burocráticas (Puhlman e Chen 2025), permanecem questões sobre o futuro da nossa profissão. Nossos resultados mostram que os agentes de IA podem ser treinados em técnicas, mas permanecem superficiais, sem aspectos fundamentais do processo psicoterapêutico: os fatores humanos. Essas restrições e limitações dos agentes de IA indicam que eles podem funcionar mais como complementos do processo terapêutico do que como substitutos de uma pessoa terapeuta humana. Em consonância com Hertlein e Springer (2026), a IA veio para ficar, e há uma necessidade urgente de diretrizes, formação, regulamentação e soluções práticas para essa mudança. Do ponto de vista do pensamento sistêmico, estamos em um ponto de virada de mudança de segunda ordem, em que a profissão terapêutica, como sistema aberto, influencia e é influenciada pelos avanços técnicos e pela revolução da IA: trata-se de um processo de adaptação e de conquista de um novo estado de equilíbrio. Nesse ponto de virada, são necessárias novas pesquisas sob uma perspectiva sistêmica. Algumas áreas de pesquisa futura poderiam ser estudos de replicação de modelos GPT para examinar desfechos personalizados da terapia por IA e compreender a diversidade das necessidades das pessoas atendidas, o exame dos fatores humanos na psicoterapia com suas qualidades próprias e a discussão sobre se uma terapia híbrida e integrativa entre humano e IA é realmente possível ou um contrassenso. Além disso, chama a atenção que os relatos do público sobre chatbots baseados em LLM e aplicativos de terapia por IA na literatura sejam significativamente diferentes (e às vezes até contrários) das avaliações de especialistas em saúde mental, o que também ocorreu em nosso estudo exploratório. Pesquisas futuras poderiam examinar as perspectivas de pessoas atendidas e de especialistas sobre suas percepções, expectativas e atribuições a respeito do processo terapêutico entre IA e humano, por meio de questionários com amostras maiores. Uma área de pesquisa que merece ser explorada é o antropomorfismo percebido (qualidades humanas atribuídas) dos agentes de terapia por IA e sua associação com a percepção, pelo público, de suas competências e habilidades. A pesquisa sobre interação humano-computador documentou amplamente que, quando as pessoas antropomorfizam os agentes porque eles imitam a conversa humana, passam a interagir mais com esses agentes de IA e relatam construir confiança e conexão (ver Erdem et al. 2026 para uma revisão). A pesquisa futura em TCF poderia examinar se um fenômeno semelhante ocorre com as pessoas que usam agentes de IA para fins terapêuticos, atribuindo à IA qualidades de terapeuta quando ela imita as respostas de terapeutas, ainda que se trate de pseudoempatia. Sugerimos o termo terapomorfismo para esse fenômeno, que merece ser explorado para interpretar a discrepância entre os relatos do público e os de especialistas em saúde mental.

Além disso, convidamos a comunidade profissional da TCF a desviar a atenção da questão de saber se a IA consegue ou não fazer terapia de forma eficaz para uma pergunta mais fundamental e ampla: como o uso da IA pode afetar o processo terapêutico, as expectativas, as atitudes e os padrões? Quando seres humanos recorrem à IA em busca de conselhos sobre relacionamentos e de apoio em saúde mental, suas interações são bem opostas à experiência da terapia real: a IA está sempre disponível, é barata, acessível e sempre valida e espelha para manter a pessoa engajada, ao passo que a terapia humana se caracteriza por horários, limites, confrontos e, às vezes, rupturas. A terapia por IA é rápida, com mudança rápida, mas superficial, enquanto a terapia humana é lenta e orientada para o processo. A terapia humana oferece uma experiência corretiva das feridas de apego e das vulnerabilidades por meio de uma relação genuína com a pessoa terapeuta e da continência que ela oferece. Como demonstrado em nosso estudo exploratório, os agentes de IA atualmente carecem dessa profundidade emocional, dessa experiência vivida e dessa noção de contexto para oferecer de fato esse porto seguro à pessoa atendida. Nesse caso, vale explorar se o uso da IA para fins terapêuticos prejudica a capacidade de construir resiliência e faz perder oportunidades de crescimento, ou se pode oferecer algumas soluções rápidas que motivem a pessoa a buscar uma experiência emocional mais profunda por meio da terapia humana. Outra linha de pesquisa futura em TCF diz respeito a saber se a interação com a IA mudaria a motivação de uma pessoa para buscar terapia humana. Vale examinar se algumas pessoas atendidas poderiam se triangular com a terapia por IA após sessões emocionalmente intensas e desafiadoras. Pesquisas futuras poderiam explorar esses mecanismos de triangulação e compreender como a IA interage com o sistema formado pela pessoa terapeuta humana e pela pessoa atendida, especialmente em momentos de ambiguidade.

Por fim, como as pessoas atendidas podem recorrer cada vez mais à IA para fins terapêuticos, é necessário que a clínica e a supervisão desenvolvam diretrizes para o seu uso ético na terapia. Antes de tudo, é preciso desenvolver letramento em IA para poder explicar às pessoas atendidas o que essas ferramentas fazem e onde tendem a falhar (Hertlein e Springer 2026). Em vez de ignorar o uso de IA pela pessoa atendida fora da sessão, recomenda-se convidá-la a falar sobre isso e tratar esse uso como material clínico a ser explorado em conjunto, mantendo a atenção a sinais de dependência, isolamento social e resposta inadequada em situações de crise (Hertlein e Springer 2026; Smith et al. 2025).

5. Conclusões

A rápida integração da IA à vida cotidiana está criando novas possibilidades para a forma como as pessoas buscam apoio, conselhos e compreensão em momentos de sofrimento relacional e emocional. À medida que os agentes de IA se tornam cada vez mais sofisticados em imitar conversas terapêuticas, as questões de competência, por si sós, podem não bastar. Surgem questões mais fundamentais sobre a mudança terapêutica, o papel da conexão humana e quais aspectos da psicoterapia podem ou não ser reproduzidos pela tecnologia. O presente estudo sugere que, embora a IA possa oferecer formas de apoio acessíveis e estruturadas, a psicoterapia continua sendo mais do que a aplicação de técnicas ou a transmissão de informações. Em última análise, o futuro da IA em saúde mental talvez dependa menos de os agentes de IA poderem se tornar terapeutas e mais de como a profissão escolherá integrar a inovação tecnológica preservando as qualidades singularmente humanas que estão no centro do processo terapêutico.