Claude, ChatGPT, Gemini e Grok diante de quem está em fragilidade

Terminei uma apresentação sobre adoção de IA para um conselho, o CFO fez as perguntas de custo previstas na pauta e a que ficou comigo veio depois, de uma diretora que esperou a sala esvaziar para dizer, quase em voz baixa, que a filha adolescente conversava com um chatbot todas as noites e que ela só queria saber qual dos quatro era seguro. Naquele dia eu não tinha resposta boa. Passei os meses seguintes lendo as políticas publicadas pelos quatro laboratórios, os processos judiciais em andamento e o único estudo independente que comparou os produtos sob esse critério. Esta aula é a resposta que eu deveria ter dado.

A pergunta "qual é o mais seguro?" tem formato errado, e o formato é o que produz respostas ruins. O material público de 2025 e 2026 sustenta ordenação por dimensão, e as dimensões discordam entre si: o produto com a política de crise mais detalhada é o mesmo que acumula o maior volume de litígio por morte; o que melhor pontuou no único teste comparativo independente também falhou fora do risco suicida. Vou percorrer as quatro políticas com data, separar o que é documento do que é reputação construída por imprensa e terminar na única linha que os quatro compartilham: no nível de crise, nenhum deles é o recurso.

Objetivos desta aula (Bloom 3-6)

• Aplicar (Bloom 3) a distinção entre documento público datado e reputação de imprensa ao avaliar qualquer fornecedor de IA
• Analisar (Bloom 4) o que Anthropic, OpenAI, Google e xAI publicaram sobre crise, menores e bem-estar, com a data de cada publicação
• Avaliar (Bloom 5) o estudo comparativo da Northeastern de 27/07/2026 e os processos em curso como evidência de comportamento real dos produtos
• Criar (Bloom 6) o seu critério escrito de liberação de assistente, para uso pessoal e para uso do time

A OpenAI foi a única que publicou o tamanho do problema

Em 27/10/2025, junto com um adendo ao system card do GPT-5, a empresa divulgou a proporção de conversas com sinais de sofrimento agudo na própria base, e acrescentou que 0,15% dos usuários ativos semanais mostram apego emocional elevado ao produto. Nenhum outro laboratório publicou número equivalente; a Anthropic divulgou uma medida diferente e também reveladora sobre a presença de temas de saúde nas conversas com o Claude. Os números dos dois recortes estão no painel a seguir, e o que importa é o que eles têm em comum: um comportamento de massa medido pelos próprios fornecedores, dentro de produtos que ninguém vendeu como serviço de saúde.

O Google chegou depois, e chegou empurrado

A Common Sense Media classificou o Gemini como alto risco para crianças e adolescentes em 05/09/2025. Em março de 2026, a família de um homem de 36 anos ajuizou ação federal em San Jose, Gavalas v. Google, atribuindo ao produto a sustentação de um delírio sobre manter relação com uma esposa de IA senciente; ele morreu em 02/10/2025. O Google respondeu que o sistema direcionou o usuário à linha de crise muitas vezes.

A reforma veio em 07/04/2026, com nome e assinatura: módulo Help is available, sob a direção clínica de Megan Jones Bell, botão permanente de linha de crise, treino para não reforçar crenças falsas e US$ 30 milhões em três anos para linhas de crise via Google.org, somados a US$ 4 milhões para a ReflexAI. Uma frase do texto oficial merece registro porque nenhum outro dos quatro a escreve: o produto não substitui cuidado clínico. Reagir a processo não invalida a engenharia que veio depois, e conhecer a sequência de eventos muda como você lê a promessa.

O único teste independente que comparou os produtos

Em 27/07/2026, uma equipe da Northeastern University liderada por Cansu Canca e Annika Schoene publicou a avaliação mais útil que existe para esta decisão: oito chatbots submetidos a 16 quadros clínicos distintos. Dois achados saíram de lá, e a manchete costuma repetir só o primeiro, que é o bom para quem já escolheu lado: o Claude teve o melhor desempenho relativo do grupo, enquanto ChatGPT, Gemini e DeepSeek falharam em 81% das questões sensíveis.

O segundo achado quase não circulou, e é ele que muda a decisão. O próprio Claude falhou fora do risco suicida, com transtornos alimentares, uso de substâncias, bipolaridade e insônia descobertos em toda a amostra testada.

A leitura que eu tiro do conjunto é desconfortável para os quatro fornecedores. A proteção que existe hoje foi calibrada para o quadro clínico que chegou aos tribunais, a ideação suicida, e para de valer no resto do que leva alguém a conversar com um assistente às três da manhã. Quem trabalha com IA e convive com comorbidade alimentar, uso de substância ou ciclagem de humor está fora da faixa que os produtos aprenderam a proteger.

Três armadilhas de leitura antes de você formar opinião

A primeira é confundir volume de litígio com nível de risco do produto. A OpenAI acumula mais processos e também tem a maior base de usuários; a Anthropic não tem litígio público de saúde mental localizado e opera em escala menor no consumidor. A ausência de processo pode ser postura de engenharia, pode ser aritmética de exposição, e com o material público de hoje não dá para dizer qual das duas explica mais. Escrever o contrário seria vender uma conclusão que eu não tenho.

Declaração de fundador é a segunda armadilha. Elon Musk afirmou que o Grok 4.5 é comparável ao Opus 4.7, e o que existe ali é uma parte falando do próprio produto, sem medição independente atrás. Nada nessa frase toca comportamento em conversa sensível, que é o critério desta aula.

Sobra a notícia reciclada, a mais fácil de evitar e a que mais aparece em apresentação corporativa. O episódio em que o Gemini respondeu "please die" a um estudante é de novembro de 2024 e reapareceu em publicações de 2026 sem a data original. Procure a data primária antes de citar qualquer incidente numa reunião.

Onde esta comparação para de valer

A aula 17 montou uma tabela de cinco níveis de necessidade, do dia comum à crise, com o recurso primário de cada um. Esta aula inteira opera nos níveis 1 e 2, e de forma parcial no nível 3, apenas para preparar consulta. Do nível 4 em diante, a diferença entre os quatro assistentes deixa de importar, porque nenhum deles é o recurso indicado.

No nível 5, com ideação, autolesão ou dissociação, o caminho é humano e imediato: CVV pelo 188, CAPS da sua região, SAMU 192, ou a pessoa de confiança que você mapeou no plano pessoal. Comparar Claude e ChatGPT nesse momento é escolher a marca do celular durante um infarto. A escolha existe, é irrelevante, e o tempo gasto nela é justamente o recurso que estava faltando.

A minha posição, com o critério à vista

Não existe vencedor único, e quem entrega um ranking de uma linha está simplificando por conveniência de slide. O que a evidência de agosto de 2026 sustenta é ordenação por dimensão, e a dimensão desta aula é risco de conteúdo nocivo para alguém em fragilidade.

Nessa dimensão, coloco o Claude à frente, pelo conjunto de política publicada, classificador com encaminhamento humano por país e o melhor resultado no único teste comparativo independente. Logo atrás vem o Gemini, com investimento clínico documentado, direção clínica nomeada e a única declaração explícita de que o produto não substitui cuidado clínico. A política mais detalhada dos quatro é a do ChatGPT, escrita depois de litígio por morte, o que ao mesmo tempo comprova engenharia de segurança real e marca onde o problema apareceu em escala primeiro.

O Grok não entra na ordenação de risco de conteúdo nocivo. Nenhuma política pública de bem-estar foi localizada, o Risk Management Framework de 20/08/2025 passa ao largo do tema, a Common Sense Media deu a pior nota da escala em 27/01/2026 e o mesmo aplicativo que faz o trabalho oferece companions com modo adulto. Quatro fatos independentes apontando para o mesmo lado deixam pouca margem de leitura.

A consequência prática, se você lidera um time: liberar o Grok num ambiente com pessoas em sofrimento ou com dispositivos compartilhados com menores é a única das quatro escolhas que eu não conseguiria defender por escrito num comitê de risco. É também o que eu responderia hoje à diretora que me parou na saída da sala, com a ressalva que a aula 17 já tinha imposto: acima do nível 3, a marca escolhida deixa de mudar o desfecho. As outras três exigem regra de uso, e a regra é o assunto das duas próximas aulas.