IA na saúde brasileira saiu do piloto e virou operação

Equipe Viver de IA · 2026-11-04

19 cases de hospitais mostram que o resultado veio do processo clínico, não da ferramenta. A leitura vale para qualquer setor.

O que muda é que agora tem conta fechada

Quando um hospital filantrópico com seis farmacêuticos para 1,2 mil leitos diz que a IA triplicou as intervenções clínicas e acumulou economia até 2024, a conversa deixa de ser sobre tecnologia. Passa a ser sobre operação que não cabia mais na mão.

Esse é o caso da Santa Casa de Belo Horizonte, um dos 19 reunidos no 2º Showcase de IA em Saúde, realizado por ABCIS, Anahp e Saúde Digital Brasil, publicado em agosto de 2025. E o que mais importa nesse e-book não são os números individuais. É o padrão que atravessa quase todos eles.

Tem IA preditiva de óbito oncológico. Tem auditoria de prontuário com multiagente. Tem copiloto clínico beira-leito. Setores, portes e orçamentos completamente diferentes. E, ainda assim, o fator que separa o case que deu certo do piloto que morreu é sempre o mesmo, e não é o modelo.

O gargalo nunca foi o algoritmo, foi o dado sujo

O Hospital São Francisco de Assis, com 180 leitos, conta no e-book que estruturou a governança de dados do zero. Dados fragmentados, muitos ainda em papel. Testou mais de mil algoritmos até a rede neural se destacar.

Repare na ordem das coisas. Primeiro vieram equipe, processos e BI. Depois os mil modelos. O algoritmo foi a última etapa, não a primeira.

Na nossa leitura, esse é o detalhe que a maioria das empresas brasileiras vai ler errado nesse e-book. Vão olhar para "rede neural", "LLM", "RAG", "PLN" (todos termos que aparecem lá, no case da Unimed Criciúma) e concluir que precisam da ferramenta certa. O que o case mostra é o oposto: a Unimed Criciúma auditou prontuários em escala e cortou gastos com exames porque antes padronizou a documentação em 10 quesitos objetivos.

Sem o prontuário padronizado, a LLM mais cara do mundo audita lixo e devolve lixo com confiança.

O algoritmo foi a última etapa, não a primeira, e é exatamente essa ordem que a maioria inverte.

A gente vê isso em todo setor, não só na saúde. A Operalog só conseguiu análise 5x mais rápida porque organizou os dados no Databricks como ambiente seguro antes de colocar um agente de IA para analisá-los. Ferramenta sobre dado bagunçado é demonstração bonita que não vira operação.

Escopo fechado é o que impede o estrago

O Hospital São Camilo construiu um copiloto clínico que responde beira-leito baseado apenas em protocolos internos, explicitamente para evitar alucinação. Nenhuma resposta que não esteja rastreada em protocolo oficial.

Essa frase deveria estar pregada na parede de todo projeto de IA do país.

A tentação, quando se descobre o que um modelo de linguagem faz, é abrir o escopo: "deixa ele responder qualquer coisa". Em hospital, resposta errada na madrugada da UTI mata. Em empresa comum, resposta errada aprova crédito indevido, promete prazo impossível, dá desconto que não existe. O risco muda de nome, não de natureza.

O que o São Camilo acertou foi fechar a porta antes de abrir a sala. A IA responde dentro de um cercado conhecido, e por isso dá para confiar nela em plantão noturno sem um médico sênior revisando cada resposta.

Quando a gente implementou o copiloto clínico da farmácia, ou o que seja, o princípio é o mesmo que usamos na Marquesi Consultoria, onde a IA assumiu atendimento e gestão de leads com R$ 400 mensais de economia imediata: o agente opera dentro de um funil desenhado, não solto. Escopo estreito não é limitação, é a condição para a autonomia ser segura.

O número que ninguém no e-book garante: quanto tempo até o resultado

Aqui vale admitir um limite honesto. O e-book mostra os resultados, mas não deixa claro, na maioria dos cases, quanto tempo cada hospital levou do piloto à operação madura.

A Santa Casa dá uma pista: piloto em 2022, expansão para o hospital inteiro em 2023. Pelo menos um ano entre provar o conceito e rodar em escala. E isso num hospital que já tinha urgência real, seis farmacêuticos para 1,2 mil leitos empurrando o projeto.

A gente insiste nisso porque o erro mais caro que vemos em empresa brasileira é esperar o resultado da Santa Casa no prazo de uma demo. Projeto de IA que mexe em processo crítico tem curva de adoção, reforço de equipe, monitoramento em tempo real. O e-book cita todos esses itens de passagem, mas eles são o trabalho de verdade.

economia acumulada da Santa Casa de BH até 2024, com piloto iniciado em 2022

A frase mais perigosa do e-book também é a mais verdadeira

"Dados são o novo ouro e precisam ser explorados pela própria instituição, não arrendados para terceiros." É a reflexão do CMIO do São Francisco de Assis.

A gente concorda com o espírito e discorda da conclusão prática que muita empresa vai tirar dela.

O espírito está certo: ninguém deveria entregar sua base de dados e sua inteligência competitiva para um fornecedor que te prende. Mas "explorar internamente" virou, na cabeça de muito dono, "montar um time de ciência de dados do zero". Para um hospital de 180 leitos que testou mil algoritmos, fez sentido. Para a padaria, a imobiliária, o escritório de advocacia, é receita de projeto que nunca sai do papel.

Tem um caminho do meio que o e-book não nomeia mas que todos os cases exercem na prática: dono do dado e do processo, apoio externo na engenharia. A Zix Pay lançou dois produtos próprios com IA sem montar um time de engenharia interno, usando plataforma de desenvolvimento ágil. A Seprorad construiu uma plataforma própria de gestão documental com IA low-code e R$ 15.000 de economia. O dado e a regra do negócio ficaram com elas. A velocidade veio de fora.

Arrendar a inteligência é um erro. Insistir em construir cada parafuso sozinho é outro. O que funciona é separar o que é seu (dado, processo, decisão) do que você compra (velocidade de implementação).

O que fazer com esse e-book se você não é hospital

Os 19 cases da saúde servem de mapa para qualquer operação, desde que você leia o mecanismo e não a manchete. Na ordem que importa:

• Comece pelo dado, não pela ferramenta. Se a sua informação está fragmentada ou em papel, como estava no São Francisco de Assis, nenhum modelo te salva. Organização vem antes.
• Padronize o processo antes de automatizar. A Unimed Criciúma padronizou a documentação em 10 quesitos objetivos e passou a auditar prontuários em escala, cortando gastos com exames desnecessários. Automatizar um processo caótico só acelera o caos.
• Feche o escopo da IA. Copie o São Camilo: a IA responde dentro de um cercado conhecido e rastreável. Escopo aberto é risco aberto.
• Trate a adoção como projeto, não como instalação. A Santa Casa levou do piloto de 2022 à operação de 2023. Reserve o tempo e reforce a equipe.
• Separe o que é seu do que você compra. Dado e decisão ficam dentro de casa. A engenharia de implementação você pode (e geralmente deve) buscar fora, para não morrer construindo do zero.

Se você não sabe em qual desses cinco a sua empresa trava hoje, é aí que vale um diagnóstico de IA antes de contratar qualquer ferramenta. Porque o e-book da Anahp prova uma coisa que custa caro aprender sozinho: o hospital não ganhou com IA. Ganhou com o que fez antes dela entrar.

Fonte: [PDF] Como hospitais estão usando IA para otimizar tempo, reduzir custos e ...

Relacionados

Agentes de IA: o guia completo

Soluções de IA prontas para empresas

Mais de 500 cases reais de IA

ChatGPT para empresas vale a pena, ou falta controle?

IA para pequenas empresas: as automações que pagam a conta