Jornada Digital Anahp mostrou que o sucesso na incorporação da tecnologia depende da identificação clara das necessidades, de dados confiáveis, da validação de riscos e da adesão das equipes
Dados, algoritmos e ferramentas de inteligência artificial já fazem parte da rotina e dos planos das instituições de saúde. Eles estão presentes em processos administrativos, centrais de atendimento, análises de desempenho, faturamento, monitoramento clínico, organização de informações do prontuário e apoio à decisão médica.
Nesse contexto, analytics reúne o uso estruturado de dados, indicadores, BI e análises preditivas para apoiar decisões clínicas, administrativas e estratégicas.
O desafio agora é sair das experiências pontuais e avançar para modelos capazes de operar em escala, com segurança, governança, dados confiáveis e impacto real para a gestão e o cuidado.
Esse foi o tema do último encontro da Jornada Digital Anahp de junho, dedicado à Tecnologia e Inovação Digital e promovido em parceria com a MV.
Como parte da programação especial que celebra os 25 anos da Anahp, o encontro encerrou a agenda do mês discutindo IA e analytics aplicados às decisões clínicas e administrativas, com foco na transição da experimentação para a adoção em escala.
Participaram do encontro:
– Evandro Félix, professor da FGV EAESP e coordenador do MPGC Saúde
– Linus Fascina, gerente médico do Hospital Vila Santa Catarina PMSP – SBIBAE
– Rubens Barreto, CIO do Grupo Santa
– Felipe Cabral, gerente médico de Saúde Digital do Hospital Moinhos de Vento (moderador)
A seguir, veja as principais perguntas respondidas durante o encontro.
1. Por que tantos projetos de IA e analytics ficam presos no piloto?
Porque a tecnologia não resolve problemas que ainda não foram bem definidos. Antes de escolher uma ferramenta, o hospital precisa saber:
• Qual problema quer resolver
• Qual resultado espera alcançar
• Quais dados estão disponíveis
• Quais processos precisam ser revistos
• Quais equipes serão impactadas
• Como o resultado será medido
Muitos projetos começam pelo interesse na tecnologia, pela pressão do mercado ou pela expectativa de ganho rápido. O risco é criar soluções que funcionam em ambiente controlado, mas não sustentam valor quando chegam à operação.
Antes de escalar, é preciso responder:
• A solução está alinhada à estratégia da instituição?
• A IA é a melhor alternativa para esse problema?
• O processo foi redesenhado antes da automação?
• Há responsáveis pelo uso, validação e acompanhamento?
• Os riscos clínicos, operacionais, financeiros e regulatórios foram avaliados?
Em resumo:
A escala depende de problema bem definido, processos organizados, dados confiáveis e resultados mensuráveis.
2. Toda demanda precisa ser resolvida com IA?
Não. Parte dos problemas pode ser resolvida com soluções mais simples, como automação, integração de sistemas, analytics tradicional, melhoria de processo ou redesenho de fluxos internos.
A IA pode ajudar a organizar informações, apoiar análises, acelerar tarefas ou programar uma solução. Mas nem sempre precisa ser a tecnologia principal do processo.
Pontos de atenção:
• Modelos generativos podem dar respostas diferentes para comandos semelhantes
• O consumo de tokens pode elevar custos em escala
• Algumas tarefas humanas ainda podem ser mais rápidas
• Processos que exigem respostas sempre iguais podem não ser bons casos para IA
• O custo de implantação precisa ser calculado antes da expansão
A pergunta prática:
A instituição precisa de IA ou precisa organizar melhor um processo?
3. Onde IA e analytics podem avançar primeiro nos hospitais?
As áreas administrativas e de apoio operacional costumam ser ambientes mais seguros para o aprendizado institucional. Usos possíveis incluem BI, centrais de atendimento, bases de conhecimento para equipes, faturamento, recursos de glosa, apoio à documentação, organização de informações do prontuário, monitoramento clínico e perfilização de pacientes.
Na área clínica, o cuidado precisa ser maior. Soluções de apoio diagnóstico, apoio terapêutico ou suporte à decisão clínica exigem validação mais rigorosa, evidências, governança, avaliação de risco, participação ativa do profissional de saúde e supervisão humana.
Um caminho possível:
• Começar por aplicações de menor risco
• Testar ganhos operacionais reais
• Aprender com áreas administrativas
• Avançar para aplicações clínicas com maior governança
• Manter a decisão assistencial sob responsabilidade do profissional
4. O que precisa estar pronto nos dados para IA e analytics funcionarem?
A IA depende da qualidade, da quantidade e da organização dos dados disponíveis. Três aspectos precisam ser avaliados:
– disponibilidade: a informação relevante está digitalizada e acessível?
– organização: os campos, documentos e sistemas estão padronizados?
– qualidade: o dado registrado é completo, claro e útil para apoiar decisões?
Em resumo:
Sem dados completos, integrados e bem registrados, a IA pode ampliar problemas que já existem na operação.
5. Por que TI, assistência e gestão precisam atuar juntas?
Porque a IA e analytics em saúde não podem ser desenhadas só pela área técnica. A construção de modelos úteis depende da colaboração entre tecnologia, corpo clínico, equipes assistenciais, qualidade, segurança da informação, governança e gestão.
– A área de TI estrutura dados, integra sistemas, avalia ferramentas, controla acessos e monitora o uso.
– A assistência avalia se a informação faz sentido, se o fluxo cabe na rotina e se a recomendação gerada é clinicamente aceitável.
– A gestão define prioridades, riscos aceitos, investimentos e critérios para expansão.
Soluções entregues como “caixa preta”, sem transparência sobre origem das informações, critérios de associação e limites do modelo, têm menor chance de adesão. O profissional precisa entender como a ferramenta chegou à sugestão apresentada e manter uma postura crítica sobre o resultado.
O que ajuda:
• Comitês de governança de IA
• Grupos multidisciplinares
• Auditoria contínua dos algoritmos
• Participação médica no desenho das soluções
• Avaliação permanente de segurança, qualidade e impacto clínico
6. Como evitar que a tecnologia vire mais uma tarefa burocrática?
A solução precisa entrar na rotina sem aumentar a carga de trabalho das equipes. O risco de baixa adesão cresce quando uma ferramenta exige:
• Preenchimentos adicionais
• Cliques excessivos
• Mudanças pouco claras no fluxo
• Tarefas que não resolvem uma dor real
• Mais trabalho para quem está na ponta
Para funcionar, a IA precisa entregar benefícios concretos:
• Economizar tempo
• Melhorar o acesso à informação
• Apoiar decisões relevantes
• Reduzir etapas desnecessárias
• Organizar dados dispersos
• Facilitar o registro e a consulta
7. Como lidar com uso informal, proteção de dados e governança?
O uso informal de IA já existe e precisa entrar na governança. Profissionais de saúde e equipes administrativas usam ferramentas de IA no cotidiano, dentro ou fora do ambiente institucional. Bloquear completamente esse movimento pode ser pouco efetivo, pois estimula a migração para dispositivos pessoais ou plataformas sem controle da organização.
O caminho passa por:
• Dar visibilidade ao uso
• Orientar as equipes
• Definir políticas
• Oferecer ferramentas corporativas mais seguras
• Criar mecanismos de registro e monitoramento
• Classificar riscos conforme a finalidade da solução
Pontos de atenção
• Dados sensíveis não devem ser inseridos em ferramentas sem controle institucional
• Equipes precisam entender limites e riscos da IA
• Ferramentas corporativas reduzem exposição
• O uso deve ser registrado e monitorado
• As respostas geradas pela IA precisam ser analisadas de forma crítica
• Soluções clínicas precisam passar por validação e auditoria
• A supervisão humana deve permanecer em todo o processo
Perguntas para escalar IA e analytics com segurança
A passagem da experimentação para a escala exige método. Antes de ampliar o uso de IA, os hospitais precisam responder:
• A solução está alinhada à estratégia da instituição?
• O problema foi redesenhado antes da automação?
• A IA é realmente necessária para esse caso?
• Os dados estão completos, integrados e padronizados?
• As equipes foram treinadas para usar e questionar a ferramenta?
• O risco clínico, regulatório e operacional foi classificado?
• A solução será auditada ao longo do tempo?
• O custo foi estimado considerando a operação em escala?
• O paciente será beneficiado de forma clara?
• Há governança para acompanhar o ciclo de vida do modelo?
Quer mais detalhes? Assista na íntegra: