O Brasil possui o maior mercado de healthtech da América Latina. Hospitais com padrões de excelência global, profissionais de saúde entre os mais qualificados e, nos últimos três anos, um volume de investimento em Inteligência Artificial que não tem precedente na história do setor.

E ainda assim, a grande maioria dos projetos de IA em saúde não entrega o que prometeu.

Não por falha dos algoritmos ou por ausência de talento técnico. O problema é anterior e mais fundamental do que a maioria das discussões sobre IA está disposta a admitir: o sistema que deveria sustentar essa inteligência simplesmente não está preparado para isso.

Essa não é uma hipótese empírica, é um dado verificado. O relatório State of AI in Business 2025, produzido pelo MIT NANDA, a partir de entrevistas com 52 organizações e análise de mais de 300 iniciativas de IA, chegou a uma conclusão que deveria reconfigurar toda a conversa sobre transformação digital na saúde: 95% dos projetos de IA generativa em empresas fracassam ou não avançam além do piloto. Apenas 5% das implementações integradas extraem valor mensurável em termos de resultado operacional e financeiro.

 

Esses núcleos não refletem limitações dos modelos, nem da regulatória, nem da capacidade técnica das equipes. Segundo o próprio MIT, o que separa os 5% que vencem dos 95% que emperram é, antes de tudo, uma questão de abordagem e, mais especificamente, de infraestrutura.

O que está por trás da tela

Quando uma instituição adota IA para automatizar algum processo de atendimento, prever não comparecimentos, otimizar a escala médica ou sugerir protocolos clínicos, o modelo da IA não opera no vácuo. Ele depende de uma base que raramente recebe a atenção que merece: regras de negócio estruturadas em sistema, dados limpos no ponto de entrada, sistemas que se integram e trocam informação em tempo real, e processos digitalizados que registrem, de fato, o que acontece na operação.

 

Na prática, a maioria das operações de saúde apresenta deficiências nessa base. As regras de negócio, sobretudo em processos complexos, são aplicadas fora do sistema, os sistemas envolvidos não interromperam de forma completa e segura, os dados não estão saneados, a rastreabilidade das ações é cheia de buracos.

 

Nesse cenário, a IA não transforma: ela amplifica o ruído, os dados inconsistentes crescem em escala, erros que antes eram humanos e isolados tornam-se sistêmicos. A inteligência artificial, sem a infraestrutura adequada para sustentá-la, não é uma solução é um multiplicador de problemas já existentes.

O sistema precisa entender de saúde não apenas de dados

Aqui está o ponto que raramente aparece nos projetos de transformação digital em saúde: não basta integrar sistemas, a arquitetura subjacente precisa ser inteligente o suficiente para compreender as regras específicas do setor.

Quais exames possuem preparos conflitantes? Quais restrições se aplicam por convênio, por perfil clínico do paciente, por horário de atendimento? Quais protocolos variam por unidade ou especialidade?

Quando essas regras existem apenas na memória tácita de colaboradores, em orientações textuais desestruturadas e incompletas, ou em planilhas paralelas fora do sistema, qualquer tentativa de automação esbarra num limite crítico e intransponível: não dá para automatizar o que depende de julgamento implícito. A IA vai operar com visão parcial e os erros que ela cometer não serão pequenos, nem isolados.

Conexões bem feitas mitigam erros e conexões frágeis os multiplicam.

Cada ponto de ruptura nessa cadeia é uma oportunidade para o erro e quando uma IA opera sobre essa estrutura fragmentada, ela não corrige os erros ela os escala.

Por isso, a questão mais relevante hoje não é qual IA adotar. É uma pergunta anterior: o nosso sistema é robusto o suficiente para sustentar inteligência?

Por que o mercado não fala sobre isso

A resposta curta é: porque não vende. A narrativa de IA é sedutora com ROI prometido, demonstrações impecáveis e casos em grandes instituições estrangeiras que não necessariamente se aplicam automaticamente ao contexto local.

A narrativa de infraestrutura é menos glamourosa, falar estruturação de regras de negócio, de integração entre sistemas, qualidade de dados e digitalização de processos não gera manchete, mas é o que separa os projetos que viram referência dos que viraram linhas canceladas no orçamento.

Os quatro gaps que ninguém mapeia antes do projeto

Ao longo de mais de 25 anos trabalhando com as maiores operações de saúde do Brasil, identificamos quatro gaps que consistentemente aparecem como obstáculos antes que qualquer IA possa funcionar:

GAP 1. Regras de negócio fora do sistema

Em saúde, existem milhares de regras que precisam ser aplicadas até nas ações mais corriqueiras, como, por exemplo, o agendamento de exames. O que parece simples ao olhar leigo, é na verdade um processo extremamente complexo, que exige a coordenação precisa de diversas variáveis, com baixíssima tolerância a falhas. Regras desestruturadas e fora de sistema geram riscos evidentes, que tipicamente são tratados com uma combinação de treinamento de colaboradores, camadas de supervisão, canais de ouvidoria e pés de coelho. Neste contexto, a IA, por melhor que seja, fará uma operação com riscos semelhantes, necessitando de ainda mais supervisão, e inevitavelmente acabará tendo sua utilização limitada a cenários mais simples, frustrando as expectativas originais.

GAP 2. Desconexão entre sistemas

Integrações deficientes são vilões antigos. Com a IA, estes mesmos vilões que prejudicaram tantas iniciativas, oneraram processos e geraram insatisfação no passado, não vão desaparecer. Pelo contrário, a pressão competitiva para implantar soluções disruptivas de IA torna essas questões ainda mais relevantes, pois os novos agentes de IA atuam sobre os sistemas existentes, em processos que muitas vezes precisam da correta coordenação entre vários deles. 

GAP 3. Dados não estruturados, não padronizados e não saneados

A IA impressiona pelo poder que tem de lidar com informações desestruturadas. E com razão, é uma tecnologia revolucionária com um potencial que ainda não conhece fronteiras. Mas essa admiração pode dar a falsa sensação de segurança, onde ela não existe. Dados desestruturados, incompletos, ou simplesmente errados são terreno pantanoso para erguer os prédios de IA. A falsa ideia que “basta dizer para IA o que fazer” e tudo funciona é muito perigosa. 

GAP 4. Jornada do paciente não digitalizada de ponta a ponta

Na jornada digital do paciente, é comum haver processos que ainda dependem essencialmente de intervenção humana, por apresentarem complexidades com as quais o paciente não consegue lidar, impedindo a completa digitalização. Cada uma dessas etapas ainda não digitalizadas representa um ponto de alerta – se a etapa ainda não foi digitalizada isso tem um motivo. Apesar do grande poder que as tecnologias de IA oferecem hoje em dia, esse motivo pode ainda estar além do alcance da IA. Muitas vezes são motivos estruturais, que refletem limitações dos próprios processos e sistemas que deveriam conseguir dar sustentação às soluções de IA.

Esses quatro gaps não são problemas de IA, são problemas de infraestrutura e  nenhum modelo, por mais sofisticado que seja, resolve o que acontece antes de ele entrar em cena, se não tiver inteligência e robustez para operar.

 

A sequência que funciona

A ordem correta não é: escolher a IA, comprar a plataforma e implementar.

A sequência que gera resultado é: avaliar e endereçar os gaps acima, e depois construir um plano de adoção de IA sintonizado com o plano macro de evolução tecnológica

Essa sequência parece óbvia no papel, mas é ignorada sistematicamente porque a pressão por inovação é sempre maior que a pressão por fundação. E porque fundamentos não aparecem em demos.

Infraestrutura precede inteligência

Que a IA transformará a saúde, isso não está em debate. Mas o caminho não é tão óbvio e fácil. O MIT é um dos institutos que mais tem investido na comprovação do potencial da IA, mas os mesmos pesquisadores que documentam esse potencial são os que identificaram, com clareza metodológica, porque 95% das iniciativas não chegam lá: porque as organizações pulam a etapa que tornaria possível o restante.

 

A velocidade e a profundidade da transformação digital na saúde dependem menos dos modelos que serão adotados e mais da infraestrutura que os sustenta. As organizações que compreendem essa sequência não correm atrás de tendências, elas criam a base para evoluir com previsibilidade, incorporando novas tecnologias com retorno real, sem promessas de kickoff.

 

Infraestrutura não é o oposto de inovação, é o que a torna possível.

 

Na Touch Health, construímos a infraestrutura que faz a inteligência digital da saúde funcionar de verdade: sistemas que entendem as regras da saúde, integram com precisão, tem robustez suficiente para sustentar inteligência e reduzem os erros antes que eles aconteçam.

 

Se você quer entender como isso se aplica à sua operação, fale com nossos especialistas:
https://linktr.ee/touchhealthtec