Um paciente é atendido em um hospital, faz exames em um laboratório e é coberto por uma operadora de plano de saúde. Cada um desses três guarda uma parte do histórico clínico, e sem interoperabilidade.

Essa fragmentação aparece como barreira estrutural nas pesquisas mais recentes sobre inteligência artificial no setor: em 2025, apenas 9% dos estabelecimentos de saúde brasileiros realizaram análises com apoio de Big Data, concentradas majoritariamente em dados que a própria instituição já possuía, como prontuários e registros administrativos, segundo a 12ª edição da pesquisa TIC Saúde.

Matheus Nascimento, médico e sócio da Green Rock, gestora de venture capital focada em saúde, resumiu o problema com um paralelo com o mercado financeiro durante o Saúde Unlocked, evento promovido pela Tivita:

"O Pix só funciona porque tem uma interoperabilidade muito grande entre os bancos. Hoje, se você pega o aplicativo do seu banco, consegue ver quanto você tem no seu outro banco, e teoricamente eles são concorrentes. Quando a gente para para pensar na saúde, são uns 15 players muito grandes que têm o monopólio desses dados. Temos um problema grande em distribuir esse dado para conseguir, pelo menos, que a IA tenha dados suficientes para trabalhar de uma maneira mais efetiva."

A comparação faz sentido regulatório. Desde 2023, a Resolução Conjunta nº 6, do Banco Central, obriga instituições financeiras e de pagamento a compartilhar entre si dados sobre indícios de fraude em até 24 horas, o que sustenta a velocidade e a segurança do Pix. Na saúde brasileira, não existe equivalente: poucas empresas concentram a maior parte da informação clínica e administrativa do país, sem qualquer obrigação de compartilhá-la entre si.

Por que isso trava a IA na prática

A fragmentação dos sistemas de informação é apontada como uma das principais barreiras estruturais ao uso de inteligência artificial na saúde brasileira, ao lado de lacunas regulatórias e de governança, segundo artigo publicado na Revista Brasileira de Epidemiologia.

O reflexo aparece nos números de adoção: 18% dos estabelecimentos de saúde já usavam IA em 2025, percentual que sobe para 31% entre os que têm mais de 50 leitos, ainda segundo a pesquisa TIC Saúde.

Mas a maior parte dessa adoção está concentrada em tarefas operacionais, como organização de processos clínicos e administrativos, não em análise preditiva sobre uma base de dados ampla.

Entre hospitais de maior porte, 51% apontam limitações relacionadas a dados e capacitação como obstáculo à adoção de IA, atrás apenas do custo elevado, citado por 63%, de acordo com o Cetic.br.

Isso acontece porque hospitais, laboratórios e operadoras de saúde operam, em grande parte, em ambientes tecnológicos que não se conversam entre si, o que gera:

• históricos clínicos não integrados,

• exames repetidos, e

• descontinuidade no acompanhamento do paciente, segundo reportagem da Medicina S/A.

O Ministério da Saúde avança com a Rede Nacional de Dados em Saúde, plataforma pública de interoperabilidade que já conecta laboratórios ao Conjunto Mínimo de Dados do SUS, mas seu alcance está concentrado na rede pública e em fluxos específicos, como resultados de exames laboratoriais.

Entre hospitais, clínicas e operadoras privadas, a integração continua dependendo de acordos pontuais entre empresas, não de uma obrigação regulatória como a que existe no sistema financeiro.

O que muda na operação da clínica

Sem um equivalente ao Pix para dados de saúde, o custo da fragmentação cai sobre quem atende o paciente todos os dias:

1. Histórico incompleto na ponta: informações de exames, retornos e prescrições feitas fora da clínica não chegam automaticamente, o que obriga a equipe a repetir perguntas e, em alguns casos, exames já realizados.

2. IA sem base própria não entrega previsão confiável: qualquer ferramenta de previsão de falta, otimização de agenda ou triagem depende de um histórico consistente. Sem ele, o resultado é genérico e não reflete o comportamento real dos pacientes da clínica.

3. Dependência de digitação manual entre módulos: quando prontuário, agenda, faturamento e cobrança vivem em ferramentas separadas que não trocam dados, a equipe vira o elo que copia informação de um lado para o outro, e cada cópia manual é um ponto de erro.

4. Projetos de IA custam mais tempo antes de funcionar: como o setor não entrega dados prontos e organizados, a etapa de estruturar a própria base vira pré-requisito antes de qualquer automação gerar resultado.

Como organizar os dados no cenário atual

A saída disponível para o gestor não depende de uma mudança regulatória no setor de saúde, e sim de reunir prontuário, agenda, faturamento e cobrança em uma base única dentro da própria clínica.

Quando esses dados já nascem integrados, qualquer camada de automação, seja um agente de WhatsApp para agendamento, seja um fluxo de pré-faturamento de convênio, parte do mesmo histórico, sem depender de troca externa com operadoras, laboratórios ou outros prestadores.

É esse princípio que deu origem à Agente Digital Tais, que automatiza convênios médicos, e à Agente Digital Júlia, especialista em conversão de agendamentos via WhatsApp.

Nenhuma das duas depende de um dado que outro player do mercado ainda não compartilhou: elas trabalham sobre a base que a própria clínica já tem, o que reduz o tempo entre implementar uma ferramenta de automação e ver resultado prático nela.

Antes de investir em qualquer camada de inteligência artificial, vale mapear onde a base de dados da própria operação ainda está fragmentada. Esse diagnóstico interno é o tipo de prontuário eletrônico que sustenta cada etapa do fluxo, do agendamento ao faturamento, e evita que a clínica repita, dentro de casa, a mesma fragmentação que trava o setor como um todo.

Para entender como a IA vem sendo usada de forma mais ampla na rotina de gestão, participe aqui do estudo da Tivita que mapeia o setor de clínicas e constrói um panorama para o próximo ano. Ao responder ao questionário, você garante acesso antecipado aos resultados.