O setor de saúde suplementar fechou 2025 com o melhor resultado nominal da sua série histórica: R$ 24,4 bilhões de lucro líquido sobre R$ 391,6 bilhões de receita, segundo os dados econômico-financeiros da ANS. 

Bom número. Mas a mesma ANS lembra que cerca de 7,5 milhões de beneficiários estão em operadoras sob acompanhamento especial, e que três empresas concentraram quase metade do lucro do setor. O resultado agregado esconde uma realidade de margem apertada, onde cada ponto de sinistralidade conta.

É nesse ponto que a conversa sobre inteligência artificial na saúde deixa de ser sobre tecnologia e passa a ser sobre resultado. Este texto explica onde a IA realmente atua na operação de uma operadora, qual a diferença entre automação e IA de fato, e por que isso pesa na sustentabilidade do negócio.

O problema não é falta de dado, é falta de decisão a tempo

A operadora média não sofre por ter poucos dados. Sofre pelo contrário. Autorizações, contas médicas, guias, histórico de beneficiário, rede credenciada, tudo isso gera um volume de informação que nenhuma equipe consegue ler manualmente na velocidade que a operação exige. Quando a análise chega, o custo já aconteceu.

Três frentes ilustram bem o tamanho do buraco. A primeira é fraude e desperdício, um problema que segue em alta: só em 2023, as associadas da FenaSaúde abriram 2.042 notícias-crime e ações cíveis contra fraudadores, 66% a mais que no ano anterior. Em valor, o estudo do IESS com a EY dimensiona o rombo de fraudes e desperdícios entre R$ 30 e R$ 34 bilhões, algo entre 11% e 12,7% da receita das operadoras. 

A segunda é a judicialização, que bateu recorde. Entre agosto de 2024 e julho de 2025, foram 123 mil casos novos de saúde suplementar só no primeiro grau, com tempo médio de 304 dias até o julgamento de mérito, segundo o Diagnóstico da Judicialização da Saúde do CNJ. 

A terceira é a ineficiência silenciosa dos processos internos, aquela glosa que poderia ser evitada com uma regra melhor, o reembolso que passa por um fluxo tortuoso.

O ponto em comum entre as três é o tempo. A decisão certa, tarde demais, custa dinheiro. Esse é o terreno onde a inteligência artificial na saúde faz diferença real.

Leia mais: Integração de dados na saúde suplementar: por que ela é o primeiro passo para uma gestão eficiente

Automação e IA não são a mesma coisa (e essa diferença importa)

Boa parte da confusão do mercado começa aqui. As duas tecnologias convivem no mesmo sistema, mas fazem trabalhos diferentes. Confundir uma com a outra leva a expectativa errada e a decisão de compra errada.

A automação segue regras que alguém definiu antes. É o clássico “se acontecer X, faça Y”. Ela é excelente para o volume repetitivo e previsível: autorizar automaticamente um procedimento de baixa complexidade que se encaixa numa regra, disparar uma notificação, padronizar um fluxo. Ganho principal: velocidade e menos retrabalho.

A IA aplicada trabalha onde não existe regra pronta. Ela aprende com o histórico e identifica padrões que ninguém programou explicitamente. É o que permite olhar uma conta médica e perceber que ela foge do comportamento normal daquele prestador, ou estimar o risco de um grupo de beneficiários antes de o custo alto aparecer. Ganho principal: previsibilidade e antecipação.

Na prática, elas se complementam. A automação cuida do que é repetitivo e claro. A IA aplicada atua onde o padrão é complexo e muda. As duas juntas liberam o especialista humano para a decisão que exige julgamento, que é onde ele agrega mais valor. 

Exemplos de inteligência artificial na saúde aplicados à operação

Sair do conceito ajuda a enxergar o valor. Alguns exemplos de inteligência artificial na saúde que tocam diretamente a sustentabilidade da operadora:

• Análise de contas médicas: o motor de regras é o mecanismo que aplica de forma automática as condições cadastradas pela operadora, no formato “se acontecer X, faça Y”. Combinado com IA, ele verifica rapidamente as autorizações relacionadas a cada guia de faturamento e garante que apenas os serviços autorizados sejam cobrados, o que reduz o risco de erros e inconsistências. O grosso do trabalho é automação, aplicar a regra num volume que nenhuma revisão manual daria conta, liberando o auditor para o que exige análise humana. 
• Estratificação de risco da carteira: em vez de reagir ao beneficiário que já adoeceu, a operadora identifica antes quem tem maior probabilidade de evento de alto custo e atua de forma preventiva.
• Apoio à regulação: o motor de regras integrado ao serviço de regulação médica alcança uma regulação automatizada combinada com inteligência artificial, o que reduz a intervenção manual da equipe técnica nos casos rotineiros. A equipe fica livre para os pedidos de maior complexidade, com o médico regulador e a perícia médica na decisão final.
• Antecipação de indicadores regulatórios: prever o comportamento de indicadores da ANS ajuda a operadora a corrigir rota antes da sanção, não depois.

Repare que nenhum desses exemplos troca o humano pela máquina. A IA prepara o terreno, filtra o volume, aponta o que merece atenção. A decisão final continua com o especialista. 

Essa é a leitura que organismos como a Organização Mundial da Saúde defendem ao colocar governança e supervisão humana no centro do uso de IA em saúde.

Leia mais: Top 5 tecnologias essenciais para combater fraudes em planos de saúde

Onde a IA na saúde suplementar toca a sinistralidade

A sinistralidade plano de saúde é o indicador que resume a pressão do setor: quanto da receita de mensalidades vai para despesa assistencial. Em 2025, a média ficou em 81,7%, a menor desde 2020, segundo a ANS. 

Mesmo com essa melhora, a margem é estreita. O setor considera saudável um índice abaixo de 80%, e boa parte das operadoras opera acima disso.

A inteligência artificial na saúde suplementar não ataca a sinistralidade de forma mágica. Ela ataca as causas evitáveis. Fraude e desperdício são um alvo direto de algoritmos de detecção de anomalia. 

Custo que sobe por falta de prevenção é alvo de estratificação de risco. Glosa e retrabalho, que travam o ciclo de receita, são alvo da combinação entre automação e análise de dados. Cada uma dessas frentes recuperada devolve fôlego para a conta.

O próprio IESS registra que operadoras já vêm aplicando inteligência artificial no combate à fraude administrativa. Ou seja, não é tendência futura, é prática em curso. O que muda de uma operadora para outra é a maturidade: quem trata dado como ativo estratégico colhe previsibilidade, quem ainda opera no modelo reativo segue apagando incêndio.

Leia mais: O fim do modelo reativo: sinais de que sua operadora de saúde precisa evoluir

Dado bom é pré-requisito, não detalhe

Aqui mora o alerta honesto. IA não conserta dado ruim. Se a informação está fragmentada em sistemas que não conversam, o modelo aprende com base torta e entrega resultado torto. Por isso a conversa sobre inteligência artificial na saúde sempre volta para a fundação: integração e qualidade de dados.

Antes de sonhar com previsão de risco, a operadora precisa garantir que autorização, conta médica e cadastro de beneficiário falem a mesma língua. É trabalho menos glamouroso que “IA”, mas é o que sustenta tudo o que vem depois. Sem essa base, os benefícios da inteligência artificial na saúde ficam no discurso.

Leia mais: Indicadores de desempenho na saúde: por que operadoras não podem mais ignorá-los

O que fica

A inteligência artificial na saúde não é um enfeite tecnológico nem uma ameaça ao trabalho do especialista. É uma ferramenta que devolve à operadora aquilo que a operação no volume tirou dela: tempo para decidir antes de o custo virar prejuízo. Automação para o repetitivo, IA para o complexo, e sempre o humano na decisão que exige julgamento.

O setor mostrou em 2025 que consegue melhorar o resultado. A questão para os próximos anos é se essa melhora vai depender de reajuste de mensalidade, que tem limite, ou de eficiência real na gestão do custo assistencial. 

Operadoras que tratam dado e IA como parte da estratégia, e não como projeto isolado de TI, tendem a chegar melhor nessa segunda resposta.

Quer entender como cada uma dessas frentes se conecta na prática da gestão? Continue acompanhando o blog da Maida;health para mais conteúdos sobre eficiência, dados e sustentabilidade na saúde suplementar.