ROI de IA em saúde: o que exigir do fornecedor
Resumo executivo
- A pergunta que decide a compra é uma só: "como eu verifico o que este fornecedor está me dizendo?" A resposta é sempre a mesma quádrupla: denominador declarado, coorte com data de entrada, grupo de comparação e janela mínima de maturação.
- A taxa base justifica a desconfiança. Em análise transversal de 224 empresas de saúde digital com financiamento de risco, 44% tiveram escore de robustez clínica igual a zero e só 20% chegaram a 5 ou mais numa escala que começa em 0 e não tem teto fechado (a distribuição do estudo vai de 0 a 9, mais uma faixa de 10 ou mais). O achado mais revelador é outro: não houve correlação entre a evidência de uma empresa e a quantidade de alegações que ela divulga (r² = 0,02).
- Existem duas contabilidades diferentes sob o nome ROI: eficiência (hora de trabalho poupada) e desfecho (custo assistencial evitado). A maioria das promessas mistura as duas, quase sempre de boa-fé, e a mistura infla o resultado.
- O assunto aqui é um só: o método de cobrança de prova. Como um modelo prevê custo está em saúde preditiva com IA; a classificação das técnicas do mercado está em IA em saúde corporativa: modelo, automação ou só script.
- O método vale contra nós também: na penúltima seção estão os nossos números com os seus denominadores, para o CFO auditar qualquer fornecedor, inclusive a Axenya.
O que o mercado consegue provar
Existe um estudo que devia estar em toda pauta de comitê de investimento antes de aprovar tecnologia de saúde. Day e colegas analisaram 224 empresas de saúde digital com financiamento de risco e atribuíram a cada uma um escore de robustez clínica de 0 a 10, construído a partir de registros regulatórios na FDA e de ensaios clínicos concluídos. O resultado, publicado no Journal of Medical Internet Research em junho de 2022: 98 empresas (44%) ficaram com escore zero e apenas 45 (20%) alcançaram 5 ou mais. Em outras palavras, 80% ficaram abaixo do meio da escala.
O número que circula em apresentação, "80% dos produtos de saúde digital têm pouca ou nenhuma evidência", vem daí, e vale usá-lo com a escala declarada, porque "abaixo de 5" e "sem nenhuma evidência" são coisas diferentes. O achado mais útil do estudo é outro: os autores não encontraram correlação entre robustez clínica e a quantidade de alegações clínicas publicadas no site da empresa (r² = 0,02). Traduzido para a linguagem de quem compra: o quanto um fornecedor afirma não tem relação com o quanto ele pode provar. Isso desqualifica de uma vez o atalho mais comum da diligência, que é comparar quem apresenta os números mais impressionantes.
Há um avaliador independente nesta categoria. O Peterson Health Technology Institute, fundado em 2023 pelo Peterson Center on Healthcare, avalia soluções de saúde digital com o método de avaliação ICER-PHTI para tecnologias de saúde digital, que pesa evidência de benefício clínico e impacto econômico. No Brasil não existe equivalente, e a consequência é prática: aqui, o comprador é o próprio avaliador. É por isso que ele precisa levar critério escrito para a reunião.
ROI de eficiência e ROI de desfecho são contabilidades diferentes
Antes de qualquer conta, é preciso separar duas coisas que o mercado soma. Elas têm unidade diferente, prazo diferente e prova diferente.
| Dimensão | ROI de eficiência | ROI de desfecho |
|---|---|---|
| O que melhora | Hora de trabalho, prazo de processo, taxa de erro operacional | Custo assistencial e uso do plano: sinistralidade, custo por evento, internação evitável |
| Unidade honesta | Horas por mês, ou custo da hora vezes horas | Reais por vida por mês, com população nomeada |
| Prazo até aparecer | Semanas. É medível no primeiro fechamento | Meses. Antes de seis, o dado é ruído |
| Como se prova | Antes e depois do mesmo processo, com volume comparável | Coorte com data de entrada e grupo de comparação. Antes e depois não basta |
| O modo típico de errar | Contar a hora poupada de quem continua na folha | Atribuir ao fornecedor uma queda que veio de mudança de população ou de rede |
| Quem confere internamente | Dono do processo e controladoria | Área de dados e o responsável pelo contrato do plano |
A confusão mais frequente é apresentar economia de eficiência como se fosse redução de custo de saúde. Um robô que elimina 200 horas mensais de digitação gera valor real e não muda a sinistralidade em nada. Somar as duas coisas num único número de retorno é o erro contábil mais comum da categoria, e ele quase nunca é má-fé: é o resultado de pedir "o ROI" sem dizer qual dos dois.
O que exigir do fornecedor: oito itens
Cada linha traz a resposta que sustenta e a resposta que denuncia. A ideia é que a tabela seja usada literalmente, na reunião, com o fornecedor presente.
| Exija | Resposta que sustenta | Resposta que denuncia |
|---|---|---|
| 1. O denominador | "A queda de 30% é sobre as 412 vidas que entraram no programa; o contrato tem 3.800" | Percentual sem base. Todo número relativo sem denominador é indefensável |
| 2. A coorte, com data de entrada | "Coorte de março: quem entrou entre 1º e 31/03, acompanhada por 12 meses a partir da entrada" | "Comparamos o ano passado com este ano". O grupo mudou de composição no meio |
| 3. O grupo de comparação | "Comparamos com quem foi elegível e não aderiu, no mesmo período e com perfil de risco pareado" | Só antes e depois. Sem comparação, tudo o que aconteceu na empresa entra no resultado |
| 4. A janela de maturação | "Resultado consistente a partir de seis meses de monitoramento; antes disso reportamos processo e só depois desfecho" | Resultado assistencial no segundo mês. Cedo demais para ser causa |
| 5. Quem revisa o resultado | Terceiro nomeado, ou área independente do time comercial, com metodologia escrita | "Nosso próprio painel calcula". Sem revisão, o cálculo e a venda moram na mesma mão |
| 6. O que o modelo não faz | "Não decide necessidade médica. Não gera negativa. Não entrega lista nominal ao RH" | Hesitação, ou oferta de lista nominal de colaboradores em risco |
| 7. Onde o dado mora e quem acessa | Local de armazenamento, nível de agregação por perfil de acesso e base legal declarada | "É tudo seguro" sem descrever o nível de agregação que a empresa efetivamente vê |
| 8. O que acontece se o modelo errar | Taxa de erro conhecida, revisão humana e caminho de contestação escrito | "O modelo não erra". Erro é certeza estatística; a pergunta é qual é o plano |
Os itens 1 a 4 são de método e derrubam a maior parte das promessas em cinco minutos. Os itens 5 a 8 são de governança e derrubam as que passam pelo primeiro filtro. Um fornecedor que responde aos oito com naturalidade já foi auditado antes, provavelmente por um cliente que fez essas perguntas.
A metade de governança tem base própria. A pesquisa 2026 AI Use in Health and Benefits da WTW, com 312 empregadores, mede a distância entre uso e controle: apenas 20% operacionalizam IA de fato e só 1% declarou ter plano ou governança de IA plenamente desenvolvidos, com 66% citando erro do modelo e 64% exposição legal e fiduciária como barreiras. Um mercado nesse estado produz muito mais promessa do que resultado auditável, e o comprador sem método absorve a diferença.
A fronteira do item 6 aparece também fora do Brasil. Uma empresa internacional de benefícios corporativos afirma, sobre detecção de fraude e desperdício, que a IA deve sinalizar problemas e não tomar a decisão final, e que revisores humanos seguem essenciais. Quando o fornecedor trata revisão humana como limitação a ser superada em vez de parte do desenho, o item 6 já foi respondido pela negativa.
Quanto tempo antes de cobrar resultado
Cobrar cedo demais é o segundo erro mais caro depois de cobrar sem denominador, porque produz duas decisões erradas simétricas: cancela um programa que ia funcionar, ou aprova a expansão de um que só teve sorte no trimestre. A régua da Axenya é declarada: resultados consistentes a partir de seis meses de monitoramento, e observamos correlação de 0,75 entre tempo de monitoramento e redução de custo. O que essa correlação diz, na prática, é que tempo é insumo. Ela não promete resultado garantido.
Dois desenhos que respeitam a janela sem deixar o comitê às cegas por meio ano. O primeiro: reportar indicador de processo nos primeiros meses (adesão, cobertura da população elegível, tempo até o primeiro contato, taxa de conclusão de encaminhamento) e indicador de desfecho só depois do sexto mês. O segundo: fixar por contrato a data em que o desfecho será medido e o critério de sucesso, escrito antes de ver o dado. Critério definido depois do resultado é sempre atingido. A lógica de por que a antecipação de custo exige série histórica está em predição de custo em plano de saúde.
O teste da camada de baixo
Há um atalho de diligência que economiza muitas reuniões: pergunte como o dado entra antes de perguntar o que o modelo faz. Se o fornecedor não descreve com precisão como integra a operadora, como reconcilia elegibilidade entre folha e carteira, como deduplica a mesma vida com grafias diferentes e qual régua de tempo usa (ocorrência, aviso ou pagamento), o que existe do outro lado é uma tela.
Esse teste funciona porque as quatro respostas são impossíveis de improvisar e irrelevantes de decorar. Quem opera sabe de cor, porque foi o que consumiu os primeiros meses do último projeto. Quem não opera muda de assunto para a interface. O detalhamento do que essa camada exige está em integração de dados com operadoras de saúde, e o painel que ela sustenta, em como montar o painel de sinistralidade em BI de saúde corporativa.
O denominador que inverte a leitura
Um exemplo com número nosso mostra como o denominador muda a conclusão. Entre pacientes monitorados, observamos aumento de 23% no número de eventos assistenciais e queda de 58% no custo por procedimento. Lidos separadamente, os dois números contam histórias opostas: o primeiro parece fracasso, porque o pessoal está usando mais o plano, e o segundo parece milagre.
Juntos, e com o denominador certo, contam a história real: as pessoas passaram a usar mais o plano e mais barato, trocando pronto-socorro por consulta agendada, e internação por acompanhamento ambulatorial. É a diferença entre "usar menos" e "usar melhor", e ela só aparece porque os dois indicadores foram reportados com a mesma população e o mesmo período. Um fornecedor que mostrasse apenas o −58% estaria tecnicamente correto e materialmente enganoso. Exija sempre o par: volume e custo unitário, no mesmo denominador.
Para calibrar expectativa contra o mercado, a sinistralidade da saúde suplementar brasileira foi de 80,33% no recorte Total e 81,58% no recorte médico-hospitalar em 2025, segundo o Caderno de Informação da Saúde Suplementar da ANS, edição de março de 2026. Declarar recorte e edição é parte do número: a série é revisada, e o mesmo período muda de valor entre edições. É mais um denominador que precisa vir junto com o percentual.
Aplique isto à Axenya também
Se o método vale, ele vale contra nós. Então, com os denominadores à vista:
- "Empresa de grande porte reduziu mais de 40% na sinistralidade do grupo monitorado." O denominador é o grupo monitorado, e a carteira inteira do contrato é outro número. Quem compara esse percentual com a sinistralidade total da empresa está comparando coisas diferentes.
- "Mais de R$ 10 milhões em economia documentada." É valor acumulado de um caso, sem projeção anual e sem replicação por porte. A pergunta certa a nos fazer é: em quantos meses, sobre quantas vidas.
- "Correlação de 0,75 entre tempo de monitoramento e redução de custo." É correlação, não causalidade, e vem da nossa base, sem ensaio randomizado. Ela sustenta a régua de seis meses e não sustenta previsão de retorno individual.
- "+23% de eventos e −58% de custo por procedimento." Precisam ser lidos juntos, como na seção anterior. Separados, qualquer um dos dois engana.
- Modelo comercial. Trabalhamos com devolução parcial da remuneração se a meta não for atingida. É alinhamento de incentivo. Garantia de resultado é outra coisa: nenhum fornecedor sério garante desfecho de saúde.
Um fornecedor que não consegue escrever os limites dos próprios números não passaria no checklist que está vendendo.
O que este método não resolve
Honestidade sobre o alcance evita a segunda decepção. Três limites reais:
- Grupo de comparação em saúde corporativa nunca é perfeito. Quem adere a um programa é diferente de quem não adere, e parear por perfil de risco reduz o viés sem eliminá-lo. O checklist pede que o viés seja declarado, porque eliminá-lo está fora de alcance.
- Seis meses é piso. Em população pequena, a variância de um único caso de alto custo pode dominar o resultado do período. Com menos de algumas centenas de vidas, discuta faixa em vez de ponto.
- O método não substitui critério clínico. Ele verifica se o resultado reportado é defensável. Se a intervenção é a correta para aquela população, quem responde é profissional de saúde.
Com esses limites na mesa, o checklist continua sendo o melhor instrumento disponível: ele entrega uma conversa em que a prova está do lado de quem afirma. Para comparar categorias de fornecedor antes de aplicar o checklist, veja plataforma de saúde corporativa: o que é e como escolher; para o método de ROI de programas de bem-estar, que é assunto vizinho, como medir ROI de programa de bem-estar. Uma visão do que a Axenya opera está na página inicial.
Traga o checklist para uma conversa de auditoria
Sentamos com o seu time e aplicamos os oito itens ao que já está contratado e ao que a Axenya propõe. Denominador, coorte, grupo de comparação e janela de maturação declarados por escrito, dos dois lados.
Falar com especialista