A Dasa, companhia de medicina diagnóstica, está usando Inteligência Artificial (IA) para automatizar a leitura de receitas médicas dentro da plataforma Nav Dasa. O paciente envia a prescrição pelo aplicativo e o sistema interpreta o conteúdo automaticamente, agilizando o agendamento de exames e consultas.
O fluxo já soma mais de 700 mil leituras, com 97% das respostas entregues em menos de 15 segundos. Segundo a companhia, o impacto aparece diretamente na conversão de agendamentos, já que o paciente consegue marcar exames de forma mais rápida, sem depender de análise manual da receita.
“Esse tipo de aplicação mostra como a IA contribui para reduzir fricção, otimizar tempo e ampliar o acesso ao cuidado, especialmente em uma operação com presença nacional e mais de 840 unidades”, afirma Ana Terra, vice-presidente de tecnologia na Dasa. Ela ressalta, no entanto, que decisões que envolvem interpretação clínica permanecem sob responsabilidade dos profissionais de saúde.
Dados sob pressão
O caso da Dasa ilustra um desafio mais amplo do setor de saúde: a dificuldade de transformar dados em inteligência operacional. De acordo com o Data Readiness Index 2026, estudo da Cloudera, 87% dos profissionais de saúde afirmam ter visibilidade sobre onde seus dados residem. Ainda assim, muitas organizações enfrentam obstáculos para integrar e governar essas informações em larga escala. O levantamento aponta que 28% das organizações do setor dizem que o desempenho da infraestrutura atrapalha consistentemente suas iniciativas operacionais.
Para Rameez Chatni, diretor global de soluções de IA para saúde e ciências da vida da Cloudera, mover grandes volumes de dados regulamentados para um único ambiente de nuvem pública costuma ser inviável do ponto de vista prático e financeiro.
“Escalar IA no setor exige que as empresas apliquem os modelos onde os dados já estão armazenados, sejam em data centers próprios, nuvens públicas ou ambientes de borda, sem abrir mão de segurança e conformidade regulatória”, frisa.
IA como ferramenta de escuta
A leitura de receitas é apenas uma camada do problema que a Dasa tenta resolver com dados distribuídos. A companhia também aplica IA na análise de interações com pacientes, como ligações e feedbacks, para identificar padrões de sentimento e oportunidades de melhoria no atendimento.
É o mesmo princípio de governança citado por Rameez Chatni, só que aplicado a dados não estruturados, como voz e texto livre, em vez de documentos como a receita médica. Esse tipo de escuta ativa alimenta a base de conhecimento da empresa e deve orientar ajustes na jornada do paciente ao longo do tempo.
Roberto Cury, vice-presidente de atendimento e experiência do cliente da Dasa – uma das presenças confirmadas no CONAREC 2026 –, resume a estratégia da companhia diante dos desafios e do avanço da IA no setor: “o ponto central é usar contexto e dados para tornar a experiência mais fluida, relevante e eficiente, sem renunciar ao cuidado humano nos momentos em que ele é essencial”.
Não é adoção, é organização
Os 15 segundos que a Dasa leva hoje para interpretar uma receita médica dizem menos sobre velocidade e mais sobre onde, de fato, reside um dos grandes desafios com IA em saúde – e em diversos setores. Não é adoção. É falta de dado organizado, acessível e seguro no lugar certo, na hora certa.
O próprio estudo da Cloudera confirma o paradoxo, ao mostrar que profissionais de saúde dizem saber onde estão os dados, mas isso não significa que consigam usá-los.
O impacto financeiro também é expressivo. Dados da plataforma Shelf indicam que empresas perdem, em média, entre US$ 12 milhões e US$ 15 milhões por ano devido à baixa qualidade das informações. Em grandes corporações, esse prejuízo pode chegar a US$ 406 milhões anuais.
Já estudo da Parseur aponta que dados inconsistentes podem consumir cerca de 12% da receita das empresas e provocar a perda de até 45% dos clientes potenciais em razão de cadastros duplicados ou informações desatualizadas.
Nesse cenário, muito mais do que adotar IA, saber onde a informação está e conseguir extrair valor desses dados em escala é onde a maioria dos projetos de IA nas organizações emperra. O hype pela tecnologia levou a grande maioria das empresas a investir rapidamente em automação e novos modelos de IA. Porém, os avanços e resultados com ela são acompanhados, necessariamente, de organização e conhecimento.
