IA e gestão de projetos na saúde

Coluna

Saúde

25 de fevereiro de 2026

IA e gestão de projetos na saúde

Por que a tecnologia sozinha não consegue transformar sistemas

A inteligência artificial vem sendo apresentada como uma das principais promessas para o futuro da saúde. Diagnósticos mais rápidos, automação de processos, decisões mais precisas e redução de custos compõem um discurso cada vez mais presente nas agendas institucionais. No entanto, a experiência prática demonstra que o simples investimento em tecnologia não garante transformação organizacional nem melhoria sustentável do cuidado.

Relatórios recentes apontam que o Brasil possui um cenário promissor para o uso da inteligência artificial em saúde, mas ainda enfrenta limitações relevantes em infraestrutura, qualificação profissional e governança de dados (CETIC.BR, 2024). Na prática, observa-se que muitos projetos são iniciados com grande expectativa e terminam subutilizados, fragmentados ou sem impacto mensurável.

A implementação de soluções em saúde digital tem revelado um padrão recorrente: a priorização da aquisição de tecnologias em detrimento da compreensão da complexidade organizacional e operacional necessária à sua implementação. Esse desalinhamento resulta, com frequência, em sistemas onerosos, baixa adesão por parte das equipes e impactos limitados sobre os processos de trabalho. Isso demonstra que a transformação digital não decorre da adoção isolada de tecnologias, mas do desenvolvimento de projetos estruturados, com governança, método e propósito claramente definidos.

Quando a inovação falha antes de começar

A literatura contemporânea sobre inovação destaca a importância de distinguir entre duas forças que impulsionam a mudança tecnológica — technology-push (oferta tecnológica) e demand-pull (necessidades de mercado) — e como essas forças interagem para orientar a direção da inovação. Hötte (2023), em um estudo recente, aponta que, quando iniciativas se baseiam principalmente em technology-push, elas podem gerar inovações desalinhadas com demandas reais, com implicações para a adoção e sustentabilidade dos projetos.

Iniciativas orientadas exclusivamente pela tecnologia tendem a apresentar fragilidade estratégica, escopo mal definido e baixa integração organizacional (Bento et al., 2022). Sem diagnóstico institucional adequado, os sistemas não se conectam aos fluxos de trabalho, não dialogam com as demandas reais e não são incorporados à rotina. Nesses contextos, a inovação se transforma em experimento isolado, sem continuidade nem geração efetiva de valor.

O papel estratégico da gestão de projetos

A gestão de projetos tradicionalmente contempla o planejamento e o controle de prazos, custos e escopo. No campo da saúde digital, entretanto, seu papel se expande, assumindo função estruturante nos processos de transformação, articulação de atores e sustentação das mudanças organizacionais.

Segundo a Association for Project Management (2022), projetos baseados em IA exigem integração entre competências técnicas, organizacionais e humanas. Isso inclui tradução de demandas clínicas em requisitos técnicos, organização de equipes multidisciplinares, planejamento de capacitação e definição de indicadores de desempenho. Sem esse arranjo, a tecnologia permanece como promessa. Com ele, transforma-se em instrumento de gestão.

Eficiência não é apenas automação

As aplicações iniciais de inteligência artificial na saúde costumam se concentrar na automação de processos administrativos e de apoio à gestão, como agendamento, faturamento, auditoria, triagem de demandas e análise de glosas (recusas de pagamento por parte das operadoras).

Esses usos representam avanços relevantes em eficiência operacional. No entanto, à medida que a IA passou a ser incorporada a processos assistenciais, regulatórios e decisórios — como apoio à decisão clínica, estratificação de risco, vigilância em saúde, gestão de redes de cuidado e governança de dados —, tornou-se evidente que seus benefícios permanecem limitados quando não acompanhados de redesenho organizacional, revisão de fluxos de trabalho e mecanismos adequados de governança.

O ganho real ocorre quando a tecnologia é inserida em projetos que revisam fluxos, integram sistemas e qualificam equipes. Estudos mostram que iniciativas bem-sucedidas combinam inovação tecnológica com mudanças estruturais nos modelos de gestão (Torres et al., 2025). Nesse cenário, a gestão de projetos atua como mediadora entre áreas técnicas, clínicas e administrativas, garantindo coerência institucional.

Apoio à decisão clínica e responsabilidade

Na dimensão assistencial, os sistemas de apoio à decisão vêm se expandindo rapidamente. Análise de imagens, interpretação de exames, monitoramento remoto e predição de riscos já fazem parte da realidade de muitos serviços.

Revisões internacionais indicam que a inteligência artificial pode aumentar a precisão diagnóstica e reduzir o tempo de resposta clínica, desde que acompanhada de validação e supervisão humana (Uridge et al., 2025). No entanto, sua adoção indiscriminada pode gerar novos problemas, como opacidade decisória, viés algorítmico e fragilidade jurídica, por exemplo.

Projetos responsáveis precisam incorporar, desde o início, mecanismos de explicabilidade, auditoria e governança. Estudos sobre Explainable Artificial Intelligence destacam que a transparência algorítmica é condição central para a confiança institucional (Arrieta et al., 2020). Sem esse cuidado, o ganho técnico pode ser acompanhado de perda de credibilidade.

Interoperabilidade: o desafio invisível

Grande parte das dificuldades na implementação da inteligência artificial não está nos algoritmos, mas na infraestrutura. Dados fragmentados, sistemas incompatíveis e ausência de padrões inviabilizam projetos promissores.

Experiências internacionais, como a do Serviço Nacional de Saúde (NHS), da Inglaterra, demonstram que sistemas de saúde com baixa interoperabilidade enfrentam obstáculos estruturais para a adoção de soluções avançadas — especialmente sistemas básicos de TI lentos, fragmentados e pouco amigáveis, que impedem a integração eficaz de soluções avançadas como a IA, porque a infraestrutura de dados essencial ainda não está modernizada nem interoperável (The Guardian, 2024).

No Brasil, esse desafio é amplamente reconhecido nos estudos setoriais do Centro Regional de Estudos para o Desenvolvimento da Sociedade da Informação (CETIC/BR,2024). A gestão de projetos assume papel decisivo nesse contexto, articulando acordos intersetoriais, definindo prioridades e organizando etapas de transição.

Ética, LGPD e governança de dados

Ainda é comum tratar privacidade, segurança da informação e conformidade legal como etapas finais. Esse é um equívoco estratégico. A IA opera com dados sensíveis, o que exige observância rigorosa à Lei Geral de Proteção de Dados (Brasil, 2018). Falhas nesse campo não geram apenas sanções jurídicas, mas também comprometem a legitimidade institucional.

Projetos maduros incorporam, desde a concepção, análise de riscos regulatórios, participação jurídica, políticas de proteção de dados e mecanismos de responsabilização. A governança não limita a inovação. Ela a torna sustentável.

Pessoas continuam sendo o fator decisivo

Nenhuma tecnologia se sustenta sem adesão humana. Resistência à mudança, insegurança profissional e baixa literacia digital ainda são obstáculos relevantes. Estudos indicam que muitos projetos fracassam não por limitações técnicas, mas por falhas na gestão da mudança (Salimimoghadam et al. 2025). Ignorar esse aspecto compromete qualquer iniciativa.

Projetos bem-sucedidos investem em comunicação interna, formação continuada, participação dos usuários e escuta ativa das equipes. A transformação digital é, antes de tudo, um processo social.

A experiência acumulada em diferentes contextos permite destacar alguns princípios fundamentais:

  • Definir o problema antes da ferramenta;
  • Trabalhar com pilotos estruturados;
  • Incorporar governança desde o início;
  • Planejar a mudança organizacional;
  • Medir impacto real.

Esses elementos diferenciam projetos duradouros de iniciativas passageiras.

Para além da tecnologia

A inteligência artificial pode contribuir de forma significativa para o fortalecimento do sistema de saúde brasileiro. Contudo, isso exige articulação entre políticas públicas, formação profissional, regulação adequada e modelos de governança.

Relatórios setoriais indicam que a consolidação dessa agenda depende do desenvolvimento institucional e da qualificação dos gestores (CETIC.BR, 2024). Importar soluções sem construir capacidades locais tende a gerar dependência tecnológica e fragilidade operacional. A inteligência artificial tem potencial para ampliar a eficiência, apoiar decisões clínicas e fortalecer a gestão em saúde. Mas ela não opera sozinha.

A diferença entre projetos que geram impacto e aqueles que se tornam obsoletos está na qualidade da sua condução. A tecnologia é o motor. A gestão de projetos é o sistema de direção. Sem planejamento, governança e compromisso institucional, a inovação se dispersa. Quando esses elementos estão presentes, ela se transforma em valor social.

Para ter acesso às referências desse texto clique aqui

Quem publicou esta coluna

Beatriz Cristina de Freitas

Doutora pela UNICAMP, é mestre em Ciências da Saúde pela UnB e em Telessaúde e Saúde Digital pela UERJ, com especializações em Gestão de Projetos (USP/ESALQ) e Gestão em Saúde (USP/EERP). Atua como professora e pesquisadora nas áreas de inovação, políticas públicas de saúde, saúde digital e gestão de projetos aplicados à saúde.

Você também pode gostar

10 de novembro de 2026

Previsão da Demanda do Transporte Aéreo Brasileiro com Modelos de Séries Temporais

A previsão da demanda no transporte aéreo é crucial para o planejamento operacional e regulatório de um setor com sazonalidade, sensibilidade a choques e mudanças de trajetória. Objetivou-se modelar e prever o comportamento mensal do volume de passageiros pagos no transporte aéreo brasileiro, utilizando dados históricos da Agência Nacional de Aviação Civil (ANAC) de 2016 a 2025. Adotou-se uma abordagem quantitativa, aplicada e documental. A série mensal foi consolidada e tratada em Python, passando por análise exploratória, teste de Dickey-Fuller aumentado, decomposição sazonal e inspeção de autocorrelação. Compararam-se os modelos Naive sazonal, Holt-Winters e SARIMA, avaliando o desempenho preditivo por MAE, RMSE e MAPE, com validação temporal nos 12 meses de 2025. Os resultados revelaram tendência, sazonalidade recorrente e uma ruptura estrutural em 2020, seguida por recuperação gradual da demanda. O modelo SARIMA demonstrou o melhor desempenho preditivo, com menor erro e maior aderência aos valores observados no período de teste. Concluiu-se que a modelagem clássica de séries temporais foi adequada para representar a dinâmica da demanda aérea brasileira, e o SARIMA mostrou-se a alternativa mais consistente para previsão no contexto analisado.

Palavras-chave: Modelagem SARIMA; Previsão estatística; Sazonalidade; Séries temporais; Transporte aéreo.

10 de novembro de 2026

Desvios de Crista e Pé na Largura Efetiva da Berma em Mina a Céu Aberto

A avaliação geométrica de bermas em minas a céu aberto demonstrou relevância para a segurança operacional e a conformidade da escavação em relação ao projeto. O estudo analisou em que medida os desvios geométricos de crista e de pé explicaram a variação da largura efetiva da berma no Banco -120 de uma mina a céu aberto, utilizando o Excavation Compliance Index como ferramenta de interpretação. A investigação caracterizou-se como aplicada e quantitativa, desenvolvida por meio de estudo de caso com dados geométricos reais extraídos de arquivos em formato DXF. As coordenadas da crista e do pé foram processadas em Python, interpoladas com espaçamento regular de 1 metro e compatibilizadas ao longo do trecho comum das geometrias. Em seguida, realizaram-se análise estatística descritiva, regressão linear múltipla, regressão quantílica, Random Forest Regressor e aplicação adaptada do índice. Os resultados indicaram que 57,7% das bermas foram classificadas como conformes, 30,0% como atenção e 12,2% como críticas. Os desvios da crista foram mais elevados e mais dispersos do que os desvios do pé. A regressão linear múltipla indicou associação estatisticamente significativa entre os desvios geométricos e a largura efetiva da berma, embora com baixo poder explicativo. A regressão quantílica evidenciou que os efeitos variaram ao longo da distribuição da largura, e o Random Forest indicou sensibilidade a padrões não lineares, mas com limitação de generalização sequencial. Verificou-se que os desvios de crista e de pé estiveram associados à largura efetiva da berma, mas não explicaram isoladamente toda a sua variabilidade.

Palavras-chave: avaliação geométrica; geometria de bancadas; índice de conformidade; regressão quantílica.

10 de novembro de 2026

Marketing aplicado para fortalecimento de força, contribuição e valor de marca no cooperativismo de crédito

Em um cenário financeiro competitivo e demandante por confiança, a relevância da marca é crucial para sustentar a preferência e o relacionamento em organizações cooperativas. O estudo investigou como estratégias de marketing aplicado podem fortalecer a força, contribuição e valor de marca em uma cooperativa de crédito, visando ampliar sua relevância competitiva no mercado. Para isso, realizou-se um estudo de caso em uma cooperativa de crédito brasileira, empregando pesquisa quantitativa. Um questionário em escala Likert foi aplicado a 85 funcionários do setor de marketing, selecionados por amostragem não probabilística por conveniência. Os dados foram tratados por frequências, estatística descritiva, análise cruzada e de interdependência entre seções. Os resultados revelaram uma percepção predominantemente positiva, com destaque para lembrança imediata, credibilidade, confiança e segurança, e avaliações favoráveis sobre os efeitos práticos da marca na preferência, etapas de relacionamento e recomendação. Contudo, identificaram-se oportunidades de aprimoramento na consistência entre canais, no processo de onboarding e suporte pós-adesão, e na suficiência das métricas de avaliação. Como contribuições gerenciais, a pesquisa sustentou recomendações para padronizar mensagens e pontos de contato, fortalecer a etapa de entrada e pós-adesão, e consolidar rotinas de acompanhamento por indicadores, com alinhamento interáreas e apoio da liderança para decisões mais consistentes.

Palavras-chave: consistência multicanal; métricas de desempenho; onboarding; relevância competitiva.

10 de novembro de 2026

Compliance formal e ineficácia prática: da presença da alta administração na prática de atos ilícitos na relação com o Poder Público

Nos últimos anos, a solidez de um programa de integridade consolidou-se como critério de credibilidade da empresa, notadamente na relação com o setor público. Ainda assim, apesar de sua ampla difusão no meio corporativo, persistem recorrentes casos de corrupção envolvendo empresas e que contam com a participação frequente da alta administração. O objetivo deste estudo foi analisar a relação entre a efetividade do programa de integridade, o papel da alta administração e a prática de atos ilícitos em face da Administração Pública. Para tanto, adotou-se uma pesquisa exploratória e bibliográfica, a partir de uma visão ampla do compliance, com ênfase no papel da alta administração como um dos principais alicerces para a implementação e desenvolvimento de um programa de integridade eficaz. A partir de dados disponibilizados pela Controladoria Geral da União [CGU] e de casos de ampla repercussão divulgados na mídia, buscou-se examinar de forma integrada a correlação entre a ineficiência de um programa de integridade e a prática de atos ilícitos em face da Administração Pública. Com os resultados, verificou-se que, apesar de o compliance ter se tornado regra nas grandes corporações, bem como uma exigência para a contratação com os órgãos públicos, a gestão predatória e a falta de comprometimento das lideranças ainda são uma realidade que enfraquece ou anula os programas de integridade implantados no cenário corporativo brasileiro, sobretudo no relacionamento com a Administração Pública.

Palavras-chave: compliance; gestores; infração; órgãos públicos.

10 de novembro de 2026

Behaviour Insights: A comercialização de dados para tomada de decisões estratégicas no setor de tecnologia

A crescente utilização da inteligência artificial e da big data por empresas de tecnologia ampliou o uso de dados pessoais como ativos estratégicos, mas também intensificou riscos éticos relacionados à privacidade, consentimento e transparência. Nesse contexto, investigou-se como usuários com conhecimento mínimo sobre a Lei Geral de Proteção de Dados (LGPD), inteligência artificial e dados percebem a legitimidade e a ética do uso do produto Behaviour Insights, desenvolvido pela Meta, e quais contrapartidas consideraram aceitáveis para autorizar o tratamento de dados. Para tanto, realizou-se uma pesquisa aplicada, de abordagem quantitativa, descritiva e exploratória. A coleta de dados ocorreu por meio de um questionário estruturado, aplicado a 100 participantes da região Sudeste do Brasil com conhecimento mínimo sobre LGPD, IA e dados. A análise dos dados foi estatística e incluiu triangulação para maior robustez. Os resultados indicaram que a presença de algoritmos preditivos é amplamente percebida, e 55,6% dos usuários consideraram os sistemas de recomendação algorítmica positivos para sua experiência. Contudo, 82,7% dos respondentes avaliaram negativamente a comercialização de seus dados para terceiros sem consentimento explícito. A legitimidade percebida do Behaviour Insights não se associou à sofisticação técnica, mas à existência de governança de dados, transparência algorítmica e controle do titular. Concluiu-se que a aceitação de soluções preditivas, como o Behaviour Insights, depende da percepção de benefício direto ao usuário e da clareza sobre o uso dos dados, com forte rejeição à comercialização sem consentimento. Recomenda-se que as organizações explicitem as finalidades do uso de dados e as contrapartidas oferecidas para aumentar a aceitação.

Palavras-chave: Comercialização de dados; Criatividade combinatória; LGPD; Predição; Privacidade.

10 de novembro de 2026

Controles de segurança da informação baseados na ISO/IEC 27002:2022 em empresas no Brasil

A segurança da informação representa um requisito fundamental para empresas e entidades governamentais, especialmente diante da crescente digitalização e dos riscos associados à proteção de dados e integridade de sistemas. O objetivo foi analisar 25 controles da norma ISO/IEC 27002:2022, distribuídos em 15 organizacionais, 5 tecnológicos, 3 de pessoas e 2 físicos, em organizações no Brasil. Para isso, realizou-se uma pesquisa exploratória de abordagem quantitativa, que aplicou um questionário estruturado com 30 perguntas a 66 profissionais de segurança da informação. Os dados foram coletados virtualmente entre fevereiro e março de 2026 e analisados por meio de gráficos e tabelas. Os resultados indicaram que as organizações priorizaram controles como restrição de acesso físico, proteção contra malware e remoção de acessos após desligamento. Em contrapartida, controles relacionados à auditoria em segurança da informação, continuidade dos negócios e aprendizado organizacional foram os menos utilizados. A análise revelou que, embora a priorização de controles operacionais gere resultados imediatos, ela compromete o amadurecimento da segurança da informação. Concluiu-se que a implementação consistente de controles estruturantes é crucial para fortalecer a resiliência corporativa e alinhar o sistema de segurança da informação às exigências de gestão e conformidade.

Palavras-chave: conformidade; controles organizacionais; governança; segurança da informação.

10 de novembro de 2026

Modelo de apoio ao processo de análise financeira de migração on-premises para cloud

A computação em nuvem consolidou-se como alternativa estratégica para redução de custos e aumento da flexibilidade na gestão de infraestrutura de TI. Contudo, a migração de ambientes on-premises para a nuvem apresenta desafios, especialmente para organizações com recursos limitados. O estudo teve como objetivo propor um modelo de apoio à análise de viabilidade da migração para a nuvem, fundamentado em dados reais de utilização e custos operacionais. Adotou-se uma metodologia de estudo de caso, na qual se coletaram dados de um ambiente real por meio da ferramenta AWS Migration Evaluator, complementados por informações obtidas junto a um gestor de TI. A partir desses dados, estimaram-se os custos do ambiente on-premises e simularam-se cenários equivalentes em nuvem, possibilitando o cálculo dos indicadores financeiros TCO, ROI e Payback. Os resultados evidenciaram que a viabilidade econômica da migração dependeu das premissas adotadas, como região, modelo de contratação e perfil de utilização dos recursos. A aplicação do modelo revelou uma robusta viabilidade econômica, com um Retorno sobre o Investimento (ROI) de 451% e um período de payback estimado em 6,5 meses, impulsionados pela redução de 45% em vCPU e 64% em memória RAM, decorrente da correção do superdimensionamento. Concluiu-se que o modelo proposto contribuiu como instrumento de apoio à decisão, ao fornecer uma abordagem estruturada e baseada em dados reais, promovendo previsibilidade e racionalidade econômica para processos de migração para a nuvem em empresas de médio porte.

Palavras-chave: Computação em nuvem; Migração para nuvem; Payback; ROI; TCO.

10 de novembro de 2026

Estruturação de perfis empresariais por indicadores financeiros e clusterização multivariada

A crescente disponibilidade de dados financeiros e a necessidade de interpretá-los de forma estruturada tornaram relevantes as técnicas de análise multivariada no contexto da ciência de dados aplicada às organizações. O estudo objetivou identificar e interpretar agrupamentos de empresas com base em indicadores financeiros selecionados, a fim de compreender padrões de similaridade e diferenciação entre os perfis econômico-financeiros observados. Para isso, realizou-se uma pesquisa aplicada, quantitativa e exploratório-descritiva, utilizando uma base de dados composta por variáveis patrimoniais, de capital de giro e obrigações operacionais. Os dados foram tratados, padronizados e agregados por empresa, sendo posteriormente analisados por meio de técnicas de clusterização com o algoritmo K-means, definição do número de clusters pelos métodos Elbow e Silhueta, redução de dimensionalidade por Análise de Componentes Principais e validação estatística por análise de variância. Os resultados mostraram que a segmentação identificou grupos distintos de empresas, diferenciados principalmente por variáveis relacionadas ao porte, ao ativo circulante, ao passivo total, ao passivo circulante e aos fornecedores, evidenciando o papel central dessas dimensões na formação dos clusters. A projeção por componentes principais confirmou a separação visual entre os grupos, e a análise de variância indicou diferenças estatisticamente significativas em parte importante das variáveis. Concluiu-se que a clusterização constituiu uma abordagem adequada para identificar perfis empresariais em bases financeiras e que a integração entre análise financeira e ciência de dados ampliou a capacidade de interpretação dos padrões presentes na amostra.

Palavras-chave: Análise Multivariada; Ciência de Dados; Clusterização; Indicadores Financeiros; K-means.

10 de novembro de 2026

LOCALIZAÇÃO DE CENTROS DE DISTRIBUIÇÃO PARA E-COMMERCE NO BRASIL

A localização de Centros de Distribuição (CDs) é uma decisão estratégica crucial para empresas de e-commerce, influenciando custos logísticos e prazos de entrega. Pequenas e médias empresas (PMEs) enfrentam desafios para realizar análises robustas devido à escassez de dados proprietários e ferramentas especializadas. Desenvolveu-se um modelo analítico de otimização combinatória, que integrou aprendizado de máquina não supervisionado (K-means) e meta-heurística (Algoritmo Genético), fundamentado exclusivamente em dados públicos, para apoiar decisões de localização de CDs no Brasil. Utilizaram-se dados do IBGE, do dataset Olist (Kaggle), do Google Trends e da Google Maps Distance Matrix API para construir uma base integrada com coordenadas geográficas, proxies de demanda e matrizes de distância. A metodologia combinou clusterização por K-means para identificar regiões logisticamente homogêneas e Algoritmo Genético como heurística de busca para selecionar municípios que minimizassem o custo logístico total. Os resultados indicaram a formação de seis clusters com padrões regionais distintos, concentrando 42% da demanda na região metropolitana do Sudeste. O cenário com dois CDs, localizados em São Paulo e Salvador, apresentou uma redução de 22% no custo variável de transporte em comparação com um baseline de CD único, com cobertura de 70% da demanda dentro do prazo de entrega (SLA) de dois dias. Análises de sensibilidade demonstraram a robustez do modelo, com variações inferiores a cinco pontos percentuais sob diferentes cenários de demanda e custos. Concluiu-se que a abordagem proposta oferece uma alternativa viável e replicável para PMEs democratizarem o acesso a métodos analíticos de localização.

Palavras-chave: Algoritmo Genético; Centros de Distribuição; E-commerce; K-means; Otimização.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade