A planilha chegou numa quinta-feira: 47 critérios de avaliação distribuídos em seis abas, com pesos e notas de um a cinco. Uma operadora de porte médio montando sua primeira concorrência séria de IA para regulação e auditoria. O trabalho era honesto. Certificações, SLA, arquitetura, LGPD, roadmap, referências. Lemos critério por critério, duas vezes. Nenhuma linha perguntava o que acontece quando o modelo erra.
Participamos de dezenas de processos de avaliação de fornecedores de IA em saúde nos últimos anos, quase sempre do lado de quem responde. E a correlação que observamos é desconfortável: quanto mais longa a RFP, pior tende a ser a decisão. Não porque rigor atrapalhe. Porque a planilha extensa cria a sensação de diligência cumprida, e as perguntas que de fato separam parceiro de risco raramente cabem em critério com peso e nota. Elas exigem conversa, prova e desconforto.
O momento torna isso menos tolerável. A Resolução CFM 2.454/2026 deu prazo para institucionalizar o uso de IA nas decisões que tocam ato médico, e a fiscalização da ANS já não trata algoritmo como detalhe de TI. Escolher fornecedor deixou de ser compra de software. É decisão de governança, e o conselho vai perguntar quem a tomou e com base em quê.
Do nosso lado da mesa, quatro perguntas derrubaram ou salvaram mais concorrências do que qualquer aba de planilha.
Quando o modelo erra, quem assina?
Todo fornecedor tem slide de acurácia. Quase nenhum chega com o protocolo de erro: como o erro é detectado, quem é notificado, em quanto tempo, e que rastro fica. Peça para o fornecedor reconstituir uma decisão específica de três meses atrás. Qual versão da regra estava ativa, que evidência o modelo considerou, por que negou ou aprovou. Se a resposta é um extrato de log genérico, o produto não foi desenhado para saúde. Foi desenhado para demo.
A pergunta tem um segundo andar. Erro de IA em decisão de cobertura não é bug: é passivo regulatório e, dependendo do caso, judicial. O contrato precisa dizer com todas as letras onde termina a responsabilidade do fornecedor e onde começa a sua. Pelo que vemos, a maioria dos contratos de IA assinados até 2024 simplesmente não tratava disso. Os de 2026 não têm mais essa desculpa.
De quem é a regra: sua ou do fornecedor?
Modelo de fundação todo mundo aluga. O que diferencia uma solução de saúde é a camada de regra de negócio, e a pergunta decisiva é quem controla essa camada. Quando a ANS revisa o rol ou uma tabela muda de versão, quem atualiza a regra? Em quanto tempo? Abrindo chamado, pagando hora de consultoria, ou a sua própria equipe faz?
Foi essa pergunta que nos levou a colocar o Gerenciador de Regras no centro do AI.AUDITAMED: a operadora liga e desliga regras de validação, vê o impacto financeiro de cada uma antes de ativá-la e cria regras próprias sem depender do nosso roadmap. Não citamos isso como propaganda, mas como critério transferível: qualquer fornecedor sério deveria aceitar demonstrar, ao vivo, quanto tempo leva entre "a norma mudou" e "a regra nova está rodando". Se a resposta envolve fila de desenvolvimento, o custo real do contrato está escondido aí.
O que aparece quando você pede o pior caso?
Demos são curadas. É legítimo; ninguém abre reunião mostrando defeito. Mas fornecedor com produto rodando em produção tem casos de falha documentados, e a disposição de mostrá-los diz mais que qualquer referência comercial. Peça os três últimos casos em que o produto errou e o que mudou depois. Silêncio ou resposta ensaiada valem como dado.
O passo seguinte é tirar a conversa do ambiente do fornecedor: rodar a solução sobre uma amostra do seu dado real, com baseline claro, antes de assinar. Já escrevemos sobre por que o assistente genérico brilha em demo e tropeça na regra de cobertura, e a distância entre piloto e produção segue sendo o problema central da categoria: a Galen Growth estima que cerca de 95% dos pilotos de IA não chegam a acelerar receita. Teste no seu dado é o único antídoto que conhecemos.
Vale a admissão: esse critério também nos derruba de vez em quando. Prova de conceito desenhada às pressas, com amostra torta ou sem baseline combinado, já fez fornecedor sério parecer fraco, e nós já perdemos avaliação assim. E há um limite anterior a qualquer pergunta: se a operadora não tem dado minimamente organizado para o teste, nenhum framework salva o processo. Nesse cenário, o primeiro projeto não é escolher IA. É arrumar a casa que a IA vai habitar.
Quanto custa sair?
A pergunta que ninguém faz na entrada é a que mais dói na saída. Se o contrato terminar em dois anos, o que você leva? As regras que sua equipe configurou, os dados enriquecidos, o histórico de decisões auditáveis: nada disso pode ficar refém de formato proprietário. Pergunte pelo mecanismo de exportação antes de assinar, não depois. Minha leitura é que cláusula de saída bem escrita é o melhor termômetro da confiança que o fornecedor tem no próprio produto: quem aprisiona cliente está dizendo, baixinho, que não espera ser escolhido de novo.
Quatro perguntas não substituem diligência técnica, jurídica e de segurança. Elas vêm antes. Servem para decidir quais fornecedores merecem as 47 linhas da planilha, e chegam às respostas que a planilha não alcança.
Essa exigência toda tem que valer também para quem escreve este texto. A Plataforma Cygnus foi construída para responder bem exatamente a essas quatro perguntas: decisão rastreável e auditável de ponta a ponta, regra de negócio sob controle da operadora no AI.AUDITAMED e nos demais módulos, avaliação sobre dado real antes de contrato e portabilidade do que é seu. É o padrão pelo qual aceitamos ser medidos, porque foi o padrão que usamos para construir.
Se a sua operadora está montando ou revisando um processo de seleção de fornecedor de IA, nosso convite é aplicar o framework na prática, começando por nós: rodamos a plataforma sobre uma amostra do seu dado real, com baseline comparativo e relatório de resultados que você pode usar inclusive para avaliar outros fornecedores. Solicitar avaliação da Plataforma Cygnus.
"Sozinhos, combatemos uma fraude. Unidos, eliminamos o problema."