Dois estudos saíram em agosto com quinze dias de diferença e nenhum dos dois cita o outro. No dia 10, a Interfarma e a L.E.K. Consulting publicaram que fraudes, desperdícios e sobreutilização consumiram cerca de R$ 52,5 bilhões da saúde suplementar brasileira em 2024, mais do que as operadoras gastaram no ano com medicamentos de alto impacto clínico (O Tempo, 10/08/2026). No dia 25, a McKinsey divulgou a edição 2026 do State of AI: 1.719 executivos ouvidos, adoção quase universal, e a fatia que declara impacto relevante de IA no EBIT parada em 37%, idêntica à do ano anterior. Lidos juntos, os dois desenham o problema do ROI de IA em saúde suplementar melhor do que qualquer um deles isolado.
A pergunta deixa de ser se a tecnologia funciona. Passa a ser por que o dinheiro continua saindo pelo mesmo lugar enquanto a linha de orçamento de inteligência artificial cresce.
O número global parou de subir
Vale abrir a pesquisa da McKinsey, porque o detalhe importa mais que a manchete. Quase nove em cada dez respondentes usam IA em pelo menos uma função de negócio. 44% dizem estar escalando a tecnologia por toda a empresa. 80% relatam ganho de produtividade individual e metade afirma decidir melhor. Nada disso apareceu no resultado: 37% enxergam impacto material no EBIT, o mesmo percentual de doze meses atrás.
Dentro dessa amostra existe um grupo pequeno que a McKinsey chama de high performers. São 6% das organizações, aquelas que atribuem pelo menos 5% do EBIT ao uso de IA. E a variável que separa esse grupo é bem mais específica do que se costuma supor. Perto de três quartos deles redesenharam fundamentalmente os fluxos de trabalho por causa da IA, contra um quarto dos demais respondentes. No levantamento anterior, essa fatia entre os high performers era 55%.
Traduzindo para linguagem de comitê: quem inseriu IA no processo que já existia ficou com produtividade individual. Quem mexeu no processo ficou com margem. A Fortune fechou a leitura dos dados em 2 de setembro com uma frase que vale para operadora: o próximo orçamento de IA é tanto um orçamento de processo quanto de tecnologia.
O número brasileiro é maior que o gasto com medicamento
Agora o lado de cá. O estudo "Saúde Suplementar em Transição", da Interfarma com a L.E.K. Consulting, posiciona as ineficiências como a terceira maior despesa das operadoras. São R$ 52,5 bilhões em 2024 contra algo entre R$ 30 bilhões e R$ 40 bilhões em medicamentos de alto impacto clínico. Na conta por beneficiário: o gasto médio anual da operadora fica entre R$ 6 mil e R$ 7 mil, e de R$ 1.050 a R$ 1.500 disso é fraude, desvio, sobreutilização, redundância ou atendimento que não resolve o problema. Perto de 20% do gasto médio.
O mesmo estudo registra que o Brasil aparece com as maiores estimativas de fraude entre os sistemas privados comparados internacionalmente, e aponta o fee-for-service como incentivo estrutural: remunerar por procedimento realizado premia volume, não desfecho. Um dado de escala do Mapa Assistencial da ANS, citado no estudo, mostra o efeito: os exames na saúde suplementar saíram de 923 milhões em 2019 para 1,184 bilhão em 2024.
Aqui está o ponto que costuma passar batido nas apresentações de vendor. Os R$ 52,5 bilhões não são primariamente um problema de detecção. São um problema de desenho. O fluxo padrão de uma operadora autoriza, o prestador executa, a conta chega, o pagamento sai, e a auditoria olha depois. Colocar um modelo excelente nessa última etapa acelera a etapa que já vinha tarde.
Redesenhar fluxo, numa operadora, é mudar onde a decisão cai
É aqui que a conversa fica concreta, e é aqui que a maioria dos projetos para.
Inserir IA no fluxo existente tem retorno real e mensurável: a auditoria pós-pagamento passa a cobrir 100% das contas em vez de amostra, o tempo de análise cai, o índice de glosa sobe alguns pontos. No nosso trabalho com operadoras, esse ganho aparece rápido e é o que financia a fase seguinte. Só que ele tem teto. O teto é a taxa de recuperação. Cada real identificado depois do pagamento vale uma fração do real que não teria saído.
Redesenhar significa mover a decisão para antes da liquidação financeira, e isso não é um ajuste de modelo. É uma mudança de onde o documento é lido. Um pedido de reembolso chega com recibo, nota fiscal e relatório clínico; na maior parte das operadoras esse conjunto entra numa fila e é conferido por amostragem semanas depois, quando o crédito já caiu. A detecção de fraude em reembolso antes do pagamento usa exatamente a mesma inteligência, posicionada dez dias antes.
O ecossistema da Plataforma Cygnus foi construído em cima dessa premissa. O AI.REEMBOLSO lê o documento na entrada do pedido, não na fila de conferência. O AI.AUDITAMED aplica regra TISS e ANS sobre a conta hospitalar antes do fechamento da remessa de pagamento, e o Gerenciador de Regras coloca esse controle no time da operadora: cada critério pode ser ligado ou desligado, com o impacto financeiro daquele critério visível ao lado, e regras próprias podem ser escritas sem depender de fila de desenvolvimento. Minha leitura é que esse último detalhe é o que torna o redesenho sustentável. Um fluxo novo que só o fornecedor consegue ajustar volta ao fluxo antigo em seis meses.
Pelo que percebemos, o perfil onde isso muda a curva com mais clareza é a operadora de 50 a 150 mil vidas com participação relevante de individual e familiar, justamente onde o reembolso pesa e o time de auditoria é enxuto demais para cobertura total manual.
Onde eu não usaria esse argumento
Algumas ressalvas não cabem no slide de vendas, e prefiro deixá-las escritas.
Os 37% da McKinsey são atribuição declarada, não auditada. Executivo estimando quanto do próprio EBIT veio de IA é instrumento frágil, e parte da distância entre percepção de produtividade e impacto no resultado pode ser problema de mensuração, não de valor gerado. Acredito que não seja tudo, porque o número ficou parado enquanto a adoção subiu, mas seria desonesto tratar 37% como medida limpa.
Há também um piso regulatório e contratual que nenhum software move. Prazo de atendimento de solicitação, prazo de reembolso, calendário de remessa negociado com o prestador: se a conta chega dois dias antes do fechamento previsto em contrato, mover a decisão para antes do pagamento é assunto de renegociação, não de tecnologia. Vimos projetos tecnicamente prontos travados nesse ponto por um trimestre inteiro.
E vale dizer onde o argumento simplesmente não se aplica. Operadora com carteira majoritariamente coletiva empresarial, reembolso baixo e rede própria grande tem muito menos valor exposto nesse fluxo específico. Para ela, o redesenho pode custar mais do que devolve. A narrativa de "redesenhe o fluxo" é vendida como universal e não é.
Feita a ressalva, a conclusão do cruzamento entre os dois estudos de agosto continua de pé. O setor brasileiro tem a maior ineficiência conhecida entre sistemas privados comparáveis, e a tecnologia capaz de endereçá-la já está dentro das operadoras. O que separa o ganho de produtividade do ganho de margem é a posição da decisão dentro do fluxo, e essa é uma escolha de desenho que o C-level toma, não o time de TI. A Plataforma Cygnus existe para tornar essa escolha executável: leitura de documento na origem, regra de conta rodando antes da liquidação, e o controle das regras nas mãos de quem responde pela sinistralidade.
A forma honesta de testar isso é sobre o seu dado, não em demonstração. Na avaliação, o time roda uma amostra real de pedidos de reembolso e contas hospitalares dos últimos meses, compara o que o fluxo atual capturou depois do pagamento com o que teria sido barrado antes, e devolve o valor associado a cada regra acionada. Solicitar avaliação da Plataforma Cygnus leva poucos minutos, e esse comparativo, que é a medida menos discutível de ROI de IA em saúde suplementar que conheço, vem antes de qualquer conversa comercial.
"Sozinhos, combatemos uma fraude. Unidos, eliminamos o problema."