IA na Saúde: por que governança virou questão estratégica
Por Ernani Teixeira Ribeiro Jr.
A inteligência artificial (IA) aplicada à medicina está entrando em uma nova fase e ela vai muito além de chatbots ou automações simples. O avanço mais relevante hoje está no chamado AI Agentic que são sistemas capazes de agir de forma autônoma, interpretar contexto, acessar múltiplos ambientes e executar tarefas complexas com mínima intervenção humana.
Na prática, isso significa IA apoiando triagens, analisando exames, organizando fluxos hospitalares, interagindo com pacientes e até auxiliando decisões clínicas em tempo real. O ganho de eficiência é enorme. Mas o risco também.
O setor da saúde lida com alguns dos dados mais sensíveis existentes como informações clínicas, dados biométricos, exames, histórico médico e dados genéticos. Quando esses dados passam a circular em ecossistemas de IA altamente conectados, a discussão deixa de ser apenas tecnológica e passa a envolver privacidade, segurança digital, ética e governança.
Esse movimento, inclusive, já começou a ser refletido no cenário regulatório brasileiro. A recente Resolução nº 2.454/2026 do Conselho Federal de Medicina (CFM), que estabelece diretrizes para o uso de inteligência artificial na prática médica, reforça pontos importantes como supervisão humana, autonomia do médico, responsabilidade profissional e necessidade de observância à LGPD. A temática deixa claro que a IA pode apoiar os médicos, mas não pode operar sem controle, transparência e responsabilidade.
O problema é que muitas organizações e profissionais utilizam ferramentas de IA sem clareza sobre como os dados estão sendo utilizados, armazenados ou compartilhados. Em vários casos, sequer existe análise sobre treinamento de modelos, transferências internacionais, riscos algorítmicos ou responsabilização por decisões automatizadas.
E é exatamente nesse ponto que o acompanhamento estruturado se torna estratégico.
A IA na medicina não pode operar sem critérios mínimos de supervisão, rastreabilidade e controle. Quanto mais autônomos os sistemas se tornam, maior a necessidade de frameworks robustos de governança capazes de definir limites, responsabilidades e mecanismos de auditoria.
A discussão internacional já caminha nessa direção. O EU AI Act, por exemplo, trata aplicações de IA na saúde como sistemas de alto risco. No Brasil, o debate regulatório também avança para modelos baseados em gestão de riscos.
Outro tema que ganha força é o chamado discovery solution que trata da necessidade de avaliar quais soluções de IA realmente fazem sentido para cada organização. Hoje, muitas empresas vivem o fenômeno do “shadow AI”, com profissionais utilizando ferramentas sem validação institucional, sem análise jurídica e sem critérios mínimos de segurança.
Da mesma forma a pressão pelo resultado e por sair na frente levando a bandeira de inovação acaba por fazer com que empresas sofram com aspectos como falta de Recorte e foco Estratégico (muitos projetos de IA falham por tentarem resolver problemas amplos demais, sem um escopo claro ou objetivos bem definidos desde o início. A ambição sem direcionamento impede a entrega de valor real), dados despreparados e de baixa qualidade, dificuldade em medir eficiência e ROI, entre outros.
Por isso, o futuro da IA na medicina não será definido apenas pela tecnologia dos modelos, mas pela capacidade das organizações de implementarem inovação com responsabilidade e governança. Esse é o valor agregado que precisa estar no centro do desenvolvimento de negócios e uso da tecnologia no setor.
*Ernani Teixeira Ribeiro Jr. é sócio do Atra advogados e especialista em negócios digitais e gestão legal de riscos em IA.
