O setor de saúde não sofre por falta de dados, mas pela demora em decidir o que fazer com eles — é essa a tese da Horuss AI, healthtech brasileira que aplica inteligência artificial (IA) à gestão de operadoras de planos de saúde. Para a empresa, o setor precisa sair da reação para a antecipação.

"Os modelos de business intelligence tradicionais explicam o que já aconteceu. O desafio estrutural é que a gestão de saúde exige decidir o que fazer antes que os custos aconteçam", afirma Joel Rennó Jr., CEO e cofundador da Horuss AI, em entrevista à EXAME.

A empresa foi fundada por Rennó Jr., Pedro Batista e Rafael Canineu — os dois últimos, médicos — e levantou R$ 35 milhões.

A aposta se apoia em um mercado que cresce rapidamente. O setor global de IA aplicada à saúde é estimado em US$ 36,67 bilhões e deve superar US$ 194 bilhões até 2031, segundo projeção da consultoria indiana MarketsandMarkets.

Dois fatores puxam essa curva, de acordo com análise do Boston Consulting Group (BCG). Uma delas é a escassez de mão de obra qualificada e a demanda por prestadores de automação.

É nesse contexto que copilotos clínicos e agentes autônomos de IA vêm sendo incorporados a fluxos de trabalho médicos, ao relacionamento com pacientes e à medicina de precisão — a mesma direção que a Horuss diz perseguir com sua plataforma.

O problema de otimizar um pedaço só

A distinção que a empresa faz, segundo Rennó Jr., está entre mostrar e recomendar. Ferramentas analíticas entregam painéis e relatórios — apontam onde está o problema.

A proposta da Horuss é responder qual atacar primeiro, qual ação traz maior retorno e quais riscos tratar antes que se materializem. Para isso, a plataforma conecta em uma única camada dados assistenciais, financeiros, operacionais e clínicos, que costumam ficar fragmentados entre sistemas e equipes diferentes.

"Nossa visão é que a próxima geração de softwares para saúde deixará de ser baseada em consultas e relatórios para evoluir para plataformas capazes de recomendar ações", diz.

O argumento central é sobre escopo. Segundo a Horuss, a maioria das soluções do mercado nasceu para resolver dores específicas — como linhas de cuidado, navegação de pacientes, condições crônicas. Todas geram valor, mas atuam sobre um ponto isolado de um sistema interdependente, melhorando um indicador local enquanto deslocam custos para outra área.

"O maior desperdício da saúde é otimizar um problema enquanto outro cresce silenciosamente ao lado", afirma.

Os resultados que a empresa reivindica seguem essa lógica. Em uma linha de cuidado oncológica, a Horuss afirma ter gerado ganho financeiro anualizado de aproximadamente R$ 8 milhões em 90 dias.

Em outra operação, o direcionamento de pacientes com suspeita de transtorno do espectro autista (TEA) para a rede própria teria identificado oportunidade superior a R$ 11 milhões por ano.

E, em um cliente com mais de 350 mil vidas, a plataforma teria apontado pacientes com padrão recorrente de internações que representariam sinistro futuro de cerca de R$ 25 milhões em 12 meses — custo reduzido em torno de 80%, segundo a empresa.

"Muitas vezes não estamos reduzindo uma despesa existente. Estamos evitando que essa despesa aconteça", diz.

Dado ruim, IA ruim

O maior desafio técnico, admite a empresa, está antes do algoritmo.

"Em saúde, a qualidade da IA nunca será melhor do que a qualidade dos dados que a alimentam. Esse é provavelmente o maior desafio técnico do setor", afirma.

Operadoras trabalham com dezenas de sistemas, padrões distintos de codificação e informações espalhadas entre bases clínicas, financeiras, assistenciais e administrativas.

Por isso, segundo a companhia, o trabalho começa por integrar, normalizar e enriquecer esses dados antes de aplicar qualquer modelo.

Sem esse passo, o risco é produzir análises sofisticadas sobre bases inconsistentes — o que, nas palavras do executivo, apenas acelera decisões erradas. "Em saúde, decisões melhores começam com dados em que a organização possa confiar plenamente", diz.

Não há, na avaliação da Horuss AI, um tipo de dado que importe mais que os outros. O ponto de partida costuma ser as contas médicas, avançando depois para autorizações, contratos e informações clínicas.

O gargalo que o mercado subestima

Com quase 3 milhões de vidas monitoradas, Rennó Jr. afirma que o maior obstáculo da Horuss AI para escalar deixou de ser tecnológico.

"Hoje, o desafio é transformar dados em inteligência e inteligência em execução", diz.

Encontrar oportunidades ficou relativamente rápido; o difícil, segundo ele, é convertê-las em resultado antes que o contexto do negócio mude.

É também nesse ponto que a companhia enxerga o limite estrutural da IA na saúde. Na sua avaliação, os modelos vão continuar evoluindo e ficando mais acessíveis — "serão literalmente mercadorias" —, e o diferencial competitivo migrará do algoritmo para a capacidade de execução das organizações.

"Produzem análises sofisticadas, mas continuam inseridos nos mesmos processos de sempre. O resultado é que impressiona nas demonstrações, mas gera pouco impacto", afirma.

O erro que redefiniu a estratégia

Questionada sobre o erro mais caro que já cometeu, a empresa aponta para dentro. No início, media o próprio sucesso pela quantidade de insights produzidos — e concluiu que a métrica estava errada.

"Uma operação de saúde não melhora porque recebeu mais informação. Ela melhora porque consegue transformar esses insumos em decisões melhores", diz.

Foi essa percepção, segundo a companhia, que a fez deixar de se posicionar como empresa de analytics.

Para os próximos 12 a 24 meses, a Horuss diz que vai ampliar a capacidade preditiva e acelerar a evolução de copilotos e agentes inteligentes — sistemas que passariam a apoiar diretamente parte da execução, e não apenas a análise.