HIMSS 2026 e o ponto cego da IA na saúde: por que o uso já começou antes da adoção
De 9 a 12 de março, o debate global sobre adoção de IA na saúde ganha palco no HIMSS 2026, o maior evento internacional de tecnologia em saúde. O tom das discussões já revela uma mudança importante de maturidade no setor. A pergunta deixou de ser “quem já adotou?” e passou a ser “como estruturar e governar um uso que já está acontecendo?”.
Eventos como o HIMSS sinalizam que a inteligência artificial deixou de ser experimento periférico e passou a ocupar o centro das decisões estratégicas. O desafio agora não é apenas tecnológico. É institucional.
É justamente nesse ponto que surge um problema pouco discutido — e mais relevante do que os números de adoção sugerem.
O paradoxo da adoção de IA na saúde
A discussão sobre adoção de IA na saúde costuma partir de uma pergunta confortável: quem já adotou IA e quem ainda não adotou. Do ponto de vista institucional, a adoção de IA na saúde ainda é limitada. Em grande parte das organizações, a IA não integra a infraestrutura clínica, não está conectada ao prontuário eletrônico e não opera sob políticas formais de governança.
No entanto, essa leitura encobre um fenômeno mais profundo. Mesmo onde a IA não foi oficialmente incorporada, ela já influencia decisões, fluxos de trabalho e a forma como informações clínicas são produzidas, organizadas e interpretadas. A ausência de adoção institucional não equivale à ausência de impacto.
Dados do relatório ICT in Health, conduzido pelo NIC.br, ajudam a explicitar esse descompasso. Enquanto apenas 4% dos estabelecimentos de saúde no Brasil declaram uso institucional de IA, 17% dos médicos afirmam utilizar ferramentas de IA generativa no trabalho. Os indicadores não medem exatamente o mesmo universo — e é justamente essa distância que importa. Ela revela que o uso antecede a decisão organizacional, ocorre fora da arquitetura formal dos sistemas clínicos e escapa, em grande parte, aos mecanismos tradicionais de governança.
O desafio da IA na saúde, portanto, não começa quando a instituição decide adotá-la, mas quando precisa reconhecer e organizar um uso que já acontece. A maturidade deixa de ser uma questão de “se” ou “quando” adotar IA e passa a ser a capacidade de internalizar, estruturar e governar algo que já influencia silenciosamente a operação cotidiana do cuidado.
Adoção de IA na saúde ainda é exceção, não regra
Estudo publicado no JAMA Health Forum em 2025, com base no Business Trends and Outlook Survey do US Census Bureau, mostra que a adoção de IA na saúde começou a acelerar a partir do fim de 2024. Até então, o crescimento era praticamente estável. A partir de 2025, a taxa passou a crescer mais de quatro vezes mais rápido do que no período anterior.
Ainda assim, em 2025, a adoção atingiu cerca de 8,3% das organizações de saúde — patamar significativamente inferior ao observado em outros setores da economia. Serviços de tecnologia da informação registraram aproximadamente 23,2%; serviços profissionais, científicos e técnicos, 19,2%; educação, 15,1%; e finanças e seguros, cerca de 11,6%.
Os números mostram que, apesar do avanço recente, a saúde continua atrás de setores onde fluxos digitais e processos orientados a dados já estão profundamente consolidados.
No Brasil, o cenário é ainda mais desigual. Algumas instituições operam IA integrada a processos clínicos e administrativos. Outras convivem com uso difuso, descentralizado e pouco documentado — um ambiente que amplia riscos justamente onde a maturidade institucional ainda está em construção.
Quando o uso antecede a estratégia
Em muitos contextos, a IA começa a se comportar como infraestrutura antes mesmo de ser tratada como tal. Ela passa a influenciar tarefas recorrentes, decisões clínicas e registros médicos sem que existam critérios claros de integração, controle ou responsabilidade institucional.
Nesse estágio, três exigências se tornam inevitáveis.
Confiabilidade contínua
Não basta funcionar bem em pilotos ou demonstrações. Em ambientes clínicos reais, a IA precisa operar com previsibilidade sob volume, diversidade de dados e pressão operacional. Quando falha, o impacto deixa de ser técnico e passa a ser assistencial e organizacional.
Governança do uso
À medida que diferentes ferramentas passam a ser utilizadas individualmente, o risco deixa de ser a ausência de tecnologia e passa a ser o uso não coordenado. Decisões podem ser influenciadas por modelos externos sem rastreabilidade, auditoria ou políticas institucionais claras.
Integração ao fluxo clínico
Soluções que operam fora do prontuário eletrônico ou exigem etapas paralelas criam atrito. Para gerar valor sustentado, a IA precisa reduzir esforço cognitivo e administrativo — não redistribuí-lo.
É nesse ponto que a diferença entre automação pontual e infraestrutura começa a se definir.
Infraestrutura de dados: a base invisível da IA
A transição da experimentação para a consolidação esbarra em um fator estrutural: interoperabilidade.
Dados clínicos fragmentados, distribuídos entre sistemas proprietários e padrões incompatíveis, limitam a capacidade da IA de operar com segurança, consistência e escala. Sem interoperabilidade, a automação permanece restrita a ilhas operacionais — e, sem escala, não se consolida como infraestrutura.
Padrões como o HL7 e o FHIR (Fast Healthcare Interoperability Resources) deixam de ser apenas uma discussão técnica e passam a assumir papel estratégico. A interoperabilidade baseada em padrões abertos não impacta apenas eficiência operacional, mas também segurança do paciente, privacidade e governança do dado.
Sem esse alicerce, a inteligência artificial passa a operar sobre informações incompletas ou mal contextualizadas — aumentando riscos, reduzindo confiabilidade e limitando seu impacto real na operação clínica.
Da automação isolada à arquitetura governada
Responder a esse cenário exige mais do que “adotar IA”. Exige criar ambientes capazes de absorver, organizar e controlar um uso que já acontece.
Soluções como o evalmind care atuam sobre um dos pontos mais sensíveis da operação clínica: a documentação. Ao automatizar a transcrição e a estruturação da anamnese de forma integrada ao prontuário eletrônico, a IA deixa de operar como apoio externo e passa a funcionar dentro do fluxo assistencial, com padronização, previsibilidade e redução real da carga administrativa. O foco deixa de ser a tecnologia em si e passa a ser a consistência do registro clínico e o tempo recuperado para o cuidado.
De forma complementar, o evalmind chat responde a outro risco central deste momento de maturação: o uso difuso e não governado de modelos de linguagem. Ao oferecer um ambiente corporativo centralizado, com múltiplos modelos operando sob políticas únicas de segurança, controle de acesso e rastreabilidade, a organização deixa de tentar restringir o uso individual e passa a trazê-lo para dentro da arquitetura institucional.
Por fim, a inteligência artificial na saúde já não é uma promessa futura.Ela já influencia decisões, registros e fluxos operacionais. O verdadeiro ponto de maturidade da adoção de IA na saúde está menos na formalização da tecnologia e mais na capacidade de governar seu uso real.
Referências bibliográficas
Dados sobre adoção de IA em saúde
Nguyen TD, Whaley CM, Simon KI, Mehrotra A, Cantor J. Adoption of Artificial Intelligence in the Health Care Sector. JAMA Health Forum. 2025; Debate sobre o crescimento da adoção de IA em saúde comparada a outros setores, incluindo dados de 2023–2025.
Link: https://jamanetwork.com/journals/jama-health-forum/fullarticle/2841460
Dados sobre uso de IA generativa por profissionais de saúde no Brasil
ICT in Health 2024 — Survey on the Use of Information and Communication Technologies in Brazilian Healthcare Facilities. Reportagem e análise do relatório que identificou percentuais de uso de IA generativa por médicos e enfermeiros no Brasil.
Relatório completo (PDF): https://nic.br/media/docs/publicacoes/2/20250512160040/ict_in_health_2024_e-book.pdf
Reportagem de mídia brasileira sobre os dados da pesquisa
“Cerca de 4% dos estabelecimentos de saúde e 17% dos médicos no Brasil utilizam IA, aponta pesquisa.” G1 / NIC.br destacando os índices da TIC Saúde 2024. https://www.nic.br/noticia/na-midia/cerca-de-4-dos-estabelecimentos-de-saude-e-17-dos-medicos-no-brasil-utilizam-ia-aponta-pesquisa/
Detalhamento complementar sobre uso de IA generativa
“TIC Saúde aponta presença de IA generativa no cotidiano dos profissionais de saúde.” Teletime / NIC.br — detalha percentuais de uso por médicos e enfermeiros no Brasil.
https://nic.br/noticia/na-midia/tic-saude-aponta-presenca-de-ia-generativa-no-cotidiano-dos-profissionais-de-saude/