Adoção de IA na saúde brasileira: dados e barreiras

Apenas 18% dos estabelecimentos de saúde brasileiros usaram algum tipo de inteligência artificial em 2025 — número que sobe para 31% entre os que têm mais de 50 leitos, mas ainda deixa a maioria do setor de fora, segundo a TIC Saúde 2025, pesquisa do Cetic.br/NIC.br (sob o CGI.br) com 3.270 gestores de estabelecimentos de saúde, divulgada em maio de 2026. Este artigo é a quarta vertical setorial da série de adoção de IA no Brasil — depois de indústria, varejo e o setor financeiro — e é para quem decide investimento em tecnologia em hospitais, clínicas e operadoras: os dados reais de adoção, as barreiras específicas do setor e onde o retorno já é mensurável hoje.

O tamanho real da adoção de IA na saúde brasileira

A TIC Saúde 2025 é a referência mais robusta disponível: 3.270 gestores entrevistados entre fevereiro e novembro de 2025, cobrindo estabelecimentos públicos e privados de todos os portes. Os números centrais:

Recorte	% que usa IA
Todos os estabelecimentos de saúde	18%
Estabelecimentos com mais de 50 leitos de internação	31%
SADT (Serviços de Apoio à Diagnose e Terapia)	29%

Entre quem já usa IA, o tipo de tecnologia mudou rápido de um ano para o outro: 76% usam modelos de linguagem generativa como ChatGPT ou Gemini — alta de 63% em 2024 —, 52% usam mineração de texto/análise de linguagem, 48% automação de processos e fluxos, 26% reconhecimento de fala, 17% reconhecimento de imagem e 15% aprendizado de máquina para predição, segundo o mesmo levantamento (release oficial Cetic.br).

Um número diferente circula no setor, e vale separar bem: uma pesquisa da ANAHP com a ABSS (Associação Brasileira de Startups de Saúde), com 45 hospitais privados respondentes entre julho e setembro de 2023, encontrou 62,5% de adoção de IA, com 55,1% tendo investido nos dois anos anteriores e 51% desses investidores relatando resultado prático (ANAHP). São dois universos diferentes — amostra menor e mais antiga, só hospital privado, versus a TIC Saúde 2025, mais ampla e recente, cobrindo todo o setor. Tratá-los como comparáveis ou como "atualização" um do outro é o erro mais comum que aparece em cobertura do tema — os dois apontam na mesma direção (adoção crescente, concentrada nos maiores players), mas não são a mesma medida.

Onde a IA já é usada: administrativo na frente, clínico atrás

A aplicação mais comum de IA em saúde no Brasil hoje ainda é operacional, não clínica: 45% dos estabelecimentos que usam IA aplicam em organizar processos clínicos e administrativos (alta de 32% em 2024), 36% em segurança digital, 32% em eficiência de tratamentos, 31% em logística, 27% em gestão de RH e recrutamento, 26% em apoio a diagnósticos e só 14% em dosagem de medicamentos, segundo a TIC Saúde 2025. O padrão confirma o que a maturidade de IA em outras verticais também mostra — comparável ao que a adoção de IA na indústria brasileira e o varejo brasileiro já revelam: a primeira onda de IA entra pelas tarefas administrativas de menor risco, e só depois avança para o núcleo da operação — neste caso, a decisão clínica em si, que carrega responsabilidade médica direta.

Um caso de uso com retorno financeiro direto e mensurável: gestão de fraude e glosas em saúde suplementar. O IESS (Instituto de Estudos da Saúde Suplementar) estima que fraude e desperdício consomem até 12% da receita anual das operadoras de saúde no Brasil, com 2.042 notificações de crimes e ações cíveis por fraude registradas em 2023 — alta de 66% frente a 2022 —, segundo a PwC Brasil. É a categoria de caso de uso onde o ROI de IA em saúde é mais fácil de provar para a diretoria: cada ponto percentual de fraude detectado tem valor financeiro direto, sem depender de mudança de processo clínico.

O Hospital Israelita Albert Einstein ilustra o outro extremo da curva de maturidade: opera hoje 126 algoritmos de IA em uso diário de suporte à gestão e monitoramento de pacientes, e foi credenciado pela Embrapii em 2026 como validador regulatório para startups de saúde digital, segundo reportagem da ConvergênciaDigital. É exceção, não regra — a distância entre um hospital de ponta com dezenas de algoritmos em produção e a maioria do setor, ainda travada na etapa de piloto ou sem uso algum, é o retrato real da adoção de IA na saúde brasileira hoje: concentrada, não distribuída.

As barreiras que travam os outros 82%

A TIC Saúde 2025 pergunta diretamente aos estabelecimentos com mais de 50 leitos por que não usam IA — e a resposta desmonta a ideia de que o freio é só tecnológico:

Barreira	% que cita
Custo elevado	63%
Não é prioridade institucional	56%
Disponibilidade/qualidade de dados	51%
Falta de pessoas capacitadas	51%
Incompatibilidade com sistemas existentes	49%
Preocupação com privacidade/proteção de dados	47%
Falta de necessidade ou interesse	45%
Questões éticas/regulatórias	32%

O dado mais importante para quem decide investimento não é o primeiro da lista — é o segundo e o quarto juntos: 56% dizem que IA "não é prioridade" e 51% apontam falta de gente capacitada para usar a tecnologia. Isso significa que, para mais da metade do setor, o obstáculo não é a tecnologia em si — é decisão institucional de priorizar o tema e a ausência de time preparado para operá-la. Comprar uma ferramenta de IA sem resolver essas duas barreiras é o padrão mais comum de investimento desperdiçado: a licença fica subutilizada porque ninguém no hospital ou na operadora foi capacitado para usá-la no fluxo real de trabalho. O caminho para transformar essa barreira em capacidade instalada está em como implementar IA na empresa: da estratégia à adoção e, para o diagnóstico de onde a organização está hoje, em maturidade de IA nas empresas: como avaliar a sua.

A Resolução CFM 2.454/2026: governança que destrava, não que trava

Em 27 de fevereiro de 2026, o Conselho Federal de Medicina publicou a Resolução nº 2.454/2026, regulamentando o uso de IA na prática médica no Brasil. Três pontos centrais, segundo o CFM: a decisão clínica final permanece exclusiva do médico — IA apoia, não substitui; sistemas de IA usados em medicina são classificados por nível de risco (baixo, médio, alto, inaceitável); e a resolução exige governança, transparência e proteção de dados alinhadas à LGPD.

Vale ler essa resolução como estrutura que viabiliza adoção com segurança jurídica, não como obstáculo — o mesmo raciocínio que já se aplica à governança de IA em qualquer outro setor regulado: quando existe regra clara sobre quem responde pela decisão e como o sistema deve ser avaliado antes do uso, a adoção acelera, porque a diretoria e o corpo clínico sabem exatamente o que precisam validar antes de aprovar. Sem essa clareza, o medo de responsabilização por decisão assistida por IA vira, ele mesmo, mais uma barreira de "não é prioridade".

O que muda para quem decide o investimento

Três conclusões práticas para quem avalia onde investir em IA em saúde agora:

1. Comece pelo administrativo, não pelo clínico. É onde a maioria do setor já está — organização de processos, segurança digital, logística — e onde o retorno é mais rápido de medir e mais fácil de defender internamente antes de avançar para decisão clínica.
2. Gestão de fraude e glosas é o caso de uso com ROI mais direto hoje, com até 12% da receita das operadoras em risco segundo o IESS/PwC — um ponto de partida concreto para o business case, sem depender de mudança de protocolo clínico.
3. Resolver a barreira de capacitação é pré-requisito, não etapa posterior. Com 51% dos estabelecimentos de maior porte citando falta de gente preparada como obstáculo, investir em tecnologia sem investir em quem vai operá-la é o motivo mais provável de o investimento não aparecer nos resultados. O framework completo de gestão dessa mudança está em gestão de mudança na adoção de IA: o guia prático, e o business case que conecta esses três pontos em business case de IA: como montar e aprovar o investimento.

Como a Jetpacks apoia a adoção de IA no setor de saúde

Dentro do método Flight Plan, o Launchpad mapeia, por área do hospital ou operadora, onde a IA já é usada informalmente e onde a barreira é falta de prioridade ou de capacitação — a distinção que a TIC Saúde 2025 mostra ser decisiva. O Booster capacita as equipes clínicas e administrativas dentro da governança já exigida pela Resolução CFM 2.454/2026, e o Mission Control entrega as métricas de adoção que sustentam a próxima rodada de investimento. Como parceira oficial da Replit no Brasil, a Jetpacks já aplicou esse método em empresas como Hypera Pharma, Volvo, BMR Medical e C12 Brasil.

FAQ

Quantos hospitais e estabelecimentos de saúde no Brasil já usam inteligência artificial?

Segundo a TIC Saúde 2025, 18% dos estabelecimentos de saúde brasileiros usaram algum tipo de IA em 2025, subindo para 31% entre os que têm mais de 50 leitos. Uma pesquisa anterior da ANAHP/ABSS, de 2023 e restrita a 45 hospitais privados, encontrou 62,5% — número maior, mas de amostra e universo diferentes, não comparável diretamente.

Quais são as principais barreiras para adotar IA na saúde no Brasil?

Custo elevado (63%), IA não ser prioridade institucional (56%), qualidade e disponibilidade de dados (51%), falta de pessoas capacitadas (51%) e incompatibilidade com sistemas existentes (49%), segundo a TIC Saúde 2025 — mais da metade das barreiras é organizacional e de capacitação, não puramente tecnológica.

A IA pode substituir médicos no Brasil?

Não, segundo a Resolução CFM 2.454/2026: a decisão clínica final permanece exclusiva do médico. A IA pode apoiar diagnóstico, priorização e gestão, mas a resolução formaliza que a responsabilidade pela decisão continua sendo humana.

Como a IA reduz fraude e glosas em saúde suplementar?

Automatizando a análise de grandes volumes de guias e solicitações para identificar padrões de fraude, erro de cobrança ou glosa evitável — categoria de uso com retorno financeiro direto, já que fraude e desperdício consomem até 12% da receita anual das operadoras, segundo o IESS/PwC.

É seguro usar IA com dados de pacientes, considerando a LGPD?

É possível, mas exige estrutura: a Resolução CFM 2.454/2026 já cobra proteção de dados alinhada à LGPD para sistemas de IA usados na prática médica. A própria TIC Saúde 2025 mostra que menos da metade dos estabelecimentos tem hoje um encarregado de dados (DPO) ou plano de resposta a incidentes — a governança de dados costuma estar mais atrasada que a intenção de adotar IA.

Por que a adoção de IA na saúde é menor do que em outros setores no Brasil?

Porque o setor combina as barreiras comuns a qualquer adoção de IA (custo, capacitação, priorização) com exigências específicas de responsabilidade médica, regulação (CFM, LGPD) e sistemas legados de interoperabilidade mais fragmentados do que em setores como varejo ou serviços financeiros — o que naturalmente torna o ciclo de decisão mais lento e conservador.

Conclusão: o gap está na priorização, não na tecnologia

A distância entre 18% de adoção geral e 31% nos maiores estabelecimentos mostra um setor que já sabe que IA funciona — o Hospital Albert Einstein com 126 algoritmos em produção prova isso — mas onde a maioria ainda trata o tema como projeto de TI opcional, não como prioridade institucional. A TIC Saúde 2025 é clara: o obstáculo mais citado depois de custo não é tecnológico, é organizacional. Resolver isso não é comprar mais ferramenta — é decidir priorizar e capacitar o time que vai operar.

Se sua organização de saúde está avaliando onde investir em IA agora, o diagnóstico gratuito da Jetpacks mapeia, em 30 a 45 minutos, os casos de uso com retorno mais rápido para o seu porte e onde a barreira real está — tecnologia, dado ou capacitação.