IA aplicada
Hype da IA: Inteligência Artificial ou apenas estatística com outro nome?
Por Noerci Battistella · · 2 min de leitura
Nos últimos anos, a Inteligência Artificial ganhou espaço como promessa de transformação em praticamente todos os setores. No campo da saúde, fala-se em hospitais inteligentes, diagnósticos automatizados e fluxos assistenciais otimizados. Mas, quando deixamos de lado o entusiasmo das manchetes e olhamos para os dados, a realidade é menos grandiosa do que parece.
Segundo o relatório The State of AI 2025 da McKinsey, mais de três quartos das organizações já utilizam IA em pelo menos uma função de negócio. No entanto, o mesmo estudo mostra que a captura de valor financeiro em nível de empresa permanece limitada, e poucas organizações conseguem de fato transformar essas iniciativas em impacto significativo no resultado (McKinsey, 2025). A Gartner reforça esse ponto ao apontar que menos de 10% das empresas afirmam ter processos maduros para IA, o que explica por que tantos projetos ficam estagnados em pilotos e não atingem escala (Gartner, 2024).
Casos de sucesso existem e são relevantes. Na indústria farmacêutica, a IA já acelera a descoberta de moléculas e a otimização de ensaios clínicos. Alguns hospitais de ponta aplicam algoritmos de visão computacional em imagens médicas, ou utilizam modelos preditivos para planejar a ocupação de leitos e reduzir o tempo de espera. Ainda assim, esses exemplos continuam sendo exceção, e não regra.
Esse descompasso entre expectativas e resultados nos leva a uma pergunta incômoda: será que deveríamos realmente chamar tudo isso de Inteligência Artificial? Na maioria das aplicações hospitalares, o que vemos são modelos estatísticos avançados e ciência de dados. Séries temporais para prever demanda, regressões logísticas para calcular risco de readmissão e análises de cluster para segmentar pacientes são ferramentas estatísticas clássicas, agora com apoio de maior poder computacional. A exceção são os modelos de redes neurais profundas, o deep learning e, mais recentemente, a IA generativa, que de fato expandiram fronteiras no reconhecimento de padrões complexos e na criação de conteúdo.
A minha visão é que a maior parte do valor ainda vem do básico bem-feito: qualidade de dados, governança clara e alinhamento estratégico. Quando tratamos tudo como “IA”, corremos o risco de inflar expectativas e frustrar gestores e equipes. Quando chamamos pelo que é — ciência de dados aplicada — conseguimos entregar resultados palpáveis e sustentáveis.
No fim das contas, fica a provocação: estamos de fato construindo Inteligência Artificial nos hospitais ou apenas redescobrindo, com mais marketing, o poder da estatística?
