Em 2025, a glosa inicial média do mercado de saúde suplementar chegou a 15,93%, segundo dados da Anahp: o equivalente a mais de 43 milhões de itens glosados no ano, dos quais mais de 24 milhões já haviam sido registrados até setembro. Na base de clientes da ZG, esse índice está em 8,86%, praticamente metade da referência de mercado. Mesmo assim, o volume continua sendo o principal gargalo operacional das áreas de recurso de glosa, e foi esse o pano de fundo do bate-papo que a ZG promoveu neste mês, reunindo Aline Muniz, coordenadora de auditoria e faturamento do Hospital Moinhos de Vento, e Roberta Souza, coordenadora de recursos de glosa do AC Camargo Cancer Center, para apresentar os resultados reais dos pilotos de inteligência artificial que as duas instituições rodam com a ZG.
Três desafios que motivaram o projeto
Antes de chegar aos números, vale registrar o diagnóstico que abriu a conversa. Três fatores tornam a análise de glosa cada vez mais difícil de sustentar de forma manual: o volume crescente de itens a analisar; a fragmentação dos dados, já que cada operadora tem contrato, tabela e regras próprias; e a subjetividade entre analistas, que leva a justificativas e critérios diferentes para o mesmo tipo de glosa dentro da mesma equipe. É justamente nesse cruzamento, de mais volume, mais complexidade e necessidade de mais escala, que a ZG diz ter concentrado o desenvolvimento de IA aplicada ao recurso de glosa nos últimos um ano e meio.
A base vem antes da IA
Um ponto que as duas convidadas fizeram questão de destacar: não é possível plugar inteligência artificial em um processo sem antes ter os dados estruturados que ela vai usar para gerar as sugestões. No Moinhos de Vento, essa estrutura veio primeiro pelo ZG Conformidade, que organizou regras contratuais e passou a identificar inconsistências de faturamento antes do pagamento. “A ZG Conformidade me reduziu de no mínimo 60, 90 dias para 15 dias, que é o tempo que eu levo hoje para identificar essas inconsistências”, contou Aline. No AC Camargo, o ganho foi na mesma direção: Roberta Souza descreveu uma redução para cerca de 89 dias entre o faturamento e a identificação da causa raiz da glosa, tempo suficiente para agir antes que o erro se repita nos faturamentos seguintes. Foi sobre essa base de regras e dados organizados que o piloto de IA para recurso de glosa começou a rodar em ambas as instituições.
Os números dos dois pilotos
No Moinhos de Vento, o piloto está ativo desde abril, hoje concentrado em uma operadora, cobrindo glosas por motivo de código e preço em todas as categorias de item (material, medicamento, procedimento e taxas). Em agosto, segundo Aline, quase 92% dos itens glosados dentro desse escopo tiveram alguma contribuição da IA na análise, com 72% de cobertura analítica sobre a amostra total. Foram mais de 5.000 itens para os quais a IA gerou uma sugestão de recurso, e 61% desses recursos já foram validados pelos analistas e efetivamente enviados às operadoras.
No AC Camargo, o piloto está na segunda operadora, com o mesmo escopo de motivos, código e preço, escolhido, segundo Roberta, por ser justamente o maior gargalo apontado pelos dados da Anahp em nível nacional. O resultado no último período avaliado chegou perto de 90% de cobertura sobre os códigos que compõem o escopo do teste.
Nenhuma das duas instituições fechou ainda o retorno financeiro consolidado (parte dos recursos enviados segue em análise pelas operadoras), mas ambas já relatam um efeito organizacional concreto: o tempo que antes seria usado analisando glosas de código e preço, historicamente as mais demoradas por exigirem consulta a tabelas e contratos, está sendo redirecionado para tratamento de causa raiz, negociação com operadoras e outras frentes estratégicas. “Hoje eu não falo mais em aumento de quadro, porque eu busquei a IA”, resumiu Aline, referindo-se à pressão de crescimento de equipe que a área vinha projetando antes do piloto.
O que não muda: a decisão continua sendo do analista
Um ponto que as duas convidadas fizeram questão de esclarecer, direcionado às dúvidas mais recorrentes do público durante a transmissão: a IA não substitui o analista. “Não substitui. A decisão ainda é do analista”, afirmou Roberta. A ferramenta cruza código do item, descrição, tabelas vigentes, regras contratuais, histórico de glosa e de recuperação para chegar a uma sugestão de justificativa, mas essa sugestão passa por validação humana antes de qualquer recurso ser enviado. “Não é uma predição ou algo estatístico, é baseado em regras contratualizadas”, reforçou Roberta, respondendo a uma dúvida comum sobre como a IA chega às suas conclusões. Quando o analista discorda de uma sugestão, esse retorno também é usado para ajustar o modelo, o que as duas descreveram como um processo de melhoria contínua, e não uma entrega fechada.
Por enquanto, o escopo é deliberadamente restrito
Vale registrar que os dois pilotos cobrem, hoje, apenas motivos de glosa por código e preço (precificação e codificação), não a totalidade dos motivos possíveis. A escolha não é acidental: segundo o próprio time da ZG, é o par de motivos que concentra o maior volume e o maior esforço manual no mercado, o que torna a automação mais crítica ali antes de qualquer expansão de escopo. A expectativa apresentada foi de seguir ampliando os motivos cobertos à medida que os pilotos avançam.
Próximo passo
Os resultados que Moinhos de Vento e AC Camargo apresentaram são de pilotos em andamento, com escopo definido e mensuração ainda em consolidação, não uma promessa genérica sobre o potencial da IA em saúde, mas dois casos concretos sendo acompanhados publicamente por quem opera a área de recurso todos os dias. A ZG estará no CONAHP, nos dias 14 e 15 de outubro de 2026, com estande aberto para quem quiser aprofundar esses números ou entender como o mesmo modelo poderia se aplicar à realidade da própria instituição.
Fonte: bate-papo “IA no ciclo de receita hospitalar” promovido pela ZG Soluções em setembro de 2026, com Gustavo Campos (ZG), Aline Muniz (Hospital Moinhos de Vento) e Roberta Souza (AC Camargo Cancer Center).
