Healthtech reorganizou o fluxo de dados em etapas, do bruto ao pronto para uso, e reconhece o que ainda falta: métrica formal de qualidade e modelos preditivos que seguem em teste

Muita empresa acha que tem maturidade de dados porque comprou uma plataforma. Para a Leve Saúde, healthtech fundada em 2020 e hoje com mais de 120 mil clientes na saúde suplementar, o critério é outro: a área de negócio confia ou não no número que chega até ela.

“A gente não mede maturidade de dados pela ferramenta que se usa, mede pela confiança que a área de negócio tem no número que chega até ela. Foi isso que mudou aqui dentro”, diz Ailton Sampaio, gerente de dados da Leve Saúde.

Como a confiança foi construída

Até dois anos atrás, os dados da empresa chegavam por planilhas de várias fontes, sem padronização, e a consolidação exigia trabalho manual de mais de vinte profissionais, que gastavam de três a cinco horas por semana nisso. Um relatório fora da rotina esperava de três a cinco dias, e uma falha na atualização podia passar dias sem ser vista.

A mudança começou com uma migração gradual para a Databricks Data + AI Platform, sem parar a operação. “Não trocamos tecnologia por tecnologia. Trocamos incerteza por controle. Cada etapa da migração foi pensada para que a operação nunca parasse de ver seus próprios dados”, afirma Sandro Silva, COO da Leve Saúde.

O ponto central para a confiança foi o fluxo em etapas. Os dados entram brutos, passam por limpeza e padronização e só então chegam prontos para as áreas de negócio, com regras de qualidade aplicadas em cada fase. Antes, planilhas cruas iam quase direto para quem tinha pedido. Conectores automáticos substituíram scripts manuais para trazer informação de sistemas como Oracle e Salesforce, e um painel em tempo real mostra se cada atualização aconteceu.

O que a maturidade permitiu

Sobre essa base, a empresa construiu o LIA (Leve Intelligent Agent), assistente de IA feito no Genie, da Databricks, que responde perguntas de negócio em linguagem natural. Relatórios que esperavam dias saem em minutos. “O LIA não substitui o time de dados, ele devolve o tempo do time de dados para o que exige raciocínio humano. A pergunta simples, que engessava a fila, hoje a própria área de negócio resolve sozinha”, explica João Gabriel Silva, engenheiro sênior de dados.

O que ainda não está maduro

A Leve Saúde não trata o processo como concluído. A equipe reconhece que os ganhos de qualidade dos dados ainda são percebidos de forma qualitativa, sem um percentual formal medido. Modelos preditivos para prever custo assistencial, identificar fraude e apoiar a gestão de pacientes crônicos estão em fase de teste. O assistente de IA atende a diretoria, e a expansão para áreas operacionais está prevista para os próximos seis meses.

Como referência do caminho a percorrer, a empresa cita o caso da Databricks com a norte-americana Premier Inc., em que consultas com IA foram geradas cerca de dez vezes mais rápido que no processo manual e colocadas em produção em aproximadamente três dias. Enio Moraes atuou como mentor do time em decisões de arquitetura e adoção de IA.

Maturidade de dados, na prática da Leve Saúde, é isso: um fluxo que garante a origem do número, uma área de negócio que confia nele, e a honestidade de listar o que ainda não foi medido.