O que a IA clínica ensina a todas as indústrias: o relatório Stanford-Harvard que separa o que funciona do que parece funcionar

O primeiro relatório ARISE sobre IA clínica e as lições transferíveis para qualquer indústria sobre desempenho real vs. percebido.

Existem hoje mais de 1.250 ferramentas de IA aprovadas pela FDA americana. Dois terços dos médicos nos Estados Unidos já utilizam modelos de linguagem no trabalho clínico. A pergunta não é mais "a IA consegue fazer isso?". A pergunta agora é "quão bem ela faz, a que custo, e para quem?".

Em janeiro de 2026, pesquisadores de Stanford e Harvard publicaram o primeiro relatório ARISE (AI Report on Innovation, Safety, and Evaluation), o levantamento mais abrangente já feito sobre o desempenho real da IA em ambiente clínico. O documento não é sobre promessas. É sobre evidências.

E as lições que emergem dele não são apenas para o setor de saúde. São para qualquer indústria que está investindo em IA e precisa separar o que funciona do que apenas parece funcionar.

>O que funciona: IA como segunda opinião

O estudo mais robusto do relatório é o PRAIM, conduzido na Alemanha. Os números: 463.094 mulheres examinadas, 119 radiologistas participantes, em condições reais de prática clínica. Não é um estudo de laboratório. É o maior teste de IA em mamografia já realizado no mundo.

O modelo testado funciona como rede de segurança. O radiologista faz a leitura normalmente. A IA analisa a mesma imagem de forma independente. Quando há discordância, um segundo radiologista é chamado para desempatar.

A implicação para qualquer indústria é direta: IA não precisa substituir o profissional experiente. Precisa elevar o piso de desempenho. Em auditoria, em análise financeira, em due diligence, em controle de qualidade, o modelo é o mesmo: IA como segunda opinião, não como substituta.

>O que não funciona: erros confiantes

O relatório ARISE inclui o benchmark NOHARM, que testou 31 modelos de linguagem contra 100 casos clínicos reais. Os resultados são um alerta para qualquer indústria que está delegando decisões a modelos de linguagem.

Mesmo os melhores modelos cometeram entre 12 e 15 erros graves a cada 100 casos. Erros que, em ambiente clínico, poderiam resultar em danos sérios ao paciente.

O problema mais perigoso não é que os modelos erram. É como eles erram. Diante de ambiguidade clínica, os modelos não sinalizam incerteza. Eles se comprometem firmemente com a resposta errada, com o mesmo tom de confiança que usam para respostas corretas.

E os dados mostram que profissionais seguem recomendações incorretas quando apresentadas com confiança pelo modelo. Isso não é um problema de tecnologia. É um problema de design de interação humano-máquina.

>IA voltada ao paciente: engajamento não é resultado

O relatório identifica a IA voltada diretamente ao paciente como a categoria de crescimento mais rápido, mas também a de evidência mais limitada. Chatbots de saúde, aplicativos de triagem, ferramentas de autodiagnóstico.

O problema: a maioria dessas ferramentas mede engajamento, não resultados. Número de interações, tempo de uso, satisfação do usuário. Mas não medem se o paciente tomou a decisão certa, se o diagnóstico estava correto, se o encaminhamento foi adequado.

A lição transferível é clara: em qualquer indústria, medir atividade não é medir resultado. Uma ferramenta de IA para vendas que gera mais propostas não está necessariamente gerando mais receita. Uma ferramenta de IA para RH que acelera triagem de currículos não está necessariamente melhorando a qualidade das contratações.

>A lição para todas as indústrias

O relatório ARISE é sobre medicina. Mas as cinco lições que emergem dele se aplicam a qualquer setor que está investindo em IA:

• •Desempenho em teste não é desempenho em produção. Modelos que performam bem em benchmarks controlados podem falhar em condições reais. A validação precisa acontecer no ambiente onde a IA será de fato utilizada.
• •A melhor implementação é IA + humano, não IA sozinha. O modelo PRAIM funciona porque mantém o humano no centro da decisão. A IA amplia a capacidade do profissional, não o substitui.
• •Meça resultados, não atividade. Engajamento, volume de uso e satisfação do usuário são métricas de vaidade quando desconectadas de resultados reais de negócio.
• •Erros confiantes são o principal risco. Modelos que não comunicam incerteza são mais perigosos do que modelos que erram abertamente. Design de interação que sinalize limitações é tão importante quanto a acurácia do modelo.
• •IA voltada ao cliente sem supervisão é risco. Ferramentas que interagem diretamente com clientes ou pacientes sem camada humana de verificação expõem a organização a erros sistêmicos e responsabilidade legal.

>O contexto regulatório que acelera tudo isso

O AI Act da União Europeia entra em vigor em agosto de 2026. O Colorado AI Act, a primeira legislação estadual abrangente de IA nos Estados Unidos, entra em vigor em junho de 2026. Em ambos os casos, sistemas de IA que afetam decisões sobre pessoas precisarão demonstrar explicabilidade, monitoramento de viés e rastreabilidade.

Para empresas que operam globalmente, a mensagem é clara: a capacidade de demonstrar que sua IA funciona, como funciona e para quem funciona não é mais diferencial. É requisito.

A era de "vamos implementar IA e ver o que acontece" acabou. O que vem agora é avaliação rigorosa, implementação com supervisão, e métricas que meçam o que importa.

Para quem dirige uma empresa, a tradução é direta: mova-se com convicção, mas mova-se com evidência. A IA que funciona já está gerando valor real. A IA que apenas parece funcionar está gerando custo com aparência de inovação.

O relatório ARISE mostra como distinguir uma da outra.