Como a Leve Saúde transformou dados dispersos em decisões de minutos

De planilhas dispersas a um assistente de IA que responde em minutos: como a healthtech reorganizou seus dados sem parar a operação.

Fundada em 2020, a Leve Saúde consolidou-se como uma das healthtechs de maior crescimento na saúde suplementar brasileira. Hoje, atende mais de 120 mil clientes e combina rede própria, atenção primária à saúde e tecnologia para sustentar sua expansão. Mas, até dois anos atrás, a empresa enfrentava um desafio comum a organizações em rápido crescimento: transformar dados distribuídos em diferentes sistemas em informações confiáveis para apoiar decisões de negócio.

As informações chegavam por planilhas e arquivos de múltiplas fontes, sem padronização entre si, e a integração com os sistemas internos dependia de conexões mantidas manualmente. Embora os sistemas gerassem os dados, a consolidação das informações para análises e relatórios ainda exigia intervenção manual. Mais de vinte profissionais dedicavam entre três e cinco horas por semana à organização desses dados em planilhas. Qualquer solicitação de relatório fora da rotina entrava em uma fila que podia levar de três a cinco dias para ser atendida, sem visibilidade clara sobre onde estavam os gargalos. Hoje, essa realidade é outra. A companhia opera sobre uma estrutura de dados organizada, com regras claras de governança e um assistente de inteligência artificial capaz de responder perguntas de negócios em minutos.

A virada começou com uma decisão deliberadamente conservadora: migrar toda a base de dados para a Databricks Data + AI Platform, mas de forma gradual, sem parar a operação de uma vez. O primeiro passo foi reorganizar dentro da nova plataforma os processos que já existiam, para dar visibilidade a uma rotina de atualização de dados que antes era dispersa e sem responsável claro.

“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.

Na sequência, a empresa passou a usar conectores automáticos para trazer informações de sistemas como o Oracle e o Salesforce, dispensando scripts mantidos manualmente. Segundo a equipe, o efeito prático foi reduzir a integração de uma nova fonte de dados, um novo sistema de RH ou de vendas, por exemplo, de semanas para poucas horas, uma queda estimada entre 90% e 95% no tempo de trabalho. Também passou a existir um painel de acompanhamento que mostra, em tempo real, se cada atualização de dados aconteceu como esperado, encerrando o modelo anterior, em que uma falha podia passar despercebida por dias.

Os dados também ganharam um fluxo único, em etapas: primeiro entram brutos, depois passam por uma limpeza e padronização, e só depois chegam prontos para uso das áreas de negócio, com regras de qualidade aplicadas em cada etapa. Isso substituiu o fluxo antigo, em que planilhas cruas chegavam quase direto a quem havia pedido a informação.

“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.

O passo mais visível da transformação, porém, é o LIA (Leve Intelligent Agent), um assistente de inteligência artificial construído no Genie, o colega de trabalho de IA da Databricks, que permite que usuários de negócio interajam com dados utilizando linguagem natural, customizado ao vocabulário, aos indicadores e às regras de negócio específicas da Leve Saúde. O desenvolvimento levou cerca de um ano, com ajustes contínuos, não foi um projeto fechado de uma vez. Hoje o acesso está liberado para a diretoria, e a expansão para as áreas operacionais é o próximo passo, previsto para os próximos seis meses.

O ganho de velocidade é o número mais citado internamente: um pedido de relatório que antes esperava de três a cinco dias na fila do time de dados agora é resolvido em minutos, uma redução estimada superior a 95%. Análises que levavam mais de uma semana para ficar prontas também passaram a ser questão de 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 da Leve Saúde.

Essa autonomia é apoiada por um sistema de permissões em que cada área de negócio só acessa o que já poderia acessar antes, e o próprio assistente de inteligência artificial respeita essas mesmas regras, sem abrir atalhos. Todo pedido feito ao sistema fica registrado, com rastro de quem perguntou o quê e de onde veio cada dado. A empresa considera esse ponto especialmente relevante diante das exigências regulatórias da ANS e da Lei Geral de Proteção de Dados (LGPD): a estrutura já facilitou respostas a estudos internos de precificação, monitoramento de atendimento e auditoria de atendimento a partir de registros clínicos.

Nem tudo está consolidado. A equipe reconhece que os ganhos de qualidade dos dados ainda são percebidos de forma qualitativa, sem um percentual formal medido, e que modelos preditivos para prever custo assistencial, identificar fraude e apoiar a gestão de pacientes crônicos ainda estão em fase de teste. Ainda assim, a Leve Saúde se posiciona como um case pioneiro de maturidade de dados e inteligência artificial na saúde suplementar brasileira, um movimento que, segundo a operadora, também contou com um olhar externo ao longo do caminho: Enio Moraes atuou como mentor do time em decisões de arquitetura e adoção de inteligência artificial, complementando a parceria estabelecida diretamente com a Databricks, cujo papel foi instrumental na entrega de uma plataforma de dados + IA para transformação tecnológica da Leve.

Como exemplo de como essa jornada pode evoluir, a Leve Saúde cita o case da Databricks com a empresa norte-americana de melhoria da saúde Premier Inc., no qual consultas de dados com tecnologia de IA foram geradas aproximadamente dez vezes mais rápido do que no processo manual e colocadas em produção em cerca de três dias. Para a Leve Saúde, esse benchmark não é apenas uma meta numérica, mas um indicativo de que a curva de maturidade de dados na saúde ainda tem muito a evoluir, e de que investir em uma infraestrutura de dados organizada, evolutiva e com inteligência artificial integrada se reverte em agilidade, controle e, sobretudo, confiança na informação.