A inteligência artificial está passando do discurso estratégico para a integração real nos prontuários eletrônicos de saúde. Mas, segundo uma nova pesquisa da Black Book Research, as organizações de saúde ainda não estão prontas para implantar essas tecnologias em larga escala de forma segura, mensurável e governada.

A pesquisa AI in the EHR Adoption Readiness Poll, realizada com 507 executivos de saúde, líderes de informática, responsáveis por informática clínica e gestores de operações médicas no segundo e terceiro trimestres de 2026, mostra uma adoção real, mas ainda imatura. A pontuação média de prontidão para IA nos EHR ficou em 94,9 de 200, colocando o mercado na categoria “Emerging”.

Esse resultado indica que a IA já está presente nos fluxos de trabalho clínicos, especialmente por meio da documentação ambiente. Porém, governança, confiança dos clínicos, treinamento das equipes, monitoramento pós-implantação e validação clínica ainda são insuficientes para uma adoção empresarial totalmente controlada.

IA sai da fase experimental

Um dos principais aprendizados do estudo é que a IA deixou de ser apenas tema de conferência ou estratégia de longo prazo. Ela agora entra nas ferramentas usadas diariamente por hospitais, clínicas e sistemas de saúde.

O prontuário eletrônico passa gradualmente a ser um ponto de ancoragem para a IA em saúde. Os EHR concentram dados de pacientes, notas clínicas, prescrições, resultados laboratoriais, fluxos operacionais e interações entre profissionais de saúde.

Isso os torna um ambiente natural para integrar ferramentas capazes de automatizar certas tarefas, auxiliar clínicos, gerar resumos ou apoiar decisões.

Mas essa integração não é apenas técnica. Ela exige processos de controle, regras de validação, supervisão humana, indicadores de desempenho e governança institucional.

Mercado segue na categoria “Emerging”

A pontuação média Black Book AI in the EHR Readiness Score ficou em 94,9 de 200. Esse resultado coloca o mercado perto do topo da categoria “Emerging”, que cobre organizações que começaram a adoção, mas ainda não têm maturidade completa.

As pontuações são divididas em quatro faixas: Exploring de 0 a 49, Emerging de 50 a 99, Advancing de 100 a 149 e Leading de 150 a 200. Mais da metade dos respondentes, 284 de 507, permanece abaixo do nível “Advancing”. Apenas 30 respondentes, ou 5,9%, alcançam a categoria “Leading”.

Essa distribuição mostra um mercado ativo, mas ainda fragmentado. Muitas organizações testam ou implantam alguns casos de uso, mas poucas já possuem um modelo operacional robusto para gerir a IA como ativo clínico e estratégico.

O nível de adoção, portanto, está crescendo mais rápido do que o nível de preparação.

Documentação ambiente vira primeiro caso de uso

A documentação ambiente é o campo que avança mais rapidamente. Segundo a Black Book, 219 respondentes, ou 43,2%, relatam implantação empresarial ou piloto limitado. No total, 343 respondentes, ou 67,7%, já estão em produção, em piloto ou avaliando ativamente IA ambiente.

Esse avanço é fácil de entender. A documentação clínica é um dos pontos de dor mais visíveis nos sistemas de saúde. Médicos e profissionais assistenciais passam muito tempo redigindo, completando e organizando notas nos EHR.

A IA ambiente promete reduzir essa carga ao capturar interações clínicas, gerar rascunhos de notas e estruturar informações para os prontuários. O retorno sobre investimento é mais fácil de compreender: economia de tempo, redução da carga administrativa, melhora da experiência do clínico e mais fluidez nas consultas.

Por isso, a Black Book descreve a documentação ambiente como o principal ponto de entrada da IA nos EHR.

Por que a documentação ambiente avança mais rápido

A documentação ambiente tem um perfil de risco mais limitado do que outras formas de IA clínica. Ela não decide diretamente diagnóstico ou tratamento. Ela auxilia principalmente a produção de notas, sob supervisão humana.

Isso torna sua adoção mais aceitável para organizações de saúde. Os benefícios são concretos, enquanto os riscos podem ser controlados por revisão, aprovação do clínico e integração aos fluxos de trabalho existentes.

Por outro lado, ferramentas de apoio à decisão clínica são mais sensíveis. Elas podem influenciar diagnóstico, tratamento, triagem ou recomendações de cuidado. Exigem, portanto, validação mais forte, evidências clínicas, auditorias, salvaguardas e maior confiança dos usuários.

A diferença entre essas duas categorias explica por que a IA ambiente avança mais rápido que a IA decisional.

Governança não acompanha o ritmo

O ponto fraco mais importante é a governança. Apenas 92 respondentes, ou 18,1%, superam o limite operacional que combina comitê de governança, métricas de impacto e monitoramento pós-implantação.

Esse número é baixo em comparação com o avanço da integração técnica. Mostra que muitas organizações conseguem testar ou usar IA, mas não possuem uma estrutura completa para medir seus efeitos, gerir riscos e garantir desempenho ao longo do tempo.

Na saúde, governança não é opcional. Uma IA que funciona mal pode gerar erros de documentação, vieses, recomendações inadequadas, problemas de privacidade ou dependência excessiva dos usuários.

A falta de governança pode, portanto, transformar uma inovação promissora em risco clínico, operacional e jurídico.

Infraestrutura avança mais rápido que controle

O estudo mostra que a infraestrutura está mais avançada do que a governança. A prontidão para integração de ferramentas de IA de terceiros via API alcança 223 respondentes, ou 44,0%. Em contraste, apenas 92 respondentes, ou 18,1%, relatam monitoramento de IA após a implantação.

Essa diferença é reveladora. Organizações de saúde conseguem tecnicamente conectar soluções de IA aos seus sistemas, mas nem sempre possuem mecanismos necessários para acompanhá-las depois que entram em uso.

A integração por API permite conectar ferramentas rapidamente. Mas capacidade técnica não garante segurança, qualidade ou valor clínico.

Uma adoção duradoura exige controles contínuos: monitoramento de desempenho, detecção de erros, análise de vieses, feedback dos usuários, acompanhamento de resultados clínicos e verificação da responsabilidade dos fornecedores.

Confiança dos clínicos segue limitada

O apoio à decisão clínica assistido por IA continua fortemente limitado pela confiança. A Black Book indica que 81 respondentes, ou 16,0%, implantaram ferramentas de clinical decision support assistidas por IA. Mas apenas 67 respondentes, ou 13,2%, relatam alta confiança dos clínicos e ação sobre recomendações geradas pela IA.

Essa diferença é crítica. Implantar uma ferramenta não significa que os clínicos realmente a usem ou confiem nela.

Em um ambiente médico, profissionais precisam entender por que um sistema recomenda uma ação, quais dados ele usa, quais limitações apresenta e quem continua responsável em caso de problema.

Se os clínicos veem a IA como uma caixa-preta, fonte de alertas inúteis ou risco adicional de responsabilidade, podem ignorá-la. A adoção real depende, portanto, da confiança, não apenas da instalação do software.

Treinamento da equipe ainda é insuficiente

A preparação das equipes é outro ponto fraco. O treinamento formal em letramento de IA alcança apenas 93 respondentes, ou 18,3%. Programas de campeões de IA atingem 132 respondentes, ou 26,0%. O acompanhamento separado da satisfação ligada à IA aparece em apenas 74 respondentes, ou 14,6%.

Esses números mostram que muitas organizações adotam ferramentas sem preparar plenamente os usuários. A IA em saúde modifica hábitos de trabalho. Muda a forma de documentar, verificar, decidir, comunicar e avaliar riscos.

Sem treinamento, usuários podem superestimar ou subestimar as capacidades das ferramentas. As duas situações são perigosas. Confiança excessiva pode levar à dependência cega. Desconfiança total pode impedir a organização de captar benefícios.

O treinamento deve, portanto, tornar-se componente central de qualquer programa de IA nos EHR.

Orçamentos de IA avançam, mas seguem desiguais

O financiamento começa gradualmente a entrar nos ciclos orçamentários. Segundo a Black Book, 213 respondentes, ou 42,0%, afirmam ter financiamento de IA comprometido. Mas 176 respondentes, ou 34,7%, ainda dependem de financiamento informal ou caso a caso.

Essa situação reflete um mercado em transição. As organizações reconhecem a importância da IA, mas nem todas estabeleceram orçamentos estruturados, recorrentes e alinhados a objetivos mensuráveis.

Um financiamento ad hoc pode permitir o lançamento de pilotos. Mas não basta para construir uma adoção empresarial: governança, integração, treinamento, cibersegurança, avaliação clínica, suporte ao usuário e monitoramento pós-implantação exigem investimentos contínuos.

Para passar da experimentação à escala, os sistemas de saúde precisarão tratar a IA como capacidade estratégica, não como projeto pontual.

O score da Black Book mede mais que adoção

O Black Book AI in the EHR Readiness Score não mede apenas o número de ferramentas de IA usadas. Ele avalia a capacidade de uma organização passar de pilotos para adoção controlada.

O score composto de 200 pontos cobre seis domínios: estratégia e governança de IA, documentação ambiente, apoio à decisão clínica e IA generativa, preparação das equipes e gestão da mudança, infraestrutura e integração com EHR, tolerância ao risco e prioridade estratégica.

Essa abordagem é importante. Uma organização pode ter várias ferramentas de IA ativas e ainda ser pouco madura se não tiver governança, treinamento, financiamento ou monitoramento.

A maturidade não se mede, portanto, pela quantidade de experimentos. Mede-se pela capacidade de produzir valor de forma segura, repetível e mensurável.

EHR vira centro de controle da IA médica

Doug Brown, fundador da Black Book Market Research, avalia que o EHR está se tornando o “control plane” da IA em saúde. Isso significa que o prontuário eletrônico se torna a camada central onde a IA é integrada, controlada e usada.

Essa evolução é lógica. Os EHR já estão no centro das operações clínicas. Eles estruturam informações, jornadas de cuidado, pedidos, prescrições, notas e interações entre equipes.

Se a IA deve criar valor real em saúde, ela precisa entrar nesses fluxos nativos, em vez de funcionar como ferramenta separada.

Mas essa centralidade também aumenta riscos. Um erro em uma ferramenta periférica pode permanecer limitado. Um erro em uma ferramenta integrada ao EHR pode se espalhar pelos processos clínicos. Isso torna a governança ainda mais importante.

Adoção duradoura dependerá do monitoramento pós-implantação

A Black Book destaca que a adoção duradoura dependerá de vários elementos: integração nativa nos fluxos de trabalho, monitoramento dos modelos, validação por especialidade, educação dos clínicos e responsabilidade executiva.

O monitoramento pós-implantação é especialmente importante. Modelos de IA podem se degradar com o tempo se os dados mudam, se as práticas evoluem ou se o comportamento dos usuários se adapta.

Na saúde, essa deriva pode ter consequências sérias. Uma documentação menos confiável, uma recomendação menos pertinente ou um alerta mal calibrado pode afetar a qualidade do cuidado.

As organizações precisam, portanto, monitorar a IA após sua entrada em produção como monitoram outros ativos críticos: desempenho, segurança, qualidade, incidentes, satisfação e resultados.

Apoio clínico segue mais difícil de ampliar

A Black Book avalia que a IA clínica continuará limitada por várias exigências: evidências, validação por clínicos, alinhamento com diretrizes médicas, trilhas de auditoria e protocolos de escalonamento.

Essas exigências são normais. Uma IA que apoia decisão clínica deve ser confiável, explicável, verificável e adaptada ao contexto de cuidado.

Sistemas de saúde não podem simplesmente implantar um modelo genérico e presumir que ele funcionará em todas as especialidades, populações e fluxos de trabalho.

A validação por especialidade será essencial. Uma ferramenta útil na medicina geral pode não ser adequada para oncologia, emergência, cardiologia ou pediatria.

A IA clínica em larga escala exigirá um nível de rigor próximo ao de outras tecnologias médicas críticas.

Conselhos devem exigir painéis de valor e risco

A Black Book recomenda que conselhos de administração e equipes executivas exijam painéis de valor e risco para investimentos em IA. Esses painéis devem ligar os gastos a resultados mensuráveis: economia de tempo, qualidade, acesso ao cuidado, sinais de segurança, experiência do clínico, desempenho financeiro e responsabilidade dos fornecedores.

Essa recomendação é importante porque a IA não pode mais ser gerida apenas pelas equipes de inovação ou TI. Ela se torna um ativo clínico e operacional.

Líderes precisam saber se as ferramentas realmente criam valor, reduzem carga de trabalho, melhoram resultados ou introduzem novos riscos.

Sem painéis, a adoção pode virar um acúmulo de pilotos descoordenados. Com indicadores claros, organizações podem decidir quais ferramentas merecem expansão, correção ou interrupção.

Um mercado pós-curiosidade, mas ainda sem escala madura

A Black Book conclui que o mercado de AI-in-EHR já está em fase “post-curiosity”. As organizações não perguntam mais se a IA pertence aos prontuários eletrônicos. Elas perguntam como governá-la em escala.

Essa frase resume a transição atual. O interesse está estabelecido. Os primeiros casos de uso são reais. Os orçamentos começam a acompanhar. A infraestrutura avança.

Mas a maturidade operacional continua insuficiente. Governança, confiança, treinamento, monitoramento e validação precisam alcançar a adoção.

O mercado entra, portanto, em uma fase mais séria. As organizações que terão sucesso não serão necessariamente as que testam mais ferramentas, mas as que constroem as melhores estruturas de controle.

Conclusão

A pesquisa da Black Book com 507 líderes do setor de saúde mostra que a IA já está presente nos prontuários eletrônicos, mas a preparação para escala ainda é incompleta. A documentação ambiente avança mais rápido, com 67,7% dos respondentes em produção, piloto ou avaliação ativa.

No entanto, apenas 18,1% possuem o trio essencial de governança, métricas de impacto e monitoramento pós-implantação. Confiança clínica, treinamento das equipes e supervisão dos modelos continuam sendo grandes obstáculos.

Ponto final

A IA já começou a entrar nos EHR, mas o desafio deixou de ser simplesmente adoção. O verdadeiro teste será a capacidade das organizações de saúde de governar a IA como ativo clínico e operacional: mensurável, monitorado, validado, compreendido pelos clínicos e responsável diante dos pacientes e dos executivos.