A cada novo lançamento de OpenAI, Anthropic ou Google, uma pergunta volta às reuniões de diretoria dos hospitais: se a inteligência artificial ficou tão boa, ela não vai resolver sozinha o faturamento, a glosa e o caixa? A resposta curta é não. E o motivo não é falta de capacidade dos modelos, mas falta de acesso ao que realmente importa.
Um modelo de IA sabe o que ele leu
Os grandes modelos de linguagem são treinados com volumes enormes de texto disponível publicamente na internet, complementados por bases licenciadas. Por isso conhecem medicina, regulação, a tabela TUSS publicada, as normas da ANS e o padrão TISS. Escrevem, resumem e raciocinam muito bem sobre tudo isso.
Mas um modelo só aprende o que já viu. E os dados que definem se uma conta será paga, glosada ou recuperada nunca estiveram na internet.
Os dados que movem a receita são privados
O ciclo de receita hospitalar funciona sobre uma camada de informação que pertence a cada hospital e a cada relação comercial com as operadoras. São dados privados, protegidos por contrato, por sigilo comercial e pela LGPD:
Contratos entre hospital e operadora
Cada contrato tem regras próprias de cobertura, pacotes, diárias, taxas e exceções, além de aditivos que mudam ao longo do tempo. Nenhum deles é público.
Tabelas e preços efetivamente negociados
A tabela TUSS padroniza os códigos, mas o valor que cada operadora paga por cada código, para cada hospital, é informação comercial restrita.
Brasíndice e Simpro aplicados a cada contrato
São referências de preço de medicamentos e materiais com acesso licenciado. E o que define a receita não é a tabela em si, mas como cada contrato a aplica: percentuais, deflatores e exceções.
Histórico de glosas, recusas e recursos
Qual operadora glosa o quê, por qual motivo, com qual auditor, e quais argumentos revertem a glosa. Esse é o conhecimento que separa recurso aceito de recurso negado.
Contas, procedimentos e cobranças
O que foi prescrito, realizado, lançado, faturado e efetivamente recebido, conta a conta, ao longo dos anos.
Comportamento de pagamento de cada operadora
Prazos reais de pagamento, padrões de atraso e sazonalidade. A base de qualquer previsão de caixa.
Nenhum modelo genérico aprende a regra de um contrato que nunca leu, nem prevê a glosa de uma operadora cujo histórico nunca viu.
Por que isso trava uma solução genérica
Sem esses dados, um modelo generalista pode explicar o que é uma glosa, mas não consegue dizer qual conta, deste hospital, com esta operadora, tem maior risco de ser glosada amanhã. Pode redigir um recurso bem escrito, mas não sabe qual argumento essa operadora costuma aceitar. Pode calcular um preço, mas não conhece o deflator que o contrato aplica sobre o Brasíndice.
E não basta enviar esses dados para um assistente de uso geral. Informação de saúde é dado sensível, contratos têm cláusulas de confidencialidade e a operação exige rastreabilidade de cada decisão. Resolver o ciclo de receita pede modelos treinados nesse contexto, em ambiente restrito e com responsabilidade sobre o resultado.
Onde a Accrua entra
A Accrua não compete com os modelos generalistas. Usamos o melhor deles como ponto de partida, e construímos sobre essa base modelos próprios e restritos, treinados com os dados operacionais dos hospitais em que operamos o ciclo de receita: contratos, contas, glosas, recursos e recebimentos.
O resultado são agentes que conhecem as regras de cada contrato, o comportamento de cada operadora e o histórico de cada tipo de recurso. Nesse território, um modelo especializado e bem alimentado é mais eficiente do que qualquer modelo genérico disponível no mercado. E, como em toda a operação Accrua, especialistas validam as decisões críticas.
Um efeito rede que funciona de verdade
Cada hospital que se conecta à Accrua torna os modelos melhores para todos os outros. O ciclo se reforça a cada nova conta processada:
- 01 →
Mais hospitais conectados
Mais contratos, contas e operadoras representados.
- 02 →
Mais padrões identificados
O comportamento de cada operadora fica mais claro a cada glosa e a cada recurso.
- 03 →
Modelos mais precisos
Previsões de glosa, recurso e prazo de pagamento acertam mais.
- 04 ↺
Mais receita recuperada
Cada hospital da rede, inclusive o recém-chegado, captura mais resultado desde o primeiro mês.
Isso só funciona com uma regra clara: cada hospital vê apenas os próprios dados. O que a rede compartilha é aprendizado agregado e anonimizado sobre padrões, nunca contratos, preços negociados ou informações de pacientes de outra instituição.
Bom para todo o setor
Quando as contas chegam corretas na primeira vez, a glosa cai, os recursos diminuem e a relação entre hospitais e operadoras deixa de ser uma disputa permanente. É a agenda de convergência que o setor tem discutido, como no Conahp 2026, levada para a operação do dia a dia.
A disrupção do ciclo de receita da saúde suplementar não virá de um modelo genérico treinado com a internet. Virá de quem tem acesso legítimo aos dados certos, sabe protegê-los e transforma esse conhecimento em resultado para hospitais, operadoras e pacientes.