O paradoxo do ROI de IA: se todos usam, o retorno de cada um encolhe e a conta vai para o cliente

Existe um paradoxo no retorno de investimento em IA (ROI): para cada empresa, adotar a ferramenta pode dar um retorno positivo e real; para o conjunto de empresas que disputa a mesma receita, o retorno pode ser zero, porque o ganho de uma é o custo da outra e o cliente acaba pagando a diferença. Um caso recente dos Estados Unidos mostra os dois lados com números. A Blue Cross Blue Shield Association (BCBSA), associação de planos de saúde, analisou dois anos de contas de hospitais e concluiu que a fatia das internações cobradas como “medicamente complexas” subiu de 37% para 40%, sem aumento correspondente de tratamento, o que estimou custar US$ 942 milhões a mais aos seus planos. A associação de hospitais respondeu que os pacientes estão mais doentes. Nenhuma das duas provou a sua leitura, e a discussão sobre quem tem razão esconde a pergunta que interessa a qualquer empresa: o que acontece com o retorno de uma ferramenta de IA quando o outro lado da negociação passa a tê-la? ^{[1] afirmação da fonte original}

O que foi medido. A BCBSA olhou as contas de internação enviadas por hospitais aos planos Blue entre o início de 2023 e o fim de 2025 e calculou que a parcela classificada como “medicamente complexa” passou de cerca de 37% para 40%. É uma alta de 3 pontos percentuais, não de 3%, e a classificação é uma categoria de cobrança (que define quanto o hospital recebe), não um laudo clínico. A associação estima que essa mudança custou cerca de US$ 942 milhões a mais aos planos Blue em dois anos. É uma estimativa calculada pela própria associação, não um valor observado, e cobre só os planos Blue, não o sistema de saúde americano inteiro. Cerca de 70% desse total, mais de US$ 650 milhões, vem de diagnósticos secundários que empurraram internações para faixas mais bem pagas. ^{[1] afirmação da fonte original}

O que sustenta a suspeita da associação é a distância entre o que está no papel e o que foi feito no paciente. Nas cirurgias intestinais de grande porte, a fatia cobrada no nível mais alto de complexidade foi de 10,2% para 22,7% (mais que o dobro, conta nossa). E nos hospitais que mais registram anemia, o diagnóstico aparece em 13,7% dos casos contra 9,9% nos demais, mas entre os pacientes com o diagnóstico a transfusão de sangue é menos frequente: 16,9% contra 19,3%. Em palavras simples, os hospitais que diagnosticam mais anemia tratam menos essa anemia com sangue. A associação leu isso como “identificar mais condições cobráveis, não pacientes mais doentes”. ^{[1] afirmação da fonte original}

Internações “complexas”

37% → 40%

Fatia das internações dos planos Blue cobradas como medicamente complexas, do início de 2023 ao fim de 2025. São 3 pontos percentuais, medidos em contas enviadas, não em prontuários.

Custo estimado

US$ 942 mi

Estimativa da BCBSA do gasto adicional dos planos Blue em dois anos por causa dessa mudança. Calculado, não observado, e só dos planos Blue.

Hospitais com IA

Mais de 60%

Parcela dos sistemas hospitalares que, segundo a BCBSA, usa tecnologia capaz de ler anotações e exames atrás de diagnósticos. Não diz quais hospitais do estudo usam.

A associação dos hospitais discorda em quase tudo. Sua ficha técnica de agosto de 2026 chama as alegações de “não comprovadas” e aponta causas alternativas: população mais velha, mais doença crônica e cuidados simples migrando para o ambulatório, o que deixa nos leitos os casos mais graves. Segundo a AHA, o índice que mede a complexidade média dos pacientes hospitalares subiu cerca de 5% entre 2019 e 2024, e 19% do aumento das despesas dos hospitais no período reflete pacientes mais complexos. ^{[2] afirmação da fonte original} São medidas de períodos e de bases diferentes das da BCBSA, e não se comparam diretamente.

A ficha da AHA contém a frase mais reveladora de toda a disputa, e ela quase não circulou. Os hospitais acusam alguns planos de usar “programas de downcoding”: automações que reduzem o pagamento de contas de nível mais alto sem ler o prontuário, o que obriga o hospital a recorrer e, muitas vezes, faz o plano desfazer o próprio corte. E acrescentam: “esses planos querem ter as duas coisas: uma população de segurados mais doente para fins de sua própria pontuação de risco, mas mais saudável na hora de cobrir as contas”. ^{[2] afirmação da fonte original} (Tradução nossa. A acusação é da AHA, não foi comprovada, e a análise da BCBSA não trata de automação nos planos.)

Vale ler a frase pela estrutura, sem tomar partido. A AHA cita um achado de 2025 da MedPAC, comissão que assessora o Congresso americano, segundo o qual práticas de codificação de planos do Medicare Advantage contribuíram para cerca de US$ 40 bilhões em pagamentos federais adicionais. ^{[1] afirmação da fonte original} Ou seja, no programa em que o plano é quem recebe de acordo com a complexidade dos segurados, a acusação de exagerar na codificação vai para o outro lado da mesa. A medida é a mesma e o argumento se inverte conforme a direção do dinheiro: complexidade é fato clínico quando você recebe por ela e suspeita quando você paga por ela.

Isso não significa que todo mundo esteja errado, nem que todos estejam certos. A economista Hannah Neprash, da Universidade de Minnesota, resumiu a leitura honesta: “provavelmente está em algum lugar no meio”. ^{[3] afirmação da fonte original} E o ganho individual pode ser legítimo. Um cirurgião comentou na discussão sobre a notícia no Reddit que usa IA para faturar e descobre códigos que não conhecia: “não é que eu esteja fraudando o seguro, só estou sendo pago pelo trabalho que fiz. Antes eu era mal pago”. ^{[4] afirmação da fonte original} Pode ser verdade para ele, e ainda assim, somado a milhares de outros hospitais, mudar o custo dos planos.

1. 1

   Um lado adota a ferramenta e o painel dele melhora.

   O hospital passa a capturar diagnósticos que antes ficavam de fora, e a receita por internação sobe. Do ponto de vista dele, é retorno de investimento medido e real.

2. 2

   O outro lado sente a diferença e reage.

   O plano vê o custo subir e reage: analisa, questiona, corta ou audita. Segundo a AHA, parte dessa reação é automatizada, o que é uma alegação e não um fato comprovado.

3. 3

   A vantagem vira o novo piso, e o custo da disputa sobe.

   Quando os dois têm ferramentas, quem parar de usar a sua perde para o outro. O ganho do primeiro a adotar diminui, e o gasto com a disputa (auditoria, recurso, retrabalho) aparece em outro orçamento.

Existe um problema conhecido de biologia que descreve essa dinâmica. Em 1973, o biólogo Leigh Van Valen observou nos registros fósseis que a chance de uma espécie se extinguir não diminui com o tempo que ela já sobreviveu, por mais que ela se adapte. Sua explicação: as espécies não evoluem sozinhas, evoluem contra outras que também evoluem, e cada avanço de uma é um problema novo para a outra. O nome vem de Lewis Carroll: na história, a Rainha Vermelha diz que é preciso correr o máximo possível “para ficar no mesmo lugar”. ^{[5] afirmação da fonte original}

A tradução para uma empresa é direta. Quando você adota uma ferramenta e o outro lado também, você corre mais, e a posição relativa continua parecida. O ganho dá lugar a uma condição de continuar na disputa. Isso não diz que a ferramenta é inútil: ficar sem ela, com o outro lado tendo, é pior. O que a Rainha Vermelha ensina é que o retorno de uma vantagem simétrica não deve ser calculado como se fosse permanente.

O mais interessante é que a própria área da saúde já tinha vivido isso, sem IA. Em 1983, os Estados Unidos passaram a pagar o Medicare por DRG, a tabela de faixas por diagnóstico. ^{[6] afirmação da fonte original} Dois anos antes, em 1981, o médico Donald Simborg publicou no New England Journal of Medicine um artigo com um título que já dizia tudo: “DRG creep: a new hospital-acquired disease” (em português, algo como “DRG creep: uma nova doença hospitalar”). O termo descreve o deslocamento gradual do perfil de casos que os hospitais declaram, em direção a faixas mais bem pagas, quando o pagamento passa a depender da faixa. ^{[7] afirmação da fonte original} O incentivo nasceu na regra de pagamento, décadas antes de existir IA para explorá-lo.

Essa é a leitura que a IA torna mais visível: ela não criou o jogo, reduziu o custo de jogá-lo. O administrador do CMS, órgão americano que gere o Medicare e o Medicaid, Mehmet Oz, disse no fim de setembro de 2026 que, no curto prazo, a IA vai ser inflacionária “porque vai turbinar a capacidade dos atuais sistemas de cobrança de funcionar com mais eficácia”. ^{[8] afirmação da fonte original} E Bob Kocher, ex-funcionário do governo Biden, afirmou no mesmo período que a IA pode empurrar a curva de custo para os dois lados, dependendo do modelo de pagamento: em sistemas que pagam por procedimento, ela cria mais consultas e procedimentos; nos que pagam por resultado, ela ajuda a poupar. ^{[8] afirmação da fonte original}

Todo caso de negócio de IA parte de premissas que ninguém escreve. Vale desmontá-las e perguntar o que acontece se cada uma mudar. O que segue é leitura da Invisible Work, não conclusão da análise citada.

1. 01

   Premissa: “a ferramenta me dá vantagem”.

   Vantagem é relativa. Ela existe enquanto o outro lado não tem a mesma coisa, e o caso da saúde mostra que o outro lado tem incentivo para ter a sua. Se a premissa mudar para “eles também vão ter”, o retorno a medir é o de não ficar para trás, e não o de ficar à frente.

2. 02

   Premissa: “o ganho que meu painel mostra é o ganho que fica”.

   O painel do hospital mede receita faturada. O que vem depois (recusa, recurso, auditoria, devolução) mora em outro lugar. A própria AHA descreve o custo do lado dela: recursos longos e caros contra cortes automáticos. ^{[2] afirmação da fonte original} Um analista do setor escreveu, em texto de opinião, que o retorno reportado por fornecedores de IA de codificação conta o que foi faturado, não o que foi mantido depois da auditoria. ^{[3] afirmação da fonte original} Se a premissa mudar para “só conta o que sobrevive à resposta do outro lado”, o retorno encolhe e o prazo de medir se alonga.

3. 03

   Premissa: “o custo da disputa fica entre nós dois”.

   Quando a briga é sobre preço, quem paga a diferença costuma estar fora da mesa. Na saúde, é o paciente e o empregador que compra o plano. Nas empresas, pode ser o cliente final, o funcionário ou o acionista. Se a premissa mudar para “o custo cai em alguém que não participou”, surge o risco de reputação e de regulação, e ele não estava no caso de negócio.

Esse é o paradoxo do ROI de IA, e a economia lhe dá um nome antigo: falácia da composição, o erro de concluir que o que vale para uma parte vale para o todo. ^{[9] afirmação da fonte original} Uma empresa que corta custo com IA melhora o seu resultado. Todas as empresas de um mercado que cortam custo com IA, disputando a mesma receita, tendem a repassar o ganho ao cliente em preço menor, ou a gastá-lo na própria disputa. Repare na diferença entre os dois destinos. Quando a IA reduz o custo de produzir (menos retrabalho, ciclo mais curto, menos erro), o ganho vai para o cliente e ainda melhora o mercado. Quando reduz o custo de disputar (cobrar, negociar, auditar, precificar), o ganho de um lado é reação do outro, e o gasto extra tende a voltar como preço maior para quem está fora da mesa, como na saúde. O paradoxo pesa sobre o segundo tipo. (Leitura da Invisible Work.)

A pergunta do consenso é “essa ferramenta funciona?”. Ela quase sempre funciona, no sentido de que faz o que promete dentro da empresa. A pergunta que enxerga o que ficou invisível é outra: quando a parte do outro lado também a tiver, o que sobra do meu ganho, e onde aparece a conta do que os dois passam a gastar?

Na terça-feira, 29 de setembro de 2026, a OpenAI lançou no DevDay os Dots, agentes que ficam ligados o tempo todo, cada um com o seu próprio computador e navegador na nuvem, e trabalham em segundo plano por objetivos definidos pelo usuário. ^{[10] afirmação da fonte original} Começam para assinantes dos planos Pro e Business Premium do ChatGPT em mercados elegíveis (o Pro não inclui, por ora, o Espaço Econômico Europeu, a Suíça e o Reino Unido; este texto não confirma se o Brasil está entre eles). ^{[11] afirmação da fonte original}

O detalhe que importa aqui é outro. A OpenAI também apresentou “Dots especialistas” para empresas, com identidade, credenciais e acesso a sistemas da empresa para assumir funções definidas, e disse tê-los testado internamente em compras, processamento de faturas, e-mail marketing, atendimento ao cliente e contratos comerciais, começando por pilotos com clientes corporativos. ^{[11] afirmação da fonte original} Compras e contratos comerciais são as mesas do começo deste texto: o lado que compra e o lado que vende. São pilotos, e nada nas fontes diz que uma empresa já negocie com o agente de outra.

Do outro lado do balcão está o site. O WebMCP é uma proposta pública e ainda experimental para que uma página declare ao navegador as ações que oferece (funções em JavaScript ou formulários HTML) como ferramentas com descrição em linguagem natural, para que agentes de IA as usem em vez de tentar adivinhar uma tela feita para pessoas. ^{[12] afirmação da fonte original} No estado de implementação publicado pelos autores, há testes (origin trial) no Chrome 149 e no Edge 150, e o ChatGPT Desktop já o suporta; no Firefox e no Safari o status aponta apenas discussões sobre a posição de cada navegador. ^{[13] afirmação da fonte original}

A premissa escondida aqui é: “quem chega à minha empresa pela internet é uma pessoa”. Se ela mudar para “cada vez mais, quem chega é o agente de uma pessoa ou de outra empresa”, muda o que se compete. O que segue é leitura da Invisible Work, não previsão das fontes. Hoje o volume é pequeno: no próprio site da Invisible Work já aparece, em quantidade mínima, visita vinda de assistente de IA.

1. 1

   O comprador passa a comparar você em segundos, com a régua dele.

   Onde quem lê é um agente, marca, layout e persuasão pesam menos. Pesam mais dado verificável, condição explícita e histórico que ele consiga checar.

2. 2

   O que você expõe vira o que ele consegue comprar de você.

   Uma ação que o agente não consegue executar na sua empresa é uma ação que ele executa na do concorrente. Expor ferramentas também expõe risco, e isso precisa ser decidido, não deixado ao acaso.

3. 3

   A disputa de hospitais e planos se repete em cada mercado.

   Agente que vende contra agente que compra, cada um com uma planilha coerente e nenhum vendo a soma. O paradoxo do ROI deixa de ser um caso de saúde e passa a ser uma condição da negociação.

Não há dado de empresa brasileira aqui: é um método para aplicar mesa a mesa, com os exemplos como ilustração.

1. 01

   Classifique cada uso de IA: reduz o custo de produzir ou o de disputar?

   IA que melhora o produto ou o processo (menos retrabalho, ciclo mais curto, menos erro) cria valor que fica mesmo que o concorrente também a use, porque o ganho está no trabalho, não na fatia. IA que melhora a sua posição numa divisão fixa (cobrar, negociar, precificar, contestar) provoca reação e, se o outro lado copia, vira gasto de manutenção. Só o segundo tipo cai no paradoxo.

2. 02

   Lance o segundo tipo como custo de manter posição, não como ganho.

   Orçamento recorrente, medido contra o cenário “o outro lado também tem”, e com o ganho contado depois da reação (recusa, recurso, renegociação), não antes.

3. 03

   Onde a disputa está na medida, mude a régua.

   Quando o pagamento depende de uma categoria, volume ou indicador, proponha um critério que os dois lados verifiquem com os mesmos dados. Custa menos do que uma corrida armamentista e protege quem pagaria a conta. É a saída que aparece no próprio caso da saúde: para Kocher, o modelo de pagamento decide para que lado a IA empurra o custo. ^{[8] afirmação da fonte original}

4. 04

   Prepare a sua oferta para ser lida e acionada por agentes.

   Preço, condições, escopo e regras de cancelamento consistentes entre canais e em formato estruturado. E, quando fizer sentido, ações expostas como ferramentas (o WebMCP é uma das propostas, ainda experimental), pesando o custo de manter e o risco de expor. ^{[12] afirmação da fonte original}

5. 05

   Defina o que os seus agentes fazem sozinhos e o que exige aprovação.

   É o modelo dos próprios Dots: regras de quando agir sozinho e quando pedir aprovação, e ações sensíveis que ficam sempre com a pessoa. ^{[11] afirmação da fonte original} Um agente que negocia por você precisa de identidade, credenciais, limites e um responsável definidos antes do primeiro contrato.

A BCBSA é uma associação de planos de saúde, ou seja, uma parte interessada no resultado. Sua análise usa dados de sinistros e não prontuários completos, não identifica hospitais nem fornecedores de IA, e a própria associação reconhece que parte do aumento pode ser codificação mais correta. Uma diretora clínica da BCBSA disse, em coletiva, que “pode haver um elemento de codificação correta”, mas que a probabilidade de ser upcoding habilitado por tecnologia é, na visão dela, maior. ^{[3] afirmação da fonte original} O estudo não estabelece que os hospitais analisados usam IA, e não estabelece que planos usam IA para negar contas: essa alegação é da AHA, e a Dallas Express registrou que o estudo não prova esse cenário. ^{[1] afirmação da fonte original} A AHA, por sua vez, também é parte interessada. O argumento deste texto não depende de quem tem razão nessa disputa. Depende da estrutura, e a estrutura vem da regra de pagamento e do histórico do DRG, não de dado de empresas brasileiras. A distinção entre IA que reduz o custo de produzir e IA que reduz o custo de disputar é uma leitura da Invisible Work, não um resultado das fontes. Os Dots são um lançamento de dias e os Dots especialistas estão em pilotos; o WebMCP é experimental, e nenhuma das fontes prevê que agentes serão a maioria dos visitantes de sites. Essa é uma hipótese para planejar, não um fato. Os exemplos das Partes 5 e 6 são ilustrativos.

Seis perguntas para quem responde por contratos, preços ou custos.