💻 ciência da computação

Enterprise AI Readiness in Healthcare: Development and Preliminary Evaluation of a Five-Domain Survey Framework

Este estudo desenvolveu e avaliou preliminarmente uma estrutura de pesquisa de cinco domínios para avaliar a prontidão da inteligência artificial empresarial em organizações de saúde, constatando que, embora a liderança e a governança sejam relativamente fortes, a força de trabalho e a integração clínica permanecem como lacunas críticas que influenciam significativamente o sucesso da implementação e o valor organizacional.

Autores originais: Ajmal Aminee

Publicado 2026-10-22

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Ajmal Aminee

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Os hospitais e sistemas de saúde estão recorrendo cada vez mais à inteligência artificial, o ramo da ciência da computação que permite às máquinas aprenderem com dados e tomarem decisões. Essas ferramentas prometem ajudar os médicos a diagnosticar doenças mais rapidamente, gerenciar os recursos hospitalares de forma mais eficiente e reduzir a carga administrativa sobre a equipe. No entanto, simplesmente comprar ou testar um novo programa de software não significa que um hospital esteja pronto para usá-lo de forma eficaz em toda a sua operação. Existe uma diferença significativa entre ter uma tecnologia e ter a capacidade organizacional para utilizá-la de forma segura, justa e em escala. Assim como um carro requer não apenas um motor, mas também um motorista, combustível, estradas e leis de trânsito para funcionar, um sistema de inteligência artificial precisa de um ambiente de apoio para ter sucesso. Sem a liderança adequada, qualidade de dados, pessoal treinado e regras claras, até mesmo as ferramentas mais avançadas podem falhar ou causar danos.

Um estudo recente de Ajmal Aminee, da California State University, explora essa lacuna ao desenvolver uma nova forma de medir a "Prontidão para IA Empresarial". Em vez de contar quantos projetos de inteligência artificial um hospital iniciou, o pesquisador pediu aos líderes que avaliassem a prontidão geral de sua organização em cinco áreas específicas. O estudo pesquisou 150 líderes de hospitais, centros médicos e empresas de tecnologia, seguidos de entrevistas em profundidade com 28 deles. O objetivo era determinar se a prontidão de um hospital nessas áreas realmente se conecta com a forma como eles implementam a inteligência artificial, com a facilidade com que podem expandir seu uso e se veem benefícios reais. Os achados sugerem que, embora muitas organizações sejam fortes no papel em termos de estratégias e governança, elas frequentemente lutam com o trabalho prático de treinar a equipe e integrar essas ferramentas no atendimento diário ao paciente.

O pesquisador construiu uma estrutura baseada em cinco pilos interconectados de prontidão. O primeiro é liderança e estratégia, que observa se os executivos têm um plano claro e o conhecimento para guiar os esforços de inteligência artificial. O segundo é dados, tecnologia e infraestrutura, examinando se o hospital possui dados limpos e acessíveis e os sistemas de computação necessários para executar essas ferramentas. O terceiro pilar é prontidão da força de trabalho e organizacional, focando se os médicos, enfermeiros e administradores entendem a tecnologia e se sentem preparados para usá-la. A quarta área é governança, segurança e inteligência artificial responsável, que verifica se a organização possui regras para proteger a privacidade do paciente, prevenir vieses e garantir a responsabilidade. O pilar final é integração clínica e avaliação, medindo se as ferramentas se encaixam suavemente nos fluxos de trabalho dos pacientes e se o hospital consegue rastrear se elas estão realmente melhorando os resultados.

Quando o pesquisador analisou as respostas da pesquisa, descobriu que a prontidão não estava distribuída uniformemente nessas cinco áreas. A prontidão de liderança e estratégia recebeu as pontuações mais altas, com uma média de 3,89 de 5. Isso sugere que os executivos hospitalares estão geralmente cientes da importância da inteligência artificial e começaram a formular estratégias. A governança e a segurança também pontuaram relativamente bem, com 3,71, indicando que muitas organizações estabeleceram comitês e políticas para supervisionar essas tecnologias. No entanto, as pontuações caíram significativamente para os aspectos mais práticos da implementação. A prontidão da força de trabalho teve média de 3,34, e a integração clínica e avaliação recebeu a pontuação mais baixa, de 3,29. Esse padrão revela uma tendência comum: os hospitais são bons em planejar e estabelecer regras, mas estão menos preparados para treinar seu pessoal e tecer essas ferramentas no fluxo complexo e em tempo real do atendimento ao paciente.

O estudo também investigou se essas pontuações de prontidão importavam para o sucesso real. Os dados mostraram uma forte ligação entre a prontidão geral e três resultados principais: o sucesso da implementação da inteligência artificial, a facilidade com que ela poderia ser expandida para outros departamentos e se a organização sentia que estava obtendo valor real. Organizações que pontuaram mais alto em todos os cinco domínios relataram maior sucesso na implantação dessas ferramentas e na sua expansão. Especificamente, a prontidão de liderança e estratégia teve a conexão independente mais forte com o sucesso da implementação, seguida de perto pela capacidade de integrar as ferramentas nos fluxos de trabalho clínicos. Isso indica que ter uma visão clara vinda do topo é crucial, mas não é suficiente por si só; as ferramentas também devem ser utilizáveis pelas pessoas na linha de frente.

Para entender melhor os números, o pesquisador conversou com os líderes que responderam à pesquisa. As entrevistas confirmaram os resultados da pesquisa, mas adicionaram contexto importante. Muitos líderes admitiram que, embora tivessem estratégias ambiciosas e comitês formais, a realidade do dia a dia era frequentemente mais difícil. Eles descreveram desafios com sistemas de dados fragmentados que não se comunicavam entre si, falta de treinamento específico para a equipe e a dificuldade de fazer com que novas ferramentas se ajustassem às rotinas existentes dos pacientes sem causar interrupções. Um líder observou que passar de um pequeno projeto piloto para um sistema de escala total exigia muito mais do que apenas provar que a tecnologia funcionava; exigia dados confiáveis, propriedade clara e suporte sustentado. Outro apontou que a governança muitas vezes parava na etapa de aprovação, com menos atenção dedicada ao monitoramento das ferramentas após serem implantadas ou à responsabilização pelo seu desempenho.

O estudo conclui que tornar-se "pronto para a IA" não é um evento único, mas um processo contínuo de construção e alinhamento de capacidades. Não basta para um hospital adotar uma nova tecnologia; ele deve também garantir que sua equipe seja treinada, que seus dados sejam limpos, que suas regras sejam aplicadas e que seus fluxos de trabalho sejam adaptados. A pesquisa sugere que muitas organizações de saúde estão atualmente à frente em estratégia e governança, mas atrasadas no trabalho humano e operacional necessário para fazer a inteligência artificial funcionar na prática. Embora o estudo forneça uma estrutura útil para identificar essas lacunas, o autor alerta que os resultados baseiam-se em percepções autorrelatadas e precisam de mais testes ao longo do tempo. No entanto, os achados oferecem uma mensagem clara para os líderes de saúde: para realizar o pleno potencial da inteligência artificial, eles devem olhar além da própria tecnologia e focar na construção de uma organização de apoio, capaz e integrada.

Resumo Técnico: Prontidão para IA Empresarial na Saúde

Definição do Problema
As organizações de saúde estão adotando rapidamente a inteligência artificial (IA), mas a adoção por si só não equivale à prontidão para a transformação empresarial. A literatura atual frequentemente trata a prontidão para a IA como uma condição binária ou foca em dimensões isoladas, como a adoção de tecnologia, alfabetização da força de trabalho ou governança de forma isolada. Há uma falta de evidências empíricas sobre se essas capacidades funcionam coletivamente como um construto multidimensional e como elas se relacionam com o sucesso da implementação, escalabilidade e realização de valor. O estudo aborda a lacuna entre a aquisição de tecnologias de IA e a posse da capacidade institucional para implementá-las, governá-las, escalá-las e avaliá-las de forma responsável.

Metodologia
O estudo empregou um design de métodos mistos sequencial explanatório para desenvolver e avaliar preliminarmente um framework de cinco domínios de Prontidão para IA Empresarial (EAIR - Enterprise AI Readiness).

Fase Quantitativa: Um questionário foi aplicado a 150 líderes de saúde e tecnologia (taxa de conclusão de 93,8% dos participantes elegíveis convidados) entre junho e agosto de 2026. O instrumento compreendia 20 itens distribuídos em cinco domínios:
1. Prontidão Estratégica e de Liderança.
2. Prontidão de Dados, Tecnologia e Infraestrutura.
3. Prontidão Organizacional e da Força de Trabalho.
4. Prontidão de Governança, Segurança e IA Responsável.
5. Prontidão de Integração Clínica e Avaliação.
- Análise: Estatística descritiva, alfa de Cronbach para consistência interna, Análise Fatorial Exploratória (AFE) usando fatoração de eixo principal com rotação oblimin e Regressão de Mínimos Quadrados Ordinários (OLS) foram utilizadas para avaliar a estrutura do framework e sua associação com três resultados: percepção de sucesso na implementação de IA, escalabilidade empresarial e realização de valor organizacional.
Fase Qualitativa: Entrevistas semiestruturadas foram realizadas com 28 líderes selecionados por amostragem intencional (tecnologia, clínicos, administrativos, operacionais e de dados) para explicar os padrões quantitativos.
- Análise: Uma análise temática híbrida dedutiva-indutiva foi realizada nas transcrições das entrevistas, utilizando os cinco domínios de EAIR como códigos iniciais, permitindo também o surgimento de temas emergentes.

Principais Contribuições

Distinção Conceitual: O estudo distingue "adoção de IA" de "Prontidão para IA Empresarial", definindo esta última como uma capacidade organizacional multidimensional que vai além da aquisição de tecnologia.
Desenvolvimento de Framework: Integra capacidades estratégicas, tecnológicas, da força de trabalho, de governança e de integração clínica em um único framework de cinco domínios específico para a área da saúde.
Validação Empírica: Fornece evidências preliminares vinculando as capacidades de prontidão ao sucesso da implementação, escalabilidade e realização de valor, indo além de propostas teóricas para a medição empírica.

Principais Resultados

Estrutura do Framework: A solução de cinco fatores explicou 68,4% da variância. Os coeficientes de consistência interna (alfa de Cronbach) variaram de 0,84 a 0,90 para os domínios individuais e 0,93 para a escala global.
Pontuações de Prontidão:
- Mais Altas: Prontidão Estratégica e de Liderança ( $M=3,89, SD=0,61$ ) e Governança, Segurança e IA Responsável ( $M=3,71, SD=0,64$ ).
- Mais Baixas: Prontidão Organizacional e da Força de Trabalho ( $M=3,34, SD=0,72$ ) e Prontidão de Integração Clínica e Avaliação ( $M=3,29, SD=0,70$ ).
Análise de Regressão (Sucesso da Implementação): Os cinco domínios explicaram coletivamente 58,0% da variância na percepção de sucesso da implementação de IA ( $R^2 = ,58$ $R^{2} =, 58$ ).
- A Prontidão Estratégica e de Liderança apresentou a associação independente mais forte ( $\beta = ,25, p < ,001$ ).
- A Prontidão de Integração Clínica e Avaliação foi a segunda mais forte ( $\beta = ,21, p = ,005$ ).
- Dados, Tecnologia e Infraestrutura ( $\beta = ,20, p = ,008$ ) e Governança ( $\beta = ,16, p = ,034$ ) também foram significativos.
- A Prontidão da Força de Trabalho foi positivamente associada, mas não foi estatisticamente significativa após o ajuste para outros domínios ( $\beta = ,12, p = ,072$ ).
Resultados: O EAIR geral foi positivamente associado ao sucesso da implementação ( $\beta = ,61$ ), escalabilidade empresarial ( $\beta = ,67$ ) e realização de valor organizacional ( $\beta = ,58$ ), com todas as associações significativas em $p < ,001$ .
Temas Qualitativos: As entrevistas revelaram que, embora o compromisso estratégico e as estruturas formais de governança estejam avançando, a execução operacional está atrasada. As principais barreias incluíram problemas de interoperabilidade de dados, lacunas na preparação da força de trabalho (especificamente treinamento específico para funções) e a dificuldade de operacionalizar a governança (passar da política para o monitoramento contínuo) e medir resultados clínicos.

Significância e Alegações
O artigo afirma que a Prontidão para IA Empresarial é uma capacidade organizacional multidimensional, em vez de uma simples medida de adoção tecnológica. Os achados sugerem que a transformação empresarial bem-sucedida requer o alinhamento de liderança estratégica, infraestrutura digital, capacidade da força de trabalho, governança responsável e integração clínica.

O estudo postula que o framework EAIR pode auxiliar organizações de saúde a:

Identificar lacunas de capacidade nos cinco domínios.
Alinhar investimentos estratégicos, tecnológicos, de força de trabalho, de governança e clínicos.
Mover-se de pilotos isolados para uma implantação empresarial escalável e responsável.

Limitações e Modéstia das Alegações
O autor afirma explicitamente que o estudo fornece evidências preliminares. Os achados baseiam-se em dados transversais e autorrelatados de lideranças, o que pode introduzir viés de método comum e não estabelece causalidade. O framework ainda não foi validado por meio de análise fatorial confirmatória, estudos longitudinais ou benchmarking externo. Consequentemente, o autor alerta que o instrumento ainda não deve ser utilizado para benchmarking normativo ou avaliação preditiva de desempenho futuro sem validação adicional. O modelo de maturidade proposto (do Exploratório à Empresa Pronta para IA) é conceitual e requer validação independente.

Resumo Técnico: Prontidão para IA Empresarial na Saúde

Mais como este