Podcast: Reproduza em uma nova janela | Download (Duração: 57:34 – 52,7 MB)
Assine: Podcasts da Apple | Spotify
Três líderes de dados de saúde alertam que as plataformas legadas podem paralisar a estratégia de IA e compartilham o que estão fazendo para substituí-las. Assista abaixo ou no YouTube.
Plataformas de dados legadas podem retardar uma estratégia de IA. Em resposta, vários líderes de dados de saúde estão agindo agressivamente para substituí-los. Os participantes incluíram Chuck Podesta, CIO, Saúde respeitávele Roshan Hussain, vice-presidente sênior/diretor de análise de dados, RWJBarnabas Olá. Também acompanhado por Sarang Deshpande, vice-presidente de dados e análises, Aliança Franciscana. Todos estão migrando da análise legada para uma plataforma moderna em nuvem. Eles também estão repensando a gestão, as competências e os custos. Para todos os três, a mensagem era consistente: acerte a base ou a IA não crescerá.
Substituição de pilha de análise herdada
A Renown começou recentemente a implementar o Databricks após reorganizar a equipe de análise, o processo de RFP e contratar novos líderes. A plataforma irá ancorar o que o sistema de saúde chama de pods de dados em ERP, ciclo de receita e outros domínios. O Power BI serve como interface do usuário. Podesta disse que apresentará em breve um roteiro de IA e uma proposta para um centro de inovação em IA à alta administração.
“Se você usa SQL ou algo parecido, você tem um problema real do ponto de vista da mineração de dados e do uso das ferramentas atuais”, disse Podesta durante um recente webinar do healthsystemCIO. “É um modelo antigo e arcaico. Esse é o problema, mais do que o próprio banco de dados.”
A Aliança Franciscana segue um caminho semelhante há mais de três anos. Depois que a Epic mudou para o Azure, a organização adicionou o Databricks como um serviço primário. A mudança, explicou Deshpande, está se afastando dos armazéns orientados ao sistema de origem. Em seu lugar estão modelos empresariais, acesso em tempo real e autoatendimento. Enquanto isso, a RWJBarnabas está preparando sua própria RFP para modernização este ano com base em Snowflake e AWS. Além disso, o verdadeiro objetivo de Hussain é ter uma plataforma pronta para fluxos de trabalho de agências dentro de três anos.
Camada de gestão, qualidade e semântica
Uma pilha moderna por si só não levará os sistemas de saúde a uma IA confiável. Para este fim, Hussain descreveu a base de dados em várias dimensões que incluem disponibilidade, qualidade, proveniência, estrutura, pipelines e governança. Particularmente importante, segundo ele, é a camada semântica, onde residem as definições. É claro que a IA deve compreender a organização a partir da sua própria perspectiva.
“Todo mundo quer IA, todo mundo quer estar pronto, todo mundo quer ser treinado, mas todo mundo tem que ser responsável por essa qualidade para obter aquela camada semântica que agora vai além da TI. É toda a organização”, disse Hussain.
Para Deshpande, a camada semântica é onde os esforços de IA prosperam ou fracassam. Mesmo os fortes investimentos em plataformas entrarão em colapso, alertou ele, sem definições claras e conjuntos de dados padronizados. Nesse cenário, as ferramentas do agente também terminarão exatamente onde estavam os painéis de ontem.
“Se você não tiver a camada semântica correta, se não tiver as definições corretas para todos esses agentes treinarem e trabalharem, se não tiver conjuntos de dados padronizados, será apenas um monte de lixo carregado neles”, disse Deshpande. “E então adivinhe? 500, 800 painéis ali comendo poeira que ninguém está olhando, é isso que vai acontecer com esses agentes.”
Para governança, RWJBarnabas avaliou 63 plataformas em fevereiro de 2025. Em particular, um comitê simplificado de governança de IA verifica a fidelidade, considerações éticas, manutenção e propriedade de dados. Para Hussain, a questão mais difícil é a propriedade.
“Essencialmente, quem é responsável por garantir que, se houver uma aberração ou alucinação, de quem é a porta?” – disse Hussain.
Para manter a velocidade, a equipe criou vias rápidas para aprendizado de máquina localizado. Por exemplo, a visão computacional integrada em um scanner de computador Philips evita que os dados saiam do dispositivo. Da mesma forma, a IA para fins de investigação que opera em ambientes seguros muitas vezes perde uma revisão completa. Como resultado, aproximadamente 80% dos casos progridem rapidamente, enquanto 20% recebem um controlo mais completo.
Capacitação, força de trabalho e retorno do investimento
À medida que os ciclos de construção de plataformas se prolongam, mesmo as lojas historicamente orientadas para a compra estão a avançar para o desenvolvimento interno. Podesta apontou a Epic como o exemplo mais proeminente. O fornecedor tem um forte roteiro de IA. Ainda assim, sua ferramenta de construção, que exige muitas credenciais, leva de quatro a seis semanas para construir um departamento. Esse ritmo não corresponde mais à velocidade dos negócios, disse ele. Os consultores também preenchem a lacuna, mas a um custo significativo.
Os sistemas de médio porte ainda precisam desenvolver algumas capacidades internas, disse Deshpande. Franciscan também se concentra no pensamento de produto e em métodos ágeis. Tudo começa com chatbots conversacionais que substituem painéis estáticos. Além disso, a própria TI serve como campo de testes. A equipe de Deshpande gerencia conteúdo legado do Crystal Reports e Web Intelligence por meio do LLM. O resultado é uma interface de catálogo e um chatbot que substituirá os portais de relatórios tradicionais.
O trabalho é o elevador mais difícil. Especificamente, alguns recrutas são autosselecionados, enquanto outros funcionários recebem treinamento formal. Na RWJ, Barnabas Hussain também incorpora uma avaliação de prontidão de IA em seu compromisso com a modernização. Nos três sistemas, os líderes incentivam os funcionários a experimentar diariamente ferramentas de IA.
O ROI continua sendo a última questão em aberto. Para Deshpande, a parte mais difícil vem depois de ir ao ar. Na verdade, a maioria das organizações calcula o valor esperado antecipadamente e depois não tem disciplina para aposentar ferramentas que não produzem resultados.
“Existe mesmo um mecanismo para voltar atrás, validar e verificar, e realmente a disciplina para desligar ou consertar em casos em que não há ROI? Não deciframos esse código”, disse Deshpande.
Leve embora
- Substitua pilhas legadas baseadas em SQL por plataformas em nuvem prontas para IA, como Databricks ou Snowflake
- Trate a camada semântica como um ativo premium para que os resultados da IA não se tornem os próximos painéis não utilizados
- Acelere casos de IA de baixo risco por meio da governança, mantendo o rigor nos dados que saem da empresa
- Crie capacidade de desenvolvimento interno para preencher lacunas onde os ciclos de construção de fornecedores corporativos estão sendo executados muito lentamente
- Expandir a revisão da demanda de TI para incluir a validação do ROI pós-implementação, com disciplina para retirar o que falha
- Use a própria TI como campo de testes inicial para agentes e automação antes de passar para fluxos de trabalho clínicos
Em última análise, a substituição de plataformas legadas exige disciplina de custos juntamente com rigor técnico. “Se for sobreposto a tudo o que fazemos hoje, sim, os custos dispararão. Portanto, temos que ser inteligentes quando gastamos esse dinheiro no lado OpEx – o que ele substitui?” Podesta disse.
