Leitura estimada: 3 minutos.
Antes de escolher uma inteligência artificial, um hospital precisa responder a uma pergunta menos vistosa: a operação está preparada para trabalhar com ela? Um cadastro inconsistente, uma regra que só existe na memória de um profissional ou uma informação sem origem clara podem comprometer até uma ferramenta sofisticada.
Esse é o ponto de partida da reflexão de Michael Cortez, Software House Manager e sócio da GTPLAN, publicada pelo TI Inside em 1º de julho de 2026 e também abordada no Economia SP. Para o executivo, a adoção precisa alcançar a forma de trabalhar da empresa.
“O algoritmo é a última peça. A fundação é o que importa.”
Michael Cortez, em artigo no TI Inside.
A preparação aparece nos detalhes
Imagine, como exemplo, um mesmo material cadastrado com descrições diferentes em duas unidades. Uma análise pode interpretar os registros como produtos distintos e esconder uma oportunidade de transferência entre estoques. Nesse cenário, acelerar o processamento não corrige a identificação: apenas entrega a inconsistência mais depressa.
É por isso que a preparação de um projeto merece perguntas concretas. Quem mantém o cadastro? Qual informação é considerada oficial? Como uma alteração é validada? Quem responde quando dois sistemas mostram valores diferentes? Essas respostas ajudam a transformar uma promessa tecnológica em um processo que a equipe consegue acompanhar.
Na análise de Michael, documentação, arquitetura, regras de negócio e dados utilizáveis sustentam essa evolução. O conhecimento especializado em Supply Chain também participa da construção: interpretar uma necessidade hospitalar exige entender o contexto em que a decisão será aplicada.
Uma mudança que precisa chegar às equipes
Ser AI First envolve dar às pessoas condições de usar IA com critério. Uma resposta bem escrita pode parecer convincente mesmo quando parte de uma premissa inadequada. Por isso, aprender a perguntar é apenas uma etapa; conferir a resposta e reconhecer seus limites são partes igualmente relevantes do trabalho.
Uma prática possível é começar por atividades delimitadas, com resultados que possam ser comparados e revisados. A equipe pode avaliar, por exemplo, se uma ferramenta ajuda a localizar informações numa documentação ou a organizar requisitos de um processo. O aprendizado desse uso deve alimentar ajustes antes de ampliar a aplicação.
O valor está na aplicação ao negócio
Para quem contrata tecnologia, a discussão oferece um critério útil: observar como a solução trata a realidade da operação. Uma demonstração atraente precisa se traduzir em respostas para situações concretas, como dados incompletos, mudanças de parâmetros e necessidade de revisão por um responsável.
A perspectiva apresentada por Michael aproxima inovação e confiabilidade. Na cadeia de suprimentos hospitalar, o valor da IA se torna mais claro quando a equipe entende o que está sendo proposto, consegue verificar o resultado e incorpora esse aprendizado à rotina.
Quer discutir como preparar sua operação para essa evolução? Conheça as soluções da GTPLAN.
Fontes
TI Inside — O erro que toda empresa comete antes de adotar IA · Economia SP — Ser AI First de verdade não começa pelo algoritmo.
Texto editorial da GTPLAN, com contextualização e exemplo ilustrativo. A citação foi extraída do artigo publicado.
