Guia · IA na gestão da qualidade
Onde a inteligência artificial ajuda de verdade e onde ela atrapalha
Quase tudo que se chama de “IA na qualidade” é, no miolo, uma consulta ao banco ou uma regra estatística. Isso não é uma crítica — é a boa notícia: dá para entregar muito, barato e auditável, desde que cada coisa fique no seu lugar. Este guia separa o que é regra, o que é estatística e o que é modelo de linguagem — e mostra onde está o ganho maior, que não é a análise: é a captura.
01A tese: a IA na borda, o determinismo no centro
Um sistema de qualidade faz três coisas diferentes, e o erro mais caro é tratá-las como uma só. Ele precisa observar tudo o que acontece, precisa traduzir entre o mundo bagunçado e o dado organizado, e precisa que alguém decida e assuma a consequência. Cada uma dessas funções pede uma tecnologia diferente.
A camada de baixo é a que costuma ser subestimada. Um laboratório gera, por dia, milhares de eventos verificáveis: corridas de controle, resultados liberados, amostras rejeitadas, prazos vencendo, treinamentos expirando. Perguntar a um modelo de linguagem se um documento vence em trinta dias é pagar para fazer o que uma consulta ao banco responde de graça — e, pior, é trocar uma resposta sempre igual por uma resposta que pode variar.
Regra prática: nada que uma consulta ao banco responde deve virar pergunta ao modelo. O modelo entra quando há linguagem ou imagem envolvida — ler uma foto, entender um áudio, comparar dois textos, escrever um parágrafo. Fora disso, ele é um jeito caro e instável de fazer contas.
02Por que isso não é preciosismo de engenheiro
Num laboratório acreditado, a pergunta que define tudo é a do auditor: “por que este resultado foi liberado?” ou “por que esta não conformidade foi classificada como maior?”. Existem duas respostas possíveis, e elas levam a lugares opostos.
resposta que vira não conformidade
“O sistema avaliou assim.”
Critério não documentado, não reprodutível e fora do controle do laboratório. O auditor não tem o que examinar — e é o laboratório que responde, não o fornecedor do software.
resposta que vira evidência
“Regra R-14, versão 2, configurada em 12/03, aprovada pelo responsável técnico.”
Critério escrito, versionado, assinado e reproduzível. O auditor examina a regra, não o comportamento do modelo.
É por isso que os critérios de decisão — quando um sinal dispara, como um risco é classificado, o que bloqueia um equipamento — precisam ser configurados pelo laboratório, versionados e assináveis, com a mesma disciplina de um documento controlado. Quem escolhe o critério é o laboratório; o software oferece o catálogo e guarda a trilha.
O modelo nunca inventa um fato de negócio: preço, status, cobertura ou resultado só entram na resposta através de uma consulta que leu o banco. O mesmo princípio vale, sem alteração, para a qualidade — com a diferença de que aqui o custo de inventar não é um cliente irritado, é um achado de auditoria.
Princípio herdado do agente conversacional do Lisya
03A consequência econômica: custo por anomalia
Separar as camadas não é só uma questão de rigor — é o que torna a coisa viável. Se a regra determinística avalia tudo e o modelo só entra no que ela marcou, o custo deixa de acompanhar o tamanho do laboratório e passa a acompanhar a quantidade de problemas.
O contrário — varrer todos os registros com um modelo de hora em hora — é a armadilha clássica, e é cara o suficiente para inviabilizar o produto. A disciplina que evita isso cabe em uma frase: o gatilho é o evento, não o relógio. Uma corrida de controle gravada avalia os sinais daquele material; uma rodada de controle externo importada avalia os daquele provedor. Varredura por calendário só para o que é intrinsecamente temporal — vencimentos — uma vez por dia, em consulta ao banco.
04As dez frentes, classificadas honestamente
Abaixo, o escopo completo que costuma ser desenhado para “IA na qualidade”, com cada frente classificada pelo que ela realmente é no miolo — e com o papel que sobra para o modelo de linguagem em cada uma.
Copiloto da qualidade
LLM no mioloo que a IA escreve
conversa de verdade — mas cada número da resposta vem de uma consulta ao banco, nunca da memória do modelo.
Detecção automática de não conformidade
regra no mioloo que a IA escreve
redigir a minuta da NC: descrição, abrangência e classificação sugerida — como rascunho.
Investigação de causa raiz
estatística no mioloo que a IA escreve
formular a hipótese em linguagem e ordenar as pistas por força de evidência.
CAPA e verificação de eficácia
regra no mioloo que a IA escreve
sugerir ações, responsáveis, prazo e método de verificação — e escrever o parecer de eficácia.
Controle estatístico da qualidade (CIQ)
estatística no mioloo que a IA escreve
narrar o que a regra detectou e cruzar com lote, calibração, manutenção e operador.
Controle externo (CEQ) inteligente
regra no mioloo que a IA escreve
narrar reincidência e propor investigação sistêmica em vez de tratar cada episódio isolado.
Gestão documental
LLM no mioloo que a IA escreve
este é o melhor caso de uso real: comparar textos, achar contradição e medir impacto de revisão.
Auditoria contínua e simulada
regra no mioloo que a IA escreve
redigir o achado, explicar o requisito em linguagem simples e sugerir qual evidência buscar.
Predição de risco operacional
estatística no mioloo que a IA escreve
explicar em uma frase por que um setor subiu de patamar — nunca calcular o patamar.
Inteligência sobre indicadores
estatística no mioloo que a IA escreve
transformar o detalhamento em explicação — e é o caso mais barato de entregar primeiro.
Duas de dez frentes são modelo de linguagem no miolo. As outras oito são regra ou estatística, com o modelo apenas na saída. É quase o inverso do que o instinto sugere — e é exatamente por isso que dá para entregar bastante coisa com custo baixo e com uma trilha que sobrevive a uma auditoria.
05O pré-requisito invisível: não se correlaciona o que não está ligado
Esta é a parte que quase nunca aparece nas apresentações, e é a que decide se o resto funciona. Quatro das dez frentes — causa raiz, risco, indicadores e auditoria contínua — dependem de cruzar dimensões: este desvio com aquele lote, esta recoleta com aquela unidade, esta falha com aquele turno.
E cruzar dimensões não é capacidade de inteligência artificial nenhuma. É consequência de as coisas estarem ligadas umas às outras no banco de dados. Não se agrupa por uma coluna que não existe. Se a não conformidade não aponta para o equipamento, nenhum modelo do mundo vai descobrir que o problema é do equipamento — porque a informação simplesmente não está lá.
Dito de forma direta: na maioria dos projetos, o que trava a “IA na qualidade” não é a IA — é a modelagem. E como isso não é vistoso, costuma ser adiado em favor da parte que rende demonstração.
O erro mais caro: achatar estrutura na entrada
Há uma variante específica desse problema que merece nome próprio, porque destrói justamente o dado mais caro de obter. Acontece assim: o sistema captura uma informação já organizada — uma lista de motivos, um conjunto de achados —, uma pessoa confere e confirma, e então, na hora de salvar, a lista é juntada num texto só.
O resultado é um sistema que parece completo e não consegue responder à pergunta mais básica da gestão da qualidade: quantas rejeições por hemólise tivemos neste mês, e onde? O texto está lá, legível para quem abrir o registro um por um. Mas indicador não se faz lendo registro um por um.
Regra que evita o estrago: o que chega estruturado é guardado estruturado. Se a pessoa escolheu entre opções, guarde a escolha — não a frase. O texto livre pode acompanhar como observação, nunca substituir a categoria. É o mesmo princípio dos tipos de campo em gestão de formulários: campo mal escolhido vira dado que ninguém consegue usar.
A consequência prática para o planejamento é que existe uma onda zero antes de qualquer coisa inteligente: dar entidade própria ao indicador e à sua meta, transformar motivo de rejeição em catálogo em vez de texto, ligar a não conformidade ao equipamento, à amostra, ao lote e à pessoa, e dar ao achado de auditoria um registro próprio. Nada disso é inteligência artificial. Tudo isso é pré-requisito dela — e é o que separa um módulo que demonstra bem de um que funciona.
06Quatro frentes que quase sempre ficam de fora
O escopo acima cobre bem o núcleo do sistema da qualidade. Mas ele é desenhado de dentro do setor de qualidade para fora — e por isso deixa passar justamente onde os erros acontecem e onde o dinheiro está.
Pré-analítico
A maior parte dos erros laboratoriais nasce antes da bancada: identificação, tubo errado, volume insuficiente, hemólise, transporte, tempo até a centrifugação. O escopo clássico trata recoleta e rejeição como indicador — número no fim do mês. O ganho maior é tratá-los como frente de captura: a não conformidade do pré-analítico nasce na coleta, com quem está lá, e hoje não nasce em lugar nenhum.
Revisão crítica do laudo
Verificação de variação em relação ao exame anterior do mesmo paciente, valor crítico e coerência entre resultados do mesmo conjunto. É qualidade analítica de saída e tem impacto direto no paciente. A verificação de variação é regra; a leitura do conjunto é linguagem. Fronteira que não se cruza: isso é triagem para revisão humana, nunca interpretação diagnóstica — o laudo continua sendo ato do responsável técnico.
Lote, insumo e fornecedor
A rastreabilidade de lote é a variável que fecha metade das investigações de causa raiz — e é justamente a que ninguém digita. Capturá-la por foto da embalagem do reagente, no momento em que ela é aberta, é barato e destrava a frente de investigação inteira.
Custo da não qualidade
Quantificar em reais a recoleta, o retrabalho, o exame repetido e a hora perdida. É o que faz o gestor agir. Um painel que mostra percentuais compete com planilha; um que mostra o valor perdido no trimestre e onde ele está concentrado muda a conversa — inclusive a conversa com a diretoria.
07O gargalo não é a análise — é a captura
Vale dizer isto com todas as letras, porque é a parte que quase todo software de qualidade erra: um sistema de qualidade é, na prática, um sistema de captura disfarçado de sistema de análise. Os programas disponíveis no mercado são competentes em guardar e fracos em capturar. Todos partem do princípio de que alguém vai sentar num computador e digitar.
Só que o registro morre exatamente aí. O técnico está de luva, com a bancada cheia, e o sistema pede login, setor, equipamento, data, oito campos e dois menus. Ele anota num papel e diz que lança depois. Depois não vem — e no fim do mês o indicador está lindo porque metade dos desvios nunca foi registrada.
A inteligência artificial muda a economia disso por um motivo simples: ela aceita entrada bagunçada. E daí sai a inversão que organiza toda a experiência do módulo.
Os canais de captura
Um número da qualidade. O técnico manda um áudio — “o banho-maria da sorologia está em 39,5, deveria estar em 37” — e sai um rascunho de não conformidade com o equipamento identificado, o desvio calculado e a foto anexada. É o canal que as pessoas já usam para avisar umas às outras; a diferença é que agora o aviso vira registro.
Foto
Quatro usos distintos: o display do termômetro vira leitura de temperatura; a planilha de papel do mês inteiro vira digitalização retroativa do acervo; a tela de erro do equipamento vira anexo da não conformidade com o código extraído; a embalagem do reagente vira marca, lote e validade.
Voz
Ditado na bancada, quando as mãos estão ocupadas. E a ata de reunião: o áudio vira ata estruturada com deliberações, responsáveis e prazos, e cada ação vira tarefa acompanhada. A análise crítica pela direção é exigência normativa e costuma ser o documento pior feito de qualquer laboratório — justamente porque ninguém gosta de escrever ata.
Conversa dentro do sistema
Não um chat genérico, mas um comando que executa: “abrir não conformidade para a centrífuga da coleta” já abre o formulário preenchido no lugar certo. A diferença entre um assistente e um campo de busca é essa.
Uma regra que não se quebra: o WhatsApp e a foto criam rascunho, nunca registro. O registro nasce quando alguém do fluxo confirma dentro do sistema. Sem isso, o canal informal vira a fonte da verdade sem trilha nenhuma — exatamente o problema que o sistema da qualidade existe para resolver.
08A tela do gestor: uma fila, não um painel
Do outro lado da captura está a atenção do gestor da qualidade, que é o recurso mais escasso do laboratório. Ele não precisa de vinte gráficos. Precisa saber o que exige decisão dele hoje, ordenado por risco, com a evidência já montada e dois ou três botões.
É isso — e não onisciência — que caracteriza um bom apoio à gestão da qualidade: curadoria da atenção. Uma pessoa não consegue acompanhar centenas de sinais ao mesmo tempo; um sistema consegue, desde que tenha a disciplina de apresentar só o que importa. O papel do responsável pela qualidade não é substituído — ele deixa de ser gasto procurando problema e passa a ser gasto decidindo sobre problema.
09Guardrails — o que impede isso de virar um problema
Proveniência obrigatória
Toda afirmação carrega o número de casos e um link para os registros que a sustentam. “72% das ocorrências após a troca do lote” sem o N e sem o link não vai para a tela. E “dado insuficiente” é uma resposta válida: com quatro casos o sistema diz quatro casos, não fabrica padrão.
Fadiga de alarme
O risco conhecido de qualquer sistema de alerta é ensinar a equipe a ignorar. Três defesas: teto de alertas por dia e por pessoa, com agrupamento acima disso; supressão por alvo, para não reabrir sinal sobre algo que já tem não conformidade em aberto; e um indicador sobre o próprio sistema — a taxa de sugestões aceitas. Se ela cai, a regra está ruim, e quem precisa ser avisado é o administrador, não o técnico.
Proteção de dados
A gestão da qualidade opera quase inteiramente sobre metadado — lote, equipamento, turno, setor, tempo — e não sobre resultado nominal de paciente. O conjunto de consultas disponíveis deve ser desenhado para não precisar do nome do paciente; onde precisar, vale a regra de negar por padrão.
Rastreabilidade do que foi gerado
Todo artefato produzido com apoio de IA guarda qual modelo, qual versão da instrução, qual entrada, qual saída, quem revisou e o que foi alterado na revisão. É o equivalente, para texto gerado, do que a assinatura digital já faz para documento aprovado.
Assinatura humana
Nenhum artefato gerado é válido sem assinatura de quem responde por ele. Vale para procedimento, para não conformidade, para ata e para plano de ação. A IA reduz o trabalho de produzir; não reduz a responsabilidade de aprovar.
10Em que ordem construir
A ordem importa mais do que parece, porque cada onda depende de a anterior ter gerado dado suficiente. Tentar começar pela predição de risco é o erro mais comum — ela é a que mais impressiona e a que menos funciona sem histórico.
Narrar e capturar
Narrativa automática de indicador e de controle; captura por foto e por voz.
Custo baixíssimo e valor visível no primeiro dia. Não exige infraestrutura nova.
Observar
Motor de sinais configurável, minuta automática de não conformidade e a fila de decisões.
É a espinha dorsal: tudo o que vem depois se pendura aqui.
Investigar
Correlação de causa raiz e verificação de eficácia das ações corretivas.
O maior ganho percebido — mas precisa de massa de dados acumulada pelas ondas anteriores.
Conversar e auditar
Copiloto da qualidade sobre o acervo indexado e a auditoria simulada.
Depende de o acervo documental estar indexado para busca por significado.
Antecipar
Índice de risco derivado da matriz existente e custo da não qualidade em reais.
Só faz sentido com histórico; é consequência das outras, não ponto de partida.
11O que não fazer
Fecha melhor pela negativa, porque cada item abaixo é um caminho que parece atraente e cobra caro depois.
- ✕Criar um menu chamado “IA”. A camada é horizontal: cada módulo ganha o comportamento inteligente no lugar onde o trabalho já acontece. Um menu separado é confissão de que a coisa não está integrada.
- ✕Deixar um modelo de linguagem substituir uma regra de controle estatístico. Westgard é estatística e deve continuar sendo.
- ✕Calcular índice de risco com modelo. O índice tem que ser derivado da matriz que o laboratório mantém, com pesos visíveis.
- ✕Varrer todos os registros com modelo de tempos em tempos. O gatilho é o evento.
- ✕Emitir alerta sem número de casos, sem link para a evidência e sem uma ação possível. Alerta que não leva a lugar nenhum treina a equipe a ignorar alerta.
- ✕Liberar qualquer artefato gerado sem assinatura de quem responde por ele.
A mudança de fundo que essa camada propõe é simples de enunciar. Um sistema da qualidade tradicional registra, guarda, lembra e relata. O que se busca aqui é que ele observe, detecte, investigue, recomende e acompanhe — sem nunca tirar de uma pessoa a decisão e a assinatura. O responsável pela qualidade não é substituído por esse arranjo; ele para de gastar o dia procurando problema e passa a gastá-lo decidindo sobre problema.
Este guia descreve desenho de produto, não funcionalidade entregue. Parte do que está aqui já existe no Lisya — o motor estatístico de controle interno, a importação automática do controle externo e a leitura de documentos por imagem na gestão documental. A camada descrita acima é o passo seguinte, e as ondas indicam a ordem pretendida.
Continue no hub de qualidade