Em 2025, a subadministradora do CMS (Centers for Medicare and Medicaid Services), Kim Brandt, anunciou que a agência havia economizado $2 bilhões desde março de 2025 utilizando inteligência artificial para detectar e prevenir fraudes em seus programas de saúde. O CMS é o maior pagador de serviços de saúde do mundo, administrando Medicare e Medicaid com um orçamento que supera um trilhão de dólares anuais. Quando uma organização dessa escala adota detecção de fraude com IA e reporta resultados quantificados, o sinal para o restante do setor é claro: essa abordagem funciona.
O que o CMS está fazendo
A iniciativa do CMS, conhecida como CRUSH (Center for Robotic Process Automation and Unified Solutions in Healthcare), utiliza modelos de inteligência artificial para analisar sinistros antes do pagamento. A mudança fundamental é o momento da intervenção: em vez de pagar primeiro e auditar depois, o CMS avalia os sinistros contra padrões de fraude conhecidos e sinais de anomalia antes de autorizar o desembolso.
Isso representa uma transformação estrutural em relação ao modelo tradicional de "pagar e perseguir" (pay-and-chase) que caracterizou a administração de programas de saúde durante décadas. O modelo anterior dependia de investigações pós-pagamento que, quando bem-sucedidas, recuperavam uma fração das perdas após meses ou anos de litígio.
Os $2 bilhões em economias reportados pelo CMS não são uma projeção. Não são uma estimativa de fraude potencialmente evitada. São economias documentadas, anunciadas publicamente por uma funcionária de alto escalão da agência. Esse dado é significativo porque estabelece um precedente verificável de que a detecção pré-pagamento baseada em IA gera retorno mensurável em escala.
O estado das seguradoras latino-americanas
Enquanto o CMS implementa detecção de fraude com IA em escala, a maioria das seguradoras de saúde na América Latina continua dependendo de processos manuais ou semi-manuais para auditar sinistros. As auditorias são realizadas sobre amostras, não sobre a totalidade das transações. Os critérios de seleção de amostras são frequentemente estáticos. E os resultados das auditorias são utilizados para recuperar perdas passadas, não para prevenir perdas futuras.
A magnitude do problema na região está documentada. O Instituto de Estudos de Saúde Suplementar (IESS) em colaboração com a EY publicou um estudo em 2022 que estimou as perdas por fraude e desperdício em planos de saúde brasileiros entre R$30 e R$34 bilhões anuais. Esse valor inclui fraude propriamente dita, mas também desperdício operacional — tratamentos desnecessários, duplicações e falta de adesão a protocolos clínicos.
Os dados de nossas próprias análises na região confirmam essa tendência. Os 43,4% do gasto farmacêutico apresentam anomalias detectáveis, representando $5,1 milhões anuais por cada 50.000 beneficiários. A maioria dessas anomalias não é fraude criminal, mas ineficiências sistêmicas que um processo de auditoria por amostragem nunca capturará em sua totalidade.
O movimento regulatório
Não é só o CMS. Os reguladores na América Latina estão se movendo em direção à supervisão baseada em dados. No Brasil, a Agência Nacional de Saúde Suplementar (ANS) emitiu as Resoluções Normativas 656 a 659, que reforçam os requisitos de reporte de dados e estabelecem marcos para supervisão mais granular das operadoras de saúde. A direção regulatória é clara: os reguladores vão pedir mais dados, mais transparência e maior capacidade de detecção.
As seguradoras que já estiverem implementando detecção automatizada de anomalias estarão melhor posicionadas para cumprir esses requisitos. As que continuarem dependendo de processos manuais enfrentarão uma pressão dupla: de um lado, as perdas operacionais que não estão detectando; do outro, os requisitos regulatórios que não poderão cumprir com seus processos atuais.
O que se pode aprender com o CMS
Há lições concretas da abordagem do CMS que se aplicam diretamente ao contexto latino-americano.
A detecção pré-pagamento é estruturalmente superior à auditoria pós-pagamento. Isso não é uma opinião. O CMS testou ambos os modelos durante décadas e está migrando ativamente para o pré-pagamento. A razão é simples: é mais barato prevenir um pagamento fraudulento do que tentar recuperá-lo depois.
A cobertura total supera a amostragem. O CMS analisa a totalidade dos sinistros, não amostras. Quando 100% das transações são analisadas, os padrões de fraude coordenada que se escondem no volume se tornam visíveis. O Inspector AI opera sob o mesmo princípio: cada evento de dispensação é avaliado contra dezenas de regras de detecção antes da autorização.
As economias são mensuráveis desde o primeiro ano. Os $2 bilhões do CMS foram reportados dentro do primeiro ano de implementação em escala. Isso não significa que qualquer seguradora verá economias comparáveis — o CMS opera em uma escala que não tem equivalente — mas confirma que o retorno é mensurável e não requer anos de maturação para se materializar.
O que não se deve extrapolar
É importante ser preciso sobre o que o dado do CMS demonstra e o que não demonstra. Demonstra que a detecção de fraude com IA funciona em escala e gera economias quantificáveis. Não demonstra que qualquer implementação gerará um retorno específico, nem que os modelos do CMS sejam diretamente transferíveis ao contexto regulatório e operacional de cada país latino-americano.
As seguradoras na região operam em marcos regulatórios diferentes, com estruturas de dados distintas e com tipos de fraude que têm características locais. A tecnologia é transferível; os modelos específicos devem ser calibrados ao contexto local.
O momento de agir
A pergunta para as seguradoras latino-americanas não é mais se a detecção de fraude com IA funciona. O CMS respondeu a essa pergunta com $2 bilhões em evidência. A pergunta agora é quanto tempo levará para adotar uma abordagem que o maior pagador de saúde do mundo já validou.
Os reguladores estão se movendo. As perdas estão documentadas. A tecnologia existe e está provada. O que falta, em muitos casos, é a decisão de implementar.
Para avaliar a exposição à fraude e ao desperdício nos seus dados de sinistros, solicite uma análise gratuita.