OuvidorSUS.IA: Inteligência Artificial para o aumento das capacidades analíticas da Ouvidoria-Geral do SUS
Resumo executivo
O OuvidorSUS.IA é uma plataforma de inteligência artificial desenvolvida para ampliar a capacidade analítica e a eficiência da Ouvidoria-Geral do SUS, no Ministério da Saúde, a partir de uma parceria com o Instituto Metrópole Digital da UFRN (IMD/UFRN), formalizada pelo Termo de Execução Descentralizada nº 28/2025.
O problema enfrentado é estrutural e comum a toda a rede de ouvidorias do SUS: o volume crescente de manifestações e de pedidos de Acesso à Informação (LAI), majoritariamente textuais e não estruturados, inviabiliza a triagem manual eficiente, dificulta a padronização das respostas, eleva o risco de descumprimento de prazos e impede a extração de informação estratégica para a gestão. A solução atua em duas frentes integradas: a Frente LAI, que reorganiza o fluxo de pedidos de Acesso à Informação por meio de um processo controlado (máquina de estados/BPMN), com triagem, classificação de risco, encaminhamento hierárquico e integração ao FalaBR; e a Frente Analítica, que oferece busca semântica, painéis e relatórios que convertem manifestações textuais em informação estruturada para decisão. A inteligência artificial é empregada para classificação e anonimização, sempre com validação humana obrigatória e sem geração autônoma de texto, em conformidade com a LGPD e com uma hierarquia federativa de acesso incorporada desde a concepção. Por integrar-se a plataformas de uso nacional e adotar processamento local (sem nuvem, por custo e segurança), foi projetada para ser replicável a toda a rede de ouvidorias do SUS.
Entre os resultados já alcançados estão a entrega dos MVPs das duas frentes, a homologação com os primeiros usuários da CTAI, a integração com o FalaBR, a conclusão da migração da base para o ambiente Oracle do DATASUS e a validação de um processamento de extração por IA capaz de tratar cerca de 150 mil manifestações em poucos dias sobre infraestrutura local, além de entrevistas de benchmark com cinco ouvidorias (São Paulo, Rio Grande do Sul, Salvador, Distrito Federal e Florianópolis). O impacto potencial ultrapassa a esfera federal: ao padronizar fluxos, reduzir o trabalho manual e ampliar a capacidade analítica, a solução pode beneficiar toda a população usuária do SUS e o conjunto das ouvidorias do país, contribuindo para a transparência, a garantia de direitos e a melhoria da prestação de serviços públicos.
Vídeo explicativo
Motivação e Justificativa
A Ouvidoria-Geral do SUS recebe, de forma contínua e crescente, um grande volume de manifestações da população e de pedidos de Acesso à Informação (LAI), registrados majoritariamente como texto livre e não estruturado. Esse cenário produz três desafios centrais de gestão: a triagem e a classificação manuais tornam-se lentas e sujeitas a inconsistência, elevando o risco de descumprimento de prazos legais; a ausência de padronização compromete a qualidade e a equidade das respostas ao cidadão; e a falta de tratamento analítico impede que gestores extraiam, do enorme acervo textual, informação estratégica para decisões baseadas em evidências. Trata-se de um gargalo estrutural e comum a toda a rede de ouvidorias do SUS — federal, estaduais e municipais —, que operam sobre as mesmas plataformas nacionais (como o FalaBR) e sob os mesmos marcos legais. A partir de um processo de imersão diagnóstica junto à Ouvidoria, em setembro de 2024, identificou-se a oportunidade de aplicar inteligência artificial, com validação humana e governança de dados, para reorganizar o fluxo de Acesso à Informação e criar capacidade analítica sobre as manifestações. A resposta a essa necessidade foi estruturada como uma parceria entre a Ouvidoria-Geral do SUS e o Instituto Metrópole Digital da UFRN, formalizada pelo TED nº 28/2025, unindo a expertise técnica acadêmica ao conhecimento do negócio público. A iniciativa, portanto, não é um projeto isolado, mas uma resposta cuidadosa e planejada a um problema real e recorrente da gestão da informação em ouvidorias públicas.
- 3 - Saúde e bem-estar
- 9 - Indústria, inovação e infraestrutura
- 17 - Parcerias e meios de implementação
O diferencial da iniciativa está na combinação de inteligência artificial aplicada com governança rigorosa e desenho voltado à escala. A IA é usada para classificar e anonimizar manifestações, mas sempre com validação humana obrigatória e sem geração autônoma de texto — uma escolha deliberada de responsabilidade e conformidade com a LGPD. A solução incorpora, desde a concepção, uma hierarquia federativa de acesso e integra-se a plataformas de uso nacional (FalaBR, OuvidorSUS3, SCPA), o que a torna aderente à realidade das ouvidorias e replicável a toda a rede. Do ponto de vista técnico, destacam-se a modelagem do fluxo de Acesso à Informação como máquina de estados/BPMN (com tolerância a instabilidades de sistemas externos por filas assíncronas), a arquitetura de dados em camadas (medalhão), a busca semântica e a extração de entidades por modelos de linguagem executados em infraestrutura local, sem uso de nuvem, por razões de custo e segurança. O que distingue a prática de um projeto genérico é o fato de ter sido co-desenhada com os gestores do negócio (Product Owners), validada continuamente em reuniões semanais e homologada com usuários reais, estando embutida na operação concreta da Ouvidoria — e não como um experimento isolado. Some-se a isso a estratégia de transferência de tecnologia prevista no TED, que cria as condições para a difusão da solução a outras ouvidorias.
Contexto e Alcance
A responsabilidade pela criação e manutenção da boa prática é do Ministério da Saúde, por meio da Ouvidoria-Geral do SUS — especificamente da CGIOS (Coordenação de Gestão da Informação em Ouvidoria do SUS). A execução técnica do desenvolvimento é conduzida pelo Instituto Metrópole Digital da Universidade Federal do Rio Grande do Norte (IMD/UFRN), com gestão financeira e administrativa da FUNPEC, no âmbito do TED nº 28/2025.
O público-alvo direto compreende a própria Ouvidoria-Geral do SUS e suas unidades — a CTAI/CETAI e as CORISCs —, além dos servidores e gestores responsáveis pela triagem, análise, resposta e gestão das manifestações e dos pedidos de Acesso à Informação. Em perspectiva de escala, o público-alvo potencial abrange o conjunto das ouvidorias do SUS no território nacional, dada a replicabilidade da solução.
O público-alvo direto compreende a própria Ouvidoria-Geral do SUS e suas unidades — a CTAI/CETAI e as CORISCs —, além dos servidores e gestores responsáveis pela triagem, análise, resposta e gestão das manifestações e dos pedidos de Acesso à Informação. Em perspectiva de escala, o público-alvo potencial abrange o conjunto das ouvidorias do SUS no território nacional, dada a replicabilidade da solução.
Brasília/DF (operação — Ouvidoria-Geral do SUS/Ministério da Saúde). Desenvolvimento técnico em Natal/RN (IMD/UFRN).
Resultados e Impacto
Objetivos definidos: (1) aumentar a capacidade analítica da Ouvidoria, convertendo manifestações textuais em informação estruturada; (2) tornar o atendimento a pedidos de Acesso à Informação mais ágil, padronizado e aderente aos prazos; (3) integrar canais e sistemas existentes (FalaBR, OuvidorSUS3, SCPA); (4) aplicar IA com validação humana e proteção de dados (LGPD); e (5) preparar a solução para escala nacional.
Resultados alcançados até a submissão: entrega dos MVPs das Frentes LAI e Analítica (mar/2026); homologação com os primeiros usuários da CTAI e primeira integração com o FalaBR (abr–mai/2026); conclusão da migração da base para o ambiente Oracle do DATASUS, conforme as diretrizes MAD/COATIC (jul/2026); validação de um processamento de extração por IA que tratou cerca de 150 mil manifestações em poucos dias sobre infraestrutura local; consolidação do fluxo de Acesso à Informação em BPMN, com encaminhamento hierárquico e controle de acesso via SCPA; e realização de entrevistas de benchmark com cinco ouvidorias, orientando o desenho dos painéis. Os indicadores operacionais de impacto (por exemplo, redução de tempo de triagem e volume tratado) serão mensurados com a entrada em produção.
A solução foi desenhada para escalar: processa grandes volumes (extração validada sobre ~150 mil manifestações em infraestrutura local) e integra-se a plataformas de uso nacional, o que permite atender públicos e áreas maiores sem reengenharia estrutural.
Por operar sobre as mesmas plataformas (FalaBR/OuvidorSUS3) e por incorporar a hierarquia federativa de acesso desde a concepção, a prática pode ser copiada e adaptada por outras ouvidorias do SUS — estaduais e municipais — com esforço reduzido.
A continuidade está prevista na estratégia de transferência de tecnologia e capacitação do TED, que visa dar autonomia à Ouvidoria.
No período de execução, o impacto mais tangível é a entrega de uma plataforma funcional, homologada com usuários reais e integrada às plataformas nacionais, que estabelece a base para ganhos de eficiência, padronização e transparência no atendimento ao cidadão. O impacto potencial, com a entrada em produção e a difusão à rede, abrange a redução do trabalho manual e do risco de descumprimento de prazos, a melhoria da qualidade e da equidade das respostas, e o fortalecimento da capacidade de decisão baseada em evidências na gestão do SUS. Por seu caráter replicável, os efeitos podem estender-se a toda a rede de ouvidorias e, em última instância, a toda a população usuária do SUS. A iniciativa ainda não recebeu premiações ou reconhecimentos formais.
Informações complementares
Governança: execução via TED nº 28/2025 (MS–UFRN, gestão FUNPEC), com coordenação técnica, reuniões semanais das frentes, alinhamentos de seniores e validação contínua pelos Product Owners do Ministério; controle de acesso baseado na hierarquia organizacional (SCPA) e conformidade com a LGPD, com validação humana obrigatória e anonimização. Tecnologias e ferramentas: front-end em Angular e back-end em Spring; modelagem de processos em máquina de estados/BPMN; arquitetura de dados em camadas (medalhão) sobre banco Oracle do DATASUS (padrão MAD/COATIC); busca semântica com OpenSearch; painéis com Apache Superset e ECharts; extração de entidades e relatórios com modelos de linguagem (LLM) executados em infraestrutura local (GPUs), sem uso de nuvem; observabilidade com OpenTelemetry/Jaeger; e versionamento em GitLab. Integrações com FalaBR, OuvidorSUS3 e SCPA.
Link para pasta compartilhada com relatórios, apresentações e demais evidências:
https://drive.google.com/drive/folders/1w2va_m8mhep2pAO4cZBzKdqeyJIJ_PQx?usp=sharing
O link https://public.jacob.al/susia/ contém site com dados fictícios por questões de LGPD, para demonstraçãos dos painéis, porém demonstram todo o potencial de extração e flexibilidade das informações.