Em 21 de setembro de 2026, o blog de machine learning da AWS publicou o caso da EXL, fornecedora de análise de dados, inteligência artificial e soluções digitais que atende organizações da Fortune 500 há mais de 25 anos e soma mais de 50 mil profissionais no mundo. A empresa apresentou o EXL Medical IDP, solução de processamento inteligente de documentos médicos construída sobre serviços da nuvem da Amazon.
O alvo é um gargalo conhecido do setor de seguros: a revisão manual de prontuários, que consome mais de 100 minutos por caso nas mãos dos analistas de sinistros.
O gargalo: prontuários longos, dispersos e críticos
Na análise de sinistros e na subscrição de seguros de vida, o prontuário médico é a base de quase toda decisão. Os documentos somam centenas de páginas.
A lista inclui notas de quiropraxia, exames diagnósticos, atendimentos de emergência, relatórios cirúrgicos, consultas médicas, relatórios de prescrição de medicamentos, avaliações psiquiátricas, resultados de laboratório, laudos de perícia médica independente (IME) e revisões por pares.
O volume não é o único obstáculo. O conteúdo é não estruturado, cheio de terminologia clínica, e exige que o revisor conecte dados dispersos sobre a condição do paciente e sua evolução ao longo do tempo.
O processo é lento, manual e sujeito a inconsistências, porque profissionais diferentes interpretam os mesmos dados de maneiras distintas. A EXL aponta atrasos na liquidação de sinistros, problemas de acurácia nas avaliações, aumento de custos indenizatórios, piora na experiência do cliente e maior exposição a escrutínio regulatório.
Duas aplicações, um pipeline inteligente
Para responder a esse cenário, a EXL combinou duas aplicações de IA complementares em uma única solução fim a fim.
A primeira é o Xtrakto.AI, que cuida da ingestão, divisão, classificação, extração, enriquecimento e pós-processamento dos documentos. É uma aplicação de IDP agnóstica a templates, ou seja, usa visão computacional, processamento de linguagem natural (NLP) e fluxos de trabalho com agentes de IA para extrair dados estruturados de diferentes tipos de documento sem exigir modelos pré-configurados.
A segunda peça é o EXL Insurance LLM, camada de inteligência de domínio responsável por sumarização médica, consultas em linguagem natural, raciocínio profundo com rastreabilidade e geração de saídas estruturadas.
O modelo foi ajustado com dados dos domínios de seguros e medicina. Compreende terminologia clínica, códigos ICD (Classificação Internacional de Doenças) e CPT (Current Procedural Terminology), relações entre diagnóstico e tratamento e as exigências específicas dos fluxos de sinistros e subscrição.
Juntas, as duas aplicações formam um pipeline automatizado e escalável que transforma documentos médicos brutos em informação acionável para analistas de sinistros, subscritores e coordenadores de cuidado.
Na aws: treino e inferência sob o mesmo teto
A EXL optou por construir a solução na AWS para manter o desenvolvimento de modelos e a inferência em produção sob um mesmo conjunto de controles de segurança.
O Amazon SageMaker AI oferece o ambiente gerenciado de treinamento e inferência do EXL Insurance LLM, com ajuste fino em múltiplas GPUs, experimentação isolada da produção e endpoints de inferência em tempo real que escalam conforme o volume de sinistros.
O Amazon Bedrock complementa a arquitetura com acesso sob demanda a modelos de fundação de propósito geral por meio de uma única API. Permite escolher o modelo adequado para cada tarefa, o LLM ajustado para raciocínio de domínio e modelos genéricos para tarefas mais amplas de linguagem, sem administrar infraestrutura adicional.
Ambos operam sob controles de acesso do AWS Identity and Access Management (IAM), ponto essencial em um fluxo que lida com informações de saúde protegidas.
Segundo a descrição, a solução roda inteiramente dentro de uma região da AWS, com aplicações clientes a montante e a jusante conectadas por APIs seguras. O fluxo tem 11 etapas, da ingestão à entrega dos resultados, e conta com um ambiente separado para desenvolvimento de modelos e melhoria contínua.
Na orquestração, o Amazon API Gateway sustenta as APIs de ingestão e de entrega de resultados (etapas 1 e 11). O Amazon Cognito cuida da autenticação e autorização das requisições (etapa 2) e o AWS Step Functions atua como motor de orquestração que coordena as sub-requisições.
Por que isso importa
O caso interessa a um setor em que o tempo de análise se converte diretamente em custo, experiência do cliente e risco regulatório.
Ao reduzir a dependência da leitura manual de centenas de páginas, a proposta da EXL ataca três frentes ao mesmo tempo: velocidade de decisão, consistência entre analistas e rastreabilidade do raciocínio que sustenta cada parecer.
A divisão de trabalho entre um modelo ajustado ao domínio médico-securitário e modelos de propósito geral também sinaliza uma tendência na adoção corporativa de IA. Em vez de apostar em um único modelo, as empresas combinam IDP, agentes de IA e LLMs especializados, escolhendo a ferramenta mais adequada para cada etapa do fluxo.
Para seguradoras e operadoras de saúde, o ganho potencial está menos em substituir o revisor humano e mais em devolver a ele o tempo hoje consumido por triagem e leitura extensiva. Fica com o revisor a interpretação e o julgamento que o próprio material descreve como centrais nesse tipo de decisão.
Fontes e links
- AWS: Reducing medical claims review time with AI on AWS: The EXL Medical IDP solution
- EXL
- Amazon SageMaker AI
- Amazon Bedrock
