EGPAF: glAIser - IA Aplicada à Saúde Global
Resumo Executivo
A Elizabeth Glaser Pediatric AIDS Foundation (EGPAF) é uma organização global dedicada à prevenção e erradicação do HIV pediátrico, atuando em múltiplos países com programas de saúde pública em larga escala. A fundação opera com volumes massivos de dados de saúde, distribuídos entre diferentes sistemas de informação nacionais, o que tornava a consolidação e análise desses dados um desafio crítico.
O principal problema enfrentado pela EGPAF era a fragmentação dos dados de saúde: sistemas desconectados, tempos de geração de relatórios medidos em meses e ausência de uma camada inteligente que traduzisse dados brutos em insights acionáveis para tomada de decisão em campo.
A Squadra Digital, em parceria com a Microsoft, liderou o desenvolvimento do glAIser — um assistente inteligente baseado em IA que interpreta comandos em linguagem natural, cruza grandes volumes de dados de saúde e gera relatórios, visualizações e recomendações de ação. A solução, concebida inicialmente no Microsoft Hack4Good, foi evoluída pela Squadra para uma plataforma de produção com escala global, com cobertura para os 17 países atendidos pela EGPAF.
Com o Genius em ação, o tempo entre coleta de dados e geração de relatórios caiu de meses para segundos, fortalecendo a cultura de dados e contribuindo diretamente para salvar vidas por meio de diagnósticos precoces e intervenções focadas.
O Desafio
A EGPAF atua em diversos países da África Subsaariana, cada um com seus próprios sistemas de informação de saúde. A necessidade de consolidar, analisar e agir sobre esses dados de forma rápida e confiável era essencial para a missão da organização. Os principais desafios identificados foram:
Fragmentação de dados entre países: Os sistemas de informação de saúde variavam entre os países de atuação, sem interoperabilidade. Dados críticos permaneciam isolados em silos, dificultando análises comparativas e visão consolidada.
Tempo excessivo para geração de relatórios: O ciclo entre coleta de dados e produção de relatórios acionáveis levava meses, comprometendo a agilidade na resposta a surtos, alocação de recursos e acompanhamento de programas.
Ausência de inteligência sobre os dados: Não existia uma camada de IA ou análise avançada que transformasse dados brutos em insights práticos e acessíveis para diferentes perfis de usuário — de gestores estratégicos a profissionais de campo.
Barreira técnica para acesso à informação: Usuários com diferentes níveis técnicos precisavam consultar dados, mas as ferramentas existentes exigiam conhecimento especializado, limitando a democratização do acesso à informação.
A Solução
A Squadra Digital liderou o desenvolvimento do glAIser em uma abordagem progressiva, partindo de um protótipo concebido em hackathon até uma plataforma de produção com missão global.
Genius em ação: IA conversacional para saúde pública
Fase 1 — Hackathon e Prototipagem
O projeto nasceu no Microsoft Hack4Good, onde a Squadra Digital atuou como parceira estratégica, mobilizando competências em dados, IA e tecnologia para formular a proposta do glAIser.
Definição de escopo com IA: Consolidação de sistemas de saúde de múltiplos países, consultas em linguagem natural e geração de visualizações acionáveis definidos como pilares do protótipo.
MVP funcional: A Squadra levou o projeto além do MVP mínimo, garantindo que se tornasse base para uma iniciativa de escala global.
Fase 2 — MVP Fundacional
Após o hackathon, a Squadra assumiu a liderança da ampliação, transformando o protótipo em uma plataforma robusta e operacional.
Arquitetura Data Lakehouse: Centralização dos dados em data lakehouse com pipelines ETL para extração, transformação e carga dos dados dos países de atuação da EGPAF.
Governança e segurança: Orquestração e segurança via Azure, com definição de níveis de acesso para uso estratégico, operacional e clínico.
A construção do glAIser envolveu toda a stack de dados e IA, com a Squadra atuando como integradora técnica e estratégica.
Agentes de IA com linguagem natural: Interface conversacional baseada em Azure OpenAI Service com RAG (Geração Aumentada por Recuperação) para interpretação de comandos e geração de insights.
Pipelines de dados: Azure Data Factory e Azure Databricks para processamento e transformação de dados em escala.
Escalabilidade e interoperabilidade: plataforma arquitetada para permitir integração com sistemas parceiros de governo, ampliando o alcance da solução.
Experiência do usuário: Foco em usabilidade para garantir que profissionais com diferentes níveis técnicos pudessem operar a plataforma de forma autônoma.
Fase 3 — Evolução técnica e escala global
A Squadra garantiu que a solução evoluísse do hackathon para um contexto de produção com missão global.
Arquitetura avançada de IA: A solução evoluiu para uma arquitetura avançada baseada em múltiplos agentes inteligentes, capaz de interpretar consultas complexas, distribuir tarefas entre agentes especializados e aumentar a confiabilidade das análises realizadas.
Maior capacidade analítica: A plataforma passou de 38 indicadores para suportar mais de 142 combinações complexas de dados clínicos, ampliando significativamente sua capacidade de análise e geração de insights.
Cobertura global: A solução passou a atender todos os países em que a EGPAF atua, integrada ao ecossistema unificado de dados da fundação, garantindo análises padronizadas em escala global.
Precisão e confiabilidade: A nova arquitetura foi desenvolvida para oferecer análises mais precisas e confiáveis, fortalecendo a tomada de decisões baseada em dados em um contexto crítico para a saúde pública
Resultados
O glAIser, liderado pela Squadra, transformou a forma como a EGPAF conduz suas operações de saúde pública. A solução conectou dados fragmentados de múltiplos países em uma plataforma unificada com inteligência artificial, gerando impacto mensurável em todas as frentes da organização.
Velocidade de Resposta Ultra-Rápida: o tempo entre coleta de dados e geração de relatórios caiu de meses para 15 a 20 segundos, democratizando o acesso à informação e fortalecendo a cultura orientada à dados.
Ampla Cobertura Geográfica: a plataforma abrange 100% dos países de operação da fundação de forma padronizada através do framework de metadados Glaser360, contribuindo diretamente para salvar vidas ao permitir diagnósticos precoces, acompanhamento mais eficiente e intervenções focadas em regiões críticas, aproximando o mundo da erradicação do HIV pediátrico.
Arquitetura de Vanguarda (Multi-Agent State Machine): O grande divisor de águas técnico foi a migração de um modelo simples baseado em regras para uma estrutura de Múltiplos Agentes Inteligentes Orquestrados via LangGraph.
Segurança de dados clínicos: a IA conta com um loop de auto-reparação em tempo real. Se a query gerada apresentar qualquer falha de sintaxe, o próprio sistema identifica o erro, corrige a si mesmo e recalcula a rota antes de exibir o resultado final, eliminando alucinações e garantindo a segurança de dados clínicos. Além disso, ela atingiu 100% de acurácia nos testes automatizados contra o Golden Dataset (conjunto de dados e cenários reais de alta complexidade fornecidos pelos especialistas em dados do cliente).
O projeto se destaca no âmbito global devido à qualidade técnica, o compromisso e o profissionalismo da Squadra na entrega de uma solução robusta, preparada para apoiar decisões críticas e gerar impacto real na saúde pública global:
"This is truly impressive work... Seeing the solution in its current state had a pretty profound impact on me."
— Jon Drew (Account Team, Microsoft)
"A heartfelt thank you to the Squadra team for your outstanding delivery, unwavering commitment, and consistently high-quality work. This has been a remarkable collaboration from start to finish."
— Hugo Marques (SMB & Partner Lead, Microsoft Elevate)
"Thanks Cristiano for the dedication and professionalism through this process."
— Charlie Maere (Global Digital Health Director, EGPAF)
Galeria
Quer resultados como esses?
Fale com nossos especialistas e descubra como a IA pode transformar o seu negócio.
