Dívidas médicas nos EUA devem crescer, e a IA vai cuidar cada vez mais da cobrança

Segundo estimativa da KFF, cerca de 100 milhões de americanos já têm dívidas por serviços médicos. De acordo com o Guardian, neste inverno entram em vigor os cortes em programas de saúde propostos pelos republicanos, e o volume dessas dívidas deve aumentar. Ao mesmo tempo, muda a própria mecânica da cobrança. A IA escuta a consulta, codifica a visita, gera as mensagens sobre faturas, e agentes de IA trocam mensagens com os pacientes nos portais de pagamento. A dívida agora nasce e é gerida dentro de uma única cadeia automatizada.

Uma cadeia no lugar de quatro departamentos

Antes, o médico escrevia a nota, o codificador atribuía o código, o setor de faturamento emitia a fatura e as empresas de cobrança cuidavam da dívida. Hoje, cada elo ganha uma camada de IA. A reportagem do Guardian mostra o seguinte:

• Consulta. Assistentes registram a conversa entre médico e paciente e redigem a nota clínica.
• Codificação. Algoritmos convertem a nota em códigos de cobrança (billing), que servem de base para a fatura.
• Mensagens. Sistemas enviam automaticamente avisos sobre cobranças e pagamentos.
• Agentes. Bots de IA escrevem aos pacientes no portal de pagamento, lembram da dívida e respondem a perguntas.

O trecho disponível da publicação não traz nomes de fornecedores, volume de adoção nem métricas. Mas a lógica é evidente. A nota define o código, o código define o valor, e o valor define o que o agente vai escrever e para quem. Na prática, a rede neural, logo no primeiro passo, determina tudo o que vem depois.

Por que justamente agora

Os cortes nos programas significam que mais pessoas ficarão sem seguro ou com cobertura pior. Vai aumentar a parcela das faturas que o paciente precisa pagar do próprio bolso. São justamente esses saldos que mais costumam virar dívida em atraso.

A automação muda a economia da cobrança. Uma ligação feita por uma pessoa custa dinheiro; uma mensagem de um agente custa quase nada. Quando o custo do contato cai, o número de contatos sobe: os lembretes chegam com mais frequência, no horário conveniente para o devedor, levando em conta o histórico dele no portal. Essa é uma observação minha, não uma conclusão da reportagem, mas a lógica do setor é essa.

O cenário regulatório, por sua vez, segue indefinido. A regra federal da CFPB, que deveria retirar as dívidas médicas dos históricos de crédito, foi anulada por um tribunal em 2025. Ainda não está claro o quanto serão restringidas as comunicações de IA com devedores.

Onde o sistema pode falhar

A primeira zona de risco são os erros que se propagam pela cadeia. Se o assistente ouviu errado ou resumiu mal a consulta, e o algoritmo codificou a visita como mais "cara" do que foi, o paciente receberá uma fatura inflada. Nem o médico nem o profissional do faturamento podem notar isso.

A segunda é a pressão. Um agente que sabe quando o paciente acessa o portal pode escrever justamente nesses minutos. Nesses sistemas, o limite entre lembrete e insistência é definido por configuração, não pelo bom senso humano.

A terceira são os casos contestados. Um bot lembra bem de um pagamento, mas lida pior com a pergunta de por que a fatura está errada. Se o encaminhamento para uma pessoa estiver escondido demais, o paciente fica sozinho diante da máquina.

O que fazer: pacientes e empresas

Os pacientes devem pedir a fatura detalhada, com os códigos, e conferi-la com o que de fato aconteceu na consulta. É melhor contestar por escrito e antes de a dívida ser repassada a empresas de cobrança. Hospitais sem fins lucrativos nos EUA são obrigados a manter programas de assistência financeira, e vale perguntar sobre eles antes de pagar, não depois.

Clínicas e fornecedores devem guardar logs: qual nota gerou qual código e qual mensagem foi enviada ao paciente. São necessários auditoria por amostragem da codificação, limites de frequência e de horário para os contatos do agente e um botão "falar com uma pessoa" já na primeira tela. Sem isso, a economia no faturamento rapidamente vira ações judiciais e perda de confiança.