Estudo de caso · Product Design · 2025–2026
Plataforma de Autorização Prévia
Uma PoC de orquestração inteligente com Grandes Modelos de Linguagem (LLMs) para automatizar a verificação de documentos médicos e otimizar fluxos complexos de autorização, com alinhamento regulatório da ANS.
- Cliente
- Neurotech | Trillia [B3] · Seguros Unimed
- Papel
- Product Designer
- Período
- 2025 – 2026
+40%
de eficiência analítica projetada
-30%
de aprovações automáticas indevidas
PoC
arquitetura validada em cenários reais de auditoria médica
- 01
Descoberta e inteligência de mercado
Benchmark estruturado das plataformas concorrentes, comparando capacidades como combinação de dados de clientes, reconhecimento de linguagem natural e leitura automatizada de documentos, para posicionar a solução com diferencial claro.
Desk research e benchmarking competitivo - 02
Estratégia de UX e diretrizes de definição de produto
Definição das diretrizes que guiariam o produto: transparência das decisões do modelo, rastreabilidade das autorizações e aderência às regras da ANS — requisitos inegociáveis em auditoria médica.
Job To Be Done Canvas e matriz Is/Is Not · Do/Do not - 03
Ideação colaborativa e mapeamento de funcionalidades
Sessões colaborativas com negócio, engenharia e ciência de dados geraram o mapa de funcionalidades da plataforma, da atualização automática do DUT (nova versão ANS) à scoragem das solicitações de autorização.
- Atualização do DUT conforme nova versão ANS
- Scoragem das solicitações de autorização de procedimento
- Avaliação contínua da performance da solução
Ideação colaborativa — Como Poderíamos? - 04
Priorização e planejamento ágil de lançamento
Cada funcionalidade foi analisada por valor percebido e esforço de desenvolvimento, criando uma fronteira clara entre o essencial do MVP e a evolução planejada.
Analisando funcionalidades e definindo prioridades 
Viabilidade técnica e estimativas de esforço - 05
Consolidação do MVP — Canvas
O MVP foi consolidado em um canvas compartilhado: problema, usuários, jornada, funcionalidades, métricas de sucesso e riscos regulatórios em uma única visão para a tomada de decisão executiva.
Consolidando o MVP — Canvas - 06
Validação por Provas de Conceito
A arquitetura foi validada por PoCs direcionadas com Grandes Modelos de Linguagem, simulando cenários reais de auditoria médica com documentos e regras de cobertura verdadeiros.
Impacto
Os resultados projetados incluem 40% de ganho de eficiência analítica, queda de 30% nas aprovações automáticas indevidas e um modelo de automação escalável e fluido para autorizações médicas padronizadas.
Discutir um desafio parecido