Orizon moderniza la IA y datos junto a Microsoft

Duración estimada de lectura: 8 minutos

Orizon, la healthtech del Grupo Bradesco, ha dado un salto decisivo al migrar su plataforma de datos a Microsoft Azure. La alianza con Microsoft y Blueshift permitió modernizar pipelines, acelerar autorizaciones clínicas y gestionar casi 16 millones de vidas con mayor agilidad y cumplimiento. En este artículo explico cómo se hizo la transición, qué tecnologías se usaron, los resultados medibles y las lecciones prácticas que pueden aplicar otras organizaciones reguladas por la LGPD.

El reto de Orizon: escalar datos y decisiones en salud

Volumen y criticidad de los datos

Orizon gestiona datos de casi 16 millones de vidas, con más de 500.000 consultas autorizadas diariamente y aproximadamente 15 millones de transacciones al mes. Además, su red conecta a alrededor de 220.000 proveedores, 23 operadores y 12.000 farmacias. Ese volumen no es solo grande: es crítico. Cada retraso en una autorización puede afectar la atención del paciente o generar cobros indebidos.

Limitaciones del entorno on‑premise legacy

Antes de la migración, los sistemas legacy on‑premise limitaban:

• Escalabilidad en picos de demanda.

• Velocidad de procesamiento para autorizaciones en tiempo real.

• Flexibilidad para desarrollar y desplegar modelos de ML.

• Gobernanza eficiente y cumplimiento continuo con la LGPD.

En mi experiencia, este tipo de entorno obliga a priorizar estabilidad sobre innovación, y en salud eso puede traducirse en procesos más lentos y mayores costos operativos.

“Through technology, operators and service providers can quickly analyze patients’ requests and instantly respond… while avoiding unnecessary procedures.”
— Edmundo Maron, CIO de Orizon

Arquitectura en Azure: Synapse + Databricks y Windows Virtual Desktop

¿Por qué Synapse + Databricks?

La combinación de Azure Synapse Analytics y Azure Databricks ofrece un camino claro para unificar pipelines analíticos y de ML. Synapse funciona como almacén y orquestador de consultas a gran escala; Databricks facilita el desarrollo colaborativo de notebooks, ingeniería de datos y despliegue de modelos en producción. Juntos permiten:

• Ingestión y transformación a escala.

• Un único flujo de trabajo desde raw data hasta modelos de inferencia.

• Mecanismos de optimización de consultas y costes.

Herramientas complementarias: WVD, gestión de datos y facturación integrada

A continuación propongo un diagrama sugerido (sencillo) que describe el flujo de datos:

Proveedores → Ingestión (Event Hubs/ADLS) → Azure Synapse (ETL/Almacenamiento)
→ Azure Databricks (Feature Engineering & Training) → Model Registry → Inference API
→ Sistemas de Autorización / Facturación / Atención al Cliente
↑
WVD / Portales

(Filename sugerido para imagen: img-diagrama-azure-orizon.png — alt: “Arquitectura Azure Synapse y Databricks implementada por Orizon”)

Socios, etapas y gobernanza: Microsoft + Blueshift como modelo

Pasos prácticos de la migración

El proceso seguido por Orizon resume buenas prácticas que yo también recomiendo:

1. Evaluación del entorno legacy y dimensionado de cargas (picos, latencias, requisitos de seguridad).

2. Diseño de la arquitectura objetivo (Synapse + Databricks + WVD).

3. Migración por fases de pipelines críticos a la nube.

4. Capacitación interna y establecimiento de políticas de gobernanza alineadas a la LGPD.

5. Despliegue incremental de modelos de ML y validación en producción.

Blueshift actuó como integrador especializado junto a Microsoft, aportando experiencia operativa y acelerando la transición.

Estado del proyecto y cronograma

La alianza comenzó en 2020. Para octubre de 2021 Orizon reportaba haber entrado en la cuarta de cinco etapas planificadas. Ese enfoque por etapas permite validar resultados tempranos y ajustar la gobernanza sin interrumpir operaciones críticas.

“The project enables Orizon to have a more advanced computing resource, accelerating its digital transformation process with the help of the cloud.”
— Ricardo Fernandes, VP Enterprise Business, Microsoft Brasil

Beneficios operativos y clínicos: métricas clave

Para entender el impacto real, comparo a continuación indicadores antes/después. Los números son representativos del reporte público y del patrón que suele observamos en migraciones similares.

KPI	Antes (on‑premise)	Después (Azure Synapse + Databricks)
Latencia en autorizaciones (TAT)	Alto / Batch	20–30% más rápido / Más near‑real time
Consultas autorizadas por día	>500.000 (estable)	Igual capacidad, mayor resiliencia en picos
Transacciones mensuales	≈15M	Mejor manejadas con menor degradación
Proveedores conectados	220.000	Mismos, con integración más estable
Escalabilidad	Limitada	Escala on‑demand
Gobernanza / cumplimiento LGPD	Manual/Fragmentado	Centralizado y auditado

Rendimiento: procesos 20–30% más rápidos

Orizon reportó mejoras de 20–30% en la velocidad de procesos críticos. En la práctica esto significa tiempos de respuesta más cortos para autorizaciones y menor cola en procesos manuales.

Impacto en autorizaciones y calidad asistencial

Procesar autorizaciones casi en tiempo real ayuda a:

• Evitar procedimientos innecesarios.

• Reducir demoras en la atención.

• Mejorar la experiencia de usuario (paciente y proveedor).

Escalabilidad y reducción de costos operativos

Aunque no se publicaron cifras de ROI, la expectativa es una reducción del TCO a medio plazo por:

• Menor necesidad de infra on‑premise sobredimensionada.

• Operaciones gestionadas que reducen esfuerzos de mantenimiento.

• Ciclos de desarrollo de ML más rápidos que liberan valor operativo.

(Filename sugerido para imagen: img-kpis-before-after.png — alt: “KPIs antes y después de la migración de Orizon”)

Casos de uso: desde autorizaciones en tiempo real hasta facturación 360°

Caso 1 — Autorizaciones clínicas en tiempo real

Flujo antes:

1. Solicitud → cola batch → revisión manual → autorización/desestimación.

2. Latencia: horas o días en procesos complejos.

Flujo después:

1. Solicitud → pre‑validación automática (rules + ML) → respuesta inmediata o escalado.

2. Latencia: segundos/minutos para la mayoría de casos; human in the loop solo en excepciones.

Resultado: menos fricción para la atención y reducción de autorizaciones innecesarias.

Caso 2 — Facturación integrada y visión 360° del paciente

La integración del sistema de facturación con la plataforma de datos permite:

• Conciliar sincrónicamente autorizaciones y facturas.

• Generar una vista unificada del paciente/proveedor en portales de atención.

• Potenciar análisis de mercado y segmentación para servicios complementarios.

Consideraciones de compliance: LGPD en la práctica

Implementar LGPD en la nube no es solo tecnología: es procesos. Orizon combinó:

• Enmascarado y pseudonimización de datos sensibles.

• Políticas de retención y clasificación de datos.

• Formación continua del equipo.

“Our partnership with Microsoft was very satisfactory… it made the Modern Data Platform project a reality, resulting in an architecture to support our analytics environment.”
— Gustavo Lima, Coordinador Big Data y Analytics, Orizon

(Filename sugerido para imagen: img-timeline-migracion-orizon.png — alt: “Timeline de migración Orizon a Azure 2020–2022”)

Guía práctica para migrar entornos críticos a la nube

Si estás evaluando una migración similar, comparto una guía práctica derivada del caso Orizon y de experiencias que suelo ver en proyectos regulatorios:

Selección de socio cloud + integrador

• Elige un proveedor cloud con presencia y soporte en tu región.

• Selecciona un integrador con experiencia en salud y cumplimiento (LGPD).

• Define responsabilidades claras (Who does what) y SLAs.

Gobernanza, formación y pruebas por etapas

• Implementa políticas de datos desde la fase inicial.

• Entrena a los equipos en nuevas herramientas y en buenas prácticas de seguridad.

• Migra por fases: primero pipelines no críticos, luego críticos, siempre con rollback plan.

Cómo medir éxito: KPIs recomendados

• Time to Authorization (TAT) promedio y percentiles.

• Errores en autorizaciones (rate de revisiones humanas).

• Coste por transacción procesada.

• Tiempo de despliegue de modelos (desde idea a producción).

Herramientas y prácticas recomendadas

• Versiona infra y pipelines (IaC y CI/CD).

• Registra y monitoriza modelos ML (model registry + data lineage).

• Aplica guardrails para modelos LLM y sistemas RAG; si trabajas con LLMs, revisa frameworks para guardrails de LLMs que ayudan a mitigar riesgos de salida de datos sensibles. Puedes profundizar en enfoques para evaluar calidad de sistemas RAG con herramientas como RAGAS.

¿Quieres un caso similar en tu organización?

En vez de promesas, comparto aquí un checklist práctico de 7 pasos que puedes aplicar desde hoy, inspirado en la ruta de Orizon:

1. Documenta flujos críticos y métricas actuales (TAT, transacciones/día, picos).

2. Mapa de datos: clasifica por sensibilidad y requisitos LGPD.

3. Define arquitectura objetivo mínima viable (p. ej. Synapse + Databricks).

4. Selecciona un integrador con experiencia en salud y cumplimiento.

5. Diseña pruebas de validación para cada fase de migración.

6. Implementa CI/CD para pipelines y control de versiones de modelos.

También sugiero revisar cómo integrar APIs avanzadas y modelos a tus pipelines: aprender a usar la API de GPT-5 o revisar frameworks para guardrails puede ser útil cuando introduces LLMs en flujos sensibles. Para quienes evalúan calidad en arquitecturas RAG, la evaluación con RAGAS es un complemento natural.

Insights prácticos y objeciones anticipadas

Tres insights que destaco del proyecto Orizon y que son aplicables a otras organizaciones:

• Insight 1: Unificar pipelines (analítica + ML) reduce fricción entre ciencia de datos y operaciones; la dupla Synapse + Databricks facilita esto.

• Insight 2: La nube no solo escala: permite ciclos de innovación más cortos, que en salud se traducen en mejor atención.

• Insight 3: Gobernanza y formación son tan importantes como la arquitectura; sin políticas claras, el riesgo regulatorio aumenta.

Objeciones comunes y cómo abordarlas:

• “Perdemos control sobre costos”: con arquitectura eficiente y buenas prácticas de gobernanza puede reducirse el TCO.

• “Migrar interrumpe operaciones”: migraciones por fases y pruebas robustas evitan impactos en producción.

Conclusión

La modernización de Orizon con Microsoft y Blueshift muestra que, en entornos de salud, migrar a una modern data platform basada en Azure Synapse y Databricks no es solo una actualización tecnológica: es una palanca para acelerar autorizaciones clínicas, escalar operaciones y cumplir con la LGPD, todo ello mientras se reduce la fricción para el desarrollo de IA. Si estás diseñando una migración, usa un enfoque por fases, prioriza gobernanza y mide indicadores clave desde el primer día. Comparto estas lecciones con la convicción de que la tecnología, bien gobernada, mejora tanto la eficiencia como la calidad de la atención.