Confira as interpretações equivocadas mais comuns da IA em imagens de sinistros

A IA ainda tem um longo caminho a percorrer para avaliar sinistros de forma confiável e precisa com imagens aéreas e de satélite, segundo David Heathcote, chefe de inteligência da McKenzie Intelligence Services, um serviço de inteligência para seguros com sede em Londres.

À medida que as seguradoras estabelecem diretrizes para o uso de IA, e os avanços em imagens e dados mudam os métodos das seguradoras para avaliar riscos, elas enfrentam dificuldades com elementos de imagens que corrompem os resultados da IA sobre sinistros.

“Você terá muitos falsos positivos, terá muitos falsos negativos que não conseguirá identificar facilmente”, disse Heathcote, que participou de um webcast da InsTech em 13 de maio. “Até algumas das melhores ferramentas de IA afirmam ter uma taxa de precisão de 80%. Se eu tivesse um analista que eu estivesse pagando e empregando, que estivesse errado 20% do tempo, eu demitiria essa pessoa.”

Heathcote deu alguns exemplos de erros que a IA comete com frequência ao ler imagens aéreas:

• Automóveis. Seguindo formas, a IA reconhece carros como propriedade, mas pode classificá-los como edificações.
• Campos de beisebol. Por terem uma forma comum, a IA os interpreta como uma estrutura destruída, já que são planos e sem elevação.
• Piscinas. A IA pode classificá-las como não danificadas apenas com base em sua forma, ignorando o que uma pessoa consegue ver ao analisar a imagem, como água escura e descolorida devido a uma enchente que passou sobre a piscina, ou cinzas de incêndios florestais que contaminaram a água.

Os erros mais comuns de IA descritos por Heathcote podem ser facilmente identificados por qualquer pessoa, mas uma análise humana mais especializada é necessária quando as imagens contêm obstruções, acrescentou. Imagens eletro-ópticas, provenientes de sensores que detectam luz visível, podem ser obscurecidas por cobertura de nuvens ou fumaça de incêndios florestais. No entanto, o radar de abertura sintética (SAR) — aplicável tanto a imagens de satélite quanto aéreas — pode atravessar as nuvens para mostrar paisagens e estruturas abaixo, resolvendo esses problemas de obstrução.

Ainda assim, mesmo com a inovação do SAR, a revisão humana especializada das avaliações de IA sobre as imagens é necessária, segundo Heathcote. “Há certas ocasiões em que você precisa de alguém com uma grande quantidade de habilidade e expertise em interpretação de imagens”, disse ele.

Quando a McKenzie realizou avaliações de propriedades nos dias logo após os incêndios florestais de Los Angeles em janeiro de 2025, até visualizações casuais de algumas imagens eram suficientes para chegar a conclusões sobre sinistros, disse Heathcote. No entanto, membros da equipe da McKenzie com experiência militar no Reino Unido, incluindo treinamento em análise de imagens, interpretaram as imagens mais complexas.

As seguradoras querem respostas rápidas para os sinistros, então a McKenzie busca usar imagens para entender eventos de perdas o mais rápido possível, disse Heathcote. A combinação certa de IA e revisão humana pode alcançar esse objetivo.

“Você precisa de um equilíbrio. Há pontos positivos em ambos. Há pontos negativos em ambos”, disse Heathcote. “Uma combinação dos dois oferece a maior cobertura e permite acessar o maior volume de dados.”