Home Blog

Principais decisões ao implantar triagem de sinistros com IA

A implantação de IA na triagem de sinistros exige limites conservadores de precisão e fronteiras claras de escalonamento para evitar exposição regulatória e insatisfação do cliente.

O tratamento de sinistros é uma das linhas de custo mais visíveis no seguro. Estimativas do setor consistentemente situam de 70% a 80% dos custos de tratamento de sinistros em processos rotineiros e repetíveis: consultas de status, solicitações de documentação, confirmações de cobertura, registro inicial de aviso de sinistro. Essas são as categorias que tornam o business case de IA simples de construir e difícil de executar sem prejudicar a precisão.

A maioria das implementações de triagem com IA em seguradoras começa com uma prova de conceito em dados de teste controlados. O que encontram em produção é um ambiente diferente, com um perfil de risco distinto e modos de falha diferentes. Três decisões de design determinam se a transição do piloto para a operação ao vivo terá sucesso ou irá estagnar.

Quais categorias de sinistros estão prontas para triagem com IA (e quais não estão)

As categorias que apresentam desempenho confiável em produção compartilham uma característica: a resolução exige recuperação precisa de informações e uma decisão baseada em regras, não julgamento do regulador de sinistros.

O registro inicial de aviso de sinistro para tipos padrão de risco (colisão de veículos, danos por água, roubo de propriedade) segue um processo estruturado de coleta de dados que se mapeia bem ao que agentes de IA fazem com eficiência. O agente coleta os campos necessários, confirma a cobertura com base no registro da apólice, gera uma referência de sinistro e encaminha para a fila de tratamento apropriada. O tempo de registro cai significativamente com IA. A precisão nas fases iniciais é alta quando o agente tem acesso direto e em tempo real ao sistema de gestão de apólices.

Consultas de status de apólice e cobertura são uma segunda categoria confiável. Segurados e corretores precisam de respostas claras e precisas sobre o que está e o que não está coberto por uma apólice específica. Essas consultas têm uma resposta determinística que a IA pode recuperar do registro da apólice e comunicar sem ambiguidade. Quando isso é feito com precisão e imediatismo, os índices de satisfação nessa categoria melhoram, e a seguradora evita o risco de informações incorretas decorrentes de respostas humanas apressadas em momentos de pico.

Atualizações de status de documentação em sinistros em aberto (se um orçamento de reparo foi recebido, se um pagamento foi processado, em que etapa do fluxo o sinistro se encontra) são a terceira categoria confiável. Essas interações têm alto volume e baixa complexidade. Elas consomem tempo significativo dos reguladores. Quando o agente as trata com acesso em tempo real ao sistema de gestão de sinistros, os reguladores recuperam esse tempo para interações que realmente exigem sua expertise.

As categorias que não estão prontas são aquelas que exigem interpretação genuína de cobertura, coordenação entre múltiplas partes ou circunstâncias que a linguagem da apólice não aborda com clareza. Implantar IA nessas categorias em uma implementação inicial é onde a maioria dos problemas de precisão se origina.

Qual limite de precisão protege tanto o CSAT quanto a conformidade regulatória

Na maioria dos setores de serviços, um sistema de triagem que resolve corretamente 70% das consultas nos primeiros meses de implantação e melhora a partir daí é considerado um piloto bem-sucedido. O seguro aplica um padrão diferente, por duas razões específicas do setor.

Primeiro, informações de cobertura incorretas fornecidas a um segurado no momento do sinistro geram tanto um problema de CSAT quanto uma possível exposição a erros e omissões. Um reclamante informado de que sua perda está coberta e depois descobre que não está não percebe isso como um pequeno inconveniente de serviço. Segundo, reguladores de seguros na maioria dos mercados exigem que determinadas comunicações atendam a padrões de precisão e divulgação que um agente de IA mal configurado pode não cumprir, sem que a seguradora perceba até que surja uma reclamação.

A consequência prática é que o limite de confiança abaixo do qual a IA deve escalar, em vez de responder, precisa ser definido mais alto no seguro do que na maioria dos ambientes de serviço. Um sistema que gera uma resposta de cobertura quando seu nível de confiança é moderado pode ser operacionalmente aceitável no suporte de varejo. Não é aceitável no seguro, porque o custo de uma resposta errada é assimétrico: um pequeno número de declarações incorretas de cobertura cria problemas regulatórios e de relacionamento com clientes que superam em muito os ganhos de eficiência nos casos em que o sistema respondeu corretamente.

Defina o gatilho de escalonamento de forma conservadora na implantação inicial. Um escopo de IA mais restrito, com alta taxa de precisão, constrói a confiança interna e o histórico operacional necessários para expandir o escopo de forma responsável. Um escopo amplo com precisão moderada gera exatamente os incidentes que desaceleram a adoção e atraem escrutínio regulatório.

Como é a produção após a prova de conceito

Ambientes de prova de conceito testam o caminho ideal. Ambientes de produção testam os casos de borda, em volume, ao longo de toda a gama de tipos de apólice e circunstâncias de risco que a seguradora realmente gerencia.

Três modos de falha aparecem de forma consistente em implementações reais de triagem de sinistros com IA.

O primeiro é a variação de cobertura entre apólices. A apólice de um reclamante pode conter endossos, exclusões ou modificações específicas da seguradora que não estão refletidas na linguagem padrão de cobertura com a qual o agente foi treinado. Sem acesso direto ao registro completo e estruturado da apólice, não a um resumo, o agente recorre à linguagem padrão e produz uma resposta que é correta para o produto base e incorreta para os termos específicos daquele segurado.

O segundo são sinistros com múltiplas partes. Em um sinistro de propriedade comercial ou de responsabilidade civil envolvendo várias partes, o processo de registro exige coletar informações diferentes de partes com papéis e interesses distintos. Agentes de IA calibrados para linhas pessoais não lidam corretamente com isso sem configuração específica, e os erros que geram em cenários com múltiplas partes tendem a ser os mais visíveis.

O terceiro é a qualidade da transferência no meio do processo. Quando um sinistro exige escalonamento da IA para um regulador humano, o que o regulador recebe determina se a experiência do cliente continua ou recomeça. Um registro de transferência que captura todo o contexto da interação — o que o agente entendeu, o que foi coletado e o que foi confirmado — permite que o regulador continue de onde o agente parou. Uma transferência que faz o reclamante voltar ao início do processo de registro gera o padrão de reclamações que as equipes regulatórias monitoram.

Mantendo os reguladores no controle do que importa

A abordagem que gera tanto resultados operacionais quanto adoção pela equipe é direta: a IA cuida da recuperação de informações e do registro rotineiro para que os reguladores dediquem seu tempo às interações que exigem julgamento profissional, gestão de relacionamento e expertise. Não como uma ameaça ao papel, mas como uma descrição do que o papel se torna.

Os reguladores que veem a triagem com IA ter sucesso em sua operação são consistentemente aqueles que participaram da definição de onde está o limite de escalonamento. Essa linha é um julgamento profissional, não apenas um parâmetro técnico. Envolver a equipe de sinistros na sua definição e oferecer um caminho claro de override quando o sistema encaminha algo que eles acreditam que não deveria produzir sistemas mais bem calibrados e adoção mais rápida do que qualquer programa de treinamento.

As seguradoras que obtêm resultados duradouros com triagem de sinistros por IA não são aquelas que implantaram o modelo mais avançado. São aquelas que foram mais claras sobre onde o julgamento humano é insubstituível e construíram seu sistema em torno desse limite desde o primeiro dia de implantação.

Ralf Klein é fundador da Triad, uma agência de IA operacional que desenvolve e implementa agentes de IA para organizações que lidam com grandes volumes de sinistros, solicitações de serviço e chamados de manutenção.

Greenberg continua sendo o maior fã da Chubb

A Chubb realizou sua teleconferência de resultados do segundo trimestre de 2026 em 22 de julho, destacando a resiliência de seu negócio de seguros pessoais para clientes de alto patrimônio, o rápido crescimento em vida e benefícios e a manutenção de sua estratégia de alocação de capital.

A Chubb segue utilizando o excesso de capital em subscrição e investimentos, ao mesmo tempo em que retorna recursos aos acionistas por meio de dividendos e recompra de ações.

Questionado durante a teleconferência sobre como os investidores devem interpretar o crescente excesso de capital da companhia, o CFO Peter Enns afirmou que a abordagem permanece inalterada.

“Nada mudou em nossa estrutura. Estamos alocando capital de forma a gerar valor em subscrição e investimentos. Continuaremos a retornar capital por meio de dividendos e recompras. Vocês têm visto isso ao longo do tempo, equilibrado com as oportunidades”, disse CFO Peter Enns.

A seguradora reportou crescimento na maioria de suas linhas de negócios fora de seguros patrimoniais (property), incluindo linhas para pessoas físicas, seguros comerciais para pequenas e médias empresas, acidentes e saúde, vida e grandes contas.

Os preços de responsabilidade civil (casualty) na América do Norte aumentaram 7,1%, sendo 6,4% de reajuste de tarifas e 0,7% de crescimento de exposição. Os preços em linhas financeiras cresceram 0,3%.

O negócio de seguros pessoais para clientes de alto patrimônio da Chubb registrou crescimento de prêmios de 6% e retenção de clientes de 90%. A operação agora representa mais de US$ 8 bilhões em prêmios brutos anuais.

O CEO Evan Greenberg afirmou que a Chubb está amplamente protegida da pressão de preços que afeta o mercado mais amplo de seguros pessoais nos EUA, pois não atua no segmento de automóveis de massa e foca em clientes de alta renda com necessidades complexas de seguro.

Esses clientes contratam cobertura com base na amplitude das proteções e na qualidade do atendimento de sinistros, e não apenas no preço. Restaurar uma casa antiga ou projetada sob medida após uma catástrofe, por exemplo, pode ser caro e tecnicamente desafiador. A Chubb também aprimorou sua seleção de riscos e precificação por meio de algoritmos de tarifação mais sofisticados e tecnologia.

“É a complexidade em nossos algoritmos de tarifação e na seleção de riscos, aplicando tarifas sobre a exposição de forma muito mais sofisticada. E, aliás, esse é apenas um exemplo do uso de tecnologia, que continua evoluindo e continuará a evoluir. Portanto, me sinto bastante confiante em relação ao futuro. E, diga-se de passagem, sou o maior entusiasta dessa excelente franquia que temos”, disse Greenberg.

No cenário internacional, a melhora no índice de sinistralidade do ano de ocorrência em seguros gerais reflete mudanças no mix de produtos e clientes da Chubb, e não um crescimento mais rápido na Ásia e na América Latina em comparação com a Europa. A seguradora está ampliando sua atuação em negócios de consumo, incluindo acidentes, automóveis e linhas pessoais especializadas, enquanto seu portfólio comercial migra para pequenas e médias empresas.

Os prêmios e depósitos internacionais de vida da Chubb cresceram quase 14,5%, com a maior parte da exposição na Ásia e grande parte do crescimento vindo de China, Hong Kong, Coreia e Taiwan. A divisão de Vida gerou US$ 332 milhões em lucro antes de impostos, alta de 9%, e agora produz mais de US$ 8 bilhões em prêmios anuais, frente a US$ 2,5 bilhões há cinco anos.

Greenberg também comentou sobre desenvolvimentos regulatórios em Cingapura, observando que eles não afetam a Chubb, pois a seguradora se concentra em saúde suplementar, e não em cobertura médica tradicional.

“Lembrem-se de que atuamos com saúde suplementar. Não operamos com grandes coberturas médicas tradicionais nem com hospitalização típica. Esse não é o nosso negócio. E foi disso que tratou o decreto de Cingapura que você mencionou. Portanto, não há impacto para nós. Não é o nosso segmento.” – Greenberg.

Os prêmios da Chubb Worksite Benefits aumentaram 14%. A empresa investe nesse negócio há mais de cinco anos e distribui seus produtos por dois canais principais: corretores que vendem benefícios junto com seguros comerciais de P&C e a antiga força de vendas da Combined Insurance, que atende pequenas empresas e o segmento médio inferior.

A Chubb investiu em distribuição, produtos e tecnologia que permitem aos funcionários adquirir e gerenciar benefícios no local de trabalho diretamente. Os comentários de Greenberg indicam que a empresa vê espaço para continuar expandindo a operação organicamente, sem a necessidade de adquirir uma plataforma maior de benefícios.

A Chubb destacou sua diversificação global e disciplina operacional como fontes tanto de crescimento quanto de resiliência. Excluindo catástrofes e variações cambiais, Greenberg demonstrou confiança na capacidade da empresa de continuar entregando crescimento de lucros e expansão de dois dígitos no valor patrimonial tangível.

Qual é o próximo capítulo para o setor de insurtech?

Lloyd’s e The Hartford explicam para onde a inovação em seguros está indo

O setor de seguros já resolveu o problema com o qual passou a última década obcecado: provar que novas tecnologias podem funcionar. O problema mais difícil, segundo líderes seniores da Lloyd’s e The Hartford, é escalá-las — transformar um piloto sólido em algo incorporado em todo o mercado. Essa mudança, de prova de conceito para prova de adoção, é o que realmente está impulsionando a próxima fase do insurtech.

As seguradoras estão cada vez mais olhando além da transferência tradicional de risco, à medida que novas tecnologias dão às companhias maior capacidade de identificar riscos mais cedo e ajudar os segurados a prevenir perdas. Essa mudança está sendo impulsionada pelo aumento da exposição a catástrofes, pela ampliação das lacunas de proteção e pelos avanços em análise de dados, inteligência artificial e monitoramento ambiental. Mas as seguradoras também se tornaram muito mais seletivas quanto às tecnologias que adotam, e essa seletividade — não o ritmo da inovação — é agora a principal restrição no ciclo de inovação do setor.

Matt Scott, chefe de inovação em P&C e serviços de risco da The Hartford, afirmou que a mitigação de riscos representa uma das oportunidades mais claras para as seguradoras entregarem valor adicional aos clientes. “Hoje temos tecnologias, fontes de dados e análises que nos permitem identificar riscos mais cedo, fornecer insights mais rapidamente e trabalhar com eles para prevenir ou reduzir perdas antes que ocorram”, disse Scott. “Isso resulta em um desfecho melhor para nossos clientes.” As empresas estão cada vez mais buscando parceiros de seguros que possam ajudá-las a fortalecer a resiliência, acrescentou ele, tornando a prevenção uma parte mais significativa da relação entre seguradora e segurado.

Seletividade, não substituição

Essa abordagem centrada na prevenção é particularmente relevante à medida que as seguradoras enfrentam riscos complexos e interconectados, incluindo incêndios florestais, enchentes, ataques cibernéticos e deterioração de infraestrutura. Novas tecnologias estão dando aos subscritores acesso a informações mais detalhadas, localizadas e potencialmente em tempo real, complementando a visão mais ampla tradicionalmente fornecida pelos modelos de catástrofes, não substituindo-a.

Dawn Miller, CEO da Lloyd’s Americas e diretora comercial da Lloyd’s, afirmou que o uso crescente de informações mais granulares não deve ser visto como uma rejeição à modelagem tradicional de catástrofes. “Não acredito que seja uma mudança para longe da modelagem de catástrofes, mas um reconhecimento de que as seguradoras, diante de um ambiente de risco cada vez mais complexo, precisam de insights mais granulares junto aos modelos tradicionais”, disse Miller. Isso é particularmente relevante nos EUA, afirmou ela, onde “a frequência e a severidade das catástrofes naturais estão impulsionando a demanda por insights mais acionáveis e em tempo real em nível local.” “Maior nível de insight equivale a resultados mais impactantes para lidar com lacunas de proteção”, acrescentou.

Essa abordagem em camadas, adicionando dados granulares onde eles realmente agregam valor, em vez de descartar o que já funciona, ilustra o quão deliberada a adoção de tecnologia no setor se tornou. É precisamente essa disciplina que eleva o nível de exigência para qualquer nova solução insurtech.

A verdadeira barreira: adoção, não invenção

Scott disse que a The Hartford avalia soluções insurtech com base em se elas produzem melhorias mensuráveis em prevenção de perdas, segurança e resiliência. Pilotos estruturados permitem que a seguradora teste produtos em ambientes reais antes de considerar uma implementação mais ampla. “Igualmente importante, a tecnologia precisa se encaixar nos fluxos de trabalho de clientes, corretores e seguradoras”, disse Scott. “A inovação só cria valor quando é prática o suficiente para ser adotada em escala.”

Esse foco na integração está se tornando cada vez mais importante à medida que as seguradoras testam IA em sinistros, subscrição, supervisão de autoridade delegada e funções operacionais. A tecnologia pode acelerar processos e melhorar a precisão, mas ainda precisa resolver um problema de negócio identificável e funcionar dentro dos sistemas existentes — o mesmo filtro de adoção que Scott aplica a qualquer piloto.

Lloyd’s Lab como prova

A colaboração da The Hartford com o Lloyd’s Lab reforçou a importância de combinar conhecimento em seguros com expertise tecnológica especializada, disse Scott. A The Hartford apoia o Lloyd’s Lab por meio do Sindicato 1221 desde 2020, fornecendo 11 mentores para 15 equipes do acelerador.

O Lloyd’s Lab também construiu conexões substanciais com o setor de tecnologia dos EUA. Quarenta e sete startups americanas participaram de seu programa de aceleração, levantando coletivamente mais de US$ 600 milhões para enfrentar exposições como furacões, incêndios florestais, ameaças cibernéticas e riscos relacionados à IA. Miller afirmou que as startups do grupo mais recente estão desenvolvendo ferramentas para avaliar exposição a enchentes, monitorar a deterioração de infraestrutura e identificar riscos ambientais, enquanto empresas focadas em cibersegurança ajudam as seguradoras a detectar vulnerabilidades mais cedo e outras desenvolvem ferramentas destinadas a tornar colocações complexas mais eficientes.

Esse volume de capital e atividade pode sugerir que o problema da inovação já foi resolvido. A avaliação da própria Miller indica o contrário. “Para muitas dessas empresas, o desafio passará a ser escalar a adoção”, disse ela. “Várias já estão ganhando tração comercial, e o próximo passo é ajudar essas soluções a se tornarem mais amplamente incorporadas no mercado.” Isso exigirá colaboração contínua entre empresas de tecnologia, seguradoras, corretores, provedores de capacidade e investidores, juntamente com evidências de que esses produtos podem entregar resultados consistentes além de um ambiente de piloto controlado.

“No fim das contas, a inovação só cria impacto quando é testada em relação às necessidades reais do mercado e adotada em escala”, disse Miller — a frase que, mais do que qualquer outra neste texto, define o que o próximo capítulo do insurtech realmente precisa responder.

Fraudes com “funcionários de IA” criam novo ponto cego para seguradoras, descobrem pesquisadores

O trabalho remoto está abrindo a porta para centenas de invasões digitais

Uma onda de ataques cibernéticos realizados por funcionários fraudulentos, em vez de hackers externos, está forçando as seguradoras a lidar com uma categoria de sinistros que não se encaixa claramente nem em uma apólice de cyber nem de crime.

Pesquisadores de segurança cunharam o termo “insider sintético” para essa tendência, em reportagem do Financial Times desta semana: atacantes que usam imagens, vídeos e voz deepfake gerados por IA para se passar por funcionários confiáveis ou candidatos a emprego e, em seguida, explorar essa confiança de dentro da própria rede da empresa. O exemplo mais claro continua sendo o esquema fraudulento de trabalhadores de TI da Coreia do Norte, no qual operadores usaram identidades americanas roubadas para conseguir empregos técnicos remotos em mais de 100 empresas dos EUA, gerando mais de US$ 5 milhões para o regime sancionado antes de uma repressão do Departamento de Justiça no ano passado. Reportagem anterior do FT constatou que a tática desde então também se espalhou pela Europa, com “fazendas de laptops” baseadas no Reino Unido permitindo que operadores no exterior aparentem acessar sistemas de dentro do país.

Para gestores de risco, a questão mais urgente não é se isso está acontecendo — claramente está — mas onde as perdas resultantes realmente se encaixam no programa de seguros.

O ponto cego da cobertura

Fraudes habilitadas por deepfake têm exposto repetidamente o que corretores descrevem como um problema de “empurra-empurra” entre coberturas cyber e de crime. Como colocou um corretor entrevistado pela Insurance Business UK, a cobertura de engenharia social dentro de uma apólice cyber costuma ter sublimite — limitada a uma fração do limite total — porque as seguradoras ainda tratam a perda como essencialmente uma exposição de crime com uma “camada” cyber.

Essa ambiguidade se aplica tanto a um funcionário falso quanto a uma instrução fraudulenta de transferência bancária. Se uma contratação fraudulenta for detectada antes de qualquer acesso ao sistema, pode não acionar uma apólice cyber. Se o mesmo operador obtiver acesso à rede e exfiltrar dados ou instalar malware — como ocorreu no incidente amplamente divulgado de 2024 do fornecedor de cibersegurança KnowBe4 — o perfil de perda se aproxima de uma resposta convencional a violação, mas questões sobre quem autorizou a contratação e sob qual padrão de verificação ainda podem complicar um sinistro de práticas trabalhistas ou de crime em paralelo.

Seguradoras nos EUA vêm ajustando a redação das apólices em resposta. Algumas agora definem especificamente suas extensões de engenharia social para abranger falsificação com auxílio de IA, segundo fontes citadas na cobertura da Insurance Business sobre fraudes impulsionadas por IA e seguro cyber — embora muitas dessas mesmas apólices incluam requisitos de autenticação ou retorno de chamada que podem ser difíceis de cumprir consistentemente na prática, criando uma nova fonte de atrito em sinistros. Separadamente, a Insurance Business reportou que seguradoras de cyber, em geral, vêm reforçando — e não reduzindo — a cobertura relacionada à IA, mesmo enquanto seguradoras de outras linhas se tornam mais cautelosas com a exposição à IA de forma geral.

Os números que os subscritores estão observando

Dados independentes sugerem que perdas causadas por insiders representam uma parcela persistente, embora secundária, do quadro geral de violações. O Data Breach Investigations Report 2026 da Verizon, que analisou mais de 22.000 violações confirmadas, constatou que atores internos estiveram envolvidos em 12% delas — abaixo dos 18% do ano anterior, mas ainda uma fatia relevante dado o tamanho do conjunto de dados. Mais marcante para os subscritores é a constatação de “shadow AI” da Verizon: 45% dos funcionários agora usam regularmente ferramentas de IA em dispositivos corporativos, acima dos apenas 15% um ano antes, e 67% desse uso ocorre por meio de contas não corporativas que contornam quaisquer controles existentes na empresa. O uso de shadow AI é agora a terceira categoria mais comum de eventos de perda de dados por insiders não maliciosos monitorados pela Verizon, um aumento de quatro vezes em relação ao ano anterior.

O Relatório de Risco de Insiders 2025 da Fortinet aponta na mesma direção: 62% dos incidentes de insiders decorreram de erro humano ou contas comprometidas, e quase três quartos dos líderes de segurança entrevistados admitiram não ter visibilidade total sobre como os funcionários interagem com dados sensíveis em endpoints, ferramentas SaaS e plataformas de IA generativa. Pesquisa separada atribuída ao Ponemon Institute aponta o custo médio de um incidente de insider na América do Norte em aproximadamente US$ 22,2 milhões em 2025 — um número que eu recomendaria verificar com o próprio relatório do Ponemon antes da publicação, já que chegou a mim por meio de um resumo secundário e não da fonte primária — mas, mesmo direcionalmente, trata-se de um valor que os subscritores estão considerando ao definir limites e franquias para contas com grandes forças de trabalho remotas ou de contratados.

Em conjunto, os dados sugerem que infiltrações deliberadas patrocinadas por Estados, como o esquema norte-coreano, representam uma exposição de alta severidade, porém de frequência relativamente baixa, enquanto a negligência cotidiana e o uso de shadow AI representam o risco base de maior frequência — ainda assim custoso — do qual a maioria dos sinistros relacionados a insiders realmente se origina.

O que isso significa para subscrição e gestão de riscos

Algumas implicações práticas emergem para os mercados de cyber e crime nos EUA:

A classificação importa na contratação, não apenas no sinistro. Corretores que colocam cobertura para clientes com contratações remotas significativas devem confirmar explicitamente se a falsificação com uso de IA — na contratação ou na autorização de pagamentos — está coberta pela extensão de engenharia social da apólice cyber, pela cobertura de instruções fraudulentas da apólice de crime, ou por ambas, e em qual sublimite.

Falhas de verificação podem se tornar disputas de cobertura. Quando as apólices impõem condições de autenticação fora de banda ou retorno de chamada, seguradoras e segurados devem esperar disputas sobre se o processo de contratação ou verificação de pagamentos de uma empresa atendeu ao padrão da apólice — especialmente à medida que ferramentas de IA tornam a falsificação mais difícil de ser detectada por um funcionário não treinado.

Shadow AI é uma exposição crescente e subprecificada. Com o uso corporativo regular de IA quadruplicando em um ano, segundo os dados da Verizon, e a maior parte ocorrendo fora de contas autorizadas, os subscritores podem precisar atualizar as perguntas sobre tratamento de dados e governança de IA nas propostas para acompanhar como a exposição realmente está evoluindo, em vez de focar apenas nos casos mais chamativos envolvendo Estados-nação.

Controles baseados em acesso continuam sendo a mitigação mais barata. Seja o insider um agente estatal ou um funcionário bem-intencionado que usa mal uma ferramenta de IA, limitar o acesso permanente a sistemas sensíveis reduz tanto a frequência quanto a severidade das perdas resultantes — um ponto reforçado por recomendações de diversos especialistas após a reportagem do FT.

À medida que ferramentas de deepfake se tornam mais baratas e fáceis de usar, a distinção entre “ameaça interna” e “atacante externo” tende a continuar se tornando mais difusa — e coberturas construídas com base nessa distinção mais antiga precisarão evoluir para acompanhar.

Blue Marble faz parceria com a MAPFRE em seguro climático paramétrico

A Blue Marble Microinsurance está trabalhando com a Mapfre para expandir o acesso ao seguro paramétrico em mercados com lacunas significativas de proteção. A parceria combina as capacidades de design de produtos e modelagem da Blue Marble com o conhecimento do mercado local e a rede de distribuição da MAPFRE. As empresas desenvolverão soluções que utilizam dados objetivos e gatilhos predefinidos para proporcionar pagamentos mais rápidos após eventos relacionados ao clima.

A Blue Marble afirmou que a colaboração tem como objetivo tornar a proteção climática mais acessível, ao mesmo tempo em que fortalece a resiliência financeira de comunidades e empresas vulneráveis.

Aon amplia novamente a capacidade de seu programa para data centers

data-center-2026 — new build data center, computing center in Eemshaven, Groningen, The Netherlands. hyperscaler.

A Aon ampliou novamente, nesta segunda-feira, a capacidade de seu Programa de Seguro para o Ciclo de Vida de Data Centers, projetado para clientes que gerenciam riscos em todas as etapas de desenvolvimento e operação de data centers, desta vez para US$ 5 bilhões.

As opções de cobertura também foram ampliadas, informou a corretora em comunicado.

O programa foi lançado em julho de 2025 com capacidade inicial de US$ 1,5 bilhão, posteriormente ampliada para US$ 2,5 bilhões em janeiro de 2026. Mais recentemente, a capacidade havia sido elevada para US$ 3,5 bilhões, segundo a Aon.

A estrutura agora oferece até US$ 5 bilhões em coberturas de riscos de construção (construction all risks), atraso no início das operações (delay in start-up), danos materiais e interrupção de negócios.

Também estão disponíveis coberturas ampliadas de responsabilidade civil, riscos cibernéticos e transporte de projetos (project cargo), incluindo até US$ 200 milhões em responsabilidade civil para terceiros fora dos Estados Unidos; US$ 100 milhões dentro dos Estados Unidos; US$ 400 milhões para riscos cibernéticos e erros e omissões em tecnologia; e US$ 500 milhões em cobertura de transporte de projetos.

Os segurados também podem obter até US$ 1 bilhão em capacidade para riscos de terrorismo por meio de estruturas já existentes da Aon, segundo o comunicado.

A estrutura também oferece serviços de consultoria por meio da Aon Global Risk Consulting, incluindo riscos climáticos e ambientais; Owners Protective Professional Indemnity; consultoria em riscos de segurança; e engenharia de risco e resiliência.

A infraestrutura digital tornou-se uma das classes de ativos mais intensivas em capital da economia global, afirmou Joe Peiser, CEO de Risk Capital da Aon, no comunicado.

Quais direitos de decisão a IA deve ter?

A maioria das seguradoras que implementa IA nunca decide explicitamente quais decisões o modelo controla, criando risco regulatório e operacional por padrão.

Aqui vai uma frase que deveria alarmar todas as seguradoras que estão implementando IA: A maioria das seguradoras que adotam IA nunca decide explicitamente quais decisões o modelo pode tomar.

Decidimos o fornecedor. O orçamento. O cronograma de implementação. A revisão de risco de modelo. O filing. Então ligamos a coisa e deixamos a fronteira entre decisões da máquina e decisões humanas ser negociada por acidente, um fluxo de trabalho por vez, por quem quer que esteja configurando o motor de regras naquele dia.

É como contratar um novo e brilhante diretor de subscrição, nunca definir o papel e depois agir surpreso quando, 18 meses depois, ele está silenciosamente definindo o apetite.

Em um setor regulado, esse desvio não é apenas risco operacional. É o tipo de coisa sobre a qual um auditor de conduta de mercado pergunta. A solução é uma disciplina que chamo de Direitos de Decisão, que organiza cada decisão da sua operação em um de três níveis.

Nível 1: DELEGAR — a máquina decide, humanos auditam

Decisões no nível Delegar compartilham três características: são reversíveis, têm baixo impacto individual e alto volume. Encaminhar um aviso inicial de sinistro para a fila correta. Sinalizar um sinistro para revisão da SIU. Processamento direto de sinistros pequenos e reversíveis dentro de limites pré-definidos. Triagem de propostas de acordo com o apetite. Se o modelo errar uma, você identifica, corrige e segue em frente.

Delegar essas decisões não é abdicar, é estratégia. Cada hora que um regulador de sinistros ou subscritor gasta em uma decisão que a máquina pode tomar com segurança é uma hora tirada das decisões que só eles podem tomar.

Duas regras mantêm o Nível 1 sob controle. Primeiro, auditorias por amostragem: humanos revisam uma amostra aleatória das decisões do modelo, porque sistemas sem supervisão desviam — e desvios em tarifação ou gestão de sinistros são como você acaba tendo que explicar um padrão de impacto desigual que nunca foi intencional. Segundo, mecanismos de escalonamento: qualquer segurado ou corretor pode elevar uma decisão de nível. O segurado que diz “quero falar com um humano” terá um. Sempre.

Nível 2: AMPLIAR — a IA prepara, um humano nomeado decide

Este é o nível padrão para decisões relevantes, e deve ser o maior no seu modelo. O modelo faz o que faz melhor: coleta, pontua e apresenta opções com rapidez. Depois, um humano nomeado faz o que só humanos podem fazer: pondera o contexto, a exposição e a equidade e toma a decisão com seu nome vinculado a ela.

A palavra-chave é nomeado. Decisões no nível Ampliar têm um único responsável, e esse responsável precisa ser capaz de defender a decisão diante de um quadro em branco, sem o modelo presente. Em seguros, isso não é metáfora: se um subscritor não consegue explicar uma recusa sem apontar para um score, você não consegue emitir uma notificação de ação adversa defensável e não consegue responder ao regulador que perguntar por quê. Se você não consegue explicar sem a ferramenta, você não decidiu. Você apenas aderiu.

Nível 3: RESERVAR — somente humano; a máquina pode informar, nunca recomendar

Algumas decisões nunca devem carregar uma recomendação de IA, não porque o modelo não conseguiria produzir uma, mas porque o simples ato de produzi-la contamina o julgamento. Uma recomendação é uma âncora. Quando a sala vê “o modelo sugere negar”, todo pensamento humano passa a ser medido contra “negar”, e discordar começa a parecer discutir com a matemática.

No setor de seguros, o nível Reservar inclui: decisões que afetam materialmente o sustento de uma pessoa ou o acesso à cobertura, sinistros de grande valor e potenciais casos de má-fé, qualquer tema relacionado a discriminação injusta ou segurados vulneráveis e decisões estratégicas que moldam a companhia, entrar em uma linha, adquirir uma carteira. Além de uma regra geral que vale memorizar:

Qualquer coisa que você precise defender pessoalmente perante um regulador, um segurado ou um tribunal.

Se você ficaria desconfortável dizendo “o modelo recomendou” sob juramento, então a decisão sempre foi de nível Reservar. A IA ainda pode informar, trazer o histórico de perdas, modelar cenários, mas a síntese, a ponderação e a recomendação permanecem em mãos humanas do início ao fim.

O teste das três perguntas

Para qualquer decisão à sua frente neste momento:
Ela é reversível? Você pode desfazê-la sem prejudicar um segurado ou violar um filing? Se sim, pode ser delegável. Se não, suba um nível.

Quem responde por ela? Se você não consegue nomear o humano e um auditor pergunta “quem decidiu isso?”, você encontrou um problema em andamento. Eu assinaria meu nome nisso, em uma auditoria de conduta de mercado? Se a ideia causa desconforto, é nível Reservar.

O que acontece quando você publica um charter

Na primeira vez que um líder de programa publica um charter (uma espécie de carta de princípios), algo inesperado costuma acontecer: metade dos conflitos políticos da equipe simplesmente desaparece. O atrito nunca foi realmente sobre a tecnologia. Era uma ansiedade não dita sobre quem realmente era responsável por algo. O charter não restringe ninguém, ele alivia todos. As pessoas brigam mais em territórios indefinidos. Desenhe o mapa e os conflitos praticamente cessam.

Uma nota sobre governança, porque o setor de seguros depende disso: a chegada da IA tenta as organizações a dar ao algoritmo uma letra na matriz RACI. Tudo bem, deixe o modelo ser Responsible ou Consulted em várias linhas. Mas o A nunca vai para o algoritmo. Accountability exige alguém que possa ser promovido, rebaixado, reconhecido ou demitido, e alguém que um regulador possa responsabilizar. No dia em que seu RACI tiver um A sem uma pessoa por trás, sua governança será apenas decorativa.

Construa o seu antes que a ferramenta construa por você

Você pode montar um rascunho inicial em uma tarde: liste as decisões de maior volume impactadas por IA, classifique cada uma em Delegar, Ampliar ou Reservar, nomeie um responsável para cada item de Ampliar e Reservar e defina a cadência de auditoria para o Nível 1. Depois publique e defenda como defenderia qualquer filing, porque, neste setor, cedo ou tarde, você terá que fazê-lo.

Escrito por Matthew Arthurs, tenente-coronel da Guarda Nacional do Exército dos EUA e executivo de entrega de programas que gerenciou grandes portfólios de engenharia e operações em setores regulados, incluindo insurtech.

APIs são o gargalo silencioso na transformação do setor de seguros

Uma melhor subscrição e conectividade com corretores dependem menos do hype da IA do que das APIs que movimentam dados pelo negócio

O setor de seguros está investindo pesadamente em IA, analytics e infraestrutura em nuvem, mas Jay Sarzen, analista de seguros na Conning, argumenta que muitas seguradoras ainda estão subestimando a camada mais simples que determina se tudo isso funciona: as interfaces de programação de aplicações (APIs) que movimentam dados para dentro e para fora do sistema central.

Sarzen não descreve as APIs como uma tecnologia glamourosa. Ele as descreve como um ponto de bloqueio. Se um sistema central não consegue se conectar a corretores, agentes e fontes de dados de terceiros, o restante da agenda de transformação se torna mais difícil de executar. Cotações mais rápidas, melhor subscrição e fluxos de trabalho mais intuitivos dependem de a seguradora conseguir ingerir, interpretar e agir com base em dados externos.

“Eu sempre vou priorizar a integração de APIs”, disse Sarzen. “Se você não tem isso, não consegue se conectar bem com seus corretores e agentes. Não consegue se conectar com suas fontes de dados de terceiros.”

Isso faz das APIs menos um recurso técnico e mais uma capacidade de negócio. A questão para o C-level não é se o sistema possui uma longa lista de funcionalidades. É se a arquitetura permite que a seguradora se conecte ao mercado ao seu redor.

Por que listas de funcionalidades são o teste errado

Sarzen afirmou que a abordagem tradicional para avaliar sistemas centrais frequentemente se concentrava em recursos e funcionalidades. Isso ainda importa. Mas, em um mercado onde as seguradoras precisam cada vez mais de dados externos de propriedades, veículos, dados geoespaciais, conectividade com corretores e documentação de sinistros, o teste mais importante é saber se a plataforma é aberta o suficiente para usar essas entradas sem criar um novo problema de integração a cada vez.

“Se um sistema central não tivesse APIs robustas, se não fossem abertas, se não fossem capazes de trazer dados de todos os tipos de fontes de terceiros, então realmente não seria um sistema central tão eficaz”, disse ele.

O ponto está alinhado com a direção mais ampla da estratégia tecnológica no setor de seguros. A McKinsey argumentou em 2025 que sistemas centrais de P&C construídos para um modelo mais lento e baseado em papel não são mais adequados para seguradoras que buscam oferecer resposta em tempo real, incluindo cotações instantâneas e pagamentos de sinistros mais rápidos. A perspectiva global de seguros da Deloitte para 2026 faz o mesmo argumento de infraestrutura, em termos de IA: as seguradoras devem priorizar qualidade de dados, integração e gestão de dados mestres para suportar uma visão unificada do cliente e processamento de dados em tempo real.

É por isso que a capacidade de APIs deve fazer parte da discussão no conselho. Ela determina se a seguradora consegue se conectar ao ecossistema do qual agora depende.

Os dois clientes que as seguradoras devem atender

Sarzen disse que as seguradoras devem pensar em dois grupos de clientes: o segurado e o agente. Ambos esperam cada vez mais velocidade, clareza e menos soluções improvisadas.

Para os segurados, a expectativa começa na primeira cotação. Um cliente que busca seguro auto, residencial ou para pequenas empresas não quer uma resposta aproximada seguida de acompanhamento manual. Ele quer uma cotação clara, um processo de emissão eficiente e um serviço transparente quando ocorre um sinistro.

“Se você vai interagir com um consumidor em qualquer momento, precisa ser intuitivo, precisa ser fácil, precisa ser fluido, precisa ser transparente”, disse Sarzen.

Para agentes e corretores, a questão é se a seguradora consegue se conectar aos fluxos de trabalho onde os negócios são realizados. Se o sistema central não se conecta bem com parceiros corretores, disse Sarzen, a seguradora perde velocidade e facilidade na operação. Quanto mais difícil for acessar, cotar, emitir ou atender uma apólice, mais atrito a seguradora cria para quem a distribui.

A nuvem é sobre movimentação de dados

Sarzen conecta a questão das APIs diretamente à arquitetura em nuvem. Sistemas locais (on-premise) faziam sentido quando as seguradoras trabalhavam principalmente com seus próprios dados internos. Esse não é mais o modelo operacional. Nenhuma seguradora, segundo ele, possui todos os dados necessários dentro de suas próprias paredes para entregar cotações precisas e personalizadas rapidamente.

No mínimo, segundo ele, os sistemas precisam ser preparados para nuvem ou compatíveis com SaaS. Idealmente, são nativos em nuvem, porque o trabalho depende cada vez mais de provedores de terceiros que estão fora das estruturas da seguradora.

“Nenhuma seguradora tem a quantidade de dados, nem a variedade de dados que serão necessárias para oferecer os tipos de experiências em que será possível entregar uma cotação personalizada e precisa em um período muito curto de tempo”, disse Sarzen.

Esse é o teste silencioso das APIs por trás da transformação no setor de seguros. A IA pode dominar o discurso de vendas, mas o valor de negócio depende de a seguradora conseguir movimentar dados com limpeza suficiente para que a ferramenta possa agir sobre eles. APIs não são a tecnologia de destaque. Elas são o tecido conectivo que permite que a tecnologia de destaque produza algo útil.

Novo relatório da QBE mostra como a IA agêntica acelera a espionagem comercial

Golpistas estão usando IA agêntica para cometer fraudes comerciais em velocidade e escala sem precedentes, de acordo com uma pesquisa recente da QBE com 400 líderes de pequenas e médias empresas nas áreas de TI, administração e seguros.

O relatório Reimagining Commercial Espionage and Fraud in the Era of Agentic AI constatou que 29% das empresas nos EUA sofreram pelo menos um incidente cibernético em que a IA foi usada como parte do ataque no último ano. Entre 2021 e 2026, o setor financeiro e de seguros representou 8% de todos os incidentes de espionagem comercial.

“A IA agêntica representa uma mudança significativa na forma como os agentes de ameaça operam, comprimindo prazos e ampliando capacidades de maneiras que as organizações nunca enfrentaram antes”, disse Ian Walsh, vice-presidente e líder de produtos cibernéticos nos EUA da QBE North America.

De acordo com a pesquisa da QBE, agentes de ameaça estão usando sistemas de IA agêntica que, diferentemente dos chatbots tradicionais, podem agir de forma autônoma para cometer fraudes em larga escala por meio de extorsão em grande volume, golpes de personificação com deepfake e ataques avançados de phishing ou comprometimento de e-mail corporativo (BEC). A IA generativa permitiu que golpistas realizassem esses tipos de ataques nos últimos anos, mas a IA agêntica agora possibilita gerenciar essas atividades simultaneamente e em múltiplas plataformas.

A IA agêntica também reduz a barreira de entrada para atacantes menos sofisticados ou experientes, segundo o relatório. A tecnologia permite que agentes de ameaça não apenas utilizem ameaças e vetores de ataque existentes, mas também criem novos caminhos de ataque para explorar vulnerabilidades de sistemas e roubar dados. Como esses modelos podem manter objetivos de longo prazo e usar APIs para buscar em bancos de dados internos, golpistas podem aproveitar a tecnologia para tomada de decisão rápida. Esses agentes de ameaça também podem se comunicar com os sistemas por meio de prompts em linguagem natural, em vez de aprender novas interfaces e ferramentas.

Os humanos ainda desempenham um papel importante na supervisão de pontos críticos de decisão durante ataques e campanhas cibernéticas, observa o relatório. A QBE sugere que uma abordagem de segurança em camadas “de volta ao básico”, focada em gestão de acesso e identidade, monitoramento comportamental e ferramentas de detecção de ameaças com IA, oferece a melhor proteção para mitigar e prevenir ameaças.

“O elemento humano continua sendo central para mitigar riscos e construir resiliência”, disse Walsh. “Para se manter à frente das ameaças em evolução, as organizações devem agir com rapidez, combinando fundamentos de segurança com defesas habilitadas por IA e cobertura abrangente.”

Consumidores reavaliam planos de proteção em meio à pressão sobre gastos recorrentes

Os consumidores estão cancelando assinaturas e analisando despesas recorrentes, forçando os provedores de planos de proteção a demonstrar valor contínuo ou correr o risco de perder negócios.

Ao longo da última década, os consumidores se acostumaram a viver em uma economia de assinaturas. Serviços de streaming, plataformas de software, programas de entrega de refeições, academias e planos de proteção de dispositivos transformaram compras únicas em despesas mensais recorrentes. No entanto, em 2026, uma mudança notável está ocorrendo. Os consumidores estão analisando cobranças recorrentes com mais atenção do que nunca, forçando empresas de diversos setores, incluindo seguros e serviços de proteção, a repensar como entregam valor.

A tendência vai muito além das assinaturas de entretenimento. Ela reflete uma reavaliação mais ampla das prioridades de gastos domésticos e do papel que os produtos de proteção desempenham em um ambiente econômico cada vez mais incerto.

Para seguradoras e provedores de proteção, compreender essa mudança pode ser uma das prioridades estratégicas mais importantes dos próximos anos.

Fadiga de assinaturas

Os consumidores hoje administram mais despesas recorrentes do que nunca. Embora cobranças mensais individuais frequentemente pareçam administráveis, o efeito cumulativo tornou-se cada vez mais visível. Inflação, custos de crédito mais altos e incerteza econômica levaram muitas famílias a revisar regularmente seus compromissos mensais de gastos.

Historicamente, planos de proteção se beneficiavam de uma mentalidade de “configurar e esquecer”. Uma vez inscritos, muitos consumidores mantinham a cobertura indefinidamente. Hoje, porém, os clientes estão avaliando ativamente cada despesa recorrente e estão cada vez mais dispostos a cancelar produtos que não demonstram valor contínuo.

O desafio para os provedores é claro: planos de proteção não podem mais depender apenas da promessa de cobrir uma perda futura.

Por que os consumidores mantêm planos de proteção

Embora o preço continue importante, pesquisas e o comportamento dos clientes sugerem que o custo raramente é o único fator decisivo quando os consumidores mantêm cobertura de proteção.

Em vez disso, os clientes tendem a manter planos quando percebem um ou mais dos seguintes benefícios:

Confiança de que um reparo ou substituição custosa será resolvido rapidamente.
Conveniência e simplicidade durante o processo de sinistro.
Acesso a serviços e suporte adicionais além da cobertura tradicional.
Proteção contra dispositivos e tecnologias cada vez mais caros.
Opções de cobertura flexíveis que se alinham às necessidades em mudança.

Os consumidores estão avaliando cada vez mais os planos de proteção com base na experiência geral e não apenas em cálculos financeiros.

Em muitos casos, o incômodo percebido de lidar com um reparo inesperado supera o próprio custo do reparo. Os clientes valorizam soluções que eliminem atritos, reduzam o tempo de indisponibilidade e ofereçam segurança quando algo dá errado.

Por que os clientes cancelam

As razões pelas quais os consumidores interrompem planos de proteção revelam insights importantes sobre o comportamento geral de gastos. Fatores comuns incluem:

Falta de valor percebido entre sinistros.
Contratos inflexíveis ou compromissos de longo prazo.
Dificuldade em entender benefícios ou exclusões.
Desejo de reduzir despesas recorrentes.

Curiosamente, muitos clientes que cancelam planos de proteção não estão rejeitando a proteção em si. Em vez disso, estão buscando alternativas que ofereçam maior flexibilidade e controle.

Os consumidores não estão necessariamente menos conscientes do risco. Estão se tornando mais seletivos sobre como pagam por proteção.

A ascensão de modelos de proteção flexíveis

Um dos desenvolvimentos mais significativos que emergem em 2026 é o crescente apelo de programas de proteção flexíveis e combinados, que dão aos consumidores mais controle sobre o que proteger, como estruturar a cobertura e por quanto tempo permanecer inscritos.

Os consumidores esperam cada vez mais:

Serviço sob demanda.
Compromissos mensais.
Políticas de cancelamento transparentes.
Configurações de produtos personalizadas.

Modelos de proteção flexíveis atraem consumidores porque alinham melhor os custos ao valor percebido. Em vez de se comprometer com contratos longos, os clientes podem manter a cobertura quando faz sentido e ajustar sua proteção conforme as circunstâncias mudam.

Produtos que capacitam os clientes a tomar decisões de cobertura em seus próprios termos frequentemente apresentam maior engajamento e satisfação do que aqueles baseados em estruturas rígidas de adesão.

O que isso significa para os provedores de proteção

A mudança em direção à flexibilidade apresenta tanto desafios quanto oportunidades.

Provedores tradicionais podem enfrentar maior churn à medida que os consumidores reavaliam despesas recorrentes. No entanto, organizações que adaptarem suas ofertas podem fortalecer o relacionamento com clientes e ampliar a participação de mercado.

Algumas implicações estratégicas estão se tornando claras:

O valor deve ser demonstrado continuamente

Provedores de proteção precisam ir além das interações de renovação anual e criar oportunidades contínuas de engajamento que reforcem o valor da cobertura ao longo de todo o ciclo de vida do cliente.

Simplicidade é uma vantagem competitiva

Consumidores favorecem cada vez mais produtos fáceis de entender, comprar, gerenciar e cancelar. Termos complexos e processos de sinistro burocráticos criam fricção que pode prejudicar a retenção.

Experiências integradas importam

À medida que produtos de proteção se tornam mais integrados às experiências de compra, os clientes esperam adesão sem atritos, ferramentas digitais de gestão e acesso imediato a suporte quando necessário.

Flexibilidade gera confiança

Oferecer maior controle sobre opções de cobertura pode aumentar a confiança e reduzir a hesitação na compra. Em muitos casos, a própria flexibilidade se torna um atributo do produto.

Talvez a lição mais importante vá além dos planos de proteção em si.

A crescente demanda por cobertura flexível reflete uma mudança maior na psicologia do consumidor. As famílias estão deixando hábitos de consumo automáticos e migrando para decisões de gasto mais intencionais. Estão priorizando transparência, opcionalidade e valor mensurável.

Esse comportamento está influenciando praticamente todas as categorias de despesas recorrentes, de assinaturas de streaming a licenças de software e produtos de seguro.

Organizações que reconhecerem essa tendência cedo estarão mais bem posicionadas para construir relacionamentos duradouros com clientes. Aquelas que continuarem dependentes de premissas antigas sobre retenção podem descobrir que a fidelidade está cada vez mais difícil de conquistar.

Olhando para o futuro

A indústria de proteção sempre evoluiu junto às expectativas dos consumidores. Os consumidores de hoje não estão rejeitando a proteção; estão redefinindo como essa relação deve ser.

O futuro provavelmente pertence a soluções que combinem a segurança financeira de que os consumidores precisam com a flexibilidade que cada vez mais exigem.

Para seguradoras, provedores de garantia e plataformas de proteção integradas, a oportunidade não é apenas oferecer cobertura. É criar experiências de proteção que se encaixem naturalmente na forma como os consumidores gerenciam suas vidas, finanças e tecnologia.

Em 2026, os consumidores não estão perguntando se a proteção importa. Estão perguntando se a proteção pela qual pagam ainda merece espaço no orçamento.

Escrito por Brett Lassig, presidente da Get Cover, uma insurtech que oferece garantias e contratos de serviço com foco digital.

12 3...99 Page 1 of 99