Home Blog

Além do hype da IA: a especificidade vence

Conforme as capacidades de IA se tornam comuns, provedores de insurtech precisam se diferenciar por meio de problemas bem delimitados, decisões explicáveis e valor de negócio demonstrável.

*Escrito por Chuck Johnston

Enquanto me preparo para o InsureTech Connect (ITC) 2026, um fornecedor de insurtech recentemente me procurou para perguntar se eu publicaria outro Insurance AI Sauce Report — a análise pós-evento que costumo escrever depois de participar do ITC NYC em junho.

Minha resposta o surpreendeu: decidi que é hora de seguir para um novo tema.

Não é porque perdi o interesse em IA — muito pelo contrário. Continuo profundamente fascinado com os rumos da tecnologia, especialmente paradigmas emergentes como a IA neuro-simbólica. A razão para aposentar o relatório é mais simples e fundamental: a IA já não é um diferencial nas discussões de insurtech. Todo mundo tem IA — até profissionais autônomos como eu. A pergunta central já não é se você tem IA, mas qual problema real você está resolvendo com ela.

O mar da mesmice no pavilhão de exposições

Minha decisão se cristalizou depois de conversar com mais de uma dúzia de fornecedores focados em IA no piso de feiras do ITC NYC. Um fornecedor após outro apresentou pitches quase idênticos.

Uma conversa em particular ficou comigo. Um profissional de marketing de produto muito sincero me mostrou a plataforma da empresa:

“Oferecemos uma solução de fluxo de trabalho que usa IA generativa para executar tarefas.”

“Usamos conexões agênticas para otimizar atividades.”

“Tornamos as coisas mais rápidas, baratas e melhores para as seguradoras.”

Soava ótimo no papel. Mas quando perguntei diretamente: “Qual é o seu diferencial central?”, ele pausou, olhou para mim e admitiu com franqueza: “Não tenho ideia.”

Dos mais de 12 fornecedores que entrevistei, quase todos contaram a mesma história genérica.

Exceto um.

O poder do problema afiado e bem definido

O único fornecedor que se destacou não era interessante por causa de sua pilha de IA — estava usando os mesmos modelos subjacentes que todos os demais. O que o tornou diferente foi o foco em um domínio de negócio específico: um conjunto distinto de problemas jurídicos complexos dentro do setor de seguros.

Em vez de pedir a uma equipe de marketing que olhasse para tendências macro do setor e produzisse slogans genéricos sobre time-to-market mais rápido ou eficiência operacional, essa equipe se sentou e fez uma pergunta melhor: onde há um ponto de dor específico, de alta fricção, que realmente precisa ser resolvido? Escolheu um problema talvez menos amplamente aplicável a todas as seguradoras, mas que oferecia valor substancialmente maior aos clientes que precisavam dele.

Essa mentalidade representa a linha divisória entre empresas de insurtech que prosperarão e aquelas que desaparecerão. A menos que o objetivo seja simplesmente ser um provedor utilitário genérico, as empresas devem aplicar a IA a um conjunto de problemas afiado e bem definido.

A evolução da IA nos seguros: Regras vs. Razão

Essa mudança de foco nos leva a um grande desafio técnico enfrentado pelo setor de seguros: transparência e certeza. Embora a lógica indutiva da IA generativa ofereça capacidades significativas, ela não é inerentemente transparente ou certa.
Para entender por que isso representa um obstáculo, ajuda comparar duas abordagens amplas de inteligência artificial: IA simbólica e IA generativa.

IA simbólica, ou motores de regras, baseia-se no raciocínio dedutivo. Desenvolvedores constroem uma estrutura com base em comportamentos esperados e parâmetros conhecidos, permitindo que o sistema aplique regras explícitas de forma consistente dentro desses limites.

A vantagem é transparência e lógica claramente definida. A desvantagem é que é necessária uma engenharia inicial considerável para construir e manter os conjuntos de regras. Se as regras encontrarem dados inesperados fora de sua estrutura, o fluxo de trabalho pode falhar ou exigir intervenção humana. O sistema pode ser confiável dentro de seus limites definidos, mas frágil em escala.

IA generativa, ou sistemas de correspondência de padrões, baseia-se amplamente no raciocínio indutivo. Em vez de seguir apenas regras codificadas por humanos, o modelo observa grandes conjuntos de dados, aprende padrões e constrói uma estrutura interna para lidar com cenários novos e complexos.

A vantagem é flexibilidade e adaptabilidade em dados desestruturados e “sujos”. A desvantagem é que o raciocínio indutivo pode produzir resultados incorretos com confiança. Mesmo quando uma resposta está correta, um modelo de IA generativa pode não fornecer uma explicação suficientemente clara de como chegou a determinada conclusão.

O dilema do “mostre seu raciocínio”

Essa falta de transparência já está causando atrito em setores regulados. Desafios jurídicos envolvendo decisões automatizadas de saúde aumentaram o escrutínio sobre como as seguradoras documentam e explicam determinações assistidas por modelo em grandes volumes de arquivos.

Quando pressionado, um sistema puramente de IA generativa pode apontar para relações estatísticas entre fatores relevantes. Mas decisões de seguros reguladas frequentemente exigem mais: uma base lógica rastreável, aplicação consistente de regras e um trilha de auditoria que possa ser examinada por reguladores, tribunais e revisores internos.

Combinando reconhecimento de padrões com lógica explícita

IA neuro-simbólica não é uma tecnologia super nova. É uma abordagem híbrida destinada a fazer a ponte entre dois paradigmas estabelecidos de inteligência artificial:

Redes neurais, incluindo IA generativa: eficazes em analisar dados não estruturados, identificar padrões sutis e dar sentido a entradas do mundo real “bagunçadas”.

IA simbólica, incluindo motores de regras: eficazes em aplicar lógica explícita, restrições matemáticas e regras regulatórias ou de negócio.

Ao combinar esses dois paradigmas, as seguradoras podem não precisar escolher entre motor de regras rígidas e caixas-pretas opacas. Um motor neural pode cuidar do trabalho de ler apólices complexas, registros médicos ou anotações de sinistros, enquanto uma camada simbólica aplica lógica de negócio e diretrizes de segurança definidos. Implementada corretamente, essa abordagem pode melhorar a rastreabilidade e produzir uma trilha de auditoria mais clara para as saídas do sistema.

Sistemas neuro-simbólicos podem ser organizados de várias formas, incluindo arquiteturas paralelas, em pipeline e interativas:

Paralelo: os componentes neurais e simbólicos rodam simultaneamente, fornecendo insights complementares que são posteriormente sintetizados. Isso pode funcionar em alguns cenários e frequentemente é um passo inicial, mas, como os sistemas operam independentemente, a integração e síntese podem se tornar trabalhosas.

Pipeline: o componente neural processa e estrutura os dados, que são então passados ao componente simbólico para validação baseada em regras. Isso cria uma conexão e dependência definidas entre os dois componentes e pode fazer uso efetivo de suas respectivas forças.

Interativo: os componentes neurais e simbólicos se comunicam de forma iterativa, com o sistema simbólico restringindo e guiando o raciocínio do modelo neural. Essa abordagem pode suportar maior automação, autocorreção e resiliência em processos straight-through, à medida que os dois modelos aplicam raciocínio indutivo e dedutivo para lidar com exceções.

Olhando para o ITC 2026

À medida que nos preparamos para o ITC 2026, meu desafio para fornecedores e seguradoras é mudar a conversa para longe de buzzwords superficiais de IA.

Para fornecedores: parem de dizer ao mercado que “usam IA generativa e fluxos de trabalho agênticos para tornar as coisas mais rápidas, baratas e melhores”. Todo mundo está fazendo isso. Em vez disso, mostrem-nos o problema específico, de alta fricção, que vocês resolvem melhor do que qualquer outro — e demonstrem como sua arquitetura apoia transparência e defensibilidade quando os reguladores baterem à porta.

Para seguradoras: parem de avaliar soluções principalmente de acordo com a sofisticação de seus modelos de linguagem de grande porte subjacentes. Comecem a buscar plataformas que combinem flexibilidade com saídas explicáveis e bem controladas, adequadas ao problema de negócio em questão.

IA já não é a história — é apenas o motor. A verdadeira distinção pertencerá a quem sabe exatamente onde aplicá-la.

*Chuck Johnston é estrategista de tecnologia de negócios de seguros e fundador da Johnston Digital Ventures, onde oferece serviços de advisory e consultoria para o espaço de Vida, Acidentes e Benefícios a Empregados.

Quer participar do ITC Vegas 2026 com a delegação brasileira? 🇧🇷
São três dias de encontro com mais de 10.000 partcipantes e expositores, networking com VCs, seguradoras, insurtechs e parceiros do mundo todo. Junte-se aos mais de 250 executivos brasileiros que participarão dessa jornada. Garanta sua inscrição agora: Clique aqui!

Para mais informações acesse o site: https://itc.insurtechbrasil.com/

Como preparar os seguros para a era dos agentes

As seguradoras precisam redesenhar fluxos de trabalho, governança e supervisão humana antes que os agentes de IA possam migrar com segurança de pilotos para operações críticas para o negócio.

Por que os pilotos não escalam?

Quando os pilotos não escalam, o instinto costuma ser culpar a IA. Na prática, três fatores organizacionais frequentemente ficam no caminho.

Primeiro, os processos de seguros — mesmo em insurtechs nativas digitais — foram construídos em torno da execução humana. A IA agêntica depende de fluxos de trabalho que coordenam atividade humana e de máquina, mas poucos processos de seguros foram desenhados com essa colaboração em mente.

Segundo, a conformidade muitas vezes entra no processo tarde, tipicamente na etapa de prova de conceito, quando deveria estar moldando as decisões de design desde o início.

Por fim, sem apoio em toda a empresa, os pilotos permanecem iniciativas isoladas atendendo a um único time ou função, sem uma rota credível para o restante do negócio.

Os seguros também trazem desafios específicos do setor. Fluxos de trabalho de sinistros e subscrição carregam décadas de conhecimento institucional, enquanto as expectativas para gestão de risco de modelos continuam subindo. A escrutínio regulatório se estende cada vez mais além da explicabilidade para todo o ciclo de vida de desenvolvimento de modelos, incluindo design, backtesting, testes de regressão, revisões de governança e avaliação de drift. As seguradoras estão, consequentemente, reavaliando estruturas de risco e controle que antecedem a IA.

Essas pressões apontam para um problema mais amplo. Agentes introduzidos em ambientes fragmentados não conseguem coordenar efetivamente entre fluxos de trabalho, aumentando complexidade, custo e risco de conformidade. As seguradoras, portanto, precisam de mecanismos que incorporem coordenação, controle e auditabilidade nos processos, em vez de adicioná-los apenas depois que os problemas surgem.

Três rotas para atravessar o dilema da transformação

As seguradoras não podem reconstruir suas operações da noite para o dia sem colocar balanços, clientes e continuidade do negócio em risco. A maioria, em vez disso, buscará alguma combinação de três abordagens.

A primeira é conectar plataformas e aplicações existentes, extraindo maior valor de investimentos anteriores. A segunda é substituição seletiva. Programas de substituição em larga escala permanecem caros e arriscados, mas a substituição pode ser justificada em funções particulares ou novas linhas de produto onde as restrições de legado se tornaram insustentáveis.

Uma terceira opção é um modelo de ecossistema no qual as seguradoras combinam sua marca, distribuição e capacidades de subscrição com provedores especializados de tecnologia ou serviço.

Cada abordagem exige que as seguradoras coordenem sistemas, agentes e decisões humanas enquanto mantêm controles e auditabilidade consistentes. Essa coordenação pode ajudar plataformas existentes a entregar maior valor, apoiar migração controlada de infraestrutura de legado e tornar modelos operacionais externos viáveis em áreas como onboarding de clientes.

Redesenhar antes de implantar

Coordenação sozinha não é suficiente. Muitos processos de seguros em uso hoje foram desenhados antes que os agentes de IA se tornassem uma consideração prática, tornando o redesenho de processos um pré-requisito para a implantação. No entanto, as seguradoras frequentemente implementam agentes antes de determinar como os processos de ponta a ponta devem operar, onde existem gargalos e onde o julgamento humano permanece essencial.

A governança deve ser incorporada desde o início. A lógica do processo determina quando um agente é acionado e quando a revisão humana é necessária, enquanto a lógica de decisão define o que pode ser automaticamente aceito, referido ou escalado. Construir essas decisões na etapa de design ajuda a garantir que os agentes operem dentro de guardrails executáveis, em vez das áreas cinzentas que fazem muitos pilotos estagnarem.

Um exemplo de processo desenhado em torno de agentes especializados e autoridade humana retida é o Project Nemo da Allianz. Lançado na Austrália em 2025, o sistema lida com sinistros de baixo valor por deterioração de alimentos decorrentes de eventos climáticos. Sete agentes especializados abordam planejamento, verificação de cobertura, validação climática, triagem de fraude, cálculo de pagamento e auditoria, enquanto um humano mantém a decisão final de pagamento. A Allianz relatou uma redução de 80% nos tempos de processamento e liquidação para sinistros elegíveis abaixo de US$ 500 e planeja estender o sistema gradualmente para outros casos de uso de baixa complexidade e alta frequência.

A década à frente

Ao longo da próxima década, algumas grandes seguradoras podem se concentrar mais fortemente em marca, relacionamentos com clientes e assunção de risco, enquanto dependem de provedores especializados para funções selecionadas de gestão de sinistros e serviços.

Esse modelo exigirá arquitetura flexível e componível. À medida que modelos, fornecedores e regulamentações evoluem, as seguradoras precisarão adaptar componentes de IA, atualizar estruturas de governança e “onboardar provedores sem perder visibilidade ou controle operacional. Coordenação e supervisão consistentes entre sistemas e organizações participantes serão necessárias para que tais modelos operem com segurança em escala.

As seguradoras que fizerem o maior progresso não serão necessariamente aquelas que executam mais agentes. Serão aquelas que redesenharem seus modelos operacionais em torno de colaboração efetiva entre pessoas, agentes e sistemas — e governarem como essa colaboração funciona.

Escrito por Jawwad Rasheed, líder de transformação de serviços financeiros na Camunda, uma plataforma empresarial para orquestração agêntica.

Solace Care, sediada em Estocolmo, capta € 2,1 milhões em rodada pré-seed

A Solace Care, sediada em Estocolmo, captou € 2,1 milhões em rodada pré-seed para expandir sua plataforma digital de planejamento de legado e suporte em caso de luto. A Spintop Ventures liderou a rodada, com participação da Plug and Play, Further Than Capital, Wave Ventures e diversos executivos do setor de seguros e investidores-anjo.

Fundada em janeiro de 2025, a Solace Care oferece serviços antes e depois da morte do segurado. Os segurados podem armazenar documentos e instruções, criar testamento e procuração futura, e compartilhar informações com familiares. Após uma morte, a plataforma orienta as famílias nas tarefas administrativas envolvendo bancos, seguradoras, provedores de pensão, autoridades fiscais e outras organizações.

A plataforma é distribuída por meio de seguradoras de vida, provedores de pensão e corretores, e pode ser oferecida sob a marca de um parceiro. Ela opera junto às apólices existentes, sem alterar subscrição, precificação ou reservas.

De acordo com a Solace Care, a empresa ultrapassou 25 mil vidas cobertas durante seu primeiro ano e atualmente atende Suécia, Finlândia e Noruega. A empresa planeja usar o financiamento para aprofundar parcerias nórdicas, expandir para Dinamarca, Países Baixos e Reino Unido, e contratar nas áreas de produto e operações comerciais.

A IA pode reduzir o tempo de subscrição? The Hartford diz que sim

As seguradoras estão incorporando cada vez mais a inteligência artificial aos fluxos de trabalho cotidianos. Em apresentações de resultados e discussões sobre o segundo trimestre, diversas empresas destacaram ganhos de produtividade e eficiência proporcionados pela tecnologia, incluindo o processamento de sinistros e propostas de seguros, além do apoio aos agentes na tomada de decisões mais rápidas.

Embora as seguradoras não estejam falando sobre a tecnologia da mesma forma, o debate está migrando do uso da IA em projetos-piloto para sua aplicação mais ampla nas operações diárias.

The Hartford reduz tempo de subscrição

Executivos da The Hartford afirmaram que os investimentos em IA já apresentam resultados iniciais ao reduzir significativamente o tempo de subscrição.

Durante a teleconferência sobre os resultados do segundo trimestre, a administração informou que a seguradora está utilizando a tecnologia para tornar os subscritores mais rápidos, sem retirar deles a responsabilidade pelas decisões. Segundo a The Hartford, os recursos habilitados por IA permitem concluir atividades de subscrição em uma fração do tempo, liberando os profissionais para dedicar mais atenção a agentes e corretores.

“A equipe continua concentrada em uma subscrição disciplinada e na seleção de oportunidades que ofereçam retornos ajustados ao risco atrativos em um ambiente cada vez mais competitivo. Continuamos investindo em recursos habilitados por IA que aumentam a eficácia da subscrição, proporcionando acesso mais rápido a insights sobre riscos diretamente nos fluxos de trabalho dos subscritores”, afirmou Christopher Swift, presidente do conselho e CEO da The Hartford, durante a teleconferência de sexta-feira.

“Os resultados iniciais são promissores: as atividades de subscrição estão sendo concluídas em uma fração do tempo, aumentando a produtividade e permitindo que os subscritores dediquem mais tempo à expansão dos relacionamentos com agentes e corretores, o que ajuda a aumentar o fluxo de propostas”, disse Swift. “Nossos subscritores continuam responsáveis pelas decisões, utilizando recursos habilitados por IA que oferecem insights mais profundos e aumentam a consistência da subscrição.”

A The Hartford registrou lucro líquido de US$ 1,3 bilhão no segundo trimestre, alta de 31% em relação ao mesmo período de 2025. A receita total foi de US$ 7,26 bilhões, um aumento anual de 8%.

Liberty Mutual amplia uso da IA generativa

A Liberty Mutual está adotando uma abordagem corporativa para a IA, de acordo com sua teleconferência de resultados do segundo trimestre de 2026. A seguradora atribuiu seu desempenho — que incluiu receita de US$ 13,3 bilhões e lucro líquido de US$ 2,6 bilhões — a uma combinação de diversificação do portfólio, subscrição disciplinada e execução operacional, com a IA cada vez mais integrada a essas atividades.

“A inteligência artificial é uma parte importante desse trabalho, mas não como uma iniciativa isolada. Estamos incorporando a IA às nossas plataformas e aos nossos fluxos de trabalho para melhorar os insights de subscrição, acelerar os processos de sinistros e atendimento e apoiar uma maior eficiência em todas as áreas”, afirmou Timothy Sweeney, presidente, CEO e chairman da Liberty Mutual.

A seguradora também está enfatizando a governança à medida que amplia o uso da tecnologia, incluindo validação de modelos, proteção de dados e responsabilização humana.

UnitedHealth aposta em processamento em tempo real

O UnitedHealth Group informou que a IA e tecnologias semelhantes já estão envolvidas em quase todas as interações com prestadores e consumidores. A tecnologia é utilizada para oferecer insights preditivos aos profissionais de atendimento, identificar beneficiários que possam precisar de suporte proativo, automatizar sinistros complexos e melhorar a troca de dados entre planos de saúde e prestadores.

A seguradora de saúde também pretende alcançar 80% de processamento em tempo real das autorizações prévias até o fim de 2027. O objetivo é criar um processo de autorização amplamente automatizado, reduzindo as trocas administrativas entre prestadores e planos de saúde, melhorando a experiência de médicos e pacientes e gerando ganhos operacionais relevantes.

“A implementação da IA e de outras tecnologias avançadas é uma área de foco fundamental e prioritária em toda a UnitedHealthcare”, afirmou Timothy John Noel, CEO da unidade UHC.

Segundo ele, a tecnologia também é um importante facilitador da agenda de modernização da empresa, ajudando a melhorar as experiências de consumidores e prestadores e a tornar o sistema mais eficiente.

A UHC registrou receita total de US$ 112 bilhões no segundo trimestre, estável em relação ao ano anterior. O lucro operacional foi de US$ 8 bilhões, alta anual de 55%.

Travelers registra ganhos em sinistros e subscrição

Executivos da Travelers atribuíram parte do aumento de 0,5 ponto percentual no índice de sinistralidade subjacente de sua operação de seguros empresariais às inovações e aos investimentos em IA.

A empresa também está implementando ferramentas de IA para extrair dados de propostas, preencher rapidamente informações de subscrição e aplicar regras avançadas de subscrição. O objetivo é simplificar e acelerar a geração de cotações.

“Os nossos resultados continuam refletindo um progresso constante no campo da inovação, à medida que muitas das iniciativas que compartilhamos começam a gerar frutos — desde melhorias nos produtos até o impacto da IA no processamento automatizado de sinistros”, afirmou Alan Schnitzer, presidente do conselho e CEO da Travelers, durante uma apresentação de resultados. “Haverá mais avanços à medida que continuarmos investindo com disciplina e foco nas iniciativas mais importantes.”

A Travelers registrou lucro líquido de US$ 2,2 bilhões no segundo trimestre de 2026, ante US$ 1,5 bilhão no mesmo trimestre do ano anterior. A receita alcançou US$ 12,2 bilhões, em comparação com US$ 12,1 bilhões no mesmo período do ano passado.

Confira a cláusula de IA que talvez já esteja na apólice do seu cliente contratado

Novos dados mostram 2.369 registros de exclusão de IA generativa em vigor, sem nenhum produto admitido para substituir a cobertura

Uma análise nacional dos registros de seguros estaduais nos Estados Unidos mostra que as seguradoras apresentaram exclusões de IA generativa em diversos ramos de seguros comerciais normalmente contratados por empresas do setor de construção, ante nenhum registro em meados de 2025. A Trades Coverage, uma corretora de seguros licenciada e marketplace, identificou 4.078 registros estaduais em 49 estados e no Distrito de Columbia até 31 de julho. Desse total, 2.369 já estavam em vigor.

As exclusões têm origem em seis formulários padrão publicados pelo Insurance Services Office (ISO) em julho de 2025. O ISO desenvolve a linguagem padrão das apólices usada no mercado de seguros patrimoniais e de responsabilidade civil dos Estados Unidos, e as seguradoras começaram a registrar esses formulários um mês após a publicação. Segundo o relatório, os registros complementares mensais atingiram o pico de 413 em fevereiro.

O que a exclusão elimina

Dos 4.078 registros, 3.955 envolvem linhas de cobertura normalmente contratadas por empreiteiros e pequenas empresas: responsabilidade civil geral comercial, seguros guarda-chuva e de excesso, pacotes comerciais, seguros para proprietários de empresas e responsabilidade civil profissional. A exclusão não está limitada a um único ramo específico.

Os formulários do ISO têm três versões. A mais abrangente, CG 40 47, elimina a cobertura para reclamações de danos corporais, danos materiais e danos decorrentes de publicidade relacionados à IA generativa. Já a CG 40 48 elimina apenas os danos decorrentes de publicidade. A terceira, CG 35 08, tem como alvo as operações concluídas, cobertura da qual o empreiteiro depende após o encerramento de uma obra.

De acordo com o formulário mais abrangente, basta que uma reclamação decorra da IA generativa. Um empreiteiro que utilize IA para um único orçamento em uma obra convencional pode descobrir que uma reclamação posterior relacionada ao projeto está sujeita à exclusão. O gatilho é a conexão com a IA, e não a proporção do trabalho em que ela foi utilizada.

“Um empreiteiro pode usar IA para um único orçamento, levantamento de materiais ou decisão de projeto e realizar o restante da obra sem utilizá-la”, afirmou Matt Levin, chefe de pesquisa da Trades Coverage. “Se esse trabalho contribuir para uma reclamação posterior, a exclusão poderá ser aplicada, mesmo que a IA tenha sido usada em apenas uma pequena parte do projeto.”

Essa exposição está se ampliando à medida que cresce o uso de IA pelos empreiteiros. A pesquisa 2026 Commercial Specialty Contractor Industry Report, da ServiceTitan, entrevistou mais de 1.000 líderes do setor. O levantamento constatou que 38% dos empreiteiros agora relatam impacto comercial mensurável da IA, ante 17% em 2025. Estimativas de custos e gestão de propostas foram as aplicações mais comuns, com 24% e 22%, respectivamente.

Nenhum produto admitido preenche a lacuna

A ausência de um produto substituto é a principal diferença estrutural entre essa mudança e transições anteriores de cobertura. Quando o ISO tratou do risco cibernético nas apólices padrão de responsabilidade civil geral comercial, havia seguros cibernéticos independentes disponíveis para empresas que desejassem recomprar a cobertura. O relatório da Trades Coverage não identificou nenhum produto independente admitido para empreiteiros que substitua a exposição à IA excluída.

As seguradoras que estão introduzindo exclusões de IA seguem o mesmo padrão utilizado para tratar da exposição cibernética silenciosa. O setor vem fazendo essa comparação abertamente, mas o mercado complementar para empreiteiros ainda não existe. Os dados dos registros abrangem os protocolos SERFF do mercado admitido e os registros I-File da Flórida, portanto a atividade de exclusão nos mercados não admitidos provavelmente é ainda maior.

Todos os estados, com exceção de Minnesota, têm pelo menos um registro de exclusão. Portanto, a localização geográfica não é o critério que os corretores devem utilizar. Qualquer apólice renovada desde agosto de 2025 pode conter um dos formulários do ISO ou um equivalente elaborado pela própria seguradora. O relatório da Trades Coverage observa que grandes empresas de construção mantêm gestores de risco para acompanhar esse tipo de atividade regulatória. Entre empreiteiros menores, essa responsabilidade cabe ao corretor.

Sistemas atuais mapeiam desastres com precisão, mas falta de dados cronológicos compromete análise de riscos

Modelos de catástrofes são excelentes em mapear onde os desastres ocorrem, mas carecem de dados críticos sobre quando e como os eventos se desenrolam ao longo do tempo.

A modelagem de catástrofes passou os últimos 20 anos se tornando mais precisa sobre onde uma catástrofe aconteceu e o que foi afetado. Geocodificação em nível de lote, vulnerabilidade em nível de edifício, modificadores secundários mais precisos e dados de terreno de alta resolução são exemplos desse foco. No entanto, quase nenhum progresso foi feito sobre quando os eventos ocorreram durante a catástrofe. A resolução de dados não é mais a restrição limitante para a compreensão do risco, a cadência é.

Em meus anos trabalhando com compradores de seguros de dados de sensoriamento remoto, um refrão surgia constantemente: “isso é ótimo”, diziam eles sobre imagens aéreas ou de satélite de alta resolução, “mas eu também preciso saber o que está acontecendo antes, durante e depois de um evento para entender totalmente meu risco.”

Não há exemplo mais claro dessa lacuna temporal do que o incêndio florestal. As condições de incêndios florestais podem ser previstas, mas, diferentemente de um furacão iminente, não há dias de aviso para quando eles começam, apenas o risco permanente de que um possa começar a qualquer momento. E, ao contrário da maioria dos outros perigos, os incêndios florestais podem ser retardados ou contidos. Podemos fazer mais do que construir melhor e alertar as pessoas – com os dados certos na hora certa, podemos mudar o resultado de um evento.

Infelizmente, existem lacunas de dados em nossos sistemas existentes que limitam nossa capacidade de fazer isso hoje. Satélites meteorológicos geoestacionários fornecem um instantâneo a cada 20 minutos em uma resolução infravermelha de dois quilômetros, e o piso de detecção publicado para o produto de incêndio GOES-R é de amplos 60 x 60 metros. Sensores de Órbita Terrestre Baixa fornecem pixels muito mais finos, mas têm apenas algumas observações por dia. Sensores aéreos são ainda menos frequentes e são limitados pelo clima. Sensores in situ têm alcance geográfico limitado e raramente veem o fogo em si. Esses sistemas fornecem excelentes instantâneos, mas são ruins em contar a história completa de um incêndio florestal da ignição à extinção.

Sistemas comerciais de sensoriamento remoto GEO são projetados para fechar essa lacuna. Eles são implantados mais distantes na órbita da Terra, correspondendo assim à velocidade de rotação da Terra, “ficando parados” sobre uma grande região geográfica para fornecer dados contínuos.

Existem vantagens óbvias em um fluxo de dados ao vivo sobre uma grande área geográfica, sendo a resposta a eventos a maior delas. No entanto, as mais impactantes são menos sobre o que está acontecendo agora e mais sobre um melhor registro temporal do que aconteceu durante a vida do evento. Estas incluem validação de modelo, cláusulas de horas, gatilhos paramétricos e créditos de mitigação.

Todo modelo de catástrofe é calibrado em relação aos resultados: pegada final (“footprint”), profundidade e estado de dano. O processo é inferido a partir do resultado em vez da observação da progressão do evento, e a inferência é onde reside a divergência do modelo. Isso é semelhante a pular páginas enquanto se lê um livro. Você sabe como a história termina, mas não entende como chegou lá, o que no caso de uma metodologia de modelagem de catástrofe é crítico.

O incêndio florestal é a versão extrema. Sabemos onde os incêndios terminaram; sabemos muito menos sobre o registro de data e hora da ignição, a taxa de propagação da primeira hora, as horas em que a supressão se manteve e a hora em que parou. Um registro infravermelho contínuo transforma cada incêndio em uma série temporal, em vez de um punhado de instantâneos de perímetro. Dois modelos podem produzir a mesma queima de 40.000 acres por motivos inteiramente diferentes e inteiramente errados.

As cláusulas de horas são o caso mais claro do nosso mercado precificando algo que não consegue medir bem. O aparato assume que podemos dizer quando uma ocorrência começou, quando terminou e quais perdas pertencem a ela. Na prática, isso é reconstruído a partir de relatórios de incidentes, dados de agências e argumentos.

Com incêndios florestais, ignições separadas se tornam um único evento. Um registro contínuo com data e hora de ignição, fusão e progressão dá à cedente e ao ressegurador um único relógio para ler. Isso importa para disputas de agregação, anexo de retenção e negociação ao vivo de Cat (catástrofes), onde o mercado precifica com base na cobertura de notícias e filmagens de helicóptero.

Os gatilhos de incêndios florestais hoje se apoiam em uma área queimada mapeada a partir de imagens ópticas, tipicamente dias após o evento. Os profissionais admitem que a precisão do gatilho é o jogo todo, e que os dados subjacentes determinam quão bem uma liquidação acompanha a perda.

A observação contínua move o gatilho do resíduo para o evento, e é por isso que os sensores funcionam bem. Ela registra o início, o que torna os gatilhos de duração graváveis. Um satélite geossíncrono faz isso em uma enorme área geográfica, não apenas naquela coberta por sensores.

O vento mostra o que um crédito defensável exige. Após o furacão Sally, o regulador do Alabama executou uma chamada de dados de sinistros e encomendou um estudo revisado por pares. A construção FORTIFIED reduziu a frequência de perdas em pelo menos 55% a 74%. É por isso que os descontos de mitigação de vento sobrevivem a uma audiência de taxas.

Esse método funciona quando o risco deixa uma consequência legível. O incêndio florestal não deixa. Uma estrutura destruída não diz quase nada sobre o que o fogo estava fazendo quando chegou. Enquanto isso, o relógio regulatório está correndo. A Califórnia introduziu os primeiros descontos obrigatórios de segurança contra incêndios florestais em 2022 e agora exige que os modelos de catástrofes reflitam a mitigação. Bilhões estão indo para espaço defensável, fortalecimento de casas e manejo de vegetação, creditados no julgamento de engenharia e em boas intenções.

A observação contínua, combinada com registros de mitigação no nível de lote e resultados de sinistros, fornece uma distribuição observada de resultados para exposições fortalecidas versus não fortalecidas sob um comportamento de fogo comparável. O crédito de mitigação deixa de ser um palpite fundamentado e se torna uma variável de precificação justificável.

Fechar a lacuna temporal muda o que é possível saber, nos dando um registro de uma catástrofe conforme ela aconteceu, em vez de uma reconstrução. Precisamos começar a criar um registro agora para uma modelagem de riscos aprimorada que se tornará o padrão para as próximas décadas.

Escrito por Elizabeth Foughty, Chief Business Officer e cofundadora da Orbital Sentry.

A IA mudará as avaliações das corretoras? Os compradores começam a traçar uma linha

A adoção de IA pode não aumentar, por si só, o múltiplo de uma corretora, mas os compradores estão analisando cada vez mais a qualidade dos dados, a prontidão para integração e se a tecnologia está se traduzindo em um desempenho melhor.

Os compradores de corretoras de seguros começaram a avaliar os alvos de aquisição quanto à sua preparação tecnológica e para a IA, mesmo com as avaliações permanecendo ancoradas no crescimento.

Embora a inteligência artificial ainda possa não justificar uma linha própria em um modelo de avaliação, os compradores estão distinguindo cada vez mais entre as corretoras equipadas para um futuro mais automatizado e aquelas que poderiam exigir um trabalho substancial após a aquisição.

Felix Morgan, CEO da Trucordia, afirmou que a capacidade tecnológica passou a fazer parte da avaliação de um alvo pela empresa. A Trucordia concluiu aproximadamente 200 aquisições ao longo de um período de dois anos e agora opera em 42 estados.

“A atividade de fusões e aquisições de corretoras de seguros está em um ponto de inflexão”, disse Felix Morgan. “Sempre foi verdade que havia alvos melhores do que outros e que isso criava valor, mas agora estamos vendo essa divisão acontecer em uma escala muito maior.”

A prontidão para integração é o teste imediato

Para a Trucordia, a questão tecnológica é, em parte, uma questão relacionada à mecânica da integração. A empresa transfere os negócios adquiridos para um único sistema de gestão de corretoras, o que torna a capacidade de um alvo de se conectar a esse sistema uma restrição prática, e não uma preferência abstrata.

“É uma espécie de requisito básico ter uma fundação em nossa organização que possamos aproveitar”, disse Felix Morgan. “Não obtemos os ganhos de escala e de tamanho se não conseguirmos analisar todos os dados de maneira homogênea. Portanto, procuramos ambientes que permitam isso e aos quais possamos nos conectar facilmente.”

Brian Morgan, CEO da AGI, fez uma observação semelhante sobre a arquitetura de dados, argumentando que sistemas fragmentados criam problemas cumulativos.

“Tudo começa com uma pilha tecnológica limpa”, disse Brian Morgan. “Quando você começa a ter sistemas de dados distintos e situações em que precisa criar pontes e remendos entre eles, tudo se torna muito desafiador. E foi isso que muitas empresas tiveram de fazer em nosso setor.”

O setor ainda está longe de apresentar uma prontidão uniforme. O relatório 2026 Technology & Governance Report, da MarshBerry, constatou que 82% dos entrevistados esperam que a IA afete a produtividade dos corretores ou reformule o papel do corretor, mas apenas 13% estão usando ativamente ferramentas de IA em várias áreas do negócio.

A adoção também diverge acentuadamente de acordo com o tamanho. Dados da Reagan Consulting mostraram que apenas 11,5% das empresas com receita inferior a US$ 1,25 milhão investiram em IA em 2025, em comparação com 84,2% das corretoras que geram mais de US$ 100 milhões.

O argumento da produtividade da IA: quais são as limitações?

Brian Morgan, cuja empresa promove sua pilha tecnológica como um diferencial de aquisição, estimou que uma implementação ampla de IA poderia proporcionar “um aumento realista de 50% a 75% na capacidade de uma pessoa”, à medida que tarefas como o envio de propostas, a verificação de apólices e a preparação de apresentações comerciais fossem automatizadas.

Ele afirmou que sua abordagem consiste em realocar essa capacidade, em vez de reduzir o quadro de funcionários, tendo em vista uma esperada onda de aposentadorias no setor ao longo dos próximos cinco a sete anos.

“Não se trata necessariamente de economizar custos. A questão é: como reinvestimos no negócio para crescer e reter clientes?”, disse Brian Morgan. “É mais um modelo de elevação.”

Um estudo da Reagan Consulting e da BrokerTech Ventures sobre os principais produtores de nove corretoras entre as 100 maiores constatou que produtores com suporte tecnológico com menos de 35 anos geraram comissões medianas novas de US$ 172 mil em 2024, contra US$ 104 mil dos demais. No entanto, a pesquisa mede a produção, e não as avaliações.

A Agency Brokerage Consultants argumentou, porém, que os compradores atualmente não estão pagando múltiplos mais altos simplesmente porque uma corretora utiliza IA. Nessa perspectiva, as avaliações continuam concentradas na margem e no crescimento, enquanto a tecnologia só se torna relevante quando ajuda a explicar uma retenção mais forte, custos de atendimento mais baixos ou melhores índices de receita por funcionário.

Também há uma defasagem. Os compradores e os consultores de avaliação trabalham com base no desempenho histórico, e mesmo as corretoras que fizeram investimentos significativos em IA nos últimos dois anos tiveram tempo limitado para demonstrar uma melhoria financeira sustentada nos resultados analisados pelos compradores.

Sinais de preço divergem

Onde a IA já está movimentando o mercado é no interesse por determinados tipos de carteira. Harrison Brooks, sócio da Reagan Consulting, afirmou que alguns compradores se tornaram hesitantes em relação às linhas pessoais devido ao potencial impacto da IA, descrevendo uma “fuga para qualidade e escala” mais ampla em direção a operações de médio porte, comerciais e de benefícios para funcionários. Felix Morgan também espera que a tecnologia exerça mais influência nas linhas pessoais do que na corretagem comercial complexa.

Quanto aos preços, os sinais são conflitantes. Brooks observou que o volume de transações caiu para o menor nível em 11 anos em 2025, enquanto os preços se mantiveram, com múltiplos de EBITDA garantidos variando de pouco menos de 10 vezes para transações menores a aproximadamente 15 vezes para as maiores entre 2023 e 2025.

Felix Morgan, que realiza aquisições na parte inferior desse mercado, vê algo diferente.

“Os múltiplos estão começando a sofrer alguma compressão, o que acredito ser um reflexo do mercado como um todo”, afirmou.

Um ponto de inflexão, não uma ruptura

Brian Morgan espera que o mercado se organize em níveis, em vez de passar por uma reprecificação da noite para o dia.

“Acredito que as corretoras que dizem: ‘Estamos abertas a tentar descobrir como podemos fazer isso melhor e de maneira diferente’ serão as que terão maior prioridade”, afirmou. “Aquelas que realmente dizem: ‘Não, sempre fizemos dessa forma, ainda temos nossa máquina de fax e, se as pessoas quiserem deixar cheques na porta da frente, podem fazê-lo’ — acredito que o mundo está em um ponto de inflexão, no qual vai evoluir.”

Ele não chegou a prever um prêmio automático, afirmando que esperava “diferentes classes de empresas em nosso setor: as que são mais avançadas tecnologicamente e as que estão ficando para trás”.

Felix Morgan, por sua vez, prevê “uma evolução, não uma revolução”.

“Isso continuará evoluindo no setor e se tornará uma prática mais comum, mas não acredito que algum dia substituirá a corretagem”, afirmou.

O risco climático não começa com um furacão

As seguradoras confiam cada vez mais em dados de condição de propriedade orientados por IA para avaliar a deterioração relacionada ao clima entre eventos catastróficos, não apenas durante eles.

As seguradoras tornaram-se muito boas em se preparar para os grandes momentos. Furacões, tempestades de granizo, incêndios florestais, inundações e tornados são analisados em detalhes notáveis, ajudando as seguradoras a estimar perdas e se preparar para eventos de grande escala.

Mas alguns dos maiores impulsionadores do risco de propriedade se desenvolvem em silêncio, muito antes de uma tempestade nomeada aparecer na previsão.

Propriedades estão constantemente respondendo aos ambientes ao seu redor. Dia após dia, condições climáticas ordinárias alteram gradualmente a condição de telhados e materiais externos. Com o tempo, elas alteram a condição de uma propriedade de maneiras que nem sempre são visíveis até que o próximo evento de clima severo transforme a deterioração gradual em um sinistro.

Modelos de catástrofe são essenciais para nos ajudar a entender o que poderia acontecer. O que está se tornando igualmente importante é entender o que já aconteceu com a propriedade antes que esse evento ocorra.

A condição da propriedade conta parte da história

Raramente uma única tempestade faz um telhado falhar; danos catastróficos são quase sempre o culminar de estresse ambiental de longo prazo. Anos de exposição a flutuações térmicas, penetração de umidade, radiação UV e chuvas fortes degradam sistematicamente os sistemas de cobertura. Quando o clima severo chega, a propriedade pode já estar mais vulnerável do que alguém imagina. A tempestade leva a culpa, mas as condições que levaram a ela frequentemente contam uma parte igualmente importante da história.

Essas mudanças graduais historicamente têm sido difíceis de observar consistentemente em grandes portfólios. Isso está começando a mudar. Dados melhores em nível de propriedade estão dando às seguradoras uma imagem muito mais clara de como a exposição climática de longo prazo afeta a condição das residências ao longo do tempo.

Uma análise recente de mais de 2,8 bilhões de observações de telhados derivadas de IA em quase 2.100 condados dos EUA apontou para relações consistentes entre exposição climática crônica e longevidade do telhado. Condados que experimentaram as maiores variações diárias de temperatura mostraram envelhecimento do telhado cerca de 23% mais rápido do que aqueles com climas mais estáveis. Residências em regiões mais quentes e úmidas tenderam a ter vida útil de telhado mais curta do que residências comparáveis em ambientes mais frios e secos.

Nenhuma dessas descobertas deve ser vista isoladamente. Combinadas, elas sugerem que a exposição ambiental de longo prazo pode influenciar a condição da propriedade de maneiras que merecem maior consideração na subscrição.

Uma pergunta melhor para subscritores

A subscrição de propriedades tradicionalmente focou em perigos ao redor de uma residência. Ela está exposta a granizo? Inundação? Incêndio florestal? Vento? Essas perguntas ainda importam.

A pergunta que está se tornando igualmente importante é: em que condição esta propriedade realmente se encontra hoje?

Duas residências construídas no mesmo ano com construção similar podem envelhecer de maneira muito diferente dependendo das condições que experimentaram ao longo do tempo. Uma pode ter passado anos exposta a repetidas variações de temperatura. Outra pode ter visto umidade persistente ou chuvas mais fortes. Olhar apenas para a idade ou localização de uma propriedade nem sempre explica essas diferenças.

A indústria passou anos ficando melhor em prever o que uma tempestade pode fazer a uma propriedade. Estamos agora muito melhor posicionados para entender o que aconteceu com essa propriedade antes que a tempestade chegue.

Imagens aéreas atuais e análise de IA tornam possível observar como as propriedades mudam entre cotação, renovação e sinistro. Isso não substitui a subscrição tradicional, mas fornece outra camada de contexto e dados ao avaliar o risco atual.

O que isso significa para as seguradoras

Modelos de catástrofe ainda são essenciais. Eles são mais fortes quando pareados com uma compreensão atual de como a propriedade segurada está mudando entre grandes eventos climáticos.

Modelos de perigo explicam o ambiente ao redor de uma propriedade. Observações atuais ajudam a explicar como esse ambiente pode já estar afetando a própria propriedade. Olhar para ambos juntos dá às seguradoras uma visão mais completa do risco do que qualquer um pode fornecer sozinho.

Isso tem implicações práticas em todo o negócio. A condição da propriedade pode se tornar parte das decisões de renovação em vez de algo avaliado apenas após um sinistro. Tendências em nível de portfólio podem ajudar a identificar bairros onde as residências parecem estar envelhecendo mais rápido do que o esperado, mesmo fora de zonas de catástrofe tradicionais. Equipes de sinistros ganham contexto adicional sobre condições pré-sinistro, enquanto segurados têm mais oportunidades de abordar questões de manutenção antes que problemas relativamente pequenos se tornem sinistros maiores.

Esses não são objetivos novos. As seguradoras sempre quiseram informações melhores. O que mudou é a capacidade de observar a condição da propriedade consistentemente em grandes portfólios em vez de depender apenas de instantâneos capturados meses ou anos antes.

Olhando adiante

Uma das descobertas mais interessantes da análise de telhados não foi simplesmente que telhados envelhecem de maneira diferente em todo o país. Foi que a geografia da exposição climática em si está mudando.

O relatório descobriu que a área de terra dos EUA na faixa de maior intensidade de chuva expandiu de aproximadamente 35.000 milhas quadradas durante 1980 a 1984 para cerca de 300.000 milhas quadradas durante 2020 a 2024, um aumento de aproximadamente 750%. Isso não significa que toda comunidade enfrenta o mesmo nível de risco. Sugere que milhões de propriedades estão agora experimentando condições ambientais que diferem daquelas para as quais foram originalmente construídas para resistir. Isso reforça o valor de parear experiência histórica com uma compreensão atual da condição da propriedade.

O seguro de propriedade sempre foi sobre entender incerteza. Modelos de catástrofe continuarão a desempenhar um papel central nesse trabalho. À medida que a indústria ganha melhor visibilidade da condição da propriedade ao longo do tempo, as seguradoras também têm a oportunidade de tomar decisões mais informadas entre o próximo grande evento climático, não apenas após ele.

O risco climático não começa quando um furacão toca o solo. Em muitos casos, ele começa anos antes, uma estação, uma variação de temperatura e um telhado de cada vez.

As seguradoras que reconhecerem essas mudanças mais cedo estarão melhor posicionadas para precificar risco, fortalecer portfólios e ajudar segurados a abordar vulnerabilidades antes que se tornem sinistros custosos.

Escrito por David Tobias, gerente geral de seguros na Nearmap e cofundador da Betterview, uma plataforma de inteligência de propriedades para seguradoras de P&C que a Nearmap adquiriu em dezembro de 2023.

A IA genérica acaba onde as decisões de seguro começam

A IA genérica consegue resumir e extrair dados, mas é necessária a IA vertical para fornecer o contexto e a governança exigidos por decisões de alto risco.

A IA genérica está atingindo seu limite no setor de seguros. Ela consegue resumir uma submissão, redigir uma resposta ao cliente ou extrair informações de um arquivo de sinistros. O que não consegue fazer de forma independente é tomar as decisões de alto risco que determinam o desempenho dos seguros.

Essas decisões exigem mais do que uma resposta plausível. Elas dependem dos dados da seguradora, de suas regras de precificação e subscrição, apetite ao risco, obrigações regulatórias, posição da carteira e contexto operacional. Sem essa base, a IA pode produzir uma resposta que soa crível, mas não pode ser confiável, explicada ou colocada em prática.

De acordo com a Pesquisa de Impacto de IA de 2026 da Grant Thornton, 44% dos executivos de seguros disseram que desafios de governança ou conformidade fizeram com que projetos de IA falhassem ou tivessem desempenho abaixo do esperado, enquanto 56% identificaram a incerteza regulatória como uma das principais barreiras para escalar a IA.

Isso está levando o setor a adotar IA vertical construída especificamente para seguros. Ao contrário de ferramentas de propósito geral, a IA vertical pode aplicar inteligência dentro do contexto, dos controles e da responsabilidade que as decisões reais de seguros exigem.

O perigo de silos mais rápidos

A maioria das seguradoras já possui grandes volumes de dados, mas raramente uma visão completa no momento em que uma decisão precisa ser tomada. Os dados de apólices podem estar em um sistema, o histórico de sinistros em outro e as interações com clientes em outro lugar. Informações de carteira e sinais externos de risco também podem chegar em ciclos diferentes.

Cada fonte conta parte da história, mas nenhuma necessariamente reflete o contexto de negócios completo.

Quando as seguradoras colocam IA sobre essa visão parcial, podem produzir uma resposta mais rapidamente, sem necessariamente produzir uma decisão melhor. Na tomada de decisões de alto risco, a velocidade não compensa a falta de contexto.

Tradicionalmente, o setor de seguros é organizado em disciplinas separadas, como precificação, subscrição, sinistros, engajamento do cliente e gestão de carteira, embora os resultados dessas funções estejam intimamente conectados. Uma decisão de precificação afeta conversão e retenção. Uma decisão de subscrição altera a qualidade da carteira. Uma experiência de sinistro pode influenciar renovação, valor do cliente e risco futuro.

O negócio compreende essas relações, mas seus sistemas nem sempre as refletem.

O risco é que as seguradoras adicionem IA ao mesmo modelo operacional fragmentado. Precificação, sinistros, subscrição e atendimento podem ganhar ferramentas individualmente, enquanto a organização continua sem uma compreensão compartilhada da decisão que está sendo tomada. Tarefas individuais tornam-se mais rápidas, mas a desconexão subjacente permanece.

Esse é o limite da IA horizontal. Ela pode melhorar uma atividade sem melhorar a decisão empresarial que a envolve.

A IA de seguros deve seguir a decisão

Plataformas de administração de apólices, faturamento, sinistros e CRM continuam essenciais para as operações de seguros. Elas preservam registros, processam transações e fornecem a estabilidade de que as seguradoras dependem. A IA deve fortalecer o trabalho realizado dentro e entre esses sistemas, em vez de tentar substituí-los.

Essas plataformas são altamente eficazes para registrar o que aconteceu. A maior oportunidade está em ajudar as seguradoras a determinar o que deve acontecer a seguir.

Uma decisão de renovação, por exemplo, pode exigir histórico da apólice, sinistros recentes, valor do cliente, concentração da carteira, sinais emergentes de risco, um modelo de precificação, apetite de subscrição e requisitos regulatórios atuais. Nenhuma plataforma única detém todo esse contexto.

Portanto, a arquitetura deve ser centrada na decisão, e não no núcleo. As seguradoras precisam identificar a inteligência, as regras, os fluxos de trabalho e a expertise humana que devem convergir em torno de cada decisão e, em seguida, orquestrar esses elementos entre os sistemas que já utilizam.

IA vertical vai muito além de adicionar terminologia de seguros a um modelo de propósito geral. Ela é projetada em torno de como o trabalho de seguros é realizado, como as decisões são governadas e como suas consequências são gerenciadas.

Uma mudança de tarifa, por exemplo, afeta mais do que o preço apresentado ao cliente. Pode influenciar composição da carteira, retenção, lucratividade, equidade e registros regulatórios. A IA que apoia essa decisão precisa compreender essas conexões.

Trazer o contexto necessário para o fluxo de trabalho pode exigir IA preditiva para risco e precificação, IA generativa para explicação e orientação, e IA agente para execução limitada em múltiplas etapas. O tipo de modelo importa menos do que a capacidade da seguradora de orquestrar a inteligência certa em torno da decisão.

A decisão deve vir em primeiro lugar.

A governança deve acompanhar a ação

O setor de seguros sempre delegou autoridade dentro de limites definidos. Controles ao longo do processo permitem que as seguradoras distribuam a tomada de decisões sem perder a responsabilidade.

A IA agente altera o perfil de risco porque pode tomar ações, em vez de simplesmente fornecer aconselhamento. Quando um sistema de IA pode iniciar ou executar etapas em tempo real, revisar sua atividade depois do fato pode ser tarde demais.

Portanto, a governança deve ser incorporada à própria decisão. Ela deve definir quais dados podem ser usados, quais modelos e regras podem ser aplicados, quando é necessária revisão humana e como todo o caminho da decisão pode ser reconstruído.

Nem todo componente de IA será determinístico, mas o trajeto da entrada até a ação deve ser controlado sempre que a decisão exigir. Inteligência probabilística requer barreiras determinísticas, incluindo permissões definidas, monitoramento, caminhos de escalonamento e a capacidade de uma pessoa intervir.

A direção regulatória já está clara. O boletim modelo da NAIC exige que as seguradoras estabeleçam governança, documentação, testes, validação e supervisão de terceiros para sistemas de IA que apoiam decisões que afetam consumidores. Também reforça que as seguradoras permanecem responsáveis por essas decisões, independentemente da tecnologia usada para apoiá-las.

A supervisão humana deve ser projetada no modelo operacional. Isso não significa pedir que alguém aprove automaticamente cada saída gerada por IA. Significa definir o que pode ser automatizado, o que deve ser revisado, quando é necessário escalonamento e quem carrega, em última instância, a responsabilidade.

Feito corretamente, essa abordagem também dá maior alavancagem a subscritores, atuários e profissionais de sinistros experientes. Sua expertise conquistada com esforço pode se tornar lógica de decisão reutilizável, regras de negócio e caminhos de escalonamento, em vez de permanecer presa a documentos, processos manuais ou ao conhecimento de um pequeno número de indivíduos.

Meça decisões, não implantações

O setor de seguros investiu fortemente em dados, analytics, modelos preditivos, plataformas em nuvem e modernização de sistemas centrais. A lacuna remanescente está entre esses ativos e as decisões que conduzem o negócio.

Uma abordagem vertical permite que as seguradoras avancem com IA sem esperar por uma substituição de núcleo que leve vários anos. Ela pode aproveitar os sistemas, dados e modelos que as seguradoras já confiam e, em seguida, orquestrá-los em torno das decisões que precisam melhorar hoje.

Isso torna os investimentos existentes mais valiosos, ao mesmo tempo que dá ao negócio maior flexibilidade para se adaptar, sem desestabilizar os sistemas que mantêm as operações em funcionamento.

O sucesso, portanto, deve ser medido pela qualidade e impacto empresarial das decisões que estão sendo aprimoradas, e não pelo número de ferramentas de IA implantadas. Isso pode incluir melhor desempenho de precificação, subscrição mais consistente, mudanças de produto mais rápidas, melhores resultados para clientes ou gestão de carteira mais eficaz.

Seguros é um setor de consequências conectadas. IA construída para tarefas isoladas perderá essas conexões, independentemente de quão capaz seja o modelo subjacente.

IA vertical, nativa de seguros, começa com a decisão. Ela reúne contexto de domínio, inteligência preditiva e generativa, regras de negócio, fluxos de trabalho, governança e julgamento humano no ponto em que a ação ocorre.

É assim que as seguradoras podem ir além de casos de uso isolados de IA e transformar a IA em uma capacidade confiável e escalável para as decisões que mais importam.

Escrito por Be’eri Mart, diretor de produto e tecnologia na Earnix.

Seguradoras obtêm impulso entre pequenas empresas com canais digitais e IA, aponta J.D. Power

Segundo o relatório mais recente da J.D. Power, as melhorias nas soluções digitais estão impulsionando a satisfação dos clientes de pequenas empresas com as seguradoras comerciais.

O estudo constatou que a satisfação geral com as seguradoras comerciais aumentou 15 pontos, chegando a 713 em uma escala de 1.000 pontos. A J.D. Power atribui esse aumento, em grande parte, à melhoria dos canais digitais, que permitem aos clientes gerenciar suas apólices com mais facilidade. Entre as categorias avaliadas, os canais digitais registraram o maior avanço na satisfação, com um salto de 29 pontos em relação ao ano passado.

Pesquisas anteriores da J.D. Power mostram que quase metade dos clientes contrata seguros digitalmente, e muitos utilizam aplicativos móveis e portais on-line para gerenciar suas contas, efetuar pagamentos, acessar documentos e concluir solicitações de atendimento. Os consumidores que pesquisaram seguros e utilizaram assistentes virtuais ou chatbots com tecnologia de IA nos sites ou aplicativos das seguradoras relataram uma pontuação média de satisfação de 635 pontos — 132 pontos acima da registrada entre aqueles que não utilizaram essas ferramentas.

“O fato de um número menor de empresas estar enfrentando aumentos de tarifas iniciados pelas seguradoras certamente está contribuindo para melhorar a satisfação dos clientes. No entanto, a verdadeira história aqui é a tendência de uma melhora significativa na satisfação com os canais digitais das seguradoras”, afirmou Stephen Crewdson, diretor-gerente de inteligência global em seguros da J.D. Power, no comunicado à imprensa.

Paralelamente, a adoção da IA está crescendo entre as pequenas empresas. De acordo com uma pesquisa da ERGO NEXT, os proprietários de pequenas empresas valorizam ainda mais o uso de ferramentas de IA para pesquisar preços de seguros do que a confiança que depositam nos corretores: 36% dos entrevistados já utilizaram ferramentas de IA para consultar opções de seguros empresariais, em comparação com 31% que procuraram um corretor. Entre aqueles que utilizaram a IA dessa maneira, 94% afirmam confiar nas informações recebidas da ferramenta de IA.

“As seguradoras investiram pesadamente em ferramentas digitais aprimoradas, que facilitam a interação dos clientes e o gerenciamento de suas apólices a qualquer hora, do dia ou da noite, e esses esforços estão produzindo resultados na forma de níveis mais altos de satisfação geral”, afirmou Crewdson. “A tendência é mais significativa entre as menores pequenas empresas, que agora conseguem acessar um nível de serviço que antes não estava disponível para elas.”

123...102Page 1 of 102