As catástrofes naturais causaram mais de US$ 137 bilhões em perdas seguradas globalmente em 2024, de acordo com estimativas da Swiss Re, com os furacões Helene e Milton, tempestades convectivas severas nos Estados Unidos e inundações destrutivas sendo responsáveis pela maior parte das perdas.

Somesh Mukherje, vice-presidente de arquitetura de soluções do ACORD Solutions Group, explica, em entrevista à Digital Insurance, como a IA é usada em todo o processo de sinistros relacionados ao clima.

Mukherje é responsável pelo desenvolvimento de soluções habilitadas para IA que visam alguns dos desafios mais complexos que a comunidade ACORD e o setor global de resseguros enfrentam diariamente ao atender seus clientes.

Como a IA está sendo usada em processos de perdas e sinistros relacionados ao clima e quais tipos de tecnologias de IA são mais comumente empregadas?

O setor de seguros agora é capaz de aproveitar a tecnologia e os recursos possibilitados pela IA para melhorar a eficiência do processo de subscrição e agilizar efetivamente o gerenciamento de sinistros. Conjuntos de ferramentas que empregam modelos de IA multimodais e com reconhecimento visual estão sendo amplamente utilizados para analisar imagens disponíveis para realizar avaliações automatizadas durante a subscrição, bem como para analisar automaticamente os danos durante o processamento de sinistros — sem a intervenção humana, em vários casos.

À medida que mais dispositivos, como veículos, máquinas, ferramentas e eletrodomésticos, ou sensores embutidos neles, ficam online e são capazes de extrair e transmitir dados da borda, as seguradoras agora têm a oportunidade de usar a IA para análise automatizada e obtenção de insights offline, quase em tempo real — ou, às vezes, em tempo real — para analisar melhor os perfis de risco dos consumidores, oferecer planos de prêmios com incentivos e, o mais importante, prever com eficácia um incidente iminente ou responder proativamente antes que um incidente ocorra.

Existem soluções nativas de IA que aproveitam modelos avançados de processamento de linguagem natural (NLP) e grandes modelos de linguagem (LLM) para auxiliar os subscritores, acelerando a análise de anos de histórico de perdas e páginas de informações complementares; isso ajuda a obter insights significativos e precisos e a tomar decisões críticas de subscrição em minutos.

Como as seguradoras estão treinando esses modelos de IA?

Dados históricos reais (relacionados a sinistros, apólices e histórico de perdas), fontes de dados de terceiros (GPS ou satélite, algumas disponíveis publicamente), bem como conjuntos de dados sintetizados para casos de uso em que há escassez de dados reais, todos contribuem para os corpora de treinamento que estão sendo aproveitados para treinar ou ajustar os modelos de IA. As técnicas aplicadas para treinar ou ajustar os modelos dependem da arquitetura subjacente do modelo de aprendizado de máquina.

A IA melhorou a precisão e a velocidade dos sinistros? A satisfação do cliente?

Com as proteções certas e estratégias humanas, a IA pode ajudar a melhorar a precisão e a velocidade do tratamento de sinistros. As ferramentas habilitadas para IA podem automatizar a avaliação de riscos e danos incorridos com maior precisão, bem como prever ou responder proativamente a incidentes, em alguns casos em tempo real! Isso permite ofertas de prêmios incentivadas, tomada de decisão mais rápida no momento da subscrição e triagem acelerada dos sinistros registrados. Isso, por sua vez, tem um impacto direto e positivo na satisfação do cliente.

Quais são os desafios ou limitações na aplicação da IA a sinistros de seguros relacionados ao clima?

Como acontece com qualquer capacidade tecnológica em rápida evolução, há áreas de preocupação que exigem considerações de projeto diligentes ao implementar ou incorporar recursos de IA, incluindo a aplicação de protocolos human-in-the-loop.

O setor tem visto um rápido amadurecimento na relação preço-desempenho e na disponibilidade de proteções de segurança de nível empresarial para proteger a privacidade e a integridade dos dados usados no treinamento ou compartilhados para análise ou previsões por meio de ferramentas de IA de terceiros e modelos hospedados. No entanto, ainda existem desafios e preocupações regulatórias em torno da explicabilidade da inferência do modelo de IA. Fatores como a qualidade ou escassez de dados de treinamento e ajuste podem prejudicar a explicabilidade das inferências de um modelo de IA; muitos modelos de IA, especialmente aqueles baseados em aprendizado profundo de redes neurais, como LLMs, são inerentemente caixas pretas.

Ferramentas como o ACORD Transcriber ajudam a mitigar essa questão, permitindo modelos substitutos treinados internamente no domínio dos seguros, quando apropriado, fornecendo um contexto conciso e personalizado para restringir alucinações e aplicando avaliações sistemáticas para gerar pontuações de confiança do modelo para cada insight ou inferência gerada pelo modelo. Essas pontuações de confiança podem ser usadas pelos subscritores ou agentes de processamento de sinistros para sinalizar certos resultados produzidos pela IA para revisão humana. A intenção deve ser automatizar ou implementar o processamento de passagem sempre que possível e verificar conforme necessário.

Como as regulamentações estão moldando o uso da IA em sinistros?

A integração da IA no processamento de sinistros está sendo significativamente moldada por estruturas regulatórias em evolução, com a Lei de IA da União Europeia (UE) servindo como um precedente global fundamental. Essa legislação abrangente emprega uma abordagem baseada em risco, classificando os sistemas de IA em categorias: risco inaceitável, alto, limitado e mínimo. O rigor das obrigações regulatórias está diretamente relacionado ao nível de risco atribuído, com o objetivo de garantir a segurança da IA, promover a transparência e fomentar a inovação confiável em IA.

A influência da Lei de IA da UE se estende além de sua jurisdição direta, impactando o desenvolvimento e a implantação de ferramentas de IA globalmente, à medida que outros órgãos regulatórios consideram estruturas semelhantes. Notavelmente, os sistemas de IA que facilitam a tomada de decisões automatizadas em áreas críticas, como subscrição de seguros e administração de sinistros, são categorizados na faixa de risco mais alta da Lei de IA da UE. Essa classificação exige a adesão a especificações técnicas rigorosas. Os principais requisitos para essas aplicações de IA de alto risco em sinistros incluem:

• Explicabilidade: a capacidade de fornecer justificativas claras e compreensíveis para decisões baseadas em IA.
• Mitigação de vieses: medidas proativas para identificar e eliminar vieses tanto em conjuntos de dados de treinamento quanto em previsões de modelos, a fim de garantir resultados justos e equitativos.
• Registro detalhado: manutenção abrangente dos registros da aplicação para registrar as inferências do modelo, permitindo auditoria e responsabilização.

Esses requisitos regulatórios estão remodelando fundamentalmente a forma como as ferramentas de IA são projetadas, desenvolvidas e integradas às operações de subscrição ou sinistros.