Escrito por Martin P.D. Henley*

Tornar a IA utilizável para as empresas requer uma atividade crítica conhecida como anotação (do inglês, Annotation) — o processo de rotular dados para treinar modelos de IA. As soluções de IA generativa de código aberto e os modelos básicos que foram pré-treinados em conjuntos de dados gerais rotulados, como a Internet, oferecem uma boa vantagem inicial, mas esses modelos gerais de IA devem ser ajustados para aplicações específicas do setor. É nesse ponto que a anotação de especialistas do setor se torna vital para garantir que os modelos de IA sejam confiáveis e consistentes e atinjam um alto nível de precisão. As soluções de IA generativa também exigem um esforço inicial de engenharia imediata para permitir que os dados corretos sejam extraídos dos modelos.

Em 1848, durante a corrida do ouro na Califórnia, enquanto muitas pessoas se concentravam na mineração de ouro, outras reconheceram que fornecer ferramentas e equipamentos essenciais para os garimpeiros era igualmente importante. Esses indivíduos empreendedores ficaram conhecidos como fornecedores de “picaretas e pás” e foram vitais para os garimpeiros em sua busca por ouro.

Digitalização da experiência com seguros

Avançando para 2023, à medida que a inteligência artificial (IA) chama a atenção do público, executivos e diretorias de todos os setores estão priorizando os investimentos em IA e promovendo uma “corrida do ouro” no espaço da IA. De fato, de acordo com uma pesquisa recente da Accenture, 40% de todas as horas de trabalho poderiam ser afetadas pela IA e transformadas em atividades mais produtivas por meio de aumento e automação.

Devido à importância da anotação de dados e do treinamento de modelos para concretizar a promessa da IA, eles próprios se tornaram um grande negócio. Assim como os fornecedores de picaretas e pás apoiaram a busca por ouro em 1848, empresas como a Scale AI se tornaram a espinha dorsal do desenvolvimento da IA, oferecendo serviços de anotação essenciais usados para treinar os modelos de IA da Open AI, da Microsoft e de outras empresas.

Então, o que tudo isso significa para o setor de seguros? Bem, de acordo com a pesquisa, o setor de seguros será o segundo mais afetado na era da IA, com uma estimativa de 62% de todas as horas de trabalho afetadas.

Para as seguradoras, especialmente as comerciais, a chave para desbloquear essa oportunidade transformadora é a capacidade de extrair e estruturar dados de comunicações não estruturadas, documentos e outros tipos de conteúdo digital, de forma precisa, confiável e econômica. A extração de dados é a base sobre a qual o setor criará novos modelos de negócios baseados em IA e é o desenvolvimento mais impactante na digitalização do seguro nas últimas duas décadas.

Talvez não seja surpresa, portanto, que as seguradoras de todo o mundo estejam investindo pesadamente na ingestão automatizada de dados, transformando os envios de subscrição de corretores e as comunicações de sinistros em registros de dados estruturados que podem ser usados em seus sistemas.

Entretanto, criar modelos de IA que possam ingerir com precisão, por exemplo, envios complexos de subscrição comercial, não é uma tarefa simples. Uma operadora global pode ter centenas de variações de produtos, em vários idiomas, cada uma exigindo dezenas ou centenas de itens de dados para permitir decisões de preços, subscrição e sinistros — todos os quais precisam ser extraídos de envios em que os dados são totalmente desestruturados e em potencialmente milhões de formatos.

Desafios da interpretação de dados

Ler e interpretar esses dados são tarefas muito especializadas, que exigem conhecimento e experiência no setor e utilizam recursos altamente qualificados. Anotar conjuntos de dados de seguros para criar modelos de IA que possam replicar isso com precisão é um trabalho igualmente especializado e altamente trabalhoso, com uma variedade quase infinita de entidades de dados em uma vasta gama de fontes a serem rotuladas.

Isso é o que está se tornando conhecido como o “poço sem fundo do treinamento em IA” e muitos no setor de seguros caíram nesse buraco sem perceber. Isso está custando às operadoras, aos corretores e aos MGAs que estão dedicando tempo a esse tópico um múltiplo impressionante de 10 a 50 vezes em termos de custo e tempo do investimento inicial.

As seguradoras geralmente subestimam a complexidade do desenvolvimento de modelos de IA, seja construindo-os internamente ou usando plataformas de processamento inteligente de documentos (IDP) que simplificam o processo, mas ainda exigem que as seguradoras construam e testem seus modelos. A criação desses modelos de extração pode custar de dezenas a centenas de milhões de dólares e se estender por vários anos, levando a muitos projetos abandonados. O problema é exacerbado por fornecedores que fazem falsas alegações de que podem fornecer soluções “prontas para uso” altamente precisas, geralmente aproveitando modelos LLM básicos em projetos-piloto que não são adequados para uso em um ambiente de produção em escala, extraindo dados de seguros regulamentados de forma confiável, consistente e precisa. Eles podem fornecer uma ilusão de precisão em uma simples prova de conceito, mas não são capazes de fornecer em escala.

Então, como evitar cair no “poço sem fundo”? Projete seu processo de seleção para testar a capacidade real dos fornecedores de extrair e mapear com precisão qualquer entidade de dados de qualquer fonte, para qualquer classe. A resposta geralmente pode ser encontrada na disposição (ou não) do fornecedor de se comprometer comercialmente com o desempenho de seu modelo.

A boa notícia é que a tecnologia amadureceu e um ou dois fornecedores desenvolveram com sucesso soluções altamente precisas e dimensionáveis. As seguradoras que seguem a abordagem correta e selecionam o parceiro certo para evitar os custos ocultos de implementação de IA de 10 a 50 vezes e os atrasos na execução, agora podem digitalizar dados não estruturados em envios de UW e sinistros em nível global e empresarial em poucos meses, com custos de implementação muito baixos.

Com o fornecedor certo de picaretas e pás, as seguradoras podem agora encontrar ouro.

*Martin P.D. Henley é CEO da mea

Por Michael Bruch*

Os números são surpreendentes. O ChatGPT acumulou 100 milhões de usuários em seus primeiros dois meses, mas esse recorde foi quebrado alguns meses depois pelo rival Threads, com 100 milhões de usuários em apenas cinco dias.

O TikTok levou cerca de nove meses para atingir esse número de usuários e o Instagram dois anos e meio, mas a aceitação do ChatGPT após seu lançamento em novembro de 2022 foi sem precedentes. A velocidade de sua adoção provocou uma onda de especulações na mídia e no mundo dos negócios sobre o potencial disruptivo dessa tecnologia.

Com a digitalização aumentando rapidamente em muitas áreas da vida, a quantidade de dados que pode ser aproveitada está se proliferando. Como um setor orientado por dados, o setor de seguros não é novo na inteligência artificial (IA) ou no uso da análise de dados em toda a sua cadeia de valor para melhorar produtos, interações, prevenção, sinistros e processos. De acordo com vários estudos, o setor está entre aqueles com o maior potencial de valor da IA.

As estimativas apontam que o potencial de mercado da IA generativa (GenAI) atingirá US$ 15 bilhões até 2025 e US$ 32 bilhões até 2027 somente nos setores de seguros e finanças. A McKinsey prevê que as tecnologias de IA podem agregar até US$ 1,1 trilhão em valor anual potencial para o setor global de seguros.

IA versus GenAI — qual é a diferença?

Em termos simples, há dois tipos de aplicação de IA. O primeiro usa a capacidade da IA de identificar padrões nos dados e tirar conclusões ou fazer previsões a partir deles. O segundo, GenAI, usa modelos de linguagem de grande porte (LLMs) treinados em vastos conjuntos de dados existentes para gerar novos conteúdos que imitam a criatividade humana, sejam imagens, textos, codificação, música, arte ou simulações interativas.

A IA permite que as seguradoras aprimorem sua proposta de valor ao prever melhor e, portanto, prevenir riscos. A IA depende de dados de boa qualidade. Estamos constantemente evoluindo e expandindo nossa qualidade de dados em toda a empresa na Allianz — não apenas na Allianz Commercial, mas em todas as entidades da Allianz — para treinar os modelos que usamos. Isso pode nos ajudar a avaliar e modelar eventos climáticos extremos, por exemplo, coletando dados sobre riscos secundários, como enchentes. Ou, ao melhorar constantemente a granularidade de nossos dados de localização, podemos ajudar os clientes corporativos a identificar melhor as exposições ao risco climático.

A IA pode assumir o papel de “solucionador de problemas legais”. Ao nos permitir adotar uma abordagem mais preditiva, preventiva e proativa, a IA pode mudar nossa perspectiva de olhar para trás no espelho retrovisor e pagar sinistros, para evoluir para uma organização com uma visão mais nítida do caminho a seguir, apoiando os clientes na prevenção e mitigação de riscos e evitando perdas. O poder dos insights gerados pela IA pode ajudar as empresas e as sociedades a se tornarem mais resilientes.

À medida que mais dados e inteligência de risco se tornam disponíveis, especialmente para exposições climáticas ou cibernéticas, a IA pode permitir que as seguradoras ofereçam cobertura para riscos e tecnologias emergentes que ainda não são seguráveis atualmente, incluindo soluções paramétricas.

Impactos na cadeia de valor do seguro

O potencial da GenAI em toda a cadeia de valor de seguros é uma perspectiva empolgante. O ChatGPT da Open AI foi o primeiro a chegar às manchetes, mas agora ele foi acompanhado pelo Co-Pilot da Microsoft e pelo Bard do Google como as ferramentas mais importantes do mercado.

Uma gama mais ampla de dados de risco permitirá que os subscritores ofereçam soluções de seguro mais direcionadas e personalizadas e preços mais inteligentes. A GenAI também automatizará as tarefas de subscrição, incluindo a extração de dados e a comparação de formulações.

Conjuntos de dados maiores também proporcionarão mais espaço para a GenAI detectar anomalias ou padrões incomuns de comportamento que possam indicar fraude. Os gatilhos de perdas podem ser identificados e os futuros sinistros podem ser mais bem previstos, inclusive os picos de sinistros. A capacidade da GenAI de analisar imagens e vídeos pode ser outra ferramenta útil no processo de sinistros.

Riscos e desafios

Embora sejam o foco de muita empolgação, as soluções de GenAI estão nos estágios iniciais de desenvolvimento, com riscos e limitações que as seguradoras devem abordar antes que as tecnologias possam ser implementadas com segurança.

Quando se trata de afetar o emprego no setor de seguros, vemos o impacto da IA como uma evolução e não como uma revolução, criando novos empregos e mudando os perfis dos empregos existentes gradualmente ao longo de vários anos. A IA não substitui a inteligência emocional humana, que é tão importante no local de trabalho. Vemos novas funções sendo criadas para profissionais que podem desenvolver, implementar e gerenciar sistemas de IA e evoluir os existentes. A IA afetará amplamente os perfis de trabalho como uma tecnologia complementar e de apoio, proporcionando grandes oportunidades de aprimoramento digital.

Juntamente com as oportunidades oferecidas pela GenAI, há riscos significativos, como proteção de dados, confidencialidade, preocupações éticas e exposições de responsabilidade. As soluções de IA e GenAI são tão eficazes quanto os dados em que são treinadas, e os dados históricos podem refletir desigualdades que a GenAI poderia perpetuar ao criar conteúdo tendencioso, possivelmente levando à discriminação.

A GenAI também pode criar informações de aparência convincente que são factualmente incorretas, um processo chamado de alucinações. Isso já está sendo usado por criminosos cibernéticos para cometer novos tipos de fraude, e-mails de phishing ou gerar deep fakes — vídeos fraudulentos alterados digitalmente usando imagens de pessoas reais.

A IA tem sido um tópico estratégico importante na Allianz há vários anos, e novas tendências são continuamente monitoradas e exploradas pela equipe global de cientistas de dados e especialistas em IA da empresa. Os dados são um elemento central do negócio. A tecnologia e a análise de dados estão cada vez mais no centro do que as seguradoras fazem.

Como a IA está acelerando os ataques cibernéticos

Os agentes de ameaças já estão usando modelos de linguagem baseados em IA, como o ChatGPT, para escrever códigos. A GenAI pode ajudar os agentes de ameaças menos proficientes tecnicamente a escrever seu próprio código ou a criar novas linhagens e variações de ransomware existente, aumentando potencialmente o número de ataques que eles podem executar.

Podemos esperar uma maior utilização da IA por agentes mal-intencionados no futuro, exigindo medidas de segurança cibernética ainda mais fortes.

A IA pode ser usada para realizar ataques mais automatizados, bem como desenvolver novas técnicas para roubar ou envenenar dados. Quando você pensa no potencial de combinar a IA com a proliferação da Internet das Coisas (IoT) e a velocidade do 5G, por exemplo, podemos ter sérios problemas no horizonte.

O software de simulação de voz foi uma adição recente ao arsenal dos criminosos cibernéticos. Em 2019, o CEO de um provedor de energia britânico transferiu 220.000 euros (US$ 240.670) para um golpista depois de receber uma ligação do que parecia ser o chefe da empresa controladora da unidade, pedindo que ele transferisse dinheiro para um fornecedor. A voz foi gerada usando IA. Em agosto de 2023, os pesquisadores documentaram casos de tecnologia de vídeo deepfake projetada e vendida para golpes de phishing. A taxa de venda? Apenas 250 euros (US$ 273) por um vídeo completo.

Mas nem tudo são más notícias. A IA ajudará os agentes de ameaças, mas também é uma ferramenta poderosa para a detecção. Nossa empresa tem uma parceria com o provedor de seguros cibernéticos Coalition para oferecer aos clientes cobertura cibernética com ferramentas de segurança baseadas em IA que os ajudam a detectar, prevenir e responder a riscos cibernéticos. É possível que vejamos mais incidentes cibernéticos habilitados por IA no futuro, mas o investimento em detecção apoiado por IA também deve detectar mais incidentes com antecedência.

Michael Bruch é diretor global de serviços de consultoria de risco da Allianz Commercial