A inteligência artificial (IA) está reduzindo riscos que o mercado já modela, precifica e provisiona, e criando riscos que não passam por nenhuma dessas etapas. Esse desequilíbrio pesa mais do que qualquer resultado contábil.
Perdas cibernéticas, fraude em sinistros, exposição a catástrofes e falsos positivos em prevenção à lavagem de dinheiro têm histórico de perdas por trás. Discriminação algorítmica, deriva de modelos, aconselhamento alucinado e falhas correlacionadas de modelos de fundação não têm.
Esse desequilíbrio explica por que o comportamento do setor parece contraditório. As seguradoras implantam IA de forma agressiva em suas próprias operações e, na mesma velocidade, a excluem das apólices dos clientes. As duas atitudes são racionais; apenas pertencem a livros-razão diferentes.
O que a IA cria
São três novas exposições, sem que exista um marco de controle desenhado para sustentá-las.
A primeira é o risco de modelo migrando para decisões reguladas. Cerca de duas dúzias de estados americanos e o Distrito de Colúmbia adotaram o boletim-modelo de IA da NAIC, associação dos reguladores de seguros dos EUA, que exige programa escrito de IA, responsabilização no nível do conselho e testes de discriminação. A Circular nº 7 de Nova York vai além: cita métricas de equidade e exige explicação por escrito das decisões adversas em até 15 dias. O Colorado estendeu sua regulação de governança de IA aos seguros de automóvel e saúde, e nove estados já restringem o uso de IA em autorização prévia e análise de sinistros. Nos processos que se seguem, como Huskey v. State Farm e as ações coletivas sobre o NH Predict contra a UnitedHealth, os tribunais não mostraram disposição de tratar o algoritmo como proteção. É um risco de modelo com consequências negativas duradouras e uma camada de direitos civis que a gestão tradicional de risco de modelo nunca precisou precificar.
A segunda é o risco de IA de terceiros, que é risco de concentração com roupa nova. O Swiss Re Institute alertou em janeiro que "a concentração entre provedores de nuvem e de serviços de IA gera preocupações de acúmulo e de risco sistêmico"; o Relatório de Estabilidade Financeira do Bank of England, de julho, modelou a interrupção correlacionada por meio de provedores compartilhados. A Gallagher Re fez a ponte com o seguro: ao contrário de uma tempestade de vento, uma falha de IA se espalha pelo uso compartilhado de um modelo amplamente adotado, produzindo perdas simultâneas em setores e jurisdições. Isso é agregação, e é por meio da agregação que as seguradoras se machucam.
A terceira é a exposição silenciosa dentro de apólices emitidas antes de tudo isso. A pesquisa de benchmarking de 2026 da Gallagher constatou que um em cada cinco profissionais de seguros relata perda ou sinistro de cliente ligado a risco de IA, e só 51% deles estavam totalmente cobertos. O mercado fecha essa lacuna por subtração. Os três endossos de exclusão para IA generativa da ISO (CG 40 47, CG 40 48 e CG 35 08) entraram em vigor em 1º de janeiro, e Berkshire Hathaway, Chubb, Travelers e W.R. Berkley já registraram exclusões. Existe capacidade afirmativa, com Armilla, Chaucer, Mosaic e o aiSure da Munich Re, mas ela chega a algo entre US$ 25 milhões e US$ 50 milhões por segurado. A Anthropic fechou acordo em um único caso de direitos autorais por US$ 1,5 bilhão e pagou com recursos do próprio balanço. Essa é a lacuna de proteção em uma linha.
O que a IA elimina
O argumento da mitigação é mais forte onde os dados de perda são melhores. O estudo Cost of a Data Breach 2026, da IBM, com 602 organizações que sofreram violações, constatou que empresas que usam IA e automação de segurança de forma extensiva reduziram o custo das violações em quase US$ 2 milhões e contiveram os incidentes 65 dias mais rápido do que as que não usam nenhuma. O HSBC afirma que seu monitoramento de transações com IA identifica de duas a quatro vezes mais crimes financeiros do que o sistema baseado em regras que substituiu, com 60% menos falsos positivos, um raro resultado de compliance em que precisão e eficiência avançaram juntas.
Em sinistros, a Allianz Partners reduziu o ciclo de sinistros de viagem de 19 para quatro dias, e a Intact Financial divulgou mais de C$ 150 milhões em benefícios anuais recorrentes de IA. Em risco de catástrofes, os ganhos são revisados por pares, não autodeclarados: o modelo de ciclones do Google DeepMind, publicado na Nature em agosto, entrega previsões de trajetória de três dias tão precisas quanto as de dois dias que as precederam, um dia extra de aviso para toda carteira de imóveis no litoral.
O problema da medição
Os gestores de risco perceberam a mudança. No Allianz Risk Barometer de janeiro, a IA entrou pela primeira vez no top três global, na 2ª posição, depois de ocupar a 10ª, a maior alta anual já registrada pela pesquisa. Mas registrar um risco e precificá-lo são coisas diferentes.
A medição agrava o desequilíbrio. O AI Index 2026 da Evident encontrou apenas 65 casos de uso de IA publicamente documentados, com resultados divulgados, entre as 30 maiores seguradoras da América do Norte e da Europa: ganhos de produtividade de 75% e aumento de receita de 2%. A FactSet analisou sete seguradoras que falaram de IA nas teleconferências de resultados do segundo trimestre; nenhuma divulgou um valor em dólares ou em pontos-base que ligasse o investimento em IA aos resultados. Os dados da própria IBM trazem uma ressalva: mesmo com a IA de segurança gerando economia, o tempo médio para conter uma violação subiu para 247 dias, revertendo cinco anos de melhora, e uma em cada quatro violações maliciosas já é habilitada por IA. A IA está armando os dois lados.
Isso não é um argumento contra a adoção, e sim a favor de tratar a IA como o mercado acabou tratando o risco cibernético. O precedente está registrado: o Market Bulletin Y5258 do Lloyd’s obrigou os subscritores, em julho de 2019, a declarar de forma afirmativa se o risco cibernético estava incluído ou excluído. Ainda não existe mandato equivalente para a IA e, até que exista, as exclusões continuarão chegando mais rápido do que a cobertura.
Essa correção pode vir. Se não vier, se a exposição se mostrar correlacionada demais para ser domada pelo histórico de perdas, a conversa vai para um lugar onde o setor já esteve. O risco nuclear ganhou o Price-Anderson, o terrorismo ganhou o TRIA e as enchentes ganharam o NFIP, todos programas com respaldo federal criados depois que o mercado julgou o risco real, mas não suportável de forma privada. Uma proposta aplicaria essa lógica à IA de fronteira: um fundo federal de indenização obrigatório, com preço baseado em risco e prazo de validade. A objeção mais afiada é que ela resolve o problema errado. Ian Adams argumenta que o gargalo não é capital, mas incerteza jurídica: ninguém sabe pelo que os tribunais responsabilizarão desenvolvedores e usuários de IA, e obrigar a cobertura sobre um dever de cuidado indefinido subsidia essa incerteza em vez de resolvê-la. Seu remédio são deveres legais mais claros e salvaguardas (safe harbors). As seguradoras conseguem precificar uma perda quando sabem o que ela é.
Para os gestores de risco, o trabalho é pouco glamoroso: um inventário de todos os pontos em que a IA toca uma decisão contestável, uma leitura atenta da linguagem sobre IA em cada renovação de D&O, E&O, cyber e responsabilidade civil geral, e contratos com fornecedores escritos partindo do pressuposto de que o modelo vai falhar. A conversa sobre cobertura já começou sem eles.
Escrito por Ron Shriberg, parceiro de clientes na NewRocket.
Com informações de Insurance Thought Leadership.
