A Liberty Mutual atribui à IA um fator-chave por trás do seu aumento de 43% nos lucros. A Manulife espera US$ 717 milhões em valor gerado por IA até 2027 por meio de seu trabalho com a Microsoft. Mas nem toda história de IA é um sucesso. O que essas empresas estão fazendo de certo que outras estão errando?
Na Liberty Mutual, a resposta é tratar a IA como uma integração profunda, em vez de uma série de iniciativas isoladas. A Manulife também está apostando alto e eliminou mais de 400.000 tarefas manuais de triagem e indexação em suas operações de sinistros nos EUA. Mas esses podem ser pontos fora da curva; 77% dos líderes de serviços financeiros dizem que seus investimentos em IA não têm um ROI mensurável, de acordo com uma pesquisa da PwC.
A estratégia de IA embutida da Liberty Mutual impulsiona salto de 43% nos lucros
A Liberty Mutual relatou US$ 2,6 bilhões em lucro líquido para o segundo trimestre de 2026, uma alta de 42,8% em relação ao ano anterior, e US$ 13,3 bilhões em receita, um aumento de 6%, com o ceo Timothy Sweeney atribuindo à IA integrada o papel de um principal direcionador operacional. Em vez de tratar a IA como uma iniciativa isolada, a seguradora a integrou diretamente nos fluxos de trabalho de subscrição, sinistros e atendimento, apoiada por validação de modelos, estruturas de governança e estruturas de responsabilidade humana. A abordagem oferece um modelo para os pares: a IA ampliada sem integração em toda a empresa e sem infraestrutura de governança arrisca entregar resultados abaixo do esperado. As ferramentas da Liberty Mutual incluem um assistente interno de IA generativa e um aplicativo de cotação conversacional voltado ao consumidor lançado em maio de 2026.
Leia mais: Liberty Mutual registra trimestre de US$ 2,6 bilhões
Manulife busca US$ 717 mi em valor com IA até 2027 em parceria com a Microsoft
A expansão de cinco anos da parceria da Manulife com a Microsoft oferece um modelo baseado em dados para a implantação de IA em grande escala em serviços financeiros. A seguradora está disponibilizando o Microsoft 365 Copilot para mais de 30.000 funcionários e implantando o Microsoft Agent 365 para governança corporativa de IA.
Resultados já relatados: desenvolvedores que usam o GitHub Copilot aumentaram a produtividade em aproximadamente 30%, e a IA eliminou mais de 400.000 tarefas manuais de triagem e indexação nas operações de sinistros nos EUA. A Manulife relatou aproximadamente US$ 213 milhões em valor corporativo de IA até o final de 2025 e projeta cerca de US$ 717 milhões até 2027. O lançamento combina programas de adoção com princípios de IA responsável publicados em quatro pilares de governança.
Leia mais: Conheça as 10 maiores seguradoras de vida do mundo
77% dos investimentos em IA carecem de ROI mensurável, aponta PwC
Apesar da ampla adoção de IA, 77% dos líderes de serviços financeiros relatam que seus investimentos em IA não estão entregando um ROI mensurável, de acordo com uma pesquisa da PwC com mais de 1.000 executivos. A desconexão decorre do monitoramento de métricas erradas. Em vez de medir apenas a automação de tarefas, as seguradoras obtêm retornos mais claros ao monitorar prêmios emitidos por subscritor, sinistros processados por regulador, tempos de resposta para cotações e receita por funcionário. A prática de consultoria em seguros da PwC também adverte que automatizar tarefas repetitivas cria valor apenas quando os funcionários são redirecionados para trabalhos de maior valor. As empresas que estabelecem linhas de base de desempenho e definem metas financeiras claras antes da implantação superarão aquelas que adotam IA puramente para acompanhar os concorrentes.
Leia mais: Por que as seguradoras têm dificuldade em medir o ROI da IA?
MMM impulsionado por IA reduz desperdício em publicidade e aumenta prêmios em 30%
As seguradoras que dependem de atribuição baseada no último clique ou em regras estão errando sistematicamente na alocação de orçamentos que podem chegar a centenas de milhões anualmente. Com alguns modelos de atribuição superestimando a contribuição de canais em mais de 40%. O modelo moderno de mix de marketing (MMM), alimentado por regressão bayesiana, pipelines de dados automatizados e IA agêntica, está corrigindo isso. As primeiras implementações de seguradoras relatam ganhos de 10% a 30% em prêmios incrementais com os mesmos orçamentos, quando realocados corretamente. A implantação eficaz exige uma base de dados unificada de gastos por apólice, medição triangulada entre MMM, testes de incrementalidade e atribuição, e governança de modelos construída para resistir ao escrutínio regulatório desde o primeiro dia.
Auditabilidade é fundamental à medida que a IA enfrenta erros em dados imobiliários
As seguradoras estão implantando visão computacional, geração de dados sintéticos e IA baseada em regras para reconciliar dados imobiliários conflitantes: coordenadas divergentes, terminologia inconsistente e valores espaciais derivados que podem distorcer as avaliações de risco. Especialistas recomendam codificar regras de obtenção de dados, como hierarquias de “fonte da verdade” e regras de recência, para garantir que as decisões permaneçam consistentes e transparentes. Dados sintéticos podem preencher lacunas criadas por riscos emergentes e perigos secundários vinculados a eventos climáticos. De forma crítica, os processos usados para produzir e transformar dados imobiliários devem ser totalmente documentados: sem uma trilha de auditabilidade, os usuários finais, sejam humanos ou IA, não podem determinar se um determinado ponto de dados é adequado para a finalidade pretendida.
Perícia em metadados pode ajudar a fechar a lacuna de detecção de fraudes por IA
Com 99% das seguradoras relatando encontros com documentações de sinistros manipuladas ou alteradas por IA e apenas 32% confiantes em sua capacidade de detectar imagens deepfake, de acordo com a Verisk, a pressão para modernizar a detecção de fraudes é urgente. A perícia em metadados, examinando datas de criação de imagens, dados de localização e carimbos de data/hora de modificação de arquivos, oferece uma primeira linha de defesa escalável.
As seguradoras estão construindo sistemas de pontuação repetíveis que sinalizam anomalias automaticamente e acionam revisões manuais ou no local. Aplicativos proprietários que capturam fotos de danos em tempo real embutem metadados verificáveis na fonte. Uma abordagem equilibrada, combinando tecnologia com treinamento de agentes e comunicação com os segurados, evita criar atritos que desaceleram sinistros legítimos.
Leia mais: Fraudes com “funcionários de IA” criam novo ponto cego para seguradoras
94% das pequenas empresas confiam em conselhos de seguros por IA, aponta pesquisa
Os proprietários de pequenas empresas estão chegando às conversas com corretores mais bem informados do que nunca. De acordo com uma pesquisa da ERGO NEXT com 501 proprietários de pequenas empresas nos EUA, 36% usaram ferramentas de IA para pesquisar seguros empresariais, contra 31% que consultam um corretor primeiro. Notavelmente, 94% confiam nas informações geradas por IA que recebem.
Para corretores e seguradoras, a implicação é uma mudança na estratégia de engajamento: liderar com análises complexas de cobertura e construção de relacionamentos, em vez de educação básica. Os dados também sinalizam uma lacuna de proteção persistente, 25% das pequenas empresas não possuem seguro e 64% das que possuem cobertura estão subseguradas, com custo e confusão citados como as principais barreiras.
Organize os dados agora para obter vantagem com IA, diz CEO de insurtech
O CEO da Go Abacus, David Moscatelli, cuja empresa sediada em Chicago captou uma rodada Série A de US$ 5 milhões em novembro de 2025, argumenta que a prioridade mais urgente das seguradoras é a prontidão dos dados, não a adoção da IA em si.
Executivos que centralizarem e organizarem os dados institucionais primeiro estarão posicionados para capitalizar a precisão da IA na precificação de riscos e em previsões atuariais. Moscatelli alerta que a cautela excessiva quanto à adoção de tecnologia é, por si só, um risco material.
As oportunidades de curto prazo incluem vendas cruzadas auxiliadas por IA, segurados de veículos automotores que também possuem casas, barcos ou rvs, e a melhoria da explicabilidade da cobertura para reduzir o atrito no atendimento ao cliente. A Go Abacus implanta infraestrutura de IA local (on-premise) para evitar o envio de dados sensíveis para plataformas de nuvem de terceiros.
Desvio de IA ameaça sinistros e subscrição à medida que a receita atinge US$ 1 tri
Com a receita de IA não monitorada projetada para disparar de US$ 150 bilhões para US$ 1 trilhão até 2028, o desvio de modelo (model drift) representa uma ameaça direta à precisão dos sinistros e à integridade da subscrição. O desvio ocorre quando consultas idênticas geram resultados inconsistentes, uma variação de 2% nas taxas de rejeição de sinistros pode sinalizar um problema que exige revisão imediata.
Para combatê-lo, as seguradoras devem realizar testes A/B para verificar se os agentes de IA estão buscando informações de fontes de dados consistentes, construir “conjuntos de ouro” (golden sets) de casos de subscrição pré-revisados cobrindo casos de borda, variados tipos de risco e demografias, e rastrear versões de resultados para identificar alterações nas entradas. A supervisão humana dos fluxos de trabalho de IA continua sendo essencial em todo o processo.
Leia mais: Como o desvio do modelo de IA vai piorar à medida que as receitas de IA chegam a US$ 1 trilhão
Mantenha os humanos responsáveis à medida que a IA acelera os fluxos de trabalho de seguros
A rápida adoção da IA arrisca deslocar a responsabilidade profissional que as seguradoras devem aos clientes, corretores, reguladores e acionistas. A abordagem mais produtiva: mapear primeiro os pontos de atrito (tarefas repetitivas, lentas ou de baixo julgamento) e depois implantar a IA nesses locais, mantendo as decisões finais com profissionais credenciados. Na Managing Success Insurance (MSI), a IA reduziu o tempo de resposta das cotações de portfólio imobiliário de quatro a cinco dias para menos de um dia, e reduziu a revisão de arquivos de risco residencial de alto padrão de 20 a 30 minutos para poucos minutos, sem remover a aprovação do subscritor. As seguradoras que criam grupos internos de defensores da IA, formados por equipes de linha de frente em vez de comitês executivos, convertem o entusiasmo geral em melhorias operacionais testáveis mais rapidamente.
Incidentes químicos expõem lacunas na cobertura de responsabilidade por poluição
Emergências recentes em usinas químicas em Washington e na Califórnia, incluindo a falha de um tanque que matou 11 pessoas e um incidente de superaquecimento que provocou evacuações em massa, estão motivando um renovado escrutínio sobre a cobertura de responsabilidade por poluição. A maioria das apólices de responsabilidade civil geral contém exclusões totais para poluição, embora muitas empresas expostas a produtos químicos não possuam cobertura autônoma para poluição.
Apólices combinadas de responsabilidade geral e poluição oferecem proteção parcial, mas compartilham limites agregados, deixando os segurados vulneráveis quando surgem grandes sinistros. Uma apólice autônoma para poluição fornece limites dedicados e a proteção mais ampla. Os corretores têm agora uma oportunidade para auditar a cobertura existente dos clientes, identificar lacunas e iniciar conversas sobre tolerância ao risco antes que o próximo incidente ocorra.
