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