EXCLUSIVO – “A ciência não avança, a ciência alcança… a ciência em si”. Gilberto Gil e Arnaldo Antunes acertaram na mosca. A letra da reflexiva e poética música A ciência em si, que integra o álbum Quanta (1997), de Gil, aborda como a ciência, em sua essência, não é apenas ensinada, mas assimilada e integrada à nossa realidade. A letra gira em torno da ideia de que a ciência não é apenas um conjunto de fórmulas transmitidas, mas algo que apreende-se, isto é, que incorpora-se pela experiência e pelo entendimento profundo. No ano em que lançaram a canção, Gil e Antunes talvez não soubessem que o termo “inteligência artificial” surgira oficialmente em 1956, cunhado pelo cientista da computação John McCarthy e utilizado pela primeira vez durante a Conferência de Dartmouth, um evento histórico realizado nos Estados Unidos, que reuniu os pioneiros da área para discutir a criação de máquinas capazes de simular o raciocínio humano. Mas é fato: a letra de A ciência em si de certa forma antevê o que vivemos nesse exato momento: estamos diante de uma revolução humana a partir do uso da inteligência artificial (IA).

Rascunhos filosóficos à parte, Apólice tenta entender como efetivamente ela vem impactando o mercado de seguros e suas principais variantes. Nas grandes, médias e pequenas seguradoras, a IA deixou de ser projeto-piloto de inovação e virou rotina de backoffice, como aquele sistema legado que todo mundo xinga, mas ninguém vive sem ele. Prova disso está nos estudos recentes que mostram reduções de 30% a 50% no tempo de processamento de sinistros e de atendimento documental. Isso significa menos pilha de processo em cima da mesa e mais decisão saindo no mesmo dia.

Exemplo prático disso é o Agilitá, um projeto lançado em 2022 pela Generali, ou seja, antes do boom de inteligência artificial do mercado, que combina IA, legal analytics, automação robótica (RPA), legal design e ODR (online dispute resolution) em uma plataforma digital integrada. A iniciativa surgiu em meio à desgastante judicialização que cerca o mercado, reconfigurando e otimizando processos judiciais com uma redução inicial de 72% do tempo médio de tramitação das ações. Não significa, entretanto, que a tecnologia tenha convencido o juiz a decidir mais rapidamente. 

Conrado Gordon, Generali Brasil

“Os números reforçam a magnitude da transformação: redução de R$ 86 milhões em reservas, economia de R$ 4,2 milhões em custos com perícias, aumento de 90% na taxa de acordos, mesmo em cenários desfavoráveis, e uma economia projetada superior a R$ 176 milhões em juros e correção monetária pelo encerramento antecipado das ações. A percepção positiva da marca junto aos clientes também avançou de forma relevante. Sob a ótica ESG, o impacto vai além da eficiência financeira. Ao acelerar a resolução de conflitos judiciais, o projeto contribui para a desjudicialização, apoia a eficiência do Poder Judiciário e gera valor social concreto para os segurados”, revela o Chief Insurance Officer da Generali Brasil, Conrado Gordon.

O próximo passo, como revela o executivo, é integrar IA preditiva, generativa e agentes de IA não para simplesmente automatizar processos, mas para transformar operações tradicionalmente burocráticas em estruturas estratégicas, inteligentes e orientadas à experiência do cliente. “O desafio deixa de ser apenas eficiência. Passa a ser a capacidade real de resolver, personalizar e gerar valor percebido pelo consumidor”, destaca Gordon.

Estudo da Confederação Nacional das Seguradoras (CNseg) indica que cerca de 80% delas já utilizam soluções de IA (tanto a tradicional quanto a generativa). A mesma pesquisa mostra que a IA generativa é o grande acelerador recente desses investimentos, com estimativa de R$ 2,3 bilhões em 2025 e R$ 2,6 bilhões em 2026 em iniciativas de IA no setor de seguros no Brasil. 

Mas o roteiro não é só de encantamento. O “xis” da questão (ou alerta, como queiram) é apontado por alguns relatórios cujos dados mostram que mais da metade das seguradoras ainda não consegue medir com precisão o retorno dos projetos de IA, tampouco definir claramente quem manda nesse assunto lá dentro. Em vez de redesenhar o processo, muitas empresas colocam a IA em cima do fluxo antigo, o que significa instalar um motor moderno num bonde, que continua preso ao trilho errado.

Apesar desse contexto, como muitos no setor afirmam categoricamente, a IA já entrega ROI (return on investment ou retorno sobre o investimento) concreto em seguros, principalmente em três frentes: automação de sinistros (extração de dados, triagem e decisão), detecção de fraude e eficiência em operações/atendimento e reporting técnico atuarial.

Jefferson Denti e Rodrigo Tabarez, da Deloitte

Rodrigo Tabarez, sócio-líder da indústria de seguros na Deloitte, e Jefferson Denti, líder do Deloitte AI Institute, explicam que ainda existe uma diferença importante entre o discurso e a realidade prática dentro das seguradoras. De um lado, dizem os dois consultores, há um avanço consistente na adoção de IA, especialmente com o surgimento da IA generativa, que ampliou significativamente o potencial de automação, análise e interação com clientes. De outro, muitas iniciativas ainda permanecem em estágio de piloto, principalmente porque o principal desafio não está mais na tecnologia em si, mas na capacidade das organizações de estruturar dados, adaptar processos e evoluir seu modelo operacional e de “mindset”. “A nossa experiência recente com seguradoras, somada aos estudos globais da Deloitte, mostra que o setor está entrando em uma nova fase: menos foco em experimentação e mais pressão por captura de valor real, com atenção crescente a governança, risco e escalabilidade”, afirma Tabarez.

O consultor complementa: “A inteligência artificial já entrega ganhos relevantes, mas ainda de forma bastante concentrada em casos com maior escala operacional e volume de dados não estruturados. Em resumo, o ROI já é comprovado, principalmente em eficiência operacional e redução de perdas”, embasa.

CTO da Icatu Seguros, Bernardo Carneiro reconhece esse cenário inicial, porém alvissareiro, sobretudo quando a IA atua sobre processos intensivos em dados, volume e repetição. Isso pode aparecer, por exemplo, como explica o executivo, na triagem e análise de documentos em sinistros, na detecção de fraudes, no apoio à subscrição e no atendimento assistido com redução de tempo, custo e retrabalho. “Acredito também que a próxima fronteira esteja nos agentes autônomos: sistemas capazes de executar fluxos mais completos, consultar bases, cruzar informações, acionar etapas e apoiar decisões com mais autonomia. Mas o ponto crucial é que, no nosso setor, essa autonomia da IA precisa vir acompanhada de governança”, prevê.

No Grupo Bradesco Seguros, por exemplo, a IA já é aplicada na identificação automatizada de avarias veiculares permitindo maior agilidade na análise de danos e reduzindo em até 10% o tempo de devolução dos veículos em casos de sinistro. Outro exemplo da seguradora é o uso de speech analytics com inteligência artificial para análise automatizada de 100% das ligações da central de atendimento, permitindo atuação em tempo real em situações críticas e melhoria contínua da experiência do cliente. “Também utilizamos IA em biometria facial para reembolsos em saúde suplementar, fortalecendo a segurança, reduzindo riscos de fraude e trazendo mais transparência ao processo. Além disso, aplicações em subscrição inteligente e análise documental vêm reduzindo etapas operacionais e ampliando a eficiência dos processos internos”, revela o diretor de Inovação, Digital e Dados do Grupo Bradesco Seguros, José Loureiro. 

Na opinião do executivo do Grupo Bradesco, a inteligência artificial já entrega retorno concreto em frentes operacionais estratégicas do setor segurador, especialmente em subscrição, atendimento, prevenção a fraudes e regulação de sinistros. O principal avanço observado, como afirma Loureiro, está na capacidade de reduzir tempo operacional, aumentar a assertividade das análises e melhorar a experiência do cliente. 

Bernardo Carneiro, da Icatu

Bernardo Carneiro aponta três riscos principais da IA Generativa. O primeiro, diz ele, é informacional, já que a IA pode gerar respostas convincentes, mas incorretas, em temas que afetam contratação, cobertura ou orientação ao cliente. Já o segundo é decisório: à medida que esses sistemas passam a apoiar triagem, subscrição e atendimento cresce a exigência de transparência, explicabilidade e revisão humana. E, o terceiro, é de governança, pois o uso de dados pessoais, a dependência de modelos de terceiros e o avanço de agentes mais autônomos tornam rastreabilidade, segurança e responsabilidade questões centrais. “No Brasil, o regulador e todas as entidades estão atentas e em processo de adaptação. Em mercados mais avançados, como a Europa, a supervisão do setor de seguros já discute de forma mais madura temas como viés, explicabilidade, segurança cibernética e supervisão humana. O desafio é construir regras que protejam o consumidor sem engessar aplicações que, quando bem governadas, podem melhorar muito o setor”, analisa.

Para Rodrigo Tabarez, os riscos são claros e estão sendo tratados dentro do arcabouço regulatório brasileiro. Os principais pontos de atenção neste caso são, segundo ele, o viés e discriminação em decisões automatizadas; falta de explicabilidade e de auditabilidade; uso inadequado de dados (LGPD) e possíveis inconsistências em interações automatizadas com clientes. “No Brasil ainda não existe uma regulação específica para IA em seguros, mas de certa forma o uso já está coberto por normas existentes. Por exemplo: a Resolução CNSP 382/2020, que reforça a necessidade de clareza e transparência na relação com o cliente, e a Resolução CNSP 416/2021, que trata diretamente da gestão de riscos e controles internos, incluindo novas tecnologias. Além disso, a Susep vem evoluindo o tema por meio de iniciativas estruturantes, como o sandbox regulatório, permitindo testes controlados, e o open insurance, que cria base de governança e compartilhamento de dados”, atesta Tabarez.

Ouvimos a Superintendência de Seguros Privados (Susep) que, em nota enviada à reportagem, argumenta o seguinte: “O uso mais amplo da IA traz uma série de desafios relacionados à governança, à dependência tecnológica, à explicabilidade dos modelos e à gestão de terceiros. Para seguradoras e corretoras, ganham relevância adicional os riscos associados à proteção de dados pessoais, ao uso responsável de informações sensíveis, à exposição a incidentes cibernéticos, além de riscos legais associados a erros no processo decisório automatizado delegado às IAs. A materialização desses riscos pode gerar impactos tanto em aspectos prudenciais quanto de conduta das supervisionadas, ocasionando eventuais não conformidades regulatórias.”

José Loureiro, da Bradesco Seguros

José Loureiro destaca alguns pontos de atenção importantes que estão relacionados à privacidade de dados, à transparência das decisões automatizadas, aos vieses algorítmicos e à segurança da informação. “No mercado de seguros lidamos com dados extremamente sensíveis. Por isso, o uso de IA exige forte aderência à LGPD [Lei Geral de Proteção de Dados], à governança robusta e aos mecanismos claros de consentimento e de rastreabilidade das informações utilizadas pelos modelos. Outro ponto importante é quando a tecnologia produz respostas fora do contexto ou sem aderência às bases oficiais da companhia. Por isso, trabalhamos com guardrails e delimitações técnicas que garantem que os modelos utilizem apenas fontes autorizadas e confiáveis”, observa Loureiro.

A Susep, em nota, afirma que acompanha o desenvolvimento tecnológico e que vem agindo para adaptar-se a esse novo cenário apresentado pelo rápido avanço da IA: “Nesse sentido, na recente reestruturação da Susep, foi criado, por exemplo, um novo departamento dedicado a ações de SupTech (tecnologia de supervisão), dentro da Diretoria de Supervisão Prudencial (Disup), que tem entre suas principais metas a adoção de modelos e ferramentas de IA no processo de supervisão prudencial. Além disso, em outras diretorias da autarquia, apesar de ainda não haver uma área dedicada diretamente ao tema, já estão sendo desenvolvidos processos de trabalho que levam em conta a SupTech e demais usos de IA.”

Impacto

As áreas do mercado segurador lideram a adoção (sinistros, fraude, pricing…) da IA já colhem frutos. Bernardo Carneiro diz que a adoção mais madura está atualmente em frentes com alto volume de interações e processos, como atendimento, produtividade comercial, backoffice, sinistros e fraude. São áreas em que a IA e a automação já mostram impacto claro em velocidade, escala, redução de retrabalho e qualidade da execução. Em pricing e subscrição, o potencial, frisa Carneiro, é “enorme”, mas a evolução tende a ser mais cuidadosa, porque envolve explicabilidade, governança e decisões sensíveis para o cliente. 

“Na Icatu, temos exemplos concretos dessa aplicação. A AVI, assistente de IA para corretores, apoia a gestão da carteira e torna as interações comerciais mais rápidas e simples. Também somos reconhecidos pelo uso de RPA no backoffice. Nosso centro de excelência governa mais de 72 robôs, que processaram mais de 600 mil transações em 2025, acelerando fluxos e aumentando a consistência operacional. Em sinistros, a digitalização da jornada também reduz fricção e melhora o acompanhamento por clientes, beneficiários e corretores”, salienta Carneiro.

Os impactos mais mensuráveis aparecem principalmente em eficiência operacional e experiência do cliente, lista José Loureiro. Em sinistros, por exemplo, a automação da análise de avarias reduz o tempo de processamento e melhora a produtividade operacional. Loureiro prossegue afirmando que em atendimento, as soluções baseadas em linguagem natural e análise de sentimentos permitem interações mais rápidas, resolutivas e personalizadas. 

Gargalos

Os projetos que conseguem escalar normalmente possuem três pilares muito claros, como explica Loureiro: qualidade de dados, integração com o negócio e mudança cultural. “A IA não pode ser tratada apenas como um experimento tecnológico. Os projetos mais bem-sucedidos são aqueles conectados a dores reais do cliente e da operação, com governança estruturada, objetivos mensuráveis e apoio efetivo da liderança. Outro ponto decisivo é a integração entre tecnologia, processos e pessoas. Escalar IA exige revisão de fluxos operacionais, padronização de dados e capacitação contínua das equipes. O principal desafio ainda está justamente na maturidade dos dados e na integração entre sistemas legados. Muitas organizações ainda possuem bases fragmentadas ou processos pouco estruturados, o que limita o potencial da IA em escala”, pontua Loureiro.

Tabarez, da Deloitte, argumenta que hoje já é possível ver um padrão muito claro no mercado: o desafio deixou de ser tecnológico e passou a ser estrutural e organizacional. Projetos que escalam normalmente têm, segundo ele, dados estruturados e governados; integração com processos de negócio; métricas claras de valor (ligadas ao P&L); arquitetura bem definida, com uso de bases de conhecimento confiáveis; governança e gestão de risco desde o desenho; bases de conhecimento bem estabelecidas (Knowledge base); problema de negócio bem definido e capacidade para repensar o trabalho e seus impactos após o uso da IA. 

Por outro lado, iniciativas que não escalam costumam enfrentar, como os dois consultores argumentam, dados fragmentados; experimentação, ou seja, excesso de pilotos sem industrialização, o chamado “pilot purgatory”; falta de modelo operacional e de governança claro e, por fim, foco na tecnologia e não no problema de negócio e reestruturação do trabalho. “De forma cada vez mais evidente, há um fator crítico adicional, a necessidade de estruturar change management específico para o tema como parte central da adoção, pois requer uma mudança relevante na forma de trabalhar e passa por redefinição de papéis, revisão de processos ponta a ponta, novas dinâmicas de interação entre humano e tecnologia e capacitação contínua das equipes. Logo, capturar valor em escala passa necessariamente por essa transformação de mindset e modelo operacional, não apenas pela adoção da tecnologia”, abrevia o consultor da Deloitte.

Todos veem, todos sabem

Viés e transparência precisam ser tratados desde a concepção dos modelos e não apenas na etapa final, frisa Bernardo Carneiro. Isso, segundo ele, envolve qualidade e representatividade dos dados, critérios claros de uso, monitoramento contínuo e, sobretudo, capacidade de explicar como a tecnologia apoia determinadas decisões. “Em seguros, esse cuidado é essencial porque estamos falando de relações baseadas em confiança. Na Icatu, esse tema conecta-se a uma agenda mais ampla de governança de dados, privacidade e segurança da informação. Em 2025, conquistamos a certificação ISO 27701:2019 nas três linhas de negócio em que atuamos: seguro de vida, previdência e capitalização. A certificação reconhece a adoção de processos e controles robustos de gestão da privacidade, reforçando a transparência no tratamento das informações e a padronização dos nossos sistemas internos de governança”, lembra o executivo.

O combate ao viés começa pela qualidade e diversidade das bases utilizadas nos modelos, avalia José Loureiro. Além disso, como ele complementa, é fundamental que exista supervisão humana, monitoramento contínuo e critérios claros de governança. 

*Entrevista originalmente publicada na Edição #319 da Revista Apólice.

The post Especial Tecnologia: é possível sem ela? appeared first on Revista Apólice.

Posts Relacionados