O uso de intelig\u00eancia artificial avan\u00e7a rapidamente no setor de seguros brasileiro, influenciando precifica\u00e7\u00e3o, triagem de sinistros e detec\u00e7\u00e3o de fraudes. O tema deixa de ser apenas uma aposta de inova\u00e7\u00e3o e ganha espa\u00e7o em opera\u00e7\u00f5es estrat\u00e9gicas. Ainda assim, barreiras regulat\u00f3rias e de governan\u00e7a dificultam decis\u00f5es cr\u00edticas.<\/p>\n
Especialistas apontam que a efici\u00eancia j\u00e1 \u00e9 mensur\u00e1vel: modelos avan\u00e7ados elevam margens de perda, aumentam pr\u00eamios de novos neg\u00f3cios e melhoram a reten\u00e7\u00e3o em segmentos rent\u00e1veis. Em alguns casos, o tempo de emiss\u00e3o de ap\u00f3lices caiu pela metade e quase todas as propostas passaram a ser processadas automaticamente.<\/p>\n
Jonatas F\u00e9lix, cofundador e CTO da Abaccus, afirma que os seguros j\u00e1 utilizam IA para precifica\u00e7\u00e3o, triagem e detec\u00e7\u00e3o de fraudes. No entanto, decis\u00f5es de subscri\u00e7\u00e3o de riscos complexos e sinistros de alto valor seguem dependentes do julgamento humano, com o erro potencial ganhando dimens\u00e3o regulat\u00f3ria.<\/p>\n
Empresas que adotaram an\u00e1lises avan\u00e7adas j\u00e1 observam resultados significativos. Dados de mercado indicam melhoria em margens de perda, impulsos de pr\u00eamios e aumento de reten\u00e7\u00e3o em \u00e1reas lucrativas. A automa\u00e7\u00e3o, quando bem aplicada, reduz tempo de emiss\u00e3o e aumenta a capacidade de processamento.<\/p>\n
Entretanto, a governan\u00e7a se destaca como ponto cr\u00edtico. A explicabilidade, rastreabilidade e auditoria de decis\u00f5es algor\u00edtmicas permanecem preocupa\u00e7\u00f5es centrais para reguladores e institui\u00e7\u00f5es. A falta de caminho audit\u00e1vel em modelos complexos \u00e9 apontada como principal entrave.<\/p>\n
Faltas de rastreabilidade decis\u00f3ria, dados dispersos em sistemas legados e a aus\u00eancia de atribui\u00e7\u00e3o clara de responsabilidade quando a IA erra aparecem como bloqueios reais. Em opera\u00e7\u00f5es de clientes, o uso de planilhas para regras cr\u00edticas e a aus\u00eancia de trilhas de auditoria em decis\u00f5es automatizadas s\u00e3o observados com frequ\u00eancia.<\/p>\n
Especialistas defendem tr\u00eas camadas tecnol\u00f3gicas para estruturar a decis\u00e3o: um motor de regras de neg\u00f3cio que torne a l\u00f3gica leg\u00edvel, um sistema de versionamento para registrar a regra aplicada, e uma camada de explicabilidade que traduza o output para reguladores e segurados. Sem isso, automatizar n\u00e3o \u00e9 equivalente a auditar.<\/p>\n
A LGPD assegura o direito de revis\u00e3o de decis\u00f5es automatizadas, exigindo documenta\u00e7\u00e3o de modelos. Embora n\u00e3o haja regulamenta\u00e7\u00e3o espec\u00edfica sobre IA na Susep, h\u00e1 monitoramento do movimento global, especialmente o AI Act da Europa, que classifica underwriting e sinistros como sistemas de alto risco, exigindo explicabilidade e supervis\u00e3o humana.<\/p>\n
Quem se preparar para auditabilidade e explicabilidade ter\u00e1 vantagem quando normas mais rigorosas forem implementadas. O mercado alerta que a prepara\u00e7\u00e3o n\u00e3o pode esperar; mudan\u00e7as de arquitetura devem ocorrer com sistemas em produ\u00e7\u00e3o. Algumas insuretechs e grupos globais j\u00e1 adotam essa mentalidade.<\/p>\n
Jonatas F\u00e9lix \u00e9 cofundador e CTO da Abaccus, empresa brasileira de gest\u00e3o de regras de neg\u00f3cio e c\u00e1lculos para seguradoras. Informa\u00e7\u00f5es adicionais podem ser obtidas por meio de canais institucionais da Abaccus.<\/p>\n","protected":false},"excerpt":{"rendered":"