Os executivos do setor de seguros estão divididos sobre se a inteligência artificial generativa (Gen AI) apresenta mais riscos ou oportunidades, de acordo com uma nova pesquisa da IBM.
O estudo, conduzido pelo Institute for Business Value da IBM, pesquisou 1.000 executivos globais de seguros e bancassurance e 4.700 clientes segurados.
A Gen AI, um subconjunto de inteligência artificial capaz de criar novos conteúdos com base em padrões nos dados existentes, está ganhando força rapidamente no setor de seguros. No entanto, sua adoção não está isenta de desafios.
Seguradoras correm para adotar a IA generativa em meio a preocupações com a concorrência
Apesar da opinião dividida sobre as implicações da IA generativa, 77% dos executivos do setor acreditam que a adoção rápida é necessária para manter a competitividade.
Essa urgência se reflete nos números projetados de investimento, com a expectativa de que as seguradoras aumentem os gastos com a IA generativa em mais de 300% de 2023 a 2025.
Os primeiros usuários relatam benefícios tangíveis da implementação da IA generativa em sistemas voltados para o cliente. Essas seguradoras observaram uma taxa de retenção 14% maior e um Net Promoter Score 48% maior em comparação com os não usuários.
No entanto, a pesquisa revela uma desconexão significativa entre as prioridades da IA generativa das seguradoras e as expectativas dos clientes, o que pode afetar a eficácia desses investimentos.
Desalinhamento entre o foco da seguradora e as prioridades do cliente
Enquanto os executivos de seguros estão priorizando o desenvolvimento de assistentes de IA (como chatbots e assistentes virtuais) e o aumento do atendimento ao cliente, os clientes estão mais interessados nos aplicativos de IA generativa para preços personalizados, promoções e produtos sob medida.
Esse desalinhamento sugere que as seguradoras talvez precisem reavaliar suas estratégias de IA generativa para se alinhar melhor com as preferências dos clientes e, potencialmente, obter uma vantagem competitiva.
O estudo também destaca preocupações divergentes em relação à IA generativa. Os clientes expressam preocupações sobre a privacidade dos dados e o potencial de imprecisões geradas pela IA, questões que as seguradoras devem abordar para criar confiança em suas implementações de IA generativa.
Sistemas legados e dívida técnica dificultam a adoção
A infraestrutura tecnológica envelhecida do setor de seguros representa um obstáculo significativo para a adoção da IA generativa. Os sistemas centrais legados, que formam a espinha dorsal das operações de muitas seguradoras, geralmente não estão preparados para se integrar aos novos recursos de IA.
Esses sistemas desatualizados também limitam a disponibilidade de dados de treinamento de alta qualidade para grandes modelos de linguagem, que são essenciais para aplicativos eficazes de IA generativa.
O impacto dessa dívida técnica é substancial, com 52% dos executivos citando as restrições de dados como um fator que diminui a velocidade de lançamento de novos produtos no mercado.
Para superar esses desafios, as seguradoras estão explorando arquiteturas híbridas por design que podem operar em sistemas complexos existentes e, ao mesmo tempo, reduzir gradualmente o débito técnico.
As escolhas do modelo operacional afetam o sucesso da IA geral
À medida que as seguradoras investem em IA e análise de dados de clientes, elas enfrentam decisões críticas sobre o modelo operacional mais eficaz para o desenvolvimento e a implantação da IA generativa.
A pesquisa indica que as organizações com modelos operacionais de IA descentralizados estão superando seus pares em várias métricas, incluindo velocidade de comercialização e retenção de clientes.
Essa descoberta sugere que as seguradoras podem se beneficiar da democratização da tomada de decisões sobre IA em suas organizações, mantendo, ao mesmo tempo, estruturas centralizadas de governança e implementação.
O relatório afirma: “Democratizar a tomada de decisões sobre IA em toda a empresa e, ao mesmo tempo, manter a governança e a implementação centralizadas é essencial para gerar um valor real de IA gen.”
