Desde a previsão de fraudes até a personalização de apólices, o impacto da inteligência artificial pode ser profundo.
Quando o furacão Ian atingiu a Flórida no final do ano passado, ele causou estragos.
Com ventos sustentados de até 240 km/h, foi a quinta tempestade mais poderosa que já atingiu os EUA e o terceiro desastre climático mais caro da história do país, resultando em perdas estimadas em US$ 112 bilhões.
Para as seguradoras, esse tipo de catástrofe natural representa não apenas um desafio financeiro, mas também um desafio prático. Como agilizar os sinistros e ajudar as pessoas o mais rápido possível?
Para a Brit Insurance, a resposta veio por meio da IA. Sua ferramenta de avaliação rápida de danos, apelidada de “Golden Eye”, usa um algoritmo de aprendizado de máquina para avaliar imagens aéreas pós-desastre e agrupar propriedades por nível de dano. Isso permite que os sinistros sejam triados antes mesmo de serem relatados. A Brit tinha muitos segurados que foram afetados pelo furacão Ian. Quando o ciclone tropical se dissipou em 30 de setembro, a empresa conseguiu fazer seu primeiro pagamento apenas oito dias depois. “Nunca teríamos conseguido fazer isso com seres humanos”, diz Sheel Sawhney, Chefe de Sinistros e Operações da Brit. “Isso foi transformador para nós.”
A avaliação de danos é apenas uma das áreas em que a IA está remodelando os seguros. É um setor que se baseia no uso de conjuntos de dados maciços para modelar cenários, selecionar clientes e melhorar os resultados. Como a IA é efetivamente uma forma avançada de análise de dados, ela é adequada para aprimorar as operações das seguradoras. “O seguro é um negócio baseado em dados, portanto, a IA tem aplicações potenciais em todos os setores”, diz Leon Fretz, Diretor Sênior de Serviços Financeiros da Microsoft, cuja plataforma de computação em nuvem Azure sustenta a ferramenta da Brit Insurance. “Acredito fundamentalmente que ela mudará drasticamente os produtos de seguro.”
Talvez seja contraintuitivo, então, que a implantação da IA em seguros não seja mais difundida do que é atualmente. A implementação tem sido relativamente lenta graças a uma série de obstáculos que vão desde a regulamentação até a inércia corporativa. Mas os desenvolvimentos recentes estão estimulando o setor a explorar mais a tecnologia.
Quando o chatbot ChatGPT da OpenAI tomou o mundo de assalto em dezembro, ele transformou a IA na maior história da tecnologia. Graças à interface intuitiva, aos resultados prontamente apreciáveis em linguagem natural e ao fato de que qualquer pessoa poderia usá-lo gratuitamente, o ChatGPT mostrou o poder e as possibilidades da IA para a sociedade em geral. Isso incluiu as seguradoras.
Essa mudança radical na conscientização sobre a IA, sua acessibilidade e seus casos de uso capturou a imaginação de salas de reuniões que antes eram reticentes em relação à tecnologia, estimulando-as a pensar de forma mais ampla sobre como ela poderia melhorar seus negócios. “Quando eu estava começando minha carreira, o feedback do topo era todo sobre aplicativos móveis”, lembra Richard Boyd, chefe de sinistros digitais do Lloyds of London. “Quanto mais eu refletia sobre isso, não se tratava realmente de ‘criar um aplicativo móvel’, mas sim de o executivo reconhecer que havia uma oportunidade estratégica mais ampla que os dispositivos móveis estavam nos apresentando. Acho que o ChatGPT fez isso para a conversa sobre IA.”
O ChatGPT mostrou o poder e as possibilidades da IA para a sociedade em geral. Isso incluiu as seguradoras.
Então, quais são os casos de uso emergentes e quais são os desafios que precisarão ser resolvidos? Em parceria com a Microsoft, convocamos uma mesa redonda com líderes do setor para explorar a visão deles sobre IA e o futuro dos seguros. E, sim, também pedimos a opinião do ChatGPT…
Como a IA pode mudar o jogo dos seguros
A inteligência artificial é capaz de processar dados em uma escala com a qual os humanos nunca poderiam lidar e encontrar padrões que os humanos nunca poderiam detectar. Isso pode gerar eficiências significativas, economizando tempo, reduzindo custos e melhorando a lucratividade em tudo, desde a aquisição de clientes até o processamento de sinistros. De forma crítica, os processos aprimorados por IA também podem melhorar a experiência do cliente, beneficiando tanto as seguradoras quanto seus clientes.
A eficácia da IA é uma função da qualidade e da quantidade dos dados que são alimentados, portanto, à medida que mais dados de mais fontes se tornam disponíveis para as seguradoras, o potencial da IA para transformar o setor só cresce.
Então, quais são os casos de uso em que esperamos obter os maiores benefícios?
Aprimorar a aquisição de clientes
A IA tem um papel potencial a desempenhar em todos os estágios do processo de aquisição de clientes. Em primeiro lugar, ela pode ajudar a identificar clientes em potencial. Assim como a Brit está usando imagens aéreas para avaliar os danos, por exemplo, as imagens de satélite também podem ser usadas para gerar leads — se alguém tiver uma piscina, por exemplo, a IA pode direcioná-lo para uma oferta de seguro de piscina.
O processo de vendas também pode ser aprimorado. A IA pode oferecer produtos relevantes que atendam perfeitamente às necessidades individuais e pode reduzir o custo da venda. “Definitivamente, a empresa está batendo na minha porta para usar a inovação para oferecer vendas realmente eficientes”, diz Ash Jokhoo, CIO do Direct Line Group. Isso pode envolver o uso de IA para projetar de forma inteligente a cobertura com base em um pequeno número de perguntas, antes de fornecer rapidamente uma cotação e processar o contrato.
Eliminar a fraude o mais cedo possível
A fraude custa ao setor de seguros do Reino Unido mais de £ 1 bilhão por ano, de acordo com a Associação de Seguradoras Britânicas. Graças aos seus poderes de identificação de padrões, a IA pode ajudar a lidar com esse problema dispendioso, detectando e prevendo comportamentos fraudulentos. Isso pode envolver tudo, desde o reconhecimento de quando vários sinistros foram feitos para o mesmo incidente até o uso de análise de imagens para avaliar se os danos ao carro são consistentes com o acidente descrito.
Como a correlação entre fraude de apólices e fraude de sinistros é alta, vale a pena prever a atividade fraudulenta na fase de solicitação. “Se pudermos descobrir e impedir esse risco, é claro que fecharemos a torneira na primeira oportunidade”, diz John Davison, CIO do First Central Group. “Um bom exemplo pode ser se o mesmo dispositivo estiver comprando várias apólices para pessoas diferentes. Se você puder identificar isso em tempo real, que é onde o aprendizado de máquina entra, isso lhe dará uma vantagem material.”
Melhorar as avaliações de risco
O seguro é fundamentalmente um julgamento de risco. O preço e o escopo de uma apólice devem refletir a probabilidade de um cliente fazer um sinistro mais o custo provável desse sinistro. Quanto melhor for a avaliação de uma seguradora, mais competitiva será a precificação de seus produtos sem comprometer seus balanços patrimoniais.
A IA pode melhorar a precisão das avaliações de risco. Ela é uma ferramenta poderosa para identificar correlações que não são imediatamente óbvias e pode fazer isso em uma ampla gama de fontes de dados. No futuro, essas fontes poderão incluir dados de wearables, dispositivos domésticos inteligentes, dados de veículos e mídias sociais. “A IA permite que as seguradoras façam uso dessas fontes de dados mais abstratas, extraindo as informações pertinentes para avaliar melhor os riscos”, diz Fretz. Há questões óbvias sobre quais dados são legítimos e onde o consentimento deve ser dado. Mas, à medida que essa tendência se desenvolver, ela provavelmente levará a apólices mais personalizadas, com preços baseados nos atributos específicos de um indivíduo, em vez de um perfil amplo. Isso não apenas reduziria a exposição da seguradora a perdas, mas também melhoraria os termos para clientes menos arriscados.
Agilizar sinistros para obter melhores resultados para o cliente
Um momento decisivo para a satisfação do cliente é quando ele faz um sinistro. “Os sinistros são realmente o produto que estamos vendendo”, observa Sawhney, “e melhorar a experiência do cliente aqui pode render dividendos.”
As seguradoras já estão usando IA para avaliação rápida de danos, principalmente em veículos — os segurados enviam fotos ou vídeos e o algoritmo estima os custos. E outros casos de uso estão surgindo. “Fui abordado por empresas iniciantes que estão trabalhando com visão computacional em canteiros de obras”, diz Boyd. “Do ponto de vista do tratamento de sinistros, se você pudesse tirar uma imagem do local antes e depois do evento e fazer com que uma IA analisasse as diferenças, você poderia informar à seguradora relevante uma estimativa proposta para o dano com bastante precisão.”
Embora a velocidade seja essencial nos sinistros, os clientes também precisam de uma experiência empática. É por isso que o toque humano é importante no processamento de sinistros, mas a IA pode ajudar melhorando essa interação. “Usar a tecnologia para ser a ‘terceira pessoa na sala’ é bastante interessante”, diz Simon Bullers, CTO da Hastings Direct. “Se pensarmos na maioria dos sinistros, há várias ligações para o cliente para coletar as informações corretas — às vezes, ligações bastante estressantes. Quanto mais você puder usar a IA para analisar a conversa em tempo real e solicitar ao agente do centro de contato que obtenha as informações corretas, melhor.”
O atendimento rápido de sinistros não é bom apenas para o cliente, mas também reduz os custos para a seguradora – quanto mais rápido você souber que um carro foi dado como perdido, por exemplo, menos tempo terá para fornecer um carro de aluguel ao segurado.
Habilitar políticas em tempo real
A capacidade da IA de oferecer suporte à personalização de produtos e serviços pode levar ao uso mais amplo de produtos emergentes, como o “seguro altamente dinâmico e baseado no uso (UBI)”. Nesse caso, os prêmios se adaptam constantemente às condições em constante mudança e a cobrança é feita “conforme o uso”. “Já estamos vendo isso no transporte marítimo, quando a localização de um navio de carga em relação a águas ou terras piratas altera a apólice em tempo real”, diz Fretz. “Para o seguro geral, também veremos o risco sendo avaliado em tempo real e tendo isso refletido em políticas que mudam continuamente.”
O automobilismo é o caso de uso óbvio, principalmente se o compartilhamento de carros se tornar mais comum no futuro graças aos veículos autônomos. Um modelo de seguro “pago por viagem” em tempo real beneficia as seguradoras ao permitir que elas avaliem o risco caso a caso — se um motorista tende a acelerar e está dirigindo na chuva, por exemplo, o preço pode refletir o nível elevado de perigo. Mas também recompensa os clientes: aqueles que dirigem com segurança pagam menos, e aqueles que dirigem com pouca frequência não arcam com o custo de um prêmio anual.
Otimizar a experiências dos clientes para melhorar a retenção
A retenção de clientes é influenciada pela experiência que os clientes têm em cada ponto de contato com sua seguradora. E a IA oferece oportunidades (e riscos, como veremos mais adiante) aqui também.
“Dedicamos muita energia à otimização das jornadas dos clientes”, diz Davison. “A IA nos permite acelerar essa otimização e também oferecer experiências personalizadas para que nem todos tenham a mesma jornada.” Um elemento que as seguradoras estão incorporando cada vez mais à experiência do cliente são os chatbots com IA. Se bem feitos, eles podem eliminar os tempos de espera e concluir rapidamente as tarefas — como adicionar um motorista extra a uma apólice de seguro de automóvel — para a satisfação do cliente. A IA também pode encaminhar a interação para um ser humano, caso seja necessário.
O que está impedindo a adoção da IA?
Algumas seguradoras e alguns tipos de atividades de seguros viram a adoção da IA se acelerar nos últimos anos. No entanto, a disrupção da IA observada no setor não foi tão rápida nem tão ampla quanto muitos previram. “Trabalho com seguros de automóveis há 27 anos”, diz Andrew Brockway, CTO da Confused.com. “Estamos fazendo aos clientes as mesmas perguntas que fazíamos há 20 anos.” Há uma razão para isso: há uma série de desafios a serem resolvidos que, com ou sem razão, frearam a adoção da IA. Então, quais são eles e como podem ser superados?
Seleção de dados e aceitação do consumidor
Uma das promessas da IA é que ela pode descobrir correlações ocultas que podem ajudar a prever riscos, possivelmente recorrendo a conjuntos de dados que antes não eram considerados úteis. Mas há um problema: você não sabe se um novo conjunto de dados produzirá essas correlações até que você as procure. Coletar, preparar e analisar dados que agregam pouco valor é um desperdício de tempo e dinheiro. “Esse é o meu desafio para a IA: posso usá-la para me ajudar a encontrar os dados externos que serão úteis?”, diz Gareth Wharton, CEO cibernético da Hiscox. “Porque eu poderia ir e obter dados de qualquer lugar, mas como saberia se vale a pena?”
Há uma consideração adicional. Quanto melhores forem os dados, melhor será a IA, mas as seguradoras precisam realizar um ato de equilíbrio. Se uma ferramenta de IA for muito inteligente — se sua capacidade de adivinhar o comportamento parecer estranha ou se seu conhecimento parecer muito íntimo — ela pode ser perturbadora para os consumidores. “Precisamos ser capazes de ter essa profundidade de compreensão de uma forma que não os assuste”, diz Jokhoo. No passado, quando as seguradoras revelaram quantos pontos de dados coletam ou declararam que analisam sinais não verbais para detectar fraudes, como expressões faciais em vídeos de relatórios de sinistros, isso causou indignação on-line. Essa é uma área em que as seguradoras precisam agir com cuidado ao decidir quais dados usar para quais fins e como comunicar essas decisões ao consumidor.
Reticência em se envolver
Seja por medo da segurança no emprego, resistência à mudança ou falta de compreensão que faz com que a tecnologia pareça um salto de fé, pode haver uma cultura nas seguradoras que seja avessa a novas tecnologias, como a IA. “Não sei se todo mundo acredita que essa é uma boa ideia”, diz Wharton. “Não vejo muitas pessoas dizendo: ‘Ajude-me a fazer isso’.” Essa cultura é agravada pelas normas do setor. As seguradoras precisam de resseguro, e as resseguradoras confiam nas abordagens convencionais de subscrição. Davison é direto: “Se você fosse a um ressegurador e dissesse: ‘Tenho uma máquina que faz toda a minha seleção de riscos’, eles não o apoiariam”. Ele acredita que isso mudará, mas ocorrerá lentamente. À medida que a adoção da IA continua a crescer e mais seguradoras começam a perceber as vantagens associadas de maior precisão, eficiência e custos reduzidos, é provável que vejamos uma onda de adoção à medida que os retardatários correm para recuperar o atraso.
Temores quanto à substituição de seres humanos pela IA
Há preocupações quanto à terceirização de muito trabalho para os computadores – e não apenas por causa da necessidade de empatia quando um segurado sofre uma perda. “Estou atento ao deslocamento da força de trabalho porque acho que poderíamos estar perdendo um bom poder intelectual”, diz Brockway. Apesar do termo, a IA não é inteligente — ela é simplesmente um poderoso reconhecimento de padrões — e serão necessárias pessoas qualificadas para intervir quando um problema estiver além de seu escopo ou quando o sistema não tiver chegado a um resultado desejável. Para nossos especialistas do setor, parece que a solução ideal é aquela em que a IA complementa, e não substitui, os seres humanos. Isso pode ser o Chat GPT ajudando um vendedor a fazer perguntas melhores ou pode ser o ajuste humano de um sinistro gerenciado por IA. “A IA pode nos ajudar com todas as partes chatas que não são importantes, para chegarmos à interação humana”, diz Jokhoo, “E é esse elemento humano que eu acho superimportante.”
Preocupações éticas
A adoção da IA introduz uma série de questões éticas, especialmente em relação a preconceitos e discriminação. Um risco para as seguradoras é que os dados que elas usam podem refletir preconceitos sociais, especialmente preconceitos relacionados a gênero e raça, fazendo com que esses grupos tenham resultados injustos.
Essa questão é exacerbada pelo que é conhecido como o problema da “caixa preta”: um usuário conhece as entradas e as saídas de uma ferramenta de IA, mas não pode explicar como o software chegou à sua decisão. Nos serviços financeiros, essa é uma preocupação premente, pois representa uma questão de responsabilidade que pode impedir a adoção. “Acho que há o perigo de não conseguir demonstrar seu processo de tomada de decisão em uma situação específica e reproduzi-lo para o órgão regulador”, diz Bullers. “Você precisa ser capaz de provar que tomou as decisões certas no dia.” A explicabilidade é uma área de pesquisa fundamental para a IA e que as seguradoras estarão observando de perto.
As seguradoras enfrentam um outro dilema ético. Por um lado, produtos de seguro mais personalizados refletem com mais precisão o risco individual; por outro lado, é correto que alguém que seja mais arriscado, sem culpa própria, seja escolhido para uma apólice mais cara ou não consiga obter seguro algum?
Uma maneira de gerenciar isso pode ser ver a IA como um consultor, e não como um tomador de decisões. “Para mim, o que importa é a palavra ‘pontuação'”, diz Sawhney. “Não acho que você possa tomar decisões com base em fatores isolados, como, por exemplo, se alguém tem folhas na calha em uma imagem de satélite.” Manter um ser humano no circuito pode ajudar a garantir que os ajustes sejam feitos quando apropriado e que os resultados sejam mantidos equitativos. “Em vez de ver a IA apenas como uma forma de reduzir a cobertura, talvez possamos vê-la como uma forma de avaliar melhor os riscos que não encontram cobertura atualmente”, acrescenta Sawhney. Dessa forma, as seguradoras também podem estar mais bem equipadas para decidir aceitar consumidores de alto risco como um ponto de venda específico.
Barreiras regulatórias
A IA é alimentada por dados, mas os seguros estão sujeitos a regulamentações que limitam quais dados são admissíveis e como eles podem ser usados. Isso já está tendo um impacto sobre os aplicativos emergentes de IA, como a detecção de fraudes. “O ICO (Information Commissioner’s Office, ou Escritório do Comissário de Informações) está dizendo que vai ter uma visão muito negativa sobre a aplicação de muito vodu na tomada de decisões”, diz Bullers. “Portanto, se você estiver usando análise de voz em sinistros para ver se a pessoa está estressada [como um indicador de possível fraude], eles estão basicamente dizendo que isso é praticamente uma multa ilimitada.”
Para evitar que as restrições impeçam o avanço da IA, Fretz argumenta que o setor precisa implementar proativamente práticas sólidas a cada passo. “A menos que nos autorregulemos”, diz ele, “os reguladores nos darão um tapa em algo com o qual não podemos trabalhar.”
O caminho a seguir
O seguro é, por natureza, um animal cauteloso. A adoção de ferramentas e técnicas baseadas em IA será um processo lento. Sua penetração em novas áreas do setor começará com experimentos e provas de conceito, como o uso de imagens aéreas pela Brit Insurance para validar sinistros de catástrofes naturais. À medida que o valor de suas diversas aplicações em tudo, desde a subscrição até a experiência do cliente, ficar claro, as atitudes e o apetite poderão começar a mudar. “Lentamente, mas com certeza, começaremos a mudar a inércia”, diz Davison.
Pode-se imaginar que a própria IA poderia criar novas formas de seguro. Então, qual é a opinião do ChatGPT sobre isso? “Sim, a IA tem o potencial de criar novas formas de seguro que sejam mais adequadas às necessidades dos clientes”, disse. “Ao analisar grandes quantidades de dados e identificar padrões e tendências, os algoritmos de IA podem identificar riscos emergentes e desenvolver novos produtos de seguro para lidar com eles.” Se isso for verdade, é mais um motivo pelo qual o futuro pertence àqueles que adotam essa tecnologia em nível empresarial. “Não se trata apenas de um ‘problema de TI a ser resolvido'”, enfatiza Wharton. “Trata-se de uma oportunidade fundamental de negócios.”
