A inteligência artificial deixou de ser uma promessa em seguros

A inteligência artificial chegou ao mercado segurador cercada de promessas. Mais agilidade, decisões mais precisas, atendimento personalizado, redução de custos e ganhos de produtividade ajudaram a transformar a tecnologia em uma das principais apostas de inovação do setor. Os primeiros resultados também alimentaram esse entusiasmo. No Brasil, um levantamento da CNseg, realizado com 26 seguradoras que, juntas, representam cerca de 50,7% do mercado, aponta que 80% das empresas participantes já implementaram soluções de IA. Entre os resultados relatados estão redução de 30% a 50% no tempo de resposta ao consumidor, aumento de 100% no volume de cotações e crescimento de 30% na produtividade das áreas de tecnologia. Os números impressionam e ajudam a explicar por que a IA ganhou espaço tão rapidamente nas estratégias das seguradoras. Mas nem tudo que reluz é ouro, e é nesse momento entre o entusiasmo da implantação e a realidade da operação que muitos projetos de IA encontram seu maior teste. 

O verdadeiro desafio começa depois do piloto

Uma matéria publicada no Insurance Business chamou atenção para uma mudança importante no debate sobre inteligência artificial no setor: o problema não é provar que determinado modelo funciona, mas em definir quem será responsável por ele depois que o projeto deixa de ser experimental. A publicação cita dados da BCG segundo os quais apenas 7% das seguradoras haviam conseguido levar sistemas de IA à escala em 2025. Com base na discussão trazida na matéria, durante a fase experimental, é comum haver uma equipe dedicada, cientistas de dados, profissionais de tecnologia e especialistas de negócio trabalhando juntos para desenvolver, testar e ajustar o modelo. Quando o projeto chega ao fim, porém, essas pessoas acabam retornando às suas funções originais e migrando para outras iniciativas. O problema surge quando a organização não define quem continuará acompanhando o desempenho da solução. Modelos de inteligência artificial não são estruturas estáticas. Dados mudam, comportamentos de consumidores se transformam, regras de negócio são atualizadas, sistemas corporativos passam por alterações e o ambiente regulatório evolui. Um modelo que apresentava bons resultados no momento da implantação pode perder precisão meses depois e sem o devido acompanhamento os resultados podem ficar aquém do esperado.

De eficiência operacional a uma infraestrutura permanente

O levantamento da CNseg ainda mostrou que a principal motivação das seguradoras para investir em IA ainda está relacionada à produtividade. Todas as empresas entrevistadas apontaram o aumento da produtividade como fator de investimento, enquanto 81% citaram a melhoria da experiência do cliente e 69%, a automação de tarefas. Redução de custos apareceu para 65% das companhias. Os resultados indicam que a IA consegue gerar ganhos relevantes sem necessariamente alterar completamente o modelo de negócio das empresas. Em 77% das seguradoras pesquisadas, os impactos foram classificados como incrementais, ou seja, melhorias em processos que já existem. Esse dado ajuda a explicar por que os pilotos são tão atraentes. Uma ferramenta que reduz o tempo de atendimento, automatiza a leitura de documentos ou facilita a análise de uma solicitação pode apresentar resultados rapidamente. Mas eficiência pontual não é o mesmo que transformação sustentável. Para que a tecnologia gere valor continuamente, ela precisa ser incorporada à operação. 

IA não termina quando entra em produção

Depois de entrar em produção, um modelo precisa ser acompanhado para identificar alterações na qualidade dos dados, perda de desempenho, vieses, erros recorrentes, mudanças no comportamento dos usuários e situações nas quais a intervenção humana continua necessária. Isso significa criar mecanismos de monitoramento e indicadores capazes de responder perguntas simples, mas decisivas: 

• O modelo continua acertando?
• Em quais situações erra mais? 
• Os dados utilizados continuam representativos? 
• Os usuários estão seguindo suas recomendações? 
• Existe algum grupo de consumidores sendo impactado de maneira desproporcional? Quando uma decisão automatizada precisa ser revisada por uma pessoa?

Esse entendimento também vale para soluções de inteligência artificial generativa e agentes autônomos. Nesses casos, a necessidade de supervisão pode ser ainda maior, diante da possibilidade de respostas incorretas, informações inventadas e decisões tomadas a partir de interpretações equivocadas.  É justamente nesse ponto que muitos projetos podem perder força. Uma solução pode apresentar resultados expressivos em ambiente controlado, conquistar o entusiasmo das equipes e até ser colocada em produção.

Quando a IA também vira um risco a ser segurado

Durante anos, a expectativa esteve concentrada em como a tecnologia poderia ajudar as seguradoras a identificar, precificar e administrar riscos com mais eficiência. Agora, o próprio mercado começa a desenvolver mecanismos para proteger empresas dos riscos que a IA introduz. Atendimento, análise de documentos, subscrição, detecção de fraudes, regulação de sinistros, precificação e automação estão entre as frentes que incorporam sistemas capazes de processar grandes volumes de informações e apoiar decisões em escala. Seguradoras têm oferecido coberturas específicas para prejuízos relacionados a falhas de sistemas de IA que podem causar perdas financeiras provocadas por decisões tomadas de forma autônoma.“A finalidade destas ferramentas avançadas de IA é prescindir da assistência e da supervisão humanas na tomada de decisões, o que questiona parte da lógica fundamental da cobertura de seguros existente”, afirmou Phil Dawson, responsável por IA na seguradora Armilla. Quanto maior a autonomia dos sistemas, maior a necessidade de monitorar seus riscos. Como os modelos continuam sujeitos a incertezas, seguradoras especializadas buscam avaliar sua estrutura, vulnerabilidades e mecanismos de governança antes de assumir essas exposições.

O risco de abandonar a IA depois do entusiasmo

A atual fase de maturidade da tecnologia também modifica a relação das empresas com a inovação. O mercado passou pelo momento em que simplesmente ter um projeto de IA já era considerado um diferencial. Agora, a cobrança está mais relacionada aos resultados efetivamente produzidos e o encantamento com a IA dá lugar à cobrança por resultados concretos. Redução de custos, ganho de produtividade, agilidade nos processos, melhoria da tomada de decisão e impacto financeiro passam a ser critérios mais importantes para avaliar o sucesso de uma iniciativa. Nesse contexto, um piloto que perde força depois da implantação não representa só uma questão exclusivamente tecnológica, mas pode indicar uma falha de planejamento e gestão. Não basta desenvolver um modelo ou contratar uma solução. É preciso definir, desde o início, como ela será monitorada, atualizada, integrada à operação e sustentada ao longo do tempo. A tecnologia precisa mostrar onde reduz esforço, encurta processos, melhora decisões e contribui para resultados. 

Governança passa a ser parte do produto

A expansão da inteligência artificial também aumenta a importância da governança.

No setor de seguros, decisões apoiadas por algoritmos podem afetar diretamente consumidores. Um modelo pode influenciar a aceitação de um risco, a identificação de uma fraude, a análise de um sinistro, a oferta de um produto ou a interação com um cliente. Por isso, a eficiência não pode ser analisada isoladamente. Uma IA que reduz o tempo de processamento, mas aumenta a quantidade de decisões equivocadas, não necessariamente representa ganho. Da mesma forma, um chatbot que responde rapidamente, mas fornece informações incorretas pode reduzir custos em um indicador e gerar prejuízos financeiros e reputacionais em outro. O debate sobre responsabilidade tende a ganhar ainda mais relevância à medida que os sistemas se tornam autônomos.

O consumidor também participa dessa dinâmica

A tecnologia pode reduzir o tempo de resposta, ampliar a capacidade dos canais digitais e até adaptar a comunicação de acordo com sinais relacionados ao estado emocional percebido do cliente. Isso cria uma oportunidade, mas também eleva a expectativa. Quanto mais o consumidor se acostuma com respostas rápidas e personalizadas, menor tende a ser sua tolerância com processos lentos ou excessivamente burocráticos. Por outro lado, a personalização não pode ocorrer às custas da transparência. O cliente precisa continuar entendendo quando está interagindo com uma máquina, quais informações estão sendo utilizadas e, principalmente, quando uma decisão pode ser revisada por um profissional. No seguro, a confiança continua sendo um ativo central. A tecnologia pode tornar a jornada mais simples, mas não elimina a necessidade de clareza e responsabilidade.‍

Depois da empolgação, vem a prova de valor

A inteligência artificial já provou que pode transformar a operação das seguradoras. Os ganhos de produtividade, agilidade e personalização mostram na prática os seus benefícios. Mas os próprios avanços da tecnologia também mostram que seu valor não pode ser medido apenas pelos resultados dos primeiros meses. É preciso se investir em monitoramento, atualização dos modelos, qualidade dos dados, governança, supervisão humana e equipes que consigam acompanhar a evolução da tecnologia. Sem essa estrutura, uma solução que parecia revolucionária pode rapidamente perder eficiência, gerar novos riscos ou simplesmente ser abandonada. Para o mercado segurador, considerar essa perspectiva é fundamental. A implementação da IA não deveria ser uma disputa para ver quem lança mais ferramentas, mas para descobrir quem consegue transformar experimentos em capacidades permanentes. O fracasso de um projeto de inteligência artificial nem sempre acontece porque o algoritmo não funciona, mas talvez porque os gestores responsáveis não estão supervisionando esses modelos de forma direcionada. Portanto, se houver governança, acompanhamento e compromisso com a evolução contínua, a inteligência artificial pode efetivamente melhorar a operação, apoiar decisões e gerar valor de forma sustentável.