A inteligência artificial (IA) no setor de seguros ultrapassou o período de deslumbre e experimentações para entrar em uma nova fase, que envolve a busca por resultados operacionais concretos e mensuráveis. Segundo dados da Confederação Nacional das Seguradoras (CNseg), 80% das seguradoras no país já aplicam soluções de IA em suas operações.
Apesar de positivo, essa maior adoção no uso da tecnologia em um ecossistema complexo como o mercado de seguros — caracterizado por sistemas legados, alto volume de informações e rigor regulatório — exige cada vez mais que seguradoras, corretoras e insurtechs repensem suas estratégias de adoção tecnológica.
Ao analisar o setor como um todo, a add – consultoria especializada em soluções tecnológicas para o mercado segurador – avalia que a inteligência artificial (IA) no setor de seguros deixou de ser apenas uma promessa futurista para se tornar uma prioridade operacional. Porém, os caminhos para uma adoção mais estruturada passam pela migração de aplicações pontuais para uma integração profunda da IA ao core business das companhias.
“Os dados confirmam que o mercado brasileiro superou a fase do hype da inteligência artificial e entrou numa era de maturidade. No entanto, ter a tecnologia implantada não garante rentabilidade contínua. Projetos bem-sucedidos começam não apenas na escolha da ferramenta de IA, mas também na definição clara de um problema de negócio, seja para acelerar a liquidação de sinistros, mitigar fraudes ou automação de validações regulatórias. Sem conexão com a redução de custos ou geração de receita, a tecnologia perde força”, destaca Aldo Pires, CEO da add.
Segundo ele, o avanço dessa tecnologia nas operações de seguros exige atenção em três pontos principais:
1. Foco no problema de negócio, não na ferramenta
A ausência de metas claras de negócio é a principal causa do baixo ROI em projetos de IA. Em vez de perguntar “Qual IA utilizar?”, as companhias devem mapear casos de uso específicos que visem redução de custos, mitigação de riscos ou expansão de receita. Na prática, isso engloba desde a automação de tarefas operacionais e validação de dados regulatórios até o desenvolvimento ágil de sistemas e suporte a sinistros.
2. Base tecnológica e governança informacional sólida
A inteligência artificial não corrige processos desorganizados nem dados fragmentados. Diante do ecossistema de sistemas legados típico das seguradoras, é indispensável estruturar a governança de dados, padrões de integração (APIs), segurança e arquiteturas como ontologias e agentes de IA.
3. Automação com conhecimento humano (Human-in-the-loop)
Em ambientes altamente regulados como o de seguros, a automação intensiva eleva (e não reduz) a relevância do conhecimento humano. Embora a IA seja capaz de revisar documentos, gerar código e identificar inconformidades com agilidade, a validação final e a responsabilidade pelas decisões continuam exigindo a supervisão humana. A alta performance no setor será ditada pela capacidade dos profissionais de orientar agentes inteligentes, interpretar diagnósticos e aplicar o entendimento regulatório e estratégico do mercado.
Aldo destacou que a transição da “fase de demonstração” para a “fase de entrega” exige a convergência entre conhecimento em inteligência artificial, engenharia tecnológica avançada e profunda especialização no ambiente regulatório e operacional de seguros.
“A adoção responsável de IA não é uma decisão sobre comprar uma ferramenta pronta. É uma estratégia de negócio baseada em arquitetura robusta, dados confiáveis, governança e talentos preparados. É dessa união que surgem as soluções que saem do laboratório para transformar de fato a rotina do mercado segurador”, disse o especialista.
“Para uma seguradora, não basta que a IA acesse os dados. Ela precisa entender o significado contextual dessas informações, respeitar as regras do negócio e gerar resultados auditáveis e rastreáveis”, concluiu.