A inteligência artificial vem transformando diferentes etapas da operação das seguradoras, da subscrição de riscos à regulação de sinistros, passando pela prevenção à fraude, análise documental e atendimento ao cliente. Mas, à medida que essas soluções ganham espaço, cresce também um novo desafio para o setor: como garantir que as decisões tomadas com apoio da IA sejam transparentes, auditáveis e estejam em conformidade com a legislação?
É nesse contexto que a governança de inteligência artificial ganha protagonismo. Mais do que estabelecer regras para o uso da tecnologia, ela reúne políticas, processos e controles que permitem à seguradora compreender e demonstrar como uma decisão foi tomada, quais dados foram utilizados, quais critérios foram aplicados e quando houve participação humana na análise.
Segundo Vinicius Schroeder, CEO e Co-Founder da Brick, esse cuidado é indispensável em processos considerados críticos, como subscrição de riscos, precificação, regulação de sinistros e prevenção à fraude.
“Governança de IA não é apenas sobre adotar novas tecnologias com mais cuidado, mas sobre criar uma estrutura para que a inteligência artificial possa ser usada em escala sem transformar eficiência em risco regulatório, reputacional ou financeiro”.
Na avaliação do executivo, a governança de IA vai além dos conceitos tradicionais de Tecnologia da Informação (TI), normalmente voltados para infraestrutura, disponibilidade dos sistemas e segurança da informação. Enquanto os sistemas convencionais seguem regras previamente definidas, os modelos de inteligência artificial trabalham com probabilidades, inferências e grandes volumes de dados, exigindo um novo nível de controle sobre a qualidade das decisões produzidas.
“Governança de IA não olha apenas para infraestrutura.”, resume Schroeder.
Na prática, isso significa que as seguradoras precisam ser capazes de explicar por que determinada proposta foi direcionada para análise manual, quais dados influenciaram uma recomendação, quais regras de negócio foram aplicadas e qual foi a participação da inteligência artificial no resultado final. Essa capacidade de explicação ganha ainda mais relevância diante da Lei Geral de Proteção de Dados (LGPD), que prevê, em seu artigo 20, o direito de revisão de decisões tomadas exclusivamente com base em tratamento automatizado de dados pessoais.
“Além dos desafios de transparência, as seguradoras também precisam decidir mais rápido. O novo Marco Legal dos Contratos de Seguro reduz o espaço para análises demoradas e aumenta a pressão sobre as equipes. Nesse contexto, a IA chega para automatizar etapas operacionais, como análise documental e aplicação de regras de negócio, permitindo que os analistas concentrem sua experiência nos casos mais complexos.
Para Schroeder, a transparência não deve ser encarada apenas como uma exigência regulatória, mas como um elemento essencial para que a IA possa ser utilizada com segurança no mercado de seguros.
“Explicabilidade não é um detalhe técnico. É uma condição para que a IA seja governável”, destaca.
Outro aspecto fundamental é a qualidade das informações utilizadas pelos modelos. As seguradoras lidam diariamente com dados sensíveis, como histórico de sinistros, documentos, informações financeiras e, em alguns casos, dados de saúde. Segundo o CEO da Brick, nenhuma estratégia de inteligência artificial será eficiente se os dados utilizados forem inconsistentes, incompletos ou mal estruturados. Por isso, a governança precisa estabelecer critérios claros sobre quais informações podem ser utilizadas, sua origem, como são validadas e quem pode acessá-las, além de monitorar continuamente possíveis vieses que possam comprometer a qualidade das decisões.
A rastreabilidade também ocupa papel central nesse processo. Cada decisão relevante deve manter um histórico que registra quais dados foram consultados, os documentos analisados, qual versão do modelo foi utilizada, quais regras de negócio foram aplicadas e se houve intervenção humana durante a análise. Esse histórico facilita auditorias, permite investigar falhas, responder questionamentos de clientes ou reguladores e aperfeiçoar continuamente os modelos utilizados pela companhia.
Apesar dos avanços da inteligência artificial, Schroeder ressalta que nem todas as decisões devem ser totalmente automatizadas. Casos envolvendo sinistros de maior valor, suspeitas de fraude, exceções comerciais ou situações em que o próprio modelo apresenta baixo nível de confiança continuam exigindo avaliação humana.
“A supervisão humana não deve ser vista como um obstáculo à automação. Pelo contrário: ela é o que permite automatizar com mais segurança”, afirma.
O executivo também chama atenção para outro ponto importante: a governança não termina quando um modelo entra em operação. Mudanças no comportamento dos clientes, evolução das fraudes, alterações regulatórias e novos produtos podem reduzir a precisão da inteligência artificial ao longo do tempo. Por isso, acompanhar continuamente indicadores de desempenho, qualidade e aderência regulatória torna-se indispensável para garantir que os modelos continuem produzindo resultados consistentes e alinhados à realidade da operação.
Para Vinicius Schroeder, a governança de IA deixou de ser uma discussão exclusivamente tecnológica para se tornar uma disciplina estratégica das seguradoras. Ao estabelecer controles sobre dados, modelos, auditorias e supervisão humana, as companhias conseguem ampliar o uso da inteligência artificial sem abrir mão da transparência, da segurança jurídica e da confiança de clientes, corretores e reguladores.