A forma como as seguradoras avaliam os riscos está mudando à medida que novos dados passam a fazer parte da análise. Um estudo da Universidade Federal da Paraíba (UFPB) aponta que modelos de precificação baseados em telemetria apresentam maior capacidade preditiva do que métodos tradicionais e podem estar associados a uma redução de 10% a 15% na ocorrência de sinistros.
A tecnologia já começa a ser utilizada comercialmente por seguradoras brasileiras, impulsionada pelo avanço das insurtechs e pelo Sandbox Regulatório da Susep. Informações sobre frequência de uso, quilometragem, horários de circulação, comportamento ao volante e interações digitais podem ajudar as companhias a compreender melhor o perfil de cada segurado.
Para o professor da Escola de Negócios e Seguros (ENS), Weslley Oliveira, a principal contribuição da telemetria é permitir uma leitura mais detalhada da exposição ao risco.
“Quando a gente fala de telemetria e uso de dados comportamentais no seguro, eu gosto de começar por uma ideia muito simples: seguro é, essencialmente, gestão de risco.”
Segundo ele, características tradicionalmente utilizadas na precificação, como idade, veículo, região e histórico de sinistros, continuam relevantes, mas podem ser complementadas por informações sobre como aquele risco se comporta ao longo do tempo.
“Em vez de olharmos apenas para características relativamente estáticas — idade, veículo, região, histórico de sinistros e outros fatores tradicionais —, passamos a observar também como aquele risco efetivamente se comporta ao longo do tempo.”
Dois motoristas com idade próxima, veículos semelhantes e residentes na mesma região podem apresentar exposições bastante diferentes. Um pode dirigir poucos quilômetros por mês, durante o dia e em trajetos curtos. Outro pode percorrer distâncias maiores, circular de madrugada e apresentar acelerações e frenagens bruscas com frequência.
Nesse cenário, dados como quilometragem, quantidade de viagens, tempo de condução, horários e características da direção ajudam a tornar a análise mais granular.
“Então eu resumiria assim: a telemetria não substitui a atuária tradicional; ela pode tornar a leitura atuarial da exposição muito mais granular. E isso pode contribuir para uma precificação mais aderente ao risco real.”
É dessa lógica que surgem modelos como o Pay-As-You-Drive, baseado na intensidade de utilização do veículo, e o Pay-How-You-Drive, que considera também a maneira como o motorista conduz.
Oliveira ressalta, porém, que telemetria não significa simplesmente que “quem dirige bem paga barato”. Para utilizar os dados na precificação, é necessário haver histórico suficiente, qualidade da informação, validação estatística e acompanhamento do modelo.
“Um dado isolado não define um risco. É preciso ter histórico suficiente, qualidade da informação, volume de exposição, quantidade de eventos, validação estatística e acompanhamento do comportamento do modelo ao longo do tempo.”
Entre as informações que podem ajudar as seguradoras estão quilometragem, número de viagens, duração dos deslocamentos, horários, frequência de uso, acelerações, frenagens, velocidade e comportamento em curvas.
Também podem ser considerados o contexto da exposição, o histórico de sinistros, as coberturas contratadas, a utilização de assistências e as interações digitais com o cliente.
Mas, para Oliveira, existe uma diferença entre conseguir coletar uma informação e ter justificativa para utilizá-la.
“A pergunta não pode ser ‘quantos dados eu consigo capturar?’. A pergunta correta é: quais dados realmente ajudam a compreender o risco ou melhorar a experiência do segurado?”
A qualidade também é determinante. Mudanças em sensores, aplicativos ou no comportamento do motorista podem afetar os dados. Além disso, pessoas que aceitam participar de programas de telemetria podem ter características diferentes das que não participam, criando possíveis vieses.
O conhecimento mais detalhado sobre o comportamento do segurado também pode abrir espaço para produtos mais adequados às diferentes formas de utilização.
Um motorista que usa o carro eventualmente para lazer, por exemplo, apresenta uma dinâmica diferente de alguém que passa várias horas por dia ao volante. Essa diferença pode ser considerada em seguros baseados em utilização, coberturas modulares, assistências específicas e programas de prevenção.
Para Oliveira, a mudança pode transformar a própria relação entre segurado e seguradora. “O seguro pode deixar de aparecer somente depois do sinistro e passar a participar mais da prevenção do risco.”
A partir dos dados, as companhias podem desenvolver alertas, orientações e mecanismos de incentivo voltados à redução de riscos. “Na minha visão, fidelização nasce muito mais dessa percepção de valor do que de um desconto isolado.”
O avanço da telemetria também traz um desafio: equilibrar personalização e privacidade sem criar no consumidor a sensação de estar sendo monitorado.
Para Oliveira, o segurado precisa compreender quais informações são coletadas, por que são necessárias, como serão utilizadas e quais consequências podem ter.
Além disso, a coleta deve estar limitada às informações realmente necessárias para cada finalidade. Segurança, controle de acesso, armazenamento adequado, proteção dos ambientes, governança de fornecedores e rastreabilidade também precisam fazer parte do tratamento desses dados.
A preocupação se estende aos algoritmos utilizados para classificar riscos. A seguradora precisa conseguir avaliar quais informações contribuíram para determinada classificação, se os dados são confiáveis e se o modelo continua funcionando adequadamente.
“Esse é um tema cada vez mais relevante porque um modelo estatístico não deixa de precisar de governança apenas porque passou a utilizar inteligência artificial. Muito pelo contrário.”
Nesse contexto, entram questões como explicabilidade, monitoramento, estabilidade, privacidade e não discriminação. A LGPD também estabelece princípios relevantes para o tratamento de dados pessoais, como finalidade, adequação, necessidade, transparência e segurança.
Para o professor, o avanço da telemetria dependerá justamente da combinação entre tecnologia, ciência atuarial e governança. “Um modelo pode ter milhões de dados e ainda assim estar errado.”
E resume o desafio dessa transformação: “O futuro do seguro não será definido simplesmente por quem tiver mais dados. Será definido por quem conseguir transformar dados em inteligência de risco, com responsabilidade, transparência e valor percebido pelo segurado.”