inteligência artificial está prestes a transformar o setor de seguros. De acordo com um estudo, 99% das seguradoras já estão investindo ou planejando investir em IA Generativa (GenAI).

Eles buscam maneiras de otimizar as operações, aprimorar a tomada de decisões e aprimorar o atendimento ao cliente. A oportunidade é clara: um estudo constatou que a GenAI poderia reduzir os pagamentos entre 3% e 4% e gerar uma redução de 20% a 30% nas despesas com ajustes de sinistros somente em sinistros.

No entanto, a intenção não garante o sucesso. As seguradoras não investem em IA para garantir pequenos ganhos, mas isso costuma acontecer porque começam com modelos de IA prontos para uso.

As limitações dos modelos de IA

Esses serviços oferecem benefícios incrementais, e certamente há valor nisso. O que eles não oferecem é uma mudança fundamental na forma como as empresas trabalham e operam.

A razão é que esses modelos prontos para uso costumam ser posicionados como serviços rápidos, prontos para uso, que exigem pouco tempo para integração. Eles podem funcionar bem em tarefas simples e repetitivas, como responder a consultas internas, mas têm dificuldades em trabalhos mais complexos e complexos, como subscrição, processamento de sinistros e proteção contra fraudes.

No cerne dessas limitações está a qualidade dos dados. Soluções genéricas são treinadas em conjuntos de dados genéricos, sem contexto específico do setor ou do caso de uso, e, como resultado, fornecem respostas genéricas. Além disso, correm o risco de fornecer informações desatualizadas e incorretas, prejudicando a satisfação do cliente e aumentando os problemas de conformidade e regulatórios.

Os modelos podem ser melhorados?

Existem maneiras de enfrentar esses desafios. Técnicas como geração aumentada de recuperação (RAG) e ajuste fino permitem que as seguradoras ajustem o desempenho:

● RAG envolve prompts de engenharia usando conhecimento específico para fornecer contexto

● O ajuste fino implementa dados privados para ensinar modelos a responder a prompts

Essas abordagens podem aumentar a precisão, mas exigem que as seguradoras tenham altos níveis de conhecimento interno em IA. O sucesso dos esforços de RAG e de ajuste fino está intimamente ligado à disponibilidade de especialistas no assunto que possam trabalhar com base em solicitações, conhecer os dados corretos para incluir no treinamento e revisar a qualidade dos resultados. Em outras palavras, consome muitos recursos para um ganho relativamente pequeno; a IA continua sendo um auxiliar na tomada de decisões humanas.

Em última análise, mesmo modelos prontos que foram aprimorados por meio de RAG ou ajuste fino só são transformadores no nível de aplicação ou serviço. Eles podem acelerar processos, mas o que pode ser alcançado é limitado pelo que os próprios humanos conseguem realizar.

A verdadeira transformação – agentes de IA

A verdadeira oportunidade está na IA agêntica, um software que executa tarefas de forma autônoma, com intervenção humana, no máximo, limitada. Os agentes tomam decisões, planejam e aprendem com novas informações para concluir o trabalho definido por instruções claras, proporcionando uma execução focada e precisa.

Eles se adaptam e aprendem em tempo real, sem precisar ser retreinados regularmente. Assim, uma vez implantados, permanecem alinhados às necessidades atuais do negócio e às condições do setor, garantindo confiabilidade e adaptabilidade.

O que diferencia os agentes dos modelos prontos para uso é que, além de concluir a tarefa, eles podem redesenhar os processos para trabalhar de forma mais eficaz.

Por exemplo, um cliente sofre um acidente de carro e precisa fazer uma reclamação. O processo tradicional terá sido moldado por uma força de trabalho humana e provavelmente envolverá várias etapas, todas exigindo informações diferentes, sem chance de progredir até que a etapa anterior seja concluída. Como resultado, uma decisão pode levar semanas, senão meses, já que todas as partes são consultadas.

Com um processo liderado pelo agente, as mesmas informações ainda serão necessárias, mas todas poderão ser coletadas simultaneamente de várias fontes e avaliadas em tempo real. Não importa se são detalhes do incidente, imagens, valor do veículo, dados históricos de sinistros ou o custo de uma substituição; o agente pode coletar e revisar continuamente para tomar uma decisão em dias, se não horas.

Transformação completa com automação de tarefas completas

Isso é automação completa de tarefas. Ela permite que as seguradoras não apenas realizem mais trabalho, com níveis mais altos de precisão, mas também transformem sua forma de operar de maneiras que antes não tinham tempo ou recursos para fazer. Elas podem:

• Analise cada reclamação como se fosse a única que receberam naquele dia
• Preveja riscos com níveis mais profundos de precisão
• Personalize os produtos a um nível que faça o cliente sentir como se tivessem sido criados especialmente para ele
• Tenha certeza de que o potencial para reivindicações fraudulentas será enormemente reduzido

Agentes de IA terão um efeito verdadeiramente transformador no setor de seguros, mas somente se forem implantados em larga escala. Um agente é um piloto; centenas representam uma transformação.

Para atingir esse objetivo, é necessária uma infraestrutura de IA em toda a empresa que suporte operações autônomas. Isso precisa garantir que os agentes de IA possam se integrar aos sistemas existentes, operar de forma autônoma e permitir que especialistas configurem os agentes de IA de acordo com seus objetivos comerciais específicos.

Investir em centenas de agentes pode parecer um investimento enorme, mas não é; atualmente, os agentes são bons o suficiente para começar a assumir a responsabilidade por tarefas simples e estão em constante aprendizado. Daqui a um ano, serão 10 vezes melhores, com 1/100 do custo. As barreiras de custo para entrar no mercado estão caindo drasticamente.

Isso também significa que os concorrentes os utilizarão. Uma empresa pode competir com outros provedores que mobilizam agentes juntamente com equipes humanas de especialistas?

Desbloqueando a transformação operacional

Modelos de IA, adquiridos prontos para uso, não transformarão o setor de seguros. Eles gerarão benefícios incrementais e, se implementados em larga escala, esses benefícios poderão melhorar os resultados financeiros em um ou dois pontos percentuais. Eles não reformularão completamente os processos que foram projetados e construídos para acomodar as limitações da força de trabalho humana.

Somente os agentes podem proporcionar a transformação operacional que as seguradoras precisam, quando a IA não auxilia mais as equipes, mas assume total responsabilidade pelas tarefas. Ao adotar agentes autônomos, as seguradoras estarão em uma posição mais forte para aproveitar as oportunidades que a IA oferece.