BRANDS' ECOSEGUROS Milliman descreve como transformar pilotos de IA em valor escalável no seguro

A adoção de IA generativa está a acelerar – 65% das seguradoras já a utilizam – mas muitas iniciativas continuam presas ao “proof of concept”. O bloqueio raramente é tecnológico. É de execução: escolher o processo certo, redesenhá-lo com especialistas do negócio, escalar numa plataforma adequada e garantir adoção com governação e gestão da mudança.

Esta foi a mensagem prática do webinar da Milliman “Artificial Intelligence for Insurance – Real-World Success Stories”, conduzido por José Silveiro, responsável pela prática de Não Vida da Milliman em Portugal e Espanha, e Alexandre Boumezoued, Principal da Milliman, com sede em França. Como Boumezoued referiu, apenas uma minoria dos pilotos de IA se traduz em resultados mensuráveis, já que criar “GenAI” divide-se entre casos de sucesso e projetos que não geram impacto.

O webinar ancorou a discussão em exemplos concretos. Numa operação de sinistros com grandes volumes de PDFs, nomeadamente cartões de identificação, cartas assinadas e outros documentos não estruturados, a Milliman combinou modelos de visão especializados com modelos generativos para estruturar dados com fiabilidade. Ao utilizar uma configuração de modelo específica para tarefas como a deteção de assinaturas e o isolamento de documentos, e ao aplicar depois um modelo diferente só ao conteúdo extraído relevante, os especialistas conseguiram melhorar a precisão e controlar os custos de computação. Resultado: a extração de informação foi correta em 8 de 10 casos e, ao passar de recolha manual para validação dirigida, o tempo operacional de tratamento foi reduzido para um terço.

A gestão de fraude foi apresentada como outra área de elevado impacto, sobretudo à medida que se torna mais fácil manipular fotos e evidências. A abordagem proposta integra IA no workflow de sinistros, de forma a permitir verificar consistência entre a informação da apólice e o sinistro, analisar comunicações para detetar anomalias, usar modelos de visão para avaliar se o dano é compatível com o evento reportado e comparar orçamentos de reparação com referências de mercado. No exemplo de um sinistro doméstico por danos de água, uma comparação do custo dos sinistros com um valor de referência do mercado revelou uma sobrestimação superior a 25%, o que provocou um aumento dos custos em vez de atrasar todos os clientes honestos.

Silveiro resumiu o objetivo: “A deteção de fraude é uma das áreas com maior impacto para a integração de IA no setor segurador. O objetivo não é só ganhar precisão e eficiência operacional, mas também detetar padrões suspeitos sem criar fricção nem atrasos para os clientes honestos”.

O terceiro caso incidiu sobre reporting atuarial e financeiro. Numa entidade de Vida de bancassurance, com maior complexidade e prazos mais curtos, um sistema com agentes automatizou análises e gerou um PowerPoint pronto para comité executivo. O que antes demorava cinco dias passou a ser produzido em cerca de 15 minutos, com uma breve validação – a capacidade de cobrir mais fundos e revelar drivers que não eram observados anteriormente.

Nos três casos, o denominador comum foi “governance by design”: supervisão humana (human-in-the-loop), explicabilidade, controlos de acesso, monitorização e auditabilidade. A nota de pragmatismo de Boumezoued é um bom teste para qualquer equipa executiva: “Trabalhando com os nossos clientes atuais, entregamos casos de uso concretos num prazo de três meses, permitindo-lhes avaliar com rigor o ROI antes de avançarem para integrações de maior escala”.