Inteligência artificial e o futuro das seguradoras

 Tecnologias contribuem para o desenvolvimento da jornada do cliente de forma otimizada e segura

  

Alencar Marabiza é Diretor Comercial e Marketing na Sistran Brasil há 11 anos. Graduado em Tecnologia da Informação, Especialização em Tecnologia e Negócios pela FGV, 30 anos atuando como provedor de soluções estratégicas de TI aplicadas a seguros. Trabalhou nas seguradoras da Sharp, BCN e Bradesco e nas empresas de consultoria Atos Origin e BSI.

Os últimos anos foram marcados pelo desenvolvimento acelerado de novas tecnologias e o aprimoramento das já existentes. Estamos prestes a vivenciar inovações que crescem de forma exponencial: computadores com grande capacidade de processamento de dados, popularização da internet, smartphones, computação em nuvem, machine learning e deep learning. Hoje vivemos a era da informação, na qual a transformação digital coloca os negócios em ebulição e movimenta até mesmo as empresas mais tradicionais, que já começam a entender que processos podem ser alavancados quando digitalizados.

Essa evolução também alcança o mercado das seguradoras. A tecnologia automatizou, por exemplo, os antigos formulários em papel. O armazenamento e a organização mais inteligente dos dados oferecem o poder da previsibilidade, buscando informações em silos de dados nunca imaginados. O desenvolvimento de ferramentas no setor têm se concentrado na busca por formas de tornar cada vez mais ágeis e eficientes os processos - que precisam ser conhecidos a fundo antes de se iniciar o caminho da digitalização e automação.

Nesse contexto, as companhias de seguros incrementam cada vez mais a experiência com os seus clientes (user experience), de forma a transformar seus negócios. Veja a seguir uma breve descrição da evolução nos últimos 20 anos:

●       Não digital: formulários impressos, dados armazenados em enormes arquivos e muito processamento manual;

●       Digital iniciante: implementação de sistemas básicos, que consultam cálculos de prêmios e diminuem a interferência humana;

●       Digital básico: portais ou apps para realizar vendas de apólices com o uso das informações das mídias sociais. Aqui já existem dados consolidados de várias fontes, mas ainda se exige interferência humana;

●       Digital avançado: recompensas baseadas no uso do seguro ou IOT, descontos por indicação (member get member), implementação de sistemas integrados com grande processamento de informações, reduzindo drasticamente a interferência humana;

●       Digital extremo: compra direta pelo cliente, totalmente sem papel. Sinistro na web, chat usando robôs (machine learning). Aqui a tarefa é preparar os algoritmos para serem processados sem a interferência humana;

Tecnologias de aprendizado de máquina

Ao falar sobre tecnologias de automatização, a inteligência artificial é uma das principais tendências. Podemos dividir as ferramentas existentes em dois tipos:

●       Machine learning: se a empresa tem, por exemplo, 600 fontes de dados de clientes, torna-se trabalhoso e demorado para um ser humano analisar todas essas referências. Com programação baseada em algoritmos, um robô pode processar e cruzar informações em segundos. O que deve ser definido é o processo necessário para que a máquina atinja esse objetivo. Assim, qualquer tarefa repetitiva pode ser automatizada, já que há, em geral, um protocolo a ser seguido. É o caso de atendimento inicial ao cliente das seguradoras, por exemplo. Machine learning é ensinar a máquina a agir em determinada situação. Ela pode prever o que o cliente quer ou precisa e acionar uma jornada específica, utilizando algoritmos pré-programáveis como Next Best Action e Next Best Moment.

●       Deep learning: é uma evolução do machine learning e utiliza redes neurais. Algoritmos são mais complexos e seus desenvolvimentos têm um custo mais elevado. Com ela a máquina aprende por padrões complexos. Em um futuro não muito distante, quando um beneficiário acionar o seguro do automóvel, por exemplo, depois de colidir com um poste, ele vai conversar com um robô (machine learning). A máquina será capaz de identificar o risco acima por meio da análise de imagens (deep learning), acionando o tipo de resgate em função da gravidade e disparando todas as validações para que o segurado tenha uma experiência menos traumática diante do ocorrido. As tecnologias baseadas em deep learning estão se desenvolvendo em vários setores, como no caso dos carros sem motorista da Uber e o autopilot da Tesla Motors.

Muitas seguradoras caminham para a automatização completa de seus processos. Algumas, inclusive, já usam o machine learning para a abertura de um sinistro, ou no serviço de atendimento ao cliente. Estamos no meio dessa curva de aprendizagem, que fica exponencial na medida em que muitas empresas trabalham em projetos semelhantes.

O uso de tecnologias no setor de seguros está mudando a forma de atuação das seguradoras, corretores e a interação com os segurados. Enquanto a empresa tem maior controle e facilidade no processamento de dados, acompanhamento dos processos para o fechando de contratos com mais segurança, por sua vez o segurado encontra facilidade e rapidez em contratar seguros, além de ter praticidade na hora de acioná-los.

O salto exponencial dos assistentes robóticos ainda estão por vir, Eugene Goostman é um chatterbot (software que tenta simular um ser humano em conversações) desenvolvido na Rússia, ele foi retratado como sendo um menino de 13 anos de idade, de Odessa, na Ucrânia, que tinha um animal de estimação e um pai ginecologista. Em 2014, se tornou o primeiro chatbot a ser aprovado no Teste de Turing, segundo o qual um interrogador fica incumbido de tentar determinar em um jogo de perguntas e respostas qual jogador A ou B é um computador e qual é um humano.