A inteligência artificial começa a avançar para uma nova etapa no mercado seguro. Depois de anos de testes de conceito, chatbots, copilotos e projetos experimentais, surgem evidências de que a tecnologia está sendo incorporada aos processos que fazem o seguro funcionar: subscrição, análise de riscos, regulação de sinistros, prevenção a fraudes e operações de atendimento.

Não significa que todo o setor tenha deixado para trás a fase dos pilotos. A adoção permanece desigual entre empresas e mercados. Mas casos recentes mostram que, em algumas seguradoras e fornecedores de tecnologia, a discussão já não é apenas sobre experiência IA. 

Passe a ser sobre como colocá-la em produção, integrá-la aos sistemas existentes, medir o retorno e aumentar sua utilização.

Uma forma de retomar essa transformação é:

• IA como ferramenta → IA integrada ao fluxo de trabalho → IA como parte da infraestrutura operacional.

É apenas a passagem entre esses estágios que começa a ficar mais visível no seguro.

Verisk vê usuários de IA crescerem quase dez vezes

Um dos sinais mais objetivos aparece na Verisk, um dos principais fornecedores globais de dados e tecnologia para o setor.

O XactAI, lançado no quarto trimestre de 2025 e incorporado aos fluxos de sinistros da plataforma Xactware, auxilia seguros, reguladores e profissionais de estoques em tarefas como resumo das informações de um sinistro, classificação de fotografias, extração de dados de documentos e geração de recomendações para estimativas.

Desde março de 2026, o número de usuários aumentou quase dez vezes, chegando a aproximadamente 7 mil licenças, segundo a companhia.

O dado é relevante não apenas pelo crescimento. A própria Verisk afirma que está trabalhando com garantias para levá-las da experimentação para implantações em produção e, posteriormente, adoção em escala. Ao comentar a monetização dessas soluções, o CEO Lee Shavel afirmou que a empresa já ultrapassou a etapa de simplesmente testar a tecnologia e passou a observar aplicações capazes de melhorar eficiência, produtividade e resultados.

Isso muda a natureza da discussão. Um experimento pode funcionar isoladamente. Uma solução precisa operacional operar de forma repetida, integrada a outros sistemas, com controle de acesso, segurança, qualidade dos dados e resultados previsíveis.

IA passa a conversar diretamente com dados de assinatura e sinistros

Em maio, a Verisk anunciou uma parceria com a Anthropic para disponibilizar informações e análises do setor segurador diretamente no Claude por meio de conectores baseados no Model Context Protocol (MCP).

A proposta é permitir que profissionais consultem, em linguagem natural, dados especializados da Verisk dentro de fluxos relacionados à assinatura e sinistros.

Segundo a empresa, uma segurança que está entre as dez maiores de sua base já utiliza um desses conectores. A Verisk também desenvolve, em parceria com uma segurança global, uma plataforma de subscrição baseada em IA agentiva.

Esse tipo de integração é diferente de simplesmente disponibilizar um chatbot para responder perguntas. A IA passa a acessar informações especializadas e participar de uma cadeia operacional existente, respeitando especificações e regras do ambiente corporativo.

A Verisk afirma que, em sua arquitetura com o Claude, os dados permanecem dentro da sessão do cliente e não são utilizados para treinamento dos modelos. A companhia associa essa estrutura a investimentos anteriores em organização de dados, infraestrutura, segurança e governança.

A Guidewire leva agentes de IA para os sistemas centrais de segurança

Outro sinal importante surgiu em agosto.

A Guidewire lançou no Qusar de sua plataforma um Agentic Framework que permite construir, implantar e controlar versões de agentes de IA conectados diretamente aos sistemas de seguros. A estrutura oferece acesso seguro e em tempo real a dados e fluxos de trabalho de agências, sinistros e faturamento.

A empresa apresentou agentes específicos para sinistros e assinaturas, além de aplicações capazes de executar processos com várias etapas.

O significado estratégico está na localização da IA: dentro do núcleo operacional, e não em uma aplicação paralela.

A Guidewire sustenta que a integração permite automatizar processos complexos e reduzir para decisões que anteriormente poderiam levar dias. A estrutura também é independente de um único modelo de IA, permitindo escolher modelos diferentes de acordo com a tarefa.

O lançamento reforça uma mudança arquitetural: a IA começa a deixar de ser apenas uma interface colocada sobre sistemas existentes para se tornar uma camada capaz de operar entre dados, regras, sistemas e ações.

Faça “painel” para o “motor”

Uma entrevista publicada em 11 de agosto pela Express Computer sintetizou essa transformação com uma analogia.

Goutam Datta, Chief Information & Digital Officer da Bajaj Life Insurance - antiga Bajaj Allianz Life Insurance - defendeu que as seguros não concentram seus investimentos digitais apenas na periferia do negócio.

Na comparação do executivo, seria como modernizar o painel de um automóvel sem transformar seu motor. A mudança efetiva, segundo ele, precisa atingir os processos que determinam como o seguro é precificado, avaliado e entregue.

Datta aponta justamente para áreas como subscrição, avaliação de risco, detecção de fraudes, processamento automático e experiência do cliente.

A metáfora ajuda a distinguir duas fases da IA ​​no seguro.

Na primeira, a tecnologia aparece principalmente na interface: chatbot, assistente, geração de textos, consulta de informações.

Na segunda, começa a influenciar como o trabalho é realizado e como as decisões são produzidas.

Bajaj Life já passou de experimentos isolados para implantações empresariais

A própria Bajaj Life fornece evidências de que essa passagem já começou

Em maio, a companhia informou ter desenvolvido, nos dois anos anteriores, experimentos isolados de inteligência artificial para implantações em escala empresarial em diferentes funções.

Entre as aplicações estão sistemas que retomam automaticamente casos para assinantes, interpretam documentos, automatizam verificações, auxiliam na comunicação, apoiam funcionários e distribuidores e ampliam a transmissão automática de apólices.

Segundo a empresa, várias dessas soluções foram obtidas como pilotos e posteriormente foram ampliadas para ambientes de produção.

A companhia também vem integrando IA as etapas críticas da subscrição. Documentos de clientes podem ser interpretados automaticamente, verificações repetitivas são automatizadas e perfis são resumidos para acelerar a avaliação realizada pelo assinante. Modelos analíticos também são usados ​​para aprimorar a avaliação de risco.

É uma diferença fundamental: o valor deixa de estar apenas na capacidade de “produzir uma resposta” e passa para a capacidade de participar de um processo de negócio.

De 30% para 100% dos sinistros de Saúde

Um dos exemplos mais claros de passagem de teste para escala vem da IFFCO-TOKIO General Insurance.

• A segurança indiana utiliza uma solução de IA para análise de sinistros de Saúde que combina reconhecimento óptico de caracteres, aprendizado de máquina e processamento inteligente de documentos.
• Um único sinistro pode envolver entre 50 e 60 documentos. O sistema reúne informações relevantes, identifica discrepâncias, gera resumos e sinaliza possíveis anomalias.
• Inicialmente, apenas 30% dos sinistros eram direcionados ao novo processo.
• Depois de validar os resultados, a empresa ampliou progressivamente sua utilização até 100% dos sinistros de Saúde desde março de 2026.
• Atualmente, cerca de 5 milhões a 6 milhões de sinistros por mês passam por esses fluxos de trabalho assistidos por IA.

O caso é particularmente significativo porque permite observar as etapas do processo:

• adoção limitada → validação → expansão → operação recorrente em grande volume.

A empresa também utiliza IA em sinistros de Automóvel para identificar imagens manipuladas, documentos duplicados e outras possíveis anomalias antes do processamento.

IA também começa a padronizar a avaliação de riscos

A IFFCO-TOKIO aplica ainda inteligência artificial à inspeção de riscos por meio da plataforma iDrishti 2.0.

Em uma inspeção tradicional, diferentes profissionais podem observar aspectos diferentes de um mesmo risco. A plataforma transforma essa avaliação em um fluxo estruturado: respostas anteriores determinam novas perguntas, enquanto imagens, vídeos, documentos e observações são encontrados de maneira padronizada.

Ao final, o sistema produz uma pontuação de risco e recomendações que apoiam o trabalho do assinante.

O exemplo mostra outra dimensão da IA ​​operacional: ela não necessariamente substitui quem decide. Pode atuar estruturando a informação que antecede a decisão, variando variações e oferecendo mais consistência ao processo.

No Brasil, Mapfre já leva IA para dentro da jornada de sinistros

O movimento também encontra exemplos concretos no mercado brasileiro.

Em fevereiro, a Mapfre ampliou uma iniciativa de inteligência artificial generativa que já permitiu comunicar sinistros de Automóvel por mensagens de voz no WhatsApp.

A nova etapa incorporou um agente conversacional capaz de interpretar áudio, texto e imagens, validar a polícia, compreender a natureza da ocorrência e encaminhar transações de assistência em tempo real.

O sistema pode fazer perguntas adicionais, solicitar documentos, considerar informações em imagens, utilizar geolocalização e realizar verificações de cobertura antes de encaminhar o atendimento. Casos fora do padrão permanecem com atendimento humano.

A etapa anterior, dedicada ao aviso de sinistro, registrou em menos de três meses mais de 14 mil acessos e aproximadamente 1.600 sinistros registrados e concluídos, segundo dados da companhia.

O caso mostra que a transição não precisa necessariamente ocorrer por uma grande substituição do núcleo tecnológico. A IA pode avançar ao assumir etapas concretas dos fluxos de trabalho gradualmente existentes e ampliar o grau de automação à medida que sua utilização seja validada.

O Brasil já tem adoção ampla, mas o impacto ainda é predominantemente incremental

Essa diferença entre adoção e transformação já havia aparecido no levantamento da CNseg sobre inteligência artificial no mercado segurador brasileiro, divulgada em fevereiro.

• Uma pesquisa mostrou que 80% das seguranças participantes já implantaram alguma solução de IA, em processos internos ou em aplicações específicas aos clientes. As empresas pesquisadas representavam mais de metade do mercado nacional.
• Mas 77% ainda classificaram o impacto como incremental e apenas 4% identificaram uma transformação disruptiva.
• O setor investiu aproximadamente R$ 2,3 bilhões em IA em 2025, com projeção de cerca de R$ 2,6 bilhões em 2026.
• O levantamento mostra também que os principais obstáculos não estão necessariamente na inexistência de modelos de IA. Integração com sistemas legados, mencionada por 69% das empresas, e confiabilidade e precisão dos modelos, apontadas por 58%, aparecem entre as principais barreiras.
• Outro dado ajuda a dimensionar a expectativa de mudança: 68% das companhias esperam ter processos totalmente automatizados em até cinco anos, principalmente em sinistros, resgates, pagamentos, subscrição e operações.

A diferença entre o diagnóstico de fevereiro e os casos internacionais mais recentes ajuda a enxergar o próximo passo: o desafio não é simplesmente aumentar o número de aplicações de IA, mas fazer com que algumas delas cheguem aos processos mais relevantes do negócio.

McKinsey identifica uma “escada da IA” no seguro

Uma análise publicada pela McKinsey em fevereiro descreveu trajetória semelhante.

Segundo a consultoria, o setor está avançando por uma espécie de “escadaria AI”.

• Na primeira etapa estão modelos preditivos, já consolidados em áreas como fraude, precificação e modelagem de riscos.
• Na segunda, a IA generativa começa a transformar tarefas intensivas em documentos, como emissão de apólices, submissões e partes do processamento e regulação de sinistros.
• A terceira fronteira é uma agente IA, capaz de executar fluxos de trabalho de ponta a ponta com graus variados de autonomia.

O modelo ajuda a entender por que as notícias recentes sobre Guidewire, Verisk, Bajaj Life e IFFCO-TOKIO são relevantes: elas se apresentam disfarçadas de empresas começando a subir essa escada.

Ao entrar no “motor”, a IA muda também o papel da informação

A transformação, porém, cria um paradoxo.

Quanto mais sofisticado se torna o modelo de IA, maior pode ser a importância de algo aparentemente menos inovador: a informação que chega até ele

Na apresentação dos resultados da Verisk, a empresa afirmou que as conversas com seguradoras estão cada vez mais técnicas em quatro aspectos: precisão, eficiência, repetibilidade e retorno sobre o investimento.

Para aumentar a qualidade das respostas, a companhia cita explicitamente investimentos em Retrieval-Augmented Generation (RAG) e Engenharia de Contexto - Context Engineering.

A Engenharia de Contexto procura controlar melhor quais informações, regras, conhecimentos e referências entram no ambiente em que o modelo realiza uma tarefa ou toma uma decisão.

No caso da Verisk, a empresa relaciona essa abordagem a dados previamente limpos e estruturados, conhecimento especializado do setor e uma camada semântica que acrescenta estrutura, contexto e regras aos processos de IA.

É um ponto crucial para o seguro.

Quando a IA apenas produz um texto preliminar, um erro pode exigir uma correção editorial.

Quando participa da análise de um sinistro, da avaliação de risco ou da subscrição, a qualidade das informações disponíveis passa a afetar uma atividade operacional.

Por isso, qualidade dos dados, taxonomias, metadados, regras de negócio, proveniência, atualização, controle de acesso e validação permitem de serem questões específicas de tecnologia. Tornam-se parte da própria arquitetura da decisão.

O diferencial pode migrar do modelo para o contexto

Modelos de inteligência artificial tendem a se tornar cada vez mais disponíveis para diferentes organizações.

O que uma segurança possui de mais específico está em outro lugar: histórico de sinistros, dados sobre riscos, normas, contratos, produtos, critérios de subscrição, conhecimento atuarial, políticas internacionais, documentos técnicos, procedimentos e experiência acumulada.

É esse conjunto que permite transformar um modelo tecnológico em uma inteligência aplicada ao seguro.

Os movimentos da Verisk e da Guidewire apontam nessa direção: a vantagem não está apenas em conectar um grande modelo de linguagem, mas em conectá-lo ao conhecimento correto, aos dados corretos e ao fluxo de trabalho correto.

Em outras palavras, à medida que a IA entra no motor da segurança, a base de conhecimento da organização também se transforma em infraestrutura operacional.

Escala também traz uma discussão sobre ROI

Outro sinal de amadurecimento é a mudança na pergunta feita pelas empresas.

No começo da corrida da IA ​​generativa, boa parte da discussão girou em torno do que a tecnologia era capaz de fazer.

Agora, a pergunta começa a ser: vale a pena fazer?

A IFFCO-TOKIO relata ter aprendido essa diferença ao desenvolver anteriormente uma solução própria de IA para avaliação de sinistros de automóveis. Manter infraestrutura dedicada, treinar continuamente os modelos e atualizar o sistema para novos veículos criados com custos e complexidade.

A experiência levou a uma avaliação para adotar uma abordagem mais pragmática, avaliando adequação do caso de uso, possibilidade de medir resultados e soluções econômicas antes de automatizar.

A Verisk faz movimento semelhante ao enfatizar retorno mensurável sobre o investimento, em vez de simplesmente incorporar a tecnologia mais recente.

O próprio avanço do piloto para produção depende dessa mudança: projetos que não demonstram valor dificilmente alcançam escala.

Mais autonomia torna governança ainda mais importante

Quanto mais a inteligência artificial participa dos processos centrais, maior também é a necessidade de definir limites de autonomia.

A IFFCO-TOKIO, por exemplo, distingue atividades à automação - como proteção de informações e validação de entradas estruturadas - de decisões financeiras ou de negócio de maior impacto, nas quais considera necessidade de supervisão humana.

Esse equilíbrio entre automação e controle também está chegando à agenda dos reguladores.

Nos Estados Unidos, a Associação Nacional de Comissários de Seguros (NAIC) apresentou um Boletim Modelo sobre o uso de IA pelas seguradoras que estabelecem expectativas de governança e reforçam que decisões tomadas ou reforçadas por inteligência artificial permanecem impostas às leis e regras vigentes ao seguro.

Em 2026, a entidade passou a testar em 12 estados uma ferramenta para que os reguladores avaliassem a utilização de IA, práticas de governança, mitigação de riscos, modelos ambientais sensíveis e os tipos de dados usados ​​pelos sistemas.

No Brasil, o debate geral sobre uma legislação específica para inteligência artificial continua em andamento no Congresso. O PL 2.338/2023, aprovado anteriormente pelo Senado, permanece em tramitação na Câmara dos Deputados.

A tendência é que a discussão sobre IA não passe, portanto, a envolver simultaneamente eficiência operacional, qualidade de dados, explicabilidade, proteção das informações, supervisão humana e responsabilidade pelas decisões.

Faça experimento de infraestrutura

Os casos observados ainda não permitem afirmar que a inteligência artificial já foi transformada estruturalmente em toda a indústria de seguros.

Permitem, porém, identificar algo diferente do cenário de alguns anos atrás.

Há sistemas processando milhares de sinistros por mês. Há soluções que foram projetadas como pilotos e chegaram a ambientes de produção. Há agentes conectados aos sistemas centrais de polícias e sinistros. Há ferramentas de IA sendo incorporadas diretamente ao trabalho de assinantes e reguladores. E há fornecedores passando a tratar de contexto de engenharia, governança e qualidade da informação como requisitos para colocar IA em escala.

Isso indica que a próxima fase da inteligência artificial não segura poderá ser menos visível do que a primeira.

Em vez de aparecer apenas como um chatbot na tela, ela tende a operar progressivamente nos bastidores, conectada aos processos, dados e sistemas que sustentam a operação.

• É a passagem da IA ​​que responde para a IA que participa do trabalho; da IA ​​como ferramenta para IA como fluxo de trabalho; e, finalmente, da IA ​​como fluxo de trabalho para a IA como infraestrutura.

Quanto mais esse avanço da transformação, maior será a importância não apenas do modelo utilizado, mas aquilo que a segurança consegue colocar ao redor dele: informação confiável, contexto, regras, conhecimento especializado, segurança e governança.

Perguntas e respostas

A inteligência artificial já saiu da fase de testes no setor de seguros?

Em alguns casos, sim. Verisk, Bajaj Life e IFFCO-TOKIO apresentam aplicações que passaram de testes ou utilização limitada para ambientes de produção e fluxos de trabalho recorrentes. Isso não significa, porém, que todo o mercado segurador tenha alcançado o mesmo grau de maturidade.

O que significa dizer que a IA está entrando no “motor” das seguranças?

Significará incorporar os processos que fazem parte do núcleo do negócio, como subscrição, avaliação de risco, sinistros, fraude, processamento de documentos e operações, e não apenas utilizá-la em especificidades de atendimento ou produtividade.

Em quais áreas o IA já está sendo utilizado pelas seguros?

Entre os casos analisados ​​aparecem subscrição, análise documental, avaliação de riscos, sinistros, estimativas de danos, prevenção a fraudes, comunicação com clientes, assistência e automação de processos operacionais.

O que é IA agente sem segurança?

É uma evolução dos assistentes de IA em que os sistemas podem executar sequências de ações e interagir com ferramentas e dados para concluir determinadas tarefas. A Guidewire, por exemplo, já disponibiliza uma estrutura para agentes conectados a dados e fluxos de trabalho de agências, sinistros e faturamento.

O que é Engenharia de Contexto?

É uma organização do ambiente informacional utilizada pela inteligência artificial para realizar uma tarefa. Podemos envolver dados, documentos, regras, histórico, ferramentas, permissões e critérios de validação. A Verisk afirma utilizar Context Engineering juntamente com RAG para melhorar a consistência e a qualidade das aplicações de IA destinadas ao mercado segurador.

Por que os dados se tornam mais importantes quando a IA entra nos processos centrais?

Porque a qualidade de uma decisão informativa depende também da qualidade, atualização, estrutura, procedência e contexto das informações utilizadas pelo sistema. Quanto maior o impacto da decisão, maior a necessidade de governar esses dados e controlar como são acessados ​​e interpretados.

A IA deve eliminar a participação humana nas decisões de seguros?

Os casos analisados ​​não apontam para autonomia indiscriminada. A tendência observada é automatizar atividades em que o risco de erro é controlável e manter a supervisão humana em decisões de maior impacto financeiro ou operacional.

Como está a adoção da IA ​​pelas seguros brasileiros?

Pesquisa divulgada pela CNseg em fevereiro mostrou que 80% das empresas participantes já implementaram alguma solução de IA. Ao mesmo tempo, 77% ainda consideravam seus impactos incrementais, mostrando que a adoção tecnológica e a transformação do modelo operacional não são necessariamente a mesma coisa.

Qual pode ser a próxima etapa da IA ​​sem segurança?

Os casos recentes apontam para maior integração entre modelos de IA, bases de conhecimento, sistemas, centrais e fluxos de trabalho. A evolução tende a deslocar o foco de ferramentas isoladas para aplicações capazes de atuar dentro das operações, acompanhadas por maior exigência de governança, segurança, qualidade dos dados e mensuração de resultados.

Fonte: CNseg | Notícias do Seguro