Menos tempo, mais valor: como a IA transformou a análise de sinistros

 Com uma abordagem orientada a impacto, a Foursys ajudou uma seguradora multilinha a reduzir em 85% o tempo de análise de sinistros e a construir um business case com retorno do investimento calculado em 8 meses. 

Após seis pilotos de inteligência artificial sem resultados mensuráveis, a seguradora precisava transformar ceticismo em confiança — e tecnologia em resultado operacional.

A Foursys combinou mapeamento de oportunidades, uma prova de conceito de triagem automática com LLMs e avaliação financeira para demonstrar o potencial da IA no processo de sinistros. A iniciativa reduziu o tempo de análise de cinco dias úteis para menos de 18 horas por sinistro e sustentou um business case aprovado pela diretoria em seis semanas.

 O Desafio: Sinistros, Retrabalho e Seis Pilotos sem Resultado 

 A seguradora enfrentava um processo de análise de sinistros que consumia, em média, cinco dias úteis. Fraudes não detectadas e retrabalho manual intensivo geravam prejuízos operacionais, enquanto a equipe de sinistros atuava no limite de capacidade.

O cenário era agravado pelo histórico de seis pilotos de IA conduzidos por outros fornecedores, sem resultados mensuráveis. Além do investimento acumulado sem retorno, essas experiências criaram uma barreira de confiança na diretoria.

Reduzir o tempo de análise, melhorar a capacidade de identificar fraudes e demonstrar viabilidade econômica eram prioridades para viabilizar novos investimentos.

 Os principais desafios:

• Baixa Agilidade Operacional: Análises demoradas limitavam a capacidade de processamento da equipe.
• Fraudes e Retrabalho Manual: Dificuldades na identificação de inconsistências ampliavam o esforço operacional e os prejuízos.
• Ceticismo da Diretoria: Seis pilotos anteriores sem resultados dificultavam a aprovação de novas iniciativas de IA.
• Pressão por Retorno Demonstrável: A continuidade dos investimentos dependia de evidências de impacto em uma janela curta.

Por que a Foursys?

 O projeto exigia uma abordagem que conectasse inteligência artificial a um problema concreto do negócio, sem repetir o ciclo de experimentações sem retorno.

A Foursys aplicou a abordagem IA com Impacto, priorizando oportunidades com ganhos mensuráveis e validando seu potencial antes de propor a expansão.

A atuação foi estruturada em quatro pilares:

• Diagnóstico Orientado ao Negócio: Mapeamento dos gargalos e das oportunidades de IA no processo de sinistros.
• Quick Wins com Impacto Real: Priorização de uma aplicação capaz de demonstrar valor em um escopo controlado.
• Validação Técnica e Econômica: Desenvolvimento da PoC acompanhado da construção do business case.
• Escala Sustentada por Evidências: Projeção de expansão apoiada nos resultados e na viabilidade financeira da iniciativa.

 A Solução: Triagem Automática de Sinistros com LLMs 

 A Foursys desenvolveu uma PoC de triagem automática utilizando modelos de linguagem para analisar semanticamente os documentos de sinistros.

A proposta foi reduzir o esforço manual e acelerar a análise, conectando a validação tecnológica a indicadores operacionais e financeiros.

A entrega contemplou:

• Mapeamento Estruturado de Oportunidades: Identificação dos pontos do processo com potencial de ganho por meio de IA.
• Análise de Documentos com LLMs: Uso de GPT-4 e Claude na interpretação semântica dos documentos de sinistros.
• Processamento e Integração: Estruturação de pipelines e serviços para trabalhar com dados provenientes dos sistemas legados.
• Acompanhamento de Métricas: Dashboards para monitoramento operacional e de indicadores relacionados a fraudes.
• Business Case e Projeção de Escala: Consolidação da avaliação econômica, com retorno do investimento calculado em oito meses.

 Tecnologias-Chave 

• Python: Processamento de dados e orquestração da solução.
• LLMs — GPT-4 e Claude: Análise semântica de documentos de sinistros.
• AWS SageMaker: Treinamento de modelos customizados.
• FastAPI: Disponibilização de endpoints de serviço.
• Power BI: Dashboards de acompanhamento e métricas de fraude.
• Databricks: Pipelines de dados e engenharia de features.
  

 Fatores de Sucesso e Desafios Superados 

• Confiança Reconstruída com Resultados: Demonstração de impacto mensurável após seis pilotos anteriores sem retorno.
• Integração com Sistemas Legados: Tratamento de múltiplos formatos de dados presentes no processo de sinistros.
• Adequação Regulatória: Consideração das exigências da SUSEP na automação do processo.
• Viabilidade Econômica Demonstrada: Construção de um business case aprovado pela diretoria em seis semanas.
• Validação antes da Escala: Priorização de uma PoC com impacto real como fundamento para investimentos futuros.

Resultados

A iniciativa trouxe ganhos operacionais e uma base concreta para a decisão de investimento em IA:

• 85% de Redução no Tempo de Análise: Mais agilidade no processo de sinistros.
• De 5 Dias Úteis para Menos de 18 Horas: Novo tempo de análise por sinistro.
• Retorno do Investimento Calculado em 8 Meses: Projeção financeira consolidada no business case.
• Aprovação da Diretoria em 6 Semanas: Viabilidade da iniciativa reconhecida pela liderança.
• Uma PoC com Impacto Real: Resultado mensurável após seis pilotos anteriores sem sucesso.

"Já tínhamos tentado 6 pilotos de IA sem resultado. A Foursys entregou impacto real na primeira PoC — com business case aprovado pela diretoria.”

Diretor de Inovação, Seguradora Multilinha