EXCLUSIVO – Todas as empresas estão utilizando inteligência artificial. O que vai diferenciar uma da outra é a sua capacidade de combinar informações que a seguradora já possui com os dados externos. Quem avise é Ricardo Salama, CRO da Transunion Brasil. Se antes os dados eram utilizados principalmente para subscrição e precificação, agora eles começam a participar de praticamente toda a jornada do seguro.
Um dos exemplos está na própria relação entre seguradoras e corretores. As companhias costumam classificar seus parceiros de acordo com a produção interna, criando categorias conforme o volume de negócios. O problema é que essa fotografia mostra apenas a relação daquele corretor com uma determinada empresa.
Ao incorporar informações externas, a seguradora consegue ampliar essa visão. “Um corretor que é muito grande para uma companhia pode ser pequeno no mercado. O contrário também pode acontecer. Isso permite rever a segmentação e identificar onde existe uma oportunidade comercial”, explica Salama.
A mesma lógica vale para a relação com o segurado. Salama avalia que boa parte do mercado ainda trabalha com uma visão excessivamente concentrada no produto, quando poderia utilizar dados para compreender melhor as necessidades de cada cliente. Isso ganha relevância em um país no qual a penetração de seguros ainda oferece espaço para crescimento. Antes mesmo de disputar um consumidor que já possui determinada cobertura em outra companhia, argumenta o executivo, as seguradoras podem olhar para a própria carteira e identificar oportunidades de cross-selling.
O cruzamento de bases permite incluir variáveis que não estão necessariamente disponíveis dentro da seguradora. Essas informações podem ser entregues na forma de atributos específicos ou transformadas em scores para utilização nos modelos da companhia. Um atributo pode ser, por exemplo, uma informação adicional utilizada pela seguradora em seu próprio modelo de precificação. Já um score reúne diferentes variáveis para gerar um indicador que poderá apoiar determinada decisão.
Por isso, segundo Salama, diversas seguradoras vêm investindo na modernização de seus ERPs e na substituição de sistemas legados. “O objetivo é conseguir juntar o dado interno com o dado externo. Quando os sistemas não conversam, você perde parte da capacidade de gerar inteligência com aquela informação”, afirma. Entretanto, não existe um único conjunto de dados adequado para todas as carteiras. As variáveis relevantes para automóvel podem ser diferentes das necessárias para vida ou saúde. O trabalho, portanto, passa também pela construção de modelos específicos para cada necessidade.
Fraude exige contexto
Na saúde, um dos exemplos citados pelo executivo está na análise dos pedidos de reembolso. Olhar apenas para o segurado pode fornecer uma informação incompleta. Ao relacionar o consumidor à clínica ou ao profissional que prestou o serviço, aos sócios dessas empresas e a outros registros disponíveis, é possível criar uma rede de vínculos capaz de revelar padrões que isoladamente não apareceriam.
“A análise de vínculos é muito poderosa. Você começa a juntar informações que aparentemente estão desconectadas e consegue enxergar relações entre o segurado, quem prestou o serviço e quem está por trás daquela empresa”, explica Salama. O cruzamento também ajuda a enfrentar uma questão delicada: a diferença entre fraude e abuso.
Uma empresa de fachada criada para gerar cobranças falsas caracteriza uma situação diferente daquela em que um procedimento legítimo é faturado de maneira irregular. Para Salama, tratar todos os comportamentos da mesma forma pode criar um novo problema para a seguradora. Os dados podem ajudar a estabelecer essa distinção.
Outra oportunidade está no momento em que determinadas informações são utilizadas. Em uma análise realizada pela TransUnion com dados de ações judiciais, a companhia identificou que algumas informações eram consultadas somente depois do pagamento do sinistro. Ao antecipar essa consulta, seria possível incorporar os indicadores antes da indenização ou, em alguns casos, até mesmo no momento da emissão.
“Às vezes, a informação já existe, mas está sendo utilizada tarde demais. Quando você consegue trazer esse dado para uma etapa anterior, pode evitar uma perda em vez de apenas identificar o problema depois que ele aconteceu”, pondera. No caso analisado, cerca de 1,2% das ocorrências avaliadas apresentavam registros relacionados a crimes considerados graves, informação que poderia funcionar como um indicador adicional para investigação. A proposta não é transformar o dado isolado em uma negativa automática, mas utilizá-lo como elemento de análise dentro do processo da seguradora.
Kelly Lubiato
