A IA acelerou a análise, não a decisão: por que a digitalização do seguro parou antes da aceitação de risco

A inteligência artificial chegou ao seguro e o resultado, no topo da linha, mal se mexeu. Dois números do mesmo estudo, respondidos pelas mesmas 26 seguradoras, mostram os dois lados: 80% já rodam inteligência artificial, e 84% esperam que ela aumente a receita em só até 1%.

Repare no verbo do segundo: esperam. É expectativa de quem já está rodando, não resultado apurado. O estudo CNseg/EY ouviu companhias que somam R$ 210 bilhões, ou 50,7% do mercado. A tecnologia entrou. O ganho esperado segue incremental.

O estudo põe os dois números lado a lado e não os liga. A explicação fácil é maturidade: é cedo, o efeito composto vem depois. É razoável e explica parte. Existe uma segunda leitura, e ela é nossa: não é sobre a IA, é sobre onde ela foi ligada. A tese cabe em uma frase: a digitalização do seguro parou antes da aceitação.

A adoção é quase universal, o retorno esperado não

Os dois números são verdadeiros ao mesmo tempo, e é isso que incomoda. Cortar de 30% a 50% do tempo de resposta, como o estudo aponta, é o tipo de ganho que justifica um investimento sozinho. Ainda assim, a receita esperada é de até um ponto percentual, e 68% das seguradoras já projetam processos totalmente automatizados em cinco anos. Ambição alta, retorno incremental.

A hipótese que sustentamos é simples de enunciar e incômoda de aceitar: acelerar o trecho rápido de um ciclo preso no trecho lento não muda o tempo do ciclo. Muda o tempo do trecho. É hipótese, não conclusão do estudo, e precisaria de dado que não encontramos publicado para virar afirmação.

A IA foi ligada onde o dado já era digital

A IA foi primeiro para onde o dado já estava: atendimento, cotação, triagem de proposta, leitura de documento. Nenhuma dessas frentes depende de alguém sair do prédio. Não foi erro de escolha, foi gravidade. Modelo precisa de dado, e o dado estava dentro do sistema, em texto, tabela e PDF. Quem começa por aí entrega valor em meses.

Só que a informação que decide a aceitação de um risco patrimonial não está no sistema. Está no galpão: na condição do telhado, na carga do quadro elétrico, na distância entre o estoque e a parede. Nada disso nasce digital. Nasce quando alguém aponta uma câmera para a coisa. Esse é o passo que a IA não automatizou, porque não é um passo de análise. É um passo físico.

De um lado, uma esteira digital que cota em segundos. Do outro, um dado de campo que, em muitas operações, leva semanas para chegar. No meio, uma analista com o prazo correndo e um laudo que ainda não existe. Automatizar a leitura desse laudo não adianta enquanto ele não chega.

O prazo da aceitação só reinicia com um evento de campo

E o prazo joga a favor do campo, não da esteira. A Lei 15.040, em vigor desde dezembro de 2025, dá à seguradora até 25 dias para recusar uma proposta. Passado o prazo, a proposta é considerada aceita. Quando a seguradora pede um exame, o relógio só recomeça com o atendimento da solicitação ou a conclusão do exame, não com o pedido. São eventos de entrega, não de análise.

Daí a pergunta que interessa: qual modelo de IA dá novo início a esse prazo? Nenhum. A IA lê o laudo em dois segundos, e o prazo não anda um dia. O que move o prazo é a conclusão do exame. IA que não acelera a captura não toca o relógio da aceitação. Ela chega depois do problema, e rápido demais para um problema que já passou. A aplicação depende do caso concreto.

O custo de deixar o gargalo onde ele está

Deixar o gargalo no lugar custa margem, e onde existe série pública o quadro não sugere folga. Nos Estados Unidos, a Deloitte projeta combined ratio dos ramos de danos em 99% para 2026, contra 97,2% observado em 2024, com o Swiss Re Institute como fonte. Combined ratio mede quanto sai para cada real que entra em prêmio, somando sinistro e despesa. Um número nessa faixa não quer dizer que sobra 1%: é margem técnica de subscrição estreita antes do resultado financeiro. E os 99% são projeção, não resultado apurado. A série descreve os Estados Unidos, não o Brasil, e não encontramos equivalente público nacional. Vale como direção de mercado maduro, nunca como prova do cenário local.

Há um segundo custo, e esse é brasileiro: 70% das seguradoras citam custo e orçamento como a principal barreira de adoção de IA. Junte com os 84% que esperam receita de até 1% e o quadro para quem defende o próximo orçamento fica desconfortável. Caro, adotado, e com retorno esperado incremental justamente no lugar onde o CFO olha.

Nada disso é argumento contra a IA. É argumento contra plugá-la longe do gargalo. Quem investe no trecho rápido paga o preço inteiro do projeto e, se a hipótese estiver certa, continua com o mesmo ciclo.

Onde a IA encurta o caminho entre o campo e a mesa

A IA valida, classifica e extrai. Nenhum desses verbos é decidir. Quando a evidência chega do campo, ela rende em três lugares, todos antes da mesa de análise. É um recorte nosso, não um padrão de mercado, e o critério é único: só entra o que encurta o caminho entre o campo e a decisão.

Na captura, validando com o inspetor ainda no local. A foto do quadro elétrico saiu tremida e cortou metade do painel. Percebido três dias depois, na mesa, custa a semana inteira: reagenda, desloca, refaz. Percebido enquanto a pessoa está no galpão, ela tira outra foto e vai embora com a evidência completa. O ganho não é a foto melhor. É a reinspeção que não acontece, e a proposta que fecha dentro dos 25 dias.

Na chegada, transformando o laudo em dado estruturado. Um laudo de campo chega com dezenas de páginas e centenas de fotos. À mão, vira hora técnica cara gasta em digitação. Por IA, vira campo comparável no instante em que chega: o risco deste ano contra o mesmo risco na renovação passada, sem ninguém reler dois PDFs lado a lado.

Na triagem da modalidade, para gastar campo onde importa. Nem todo risco pede engenheiro no local, e nenhuma carteira deveria operar com uma modalidade só. A triagem separa o que fecha com auto inspeção guiada, o que pede inspeção remota conduzida por especialista e o que exige presença física, medição e ensaio. Auto inspeção não substitui parecer profissional nem ensaio. A regra é a menor camada capaz de dar evidência suficiente para a decisão, e a agenda do especialista sobra para os riscos em que errar é caro.

Nenhuma das três é a IA decidindo o risco. Todas encurtam a distância entre o campo e a mesa. A decisão continua de quem responde por ela. Em sinistro de auto, onde o volume é alto e a peça é padronizada, a visão computacional avançou mais, embora a adoção no Brasil ainda seja desigual. Na aceitação de risco patrimonial não há catálogo de peça, e por isso a evidência bem capturada pesa mais que o modelo.

O que a IA não faz

A IA analisa o que recebe. Esse é o começo e o fim da frase. Ela não comprova que a pessoa esteve no lugar, nem que o que foi mostrado é o risco real. Se a foto é de outro galpão, de outro dia, de outro ativo, o modelo descreve o risco errado com precisão impecável. E com confiança, o que é pior do que errar com dúvida.

Prova de presença e procedência é outra disciplina, e é anterior à IA: saber que aquele registro nasceu naquele local, naquela data e hora, feito por aquela pessoa, e chegou à mesa sem passar por nenhum lugar onde pudesse ser trocado. Não é modelo, não é prompt, e não se resolve depois.

Dizer que a IA detecta fraude na foto é comercialmente eficiente e tecnicamente frouxo. Quem pede ao modelo que responda de onde veio a imagem faz uma pergunta de origem a um sistema que só sabe responder sobre conteúdo. A ordem que defendemos é essa: primeiro a evidência confiável, depois a IA. Um modelo excelente sobre uma evidência frouxa só produz uma decisão frouxa mais rápido.

A decisão é o produto, não a IA

Volte aos dois números do começo. 80% adotaram, 84% esperam até 1%. Eles não dizem que a IA não funciona, e sozinhos também não dizem onde ela foi ligada. Essa parte é hipótese nossa.

Se ela estiver certa, enquanto a captura da evidência continuar analógica, a automação total que 68% das seguradoras projetam para cinco anos vai ser a automação de uma fila que espera o campo. Vai processar cada vez mais rápido a proposta que ainda não tem laudo.

O caminho que defendemos é mais chato: colocar a IA em cima da evidência, no momento em que ela nasce. Validar no local, estruturar na chegada, triar a modalidade pelo risco. Nas mais de 100 mil inspeções acumuladas na plataforma da uInspect, número declarado pela empresa, a lição é qualitativa, não estatística: o que mais custa não é a evidência analisada devagar. É a evidência que chega incompleta e obriga alguém a voltar. São promessas qualitativas, e não encontramos benchmark público que as transforme em percentual.

A IA não é o produto. A decisão é. E, em boa parte das operações que conhecemos, ela ainda está esperando alguém chegar ao galpão.

Normas, apólices e estudos citados verificados em julho de 2026.