A IA generativa tem recebido uma quantidade impressionante de atenção e investimento no setor de seguros nos últimos anos e, em 2025, a IA agêntica estará impulsionando ainda mais interesse e entusiasmo.
Praticamente todos os setores estão correndo para adotar a tecnologia de IA generativa, e o setor de seguros não é exceção. Empresas com modelos GPT — como OpenAI, Amazon, Google, Microsoft, Meta, Anthropic e outras — continuam investindo pesadamente no desenvolvimento e aprimoramento de seus respectivos modelos de linguagem de grande porte (LLMs). Esses modelos estão mostrando às seguradoras que têm potencial para revolucionar o setor e já estão influenciando de forma significativa a maneira como essas empresas conduzem seus negócios.
A Celent prevê que a velocidade dos avanços tecnológicos no campo da IA generativa (por exemplo, IA agêntica, computação mais rápida/eficiente como DeepSeek e QwQ-32B da Alibaba) — combinada com pressões competitivas e a maturação das aplicações de IA generativa graças ao aumento do nível de confiança das seguradoras e à clareza regulatória — continuará alimentando o interesse e o investimento por parte das seguradoras.
> Webinar | Veja como o IDP está impulsionando a modernização do setor de seguros
Onde estamos agora?
Com base em uma pesquisa da Celent com seguradoras norte-americanas, realizada em março de 2025, sobre o uso de IA generativa no setor, as seguradoras estão atendendo ao chamado: 44% já possuem uma solução baseada em IA generativa em produção. Isso representa um aumento de 57% em relação ao número de empresas que tinham IA generativa em produção em 2024. Além disso, outras 38% afirmaram que terão uma solução em produção no prazo de um ano.
Se a projeção se confirmar, aproximadamente 80% das seguradoras dos EUA terão implementado uma solução baseada em IA generativa até o primeiro trimestre de 2026 — um número impressionante. A adoção de IA generativa está distribuída por toda a cadeia de valor do seguro, sendo a experiência do cliente voltada para uso interno (ou seja, para funcionários) a principal área de foco.
Além disso, sinistros e subscrição estão rapidamente se aproximando do topo, muito provavelmente devido aos enormes ganhos de eficiência que as seguradoras estão obtendo na ingestão de documentos e na sumarização de grandes volumes de dados usados nesses casos de uso, especialmente dados não estruturados.
Muitas seguradoras também estão recorrendo a parcerias com terceiros para obter rapidamente o que precisam. A boa notícia, de acordo com o relatório recente da Celent “GenAI in Legacy Modernization”, é que provedores de plataformas e serviços estão adaptando rapidamente a IA generativa em suas ofertas, adicionando uma série de novas funcionalidades em um período de tempo muito curto.
O futuro da IA agêntica e o ritmo acelerado de mudanças
Uma lição que as seguradoras aprenderam é que o lançamento dos modelos GPT trouxe um ritmo intenso de transformações. E agora surge a IA agêntica, que se refere a sistemas de IA capazes de agir de forma autônoma, tomar decisões e executar tarefas com base na análise de dados.
A IA agêntica está começando a ganhar espaço no setor de seguros e rapidamente se tornando o novo tema de discussão para o próximo passo das aplicações de IA.
A IA agêntica possui um potencial significativo para transformar as operações de seguros em diversas funções. Esse salto para agentes de IA mais independentes promete remodelar a forma como as seguradoras operam, levando a ainda mais eficiência, melhor experiência do cliente e aprimoramento na gestão de riscos.
Atualmente, uma pequena parcela das seguradoras já está conduzindo pilotos e provas de conceito com soluções de IA agêntica, e um grupo seleto (4%) já está migrando para a produção. Conforme observado na pesquisa mais recente da Celent sobre IA generativa, 22% das seguradoras afirmaram que terão uma solução baseada em IA agêntica em produção até o final de 2026.
O potencial da IA agente nas operações de seguros
Atendimento ao cliente
Assistentes virtuais, capazes de lidar com consultas complexas de apólices, podem oferecer suporte hiperpersonalizado 24 horas por dia, em múltiplos canais, e guiar os clientes em processos como integração (onboarding) ou envio de sinistros. A IA agêntica também pode se engajar proativamente com os segurados, enviando lembretes no momento certo e sugestões de cobertura, aprimorando a experiência geral do cliente.
Subscrição
A IA agêntica analisa grandes volumes de dados estruturados e não estruturados, em tempo real, para criar perfis de risco mais precisos e dinâmicos. Isso possibilita precificação personalizada de apólices e recomendações mais adequadas, reduzindo riscos precificados de forma incorreta. Assim como a IA generativa, a IA agêntica libera ainda mais tempo para que subscritores se concentrem em casos complexos e aprovações finais.
Processamento de sinistros
A IA agêntica tem o potencial de automatizar todo o ciclo de vida de sinistros, desde a avaliação inicial e a verificação de documentos até a detecção de fraude e as recomendações de pagamento. Ela reduzirá significativamente os tempos de processamento, aumentará o processamento direto ao melhorar a eficiência operacional e minimizar os pontos de contato manuais, além de aprimorar a satisfação do cliente por meio de uma resolução mais rápida dos sinistros.
Detecção e prevenção de fraudes
Ao analisar continuamente padrões de dados e monitorar, em tempo real, o envio de sinistros em busca de anomalias, a IA agêntica fortalece a detecção de fraudes. Ela pode coordenar-se com bancos de dados externos para validar a autenticidade do sinistro, ajudando a reduzir perdas provenientes de atividades fraudulentas.
Risco climático e modelagem ESG
A IA agêntica pode analisar dados ambientais em tempo real para aprimorar a modelagem de riscos relacionados às mudanças climáticas e a outros fatores ESG.
Eficiência operacional geral
A IA agêntica automatiza funções administrativas rotineiras, como atualizações de apólices, aprovações de sinistros e relatórios de conformidade. Ela também pode otimizar recursos humanos, reduzir erros e diminuir o custo de retrabalho, resultando em economia de despesas operacionais e maior lucratividade.
Maior conformidade regulatória
A IA agêntica simplifica a elaboração de relatórios e apoia a adesão às regras.
O gráfico a seguir apresenta a resposta obtida ao se perguntar às seguradoras suas opiniões sobre o impacto futuro da IA agêntica ao longo da cadeia de valor do seguro:
Com a nova tecnologia de IA, vêm novos desafios
Apesar do imenso potencial, diversos desafios precisam ser enfrentados para a implementação bem-sucedida da IA generativa e da IA agêntica no setor de seguros.
Conformidade regulatória e capacidade de explicação
As seguradoras devem garantir transparência na tomada de decisões de IA para atender aos padrões regulatórios e prevenir práticas discriminatórias. A natureza de “caixa-preta” de muitos LLMs dificulta a explicação de seu raciocínio.
Abordando o desafio:
- Priorize a transparência e a capacidade de explicação nos modelos de IA, optando por técnicas de IA interpretável sempre que possível.
- Implemente estruturas robustas de governança de IA, que incluam auditorias regulares para vieses e equidade.
- Mantenha registros detalhados dos dados utilizados, do desenvolvimento dos modelos e dos processos de tomada de decisão para revisão regulatória, mesmo que isso ainda não seja exigido.
- Interaja com órgãos reguladores para compreender as exigências em evolução para o uso de IA no setor de seguros.
Viés e considerações éticas
Qualquer LLM pode perpetuar vieses presentes nos dados em que foi treinado, levando a resultados injustos ou discriminatórios. Cabe às seguradoras garantir a equidade e considerar aspectos éticos.
Abordando o desafio:
- Estabeleça diretrizes e princípios éticos claros para a IA. Esses princípios devem refletir os valores da organização e os requisitos legais.
- Forneça treinamento abrangente para garantir que a IA generativa possa raciocinar de forma eficaz e oferecer resultados confiáveis.
- Selecione e audite os dados de treinamento para identificar potenciais vieses.
- Empregue técnicas de detecção e mitigação de vieses durante o desenvolvimento dos modelos.
- Monitore continuamente os sistemas de IA em busca de padrões discriminatórios e recalibre os modelos conforme necessário.
Integração de sistemas legados
A integração de novos sistemas de IA com a infraestrutura legada existente pode ser complexa e cara.
Abordando o desafio:
- Adote uma abordagem em fases para a integração, priorizando as áreas-chave para a implementação de IA.
- Utilize APIs e middleware para conectar sistemas legados a novas plataformas de IA.
- Considere soluções em nuvem para obter maior flexibilidade e escalabilidade.
Preocupações com deslocamento de empregos
A automação de processos impulsionada por qualquer forma de IA pode gerar preocupações sobre o deslocamento de empregos para os funcionários.
Abordando o desafio:
- Crie um plano de comunicação para todas as iniciativas relacionadas à IA.
- Invista em treinamento e aprimoramento das competências dos funcionários existentes.
- Crie uma universidade de IA e/ou um programa de certificação em IA.
- Estabeleça parcerias com fornecedores e consultores externos de IA para auxiliar no desenvolvimento de competências internas ou na redução da lacuna de habilidades.
Altos custos iniciais de implementação
O investimento necessário em tecnologia, talentos e infraestrutura para IA generativa e IA agêntica pode envolver custos iniciais significativos.
Abordando o desafio:
- Aproveite as plataformas em nuvem para acessar recursos de computação escaláveis e com boa relação custo-benefício.
- Otimize os modelos de IA para desempenho eficiente.
- Invista na infraestrutura de TI e na expertise necessárias para oferecer suporte às implementações de IA.
Potencial para consequências não intencionais
À medida que os agentes de IA operam com maior autonomia, existe o risco de ações ou resultados não intencionais que possam impactar negativamente os clientes ou o negócio.
Abordando o desafio:
- Os agentes de IA devem passar por testes extensivos em ambientes simulados que reproduzam cenários do mundo real, incluindo casos extremos e modos potenciais de falha.
- Empregue métodos formais para verificar a correção e as propriedades de segurança dos componentes dos agentes de IA.
- Projete agentes com componentes modulares e priorize a interpretabilidade (entendimento do motivo pelo qual um agente tomou determinada decisão) para facilitar a depuração, o monitoramento e a compreensão dos pontos de falha potenciais.
- Projete agentes com apenas as permissões e o acesso a dados e sistemas necessários para a execução de suas tarefas específicas.
Os agentes de IA devem passar por testes extensivos em ambientes simulados que reproduzam cenários do mundo real, incluindo casos extremos e modos potenciais de falha.
O panorama futuro
O futuro da IA agêntica no setor de seguros provavelmente envolverá uma abordagem altamente integrada, combinando os pontos fortes da IA com a expertise dos funcionários. Agentes autônomos de IA irão lidar com tarefas rotineiras e fornecer insights baseados em dados.
À medida que os ganhos de eficiência são alcançados, os funcionários se concentrarão mais na tomada de decisões complexas, no tratamento de exceções e em iniciativas estratégicas. O desenvolvimento de interfaces fáceis de usar e sem código também permitirá uma adoção mais ampla entre diferentes equipes de seguros.
À medida que a tecnologia de IA agêntica amadurecer e os desafios forem superados, a IA agêntica estará posicionada para se tornar um componente-chave do cenário de soluções do setor de seguros, impulsionando a inovação e oferecendo valor significativo.
Sobre o autor
Keith Raymond é analista principal na prática de seguros da América do Norte da Celent. Ele possui ampla experiência no setor e é um especialista experiente em IA, IA generativa, automação de processos, transformação de negócios e operações para seguros de propriedade e responsabilidade, e vida, saúde e anuidades. A pesquisa de Keith é focada em automação de processos em toda a cadeia de valor de seguros, e ele é autor de uma série de relatórios da Celent sobre o impacto da IA generativa nas operações de seguros. Ele fala com frequência em grandes conferências de tecnologia do setor de seguros, como Insurtech Connect, Insurtech Insights e Insurance Innovators. Keith também conduz um Gen AI Bootcamp para seguradoras norte-americanas e o Gen AI Symposium anual da Celent.
