A gestão de sinistros com IA muda a experiência do segurado nos momentos mais críticos da jornada com uma seguradora. Veja como a MetLife une automação e controle nesse processo, sem abrir mão de governança sobre cada decisão.
Essa foi a discussão central do episódio #347 do nosso podcast, que recebeu Ronieri Marques, Gerente Sênior de Data & Analytics da MetLife Brasil. Ele apresentou como dados e inteligência artificial passaram a sustentar a gestão de sinistros na seguradora, e por que esse é um dos processos mais sensíveis de toda a operação.
Por que sinistro é o momento mais crítico da jornada do segurado
Um seguro é, na prática, uma promessa. O cliente paga meses ou anos por uma apólice na expectativa de nunca precisar usá-la. Quando o sinistro acontece, essa promessa enfrenta o teste real. Qualquer atraso ou burocracia excessiva nesse momento tem peso desproporcional na percepção do cliente sobre a seguradora.
Por isso, o episódio trata a gestão de sinistros como prioridade estratégica, e não apenas como um processo operacional a ser otimizado por custo. Reduzir tempo de resposta em um sinistro importa mais para a experiência do cliente do que quase qualquer outro ponto de contato com a seguradora.
Além disso, sinistro é um dos poucos momentos em que o cliente interage ativamente com a seguradora depois de contratar a apólice. Na maior parte do tempo, o produto de seguro fica invisível no dia a dia de quem o contratou. Quando o sinistro acontece, essa invisibilidade acaba, e a experiência entregue nesse momento específico define boa parte da reputação da marca, para o bem ou para o mal.
Automação de sinistros: onde a IA entra no processo
Accelerator: integração de sistemas para decisões mais rápidas
Nesse sentido um dos pontos centrais do episódio é o uso de um acelerador de integração entre sistemas internos da MetLife. Historicamente, processos de sinistro em seguradoras dependem de múltiplos sistemas que não conversam entre si, o que gera retrabalho manual e atraso na análise de cada caso.
Ao integrar essas bases por meio de um acelerador dedicado, a MetLife reduziu a necessidade de intervenção manual em etapas repetitivas do processo. Isso não elimina a análise humana em casos mais complexos, mas libera tempo da equipe para focar exatamente nesses casos que exigem julgamento mais apurado.
Vale notar que integração de sistemas costuma ser um projeto menos glamouroso do que implementar um modelo de IA propriamente dito. Ainda assim, é normalmente o gargalo real. Um modelo de IA bem treinado não entrega valor se os dados que ele precisa consultar estão presos em sistemas isolados, sem comunicação entre si. O acelerador de integração é, nesse sentido, a fundação sobre a qual qualquer automação de sinistro se sustenta.
IA em pagamentos: velocidade sem abrir mão de controle
A empresa já vem adotando IA para acelerar a etapa de pagamento de sinistros aprovados. Depois que a seguradora valida o sinistro, ele pode seguir para pagamento de forma mais rápida, sem passar por múltiplas filas manuais de aprovação.
Isso não significa eliminar controles financeiros. Na verdade, significa aplicar regras de validação automatizadas em casos que seguem um padrão já conhecido, mantendo checagens adicionais para casos fora do padrão esperado. Esse tipo de segmentação, entre o que a empresa pode automatizar com segurança e o que ainda precisa de revisão humana, é um dos aprendizados mais aplicáveis do episódio para outras empresas do setor financeiro e de seguros.
Na prática, isso exige que a seguradora conheça muito bem o próprio histórico de sinistros. É preciso saber, com base em dados reais, quais perfis de caso raramente geram problema depois de aprovados, e quais perfis concentram a maior parte das contestações ou fraudes. Sem esse mapeamento anterior, qualquer tentativa de automatizar pagamento vira um exercício de tentativa e erro caro, em vez de uma decisão orientada por evidência.
Cot.AI no WhatsApp: atendimento como parte da experiência de sinistro
Além da automação de pagamentos, atendimento e a gestão de sinistro como processos separados, a seguradora integrou os dois. O cliente consegue acompanhar o andamento do seu sinistro pelo mesmo canal onde já está acostumado a se comunicar no dia a dia.
Essa escolha de canal não é um detalhe menor. Em um momento de estresse, como o de um sinistro, reduzir a fricção de precisar acessar um portal separado ou ligar para uma central telefônica já melhora significativamente a percepção do cliente sobre o atendimento recebido.
O uso da IA no Whatsapp, também ajuda a responder dúvidas recorrentes sem que o cliente precise esperar por um atendente humano disponível. Existem perguntas simples, como status do sinistro ou documentação pendente, que a IA pode responder de forma imediata. Isso libera a equipe de atendimento humano para casos que realmente exigem uma conversa mais aprofundada, em vez de gastar tempo respondendo repetidamente às mesmas perguntas.
Data Hub MetLife: a base que sustenta a automação
Nada disso funcionaria sem uma base de dados bem estruturada. A empresa possui um Data Hub como peça central dessa estratégia. Esse Data Hub, tem como objetivo centralizar as informações que antes ficavam espalhadas entre diferentes sistemas e áreas da seguradora.
Esse tipo de centralização é, na prática, um pré-requisito para qualquer automação séria em sinistros. Portanto, antes de qualquer investimento na área é importante ter primeiro uma fundação sólida e consolidada. Sem uma fonte única e confiável de dados, qualquer modelo de IA aplicado ao processo herda as inconsistências dos sistemas de origem, o que compromete tanto a velocidade quanto a precisão das decisões automatizadas.
Um Data Hub bem estruturado também facilita auditorias internas e externas, algo especialmente relevante em um setor regulado como o de seguros. Quando os dados vivem em um único ambiente organizado, é mais simples reconstruir o histórico de decisões tomadas ao longo de um sinistro específico, caso o cliente ou um órgão regulador questione isso depois
Governança de dados e compliance em um setor fortemente regulado
Seguradoras lidam com dados sensíveis de saúde, patrimônio e informações pessoais dos clientes. Por isso, governança de dados e conformidade com a LGPD apareceram como temas centrais no episódio, e não como uma nota de rodapé sobre o assunto principal.
Automatizar decisões de sinistro exige rastreabilidade completa: a seguradora precisa saber exatamente qual dado entrou em cada decisão, qual modelo a processou e com qual critério. Isso é ainda mais importante quando um cliente questiona um sinistro negado ou parcialmente pago. Além disso, a seguradora precisa conseguir explicar a decisão de forma clara, o que exige que a equipe construa a automação com auditabilidade desde o início, em vez de adicionar isso depois como remendo.
A LGPD reforça essa exigência ao tratar dados de saúde e informações pessoais como categorias sensíveis, sujeitas a regras mais rígidas de uso e armazenamento. Assim, o time precisa desenhar qualquer modelo de IA usado em sinistros considerando, desde a etapa de design, quais dados podem alimentar o modelo, por quanto tempo a empresa pode retê-los e quem, dentro dela, pode acessá-los.
O equilíbrio entre automação e controle operacional
A automação nesse contexto, não significa remover pessoas do processo. Significa redesenhar onde a intervenção humana agrega mais valor. Casos simples e recorrentes seguem fluxos automatizados de ponta a ponta. Casos atípicos ou de maior valor financeiro continuam sob revisão humana, agora apoiada por dados organizados e mais contexto disponível no momento da decisão.
Esse equilíbrio é difícil de acertar. Automatizar demais, sem critério, gera risco de decisões erradas em escala. Automatizar de menos desperdiça o potencial de ganho real de velocidade que a tecnologia oferece. Na discussão abordada no episódio a sugestão é que a resposta não está em escolher um lado, mas em segmentar o processo de forma explícita entre o que é seguro automatizar e o que ainda exige julgamento humano.
O que outras seguradoras podem aprender com o caso MetLife
O caso interessa a qualquer empresa do setor de seguros que ainda trata gestão de sinistros como área de retaguarda, distante da estratégia de experiência do cliente. A lição central é que investir em dados e IA nesse processo específico tem retorno direto e mensurável na percepção do cliente sobre a marca, além do ganho evidente em eficiência operacional.
Isso também reforça um ponto válido para qualquer setor regulado: automação e compliance não são forças opostas. Quando a governança de dados é construída como parte da arquitetura da automação, e não como camada adicional depois do fato, é possível ganhar velocidade sem perder a capacidade de prestar contas sobre cada decisão tomada.
Esse ponto costuma ser subestimado por empresas que tratam compliance como um freio ao ritmo de inovação. O caso da MetLife sugere o contrário: quando a governança é parte do desenho inicial do projeto, ela deixa de ser um obstáculo e passa a ser o que dá segurança para escalar a automação para mais casos ao longo do tempo, sem medo de expor a empresa a risco regulatório.
Para lideranças de tecnologia e negócios no setor de seguros, o episódio deixa um recado direto: sinistro deixou de ser apenas um processo a ser suportado por tecnologia e passou a ser um dos pontos onde dados e IA bem aplicados fazem mais diferença no negócio.
Quer receber uma curadoria mensal com os melhores insights ágeis? Assine a Newsletter Agilistas, onde você tem acesso a tendências e reflexões do mundo ágil. Inscreva-se grátis no formulário no fim dessa página com seu melhor e-mail.
