Governança de IA é o que permite escalar a adoção de IA generativa com segurança. Veja como a Tokio Marine reduziu uma cotação de 15 minutos para 30 segundos. Essa não é uma meta de inovação isolada. Na verdade, é o resultado de uma estrutura de decisão construída ao longo de anos, antes mesmo da IA generativa virar tema de conselho.
Essa foi a discussão central do episódio #369 do nosso podcast que recebeu Dennis Milan, diretor de Tecnologia, Digital e Inovação da Tokio Marine. A conversa mostra como essa seguradora, presente há 67 anos no Brasil e 147 anos no mundo, transformou processos inteiros de cotação. Além disso, ela fez isso sem renunciar o controle sobre segurança, qualidade e conformidade. Por nisso, o caso interessa a qualquer líder com o mesmo dilema. Como aproveitar a velocidade da IA generativa sem perder a capacidade de explicar, auditar e corrigir cada decisão automatizada?
O que é governança de IA, na prática?
Governança de IA é o conjunto de papéis, políticas e processos que decidem quem pode usar quais modelos, com quais dados e para quais decisões. Na Tokio Marine, porém, essa estrutura não nasceu com a IA generativa. Assim, nasceu em 2019, ainda antes da pandemia, quando a empresa criou o Comitê Einstein. Esse comitê reuniu pessoas de várias áreas, não só tecnologia, mas produto, financeiro, atuarial e sinistro, que já usavam modelos estatísticos e machine learning havia anos, para prever risco e identificar fraude. Quando a IA generativa chegou, ela entrou num ambiente que já sabia debater dado, modelo e risco.
Por que empresas que avançam rápido em IA também precisam de controle?
Antes mesmo da IA generativa, as áreas de negócio já pressionavam a tecnologia por autonomia. O setor até tem um nome para isso: IT Shadow, quando um time cria suas próprias soluções sem passar pela área de tecnologia. Dessa forma, a IA generativa intensificou essa pressão. As pessoas passaram a usar a tecnologia em casa e quiseram trazer o mesmo hábito para o trabalho. Por isso, a tecnologia precisou assumir um papel diferente. Ela virou responsável por criar um ambiente de governança: definir quais ferramentas a empresa autoriza e quais cuidados de segurança cada uso exige.
Ferramenta homologada ou uso pessoal? As regras por trás da diretriz “AI First”
Na prática, a Tokio Marine trata dois tipos de uso de forma diferente. Um uso pessoal, para aumentar a produtividade individual, tem mais liberdade. Já uma ferramenta que a empresa planeja usar numa área inteira, ou compartilhar entre times, precisa passar por uma série de pré-requisitos antes de entrar em produção. Essa diferenciação evita dois erros comuns ao mesmo tempo: travar a adoção com burocracia excessiva, ou liberar demais e perder o controle sobre dados sensíveis.
O fenômeno do “Business Shadow”
A Tokio Marine também observou um movimento interessante na direção oposta ao IT Shadow. Cerca de um ano atrás, a equipe de tecnologia começou a usar ferramentas como Cursor e Lovable no desenvolvimento de software. O ganho de produtividade foi tão grande que a tecnologia passou a antecipar soluções que nem as próprias áreas de negócio haviam pedido ainda. A empresa batizou esse movimento de Business Shadow: antes, era o negócio que queria “fazer TI” por conta própria. Agora, é a tecnologia que chega primeiro com ideias que o negócio ainda nem tinha imaginado.
O papel do “AI Business Partner” dentro das áreas de negócio
Para sustentar essa velocidade sem perder governança, a Tokio Marine se inspirou num modelo que o RH já usa em várias empresas. Chama-se Business Partner: um profissional de RH alocado dentro de cada área para dar suporte direto. A empresa criou os AI Business Partners: duplas formadas por um profissional sênior e um júnior, hoje presentes em seis áreas de negócio diferentes. Essas duplas ajudam cada área a implementar ferramentas de IA generativa respeitando a política de governança da empresa, em vez de deixar essa responsabilidade apenas com um time central de tecnologia.
Da cotação de 15 minutos para 30 segundos: o caso do transporte avulso
O exemplo mais concreto do episódio é o seguro de transporte avulso, que cobre o transporte de uma carga única. Historicamente, poucos corretores atuavam nesse produto porque exigia digitar manualmente cada mercadoria e escolher as coberturas certas, um trabalho especializado e demorado. Hoje, o corretor sobe apenas a nota fiscal eletrônica da carga. Uma IA interpreta o documento, mesmo sem um padrão único no mercado, cruza as mercadorias com o histórico de negócios semelhantes, já aplica as coberturas corretas e gera o preço na hora. O corretor só confere os dados. Esse processo, que levava cerca de 15 minutos, caiu para cerca de 30 segundos, e abriu o produto para corretores generalistas que antes evitavam essa linha de negócio.
Mais dois exemplos: seguro garantia e empresarial fácil
No seguro garantia, cada contrato é diferente do outro e antes exigia um corretor especializado para ler o documento inteiro e extrair as informações da cotação. Agora, o corretor sobe o contrato, e a IA localiza sozinha os dados necessários e já gera o prêmio. No produto Empresarial Fácil, o corretor digita apenas o CNPJ. A IA busca o ramo de atividade da empresa e cruza esse dado com o histórico de cotações para sugerir coberturas e valores, deixando para o corretor só o ajuste final.
Segurança e qualidade de dados: a lição da SuperMarina
A Tokio Marine tem um chat interno chamado Marina. Ao criar a SuperMarina, alimentada com documentos de políticas e produtos, a empresa descobriu algo revelador. Em alguns pontos, nem um humano entendia claramente o que o documento original queria dizer. Alimentar uma IA com um texto ambíguo multiplica esse problema, porque o seguro é, no fim das contas, um contrato, e uma interpretação errada gera dúvida real para o cliente. Por isso, a empresa criou uma etapa de revisão de conteúdo pelas áreas de negócio, antes de qualquer documento entrar na IA. Também criou um canal de feedback dentro da própria ferramenta, para corrigir respostas que não atenderam bem.
Onde a governança diz “não”: o limite da automação no atendimento de sinistro
Nem toda decisão merece automação, mesmo quando a tecnologia permite. A Tokio Marine ainda não usa IA para conduzir a conversa inicial de aviso de sinistro com o cliente. O motivo é o momento emocional: quem aciona um sinistro geralmente está sob estresse, e cada caso é diferente de verdade. A empresa usa IA para apoiar os atendentes do call center com informações mais rápidas e precisas, mas mantém uma pessoa na conversa com o cliente. Saber onde não automatizar ainda é parte essencial de uma governança de IA madura.
Quais são os riscos de pular a etapa de governança?
Empresas que tratam IA generativa como uma ferramenta de produtividade isolada, sem estrutura de decisão por trás, tendem a acumular risco em silêncio. Segundo o relatório “The State of AI in 2026: On the Road to ROI”, da McKinsey, empresas de alto desempenho em IA medem o impacto de seus projetos com duas vezes mais frequência. Elas também mitigam com mais frequência riscos como ações não autorizadas de agentes de IA. Essa diferença raramente está na tecnologia escolhida. Está na existência de uma estrutura de governança que acompanha cada etapa da adoção.
O custo oculto do uso de IA à sombra
Assim como o IT Shadow já incomodava antes da IA generativa, o uso de IA sem aprovação formal cria o mesmo tipo de problema, só que em escala maior. O resultado aparece meses depois, na forma de dados expostos, respostas inconsistentes entre áreas, ou decisões automatizadas que ninguém na empresa sabe explicar com clareza.
Isso já é relevante para a maioria das empresas?
A resposta é sim, e a tendência é de aceleração, não de desaceleração. Segundo o mesmo relatório da McKinsey sobre o estado da IA em 2026, 44% das empresas já dizem que a IA está escalando por toda a operação, contra 38% no ano anterior. A pergunta não é mais se uma empresa vai adotar IA generativa. A pergunta real é como ela vai estruturar essa adoção sem perder o controle sobre segurança, qualidade e conformidade, como mostra uma análise recente sobre como escalar velocidade com controle.
O que fica da experiência da Tokio Marine
Dentro do próprio grupo Tokio Marine, presente em 57 países, a operação brasileira é hoje a terceira maior, atrás apenas de Japão e Estados Unidos. Mesmo assim, executivos de outras unidades viajam ao Brasil para entender como o time local testa, pilota e escala tecnologia tão rápido. A resposta não está em nenhum modelo específico de IA.
Uma estrutura, não um modelo
A resposta está numa estrutura montada ano após ano. Ela inclui um comitê que debate dado e risco desde 2019 e duplas de AI Business Partner dentro do negócio. Inclui também um critério claro sobre onde a automação ajuda e onde ela ainda não deve substituir uma pessoa. Esse mesmo raciocínio aparece em discussões sobre quem deve liderar a IA dentro da empresa, como o debate sobre a criação da cadeira de Chief AI Officer em grande parte das empresas. Para qualquer líder, a lição vale independente do porte da empresa. A velocidade de uma cotação de 30 segundos só é segura porque alguém, antes dela, decidiu como a empresa usaria IA.
