A leitura do mercado em uma frase
Dados não estruturados em seguros e IA descrevem o gargalo central da subscrição brasileira de hoje, onde uma submissão chega como e-mail, PDF escaneado e planilha solta, e a leitura inteligente com IA é o que converte esse material em campos estruturados com alta precisão. Segundo o Gartner, equipes corporativas perdem de 20% a 30% do tempo localizando, organizando e redigitando dados não estruturados em vez de agir sobre eles. No mercado de Seguros e Danos (P&C), esse tempo é tirado diretamente do subscritor.
Estado do mercado de Seguros e Danos
O Brasil opera um dos maiores mercados de seguros da América Latina, e o ramo de Seguros e Danos (P&C) tem sido uma das linhas que mais crescem. O segmento é supervisionado pela SUSEP, e os números agregados do setor são publicados pela CNseg e por sua federação de Danos, a FenSeg. O prêmio do ramo cresce em dois dígitos por ano, puxado por linhas patrimoniais, automóvel, rural e corporativas.
A estrutura operacional que processa esse volume não acompanha o mesmo ritmo. Submissões comerciais e corporativas não chegam como dado limpo e estruturado. Elas chegam como e-mails com vários anexos, PDFs escaneados, planilhas em formatos inconsistentes, notas de cobertura do corretor, schedules de propriedade e fotografias. O crescimento do mercado avança mais rápido do que a estrutura usada para processá-lo, e a diferença é absorvida pelo time que já está em operação.
É aqui que o custo dos dados não estruturados aparece. Segundo o Gartner, de 20% a 30% do tempo corporativo se perde organizando esse material antes que alguém possa decidir qualquer coisa. Para qualquer número de prêmio ou sinistralidade, a SUSEP e a CNseg permanecem como as fontes de grau regulatório a consultar, e qualquer magnitude de mercado deve ser tratada de forma qualitativa até confirmada nesses portais.
O que está pressionando a subscrição
A fragmentação no intake é o primeiro vetor. Uma única submissão de risco comercial pode estar espalhada entre o corpo de um e-mail, vários anexos em PDF, uma planilha de valores e anotações do corretor, sem formato padronizado no canal de corretagem. O subscritor precisa primeiro reconstruir um quadro de risco coerente antes mesmo de avaliá-lo.
A redigitação manual é o segundo. Como o intake é não estruturado, campos como valor segurado, localização, ocupação, tipo de construção, franquia, histórico de sinistros e cobertura solicitada são transcritos à mão para os sistemas de cotação e apólice. Cada transcrição é um ponto onde a qualidade do dado se degrada e onde o subscritor gasta tempo em tarefa administrativa em vez de julgamento de risco. Segundo a Deloitte, o subscritor já dedica 40% do tempo a tarefas administrativas.
A velocidade de resposta ao corretor é o terceiro. A distribuição no Brasil é liderada pelo corretor, que direciona negócio para a seguradora que responde mais rápido e de forma mais consistente. Segundo a Capgemini, 60%+ dos corretores escolhem a seguradora pela velocidade de resposta. Quando o subscritor está absorvido organizando submissões, o tempo de cotação sobe e a seguradora perde negócio na camada de distribuição.
O quarto vetor é a rigidez do core. Muitas seguradoras rodam sistemas de core e administração de apólices legados, caros e arriscados de modificar. Segundo o BCG, 70% das seguradoras não executam inovação por limitação de TI. O time de inovação quer automatizar a frente do funil, intake, leitura, estruturação e scoring, sem uma migração de core, o que cria demanda por uma camada de inteligência externa sobre os sistemas atuais.
Risco, fraude e a virada da IA
A virada em curso é a passagem da organização manual de submissões não estruturadas para a leitura inteligente de documentos com IA, que converte insumos brutos em campos estruturados de forma automática. Modelos de Machine Learning e de compreensão de documentos leem o conteúdo não estruturado, PDFs digitados e escaneados, tabelas, texto livre e notas do corretor, e extraem os campos relevantes para a subscrição. Cada extração recebe um score de confiança, de modo que casos de baixa confiança são sinalizados para revisão humana em vez de passarem silenciosamente.
Estruturar o dado muda mais do que a velocidade. A redigitação manual introduz erros de transcrição que se propagam para pricing e reservas. A extração automática com score de confiança reduz erros silenciosos e cria uma trilha consistente e auditável da fonte ao campo estruturado, o que também melhora a análise no nível de portfólio porque os mesmos campos são capturados da mesma forma em todas as submissões.
Com o dado estruturado, a seguradora aplica seu apetite de risco e seu manual de subscrição de forma sistemática, e não na interpretação individual de cada subscritor sob pressão de tempo. Riscos dentro do apetite seguem para via rápida, e os que estão fora ou são complexos sobem para um humano. A fraude também se torna detectável em escala, porque valores inconsistentes entre documentos, localizações que não batem, históricos de sinistro duplicados ou alterados e sinais de adulteração em um documento escaneado passam a ser verificáveis de forma automática, algo impraticável sobre insumos não estruturados.
Submissões de seguro carregam dados pessoais e sensíveis, então a LGPD governa como esse dado é processado, incluindo o processamento automatizado. Para decisões automatizadas de subscrição, a expectativa é de auditabilidade e explicabilidade. A seguradora deve poder mostrar como uma decisão foi tomada e qual dado a sustentou, e a supervisão da SUSEP reforça a necessidade de uma subscrição rastreável e defensável. Uma camada de IA que registra documento de origem, campo extraído, confiança e racional da decisão sustenta tanto a accountability da LGPD quanto a auditabilidade alinhada à SUSEP.
Onde a WIR se posiciona
A WIR é a camada de IA do seguro. Sobre os sistemas que a seguradora já usa, nunca no lugar deles. É uma camada de inteligência 100% externa, que se acopla aos sistemas atuais sem migração de core e sem carga sobre o TI da seguradora. Para o problema de dados não estruturados, o ponto de entrada da WIR é a leitura inteligente de submissões, que extrai os campos relevantes de e-mails, PDFs e planilhas com alta precisão e entrega dado estruturado aos sistemas que a seguradora já opera.
A partir daí, a inteligência se estende pela esteira de subscrição. O módulo Underwriter Intelligence automatiza a jornada de cotação segundo a política de aceitação da seguradora, com scoring de risco em tempo real calibrado ao apetite, roteamento automático por apetite e exposição, e análise preditiva de conversão por produto, risco e corretor. O Smart Sales atua na inteligência de distribuição, mapeando carteira por cliente e produto e priorizando a próxima melhor ação. Toda decisão é explicável e retorna trilha de auditoria completa, com dados criptografados em cada etapa e conformidade com a LGPD.
A WIR não é seguradora, corretora nem MGA, e não carrega risco. Ela automatiza a jornada de cotação e subscrição segundo o apetite e o manual de cada seguradora. A tração pública é conservadora e única. Há uma POC em execução com uma seguradora global no ramo de Transporte. O posicionamento se mantém na augmentação da subscrição, não na substituição do que a seguradora já construiu.
Perspectiva
A leitura inteligente de submissões tende a sair de provas de conceito experimentais e se firmar como capacidade padrão na frente do funil, porque o valor é mensurável, tempo de subscrição recuperado, cotação mais rápida e dado mais limpo, e o risco de integração é baixo quando a inteligência se apoia sobre o core em vez de entrar nele. Enquanto o prêmio de Seguros e Danos crescer em dois dígitos sem crescimento proporcional de quadro de subscrição, a lacuna operacional que a automação fecha tende a se ampliar.
A pressão da distribuição deve continuar subindo. Seguradoras que cotam mais rápido e de forma mais consistente tendem a ganhar participação na camada do corretor, o que faz da automação de intake uma alavanca competitiva, não uma conveniência de retaguarda. O padrão dominante deve ser o de camadas de IA externas integradas a cores legados, porque migrações de core seguem lentas, caras e arriscadas. À medida que a subscrição automatizada escala, a accountability da LGPD e a auditabilidade alinhada à SUSEP tendem a se tornar requisitos de compra, e soluções que capturam uma trilha limpa do documento de origem até a decisão devem ser favorecidas.
Perguntas frequentes
Por que dados não estruturados travam a subscrição?
Dados não estruturados travam a subscrição porque a submissão chega fragmentada em e-mails, PDFs escaneados e planilhas soltas, sem formato padronizado. O subscritor precisa reconstruir um quadro de risco coerente e redigitar campos como valor segurado, ocupação e histórico de sinistros à mão antes de decidir. Segundo a Deloitte, o subscritor já dedica 40% do tempo a tarefas administrativas, tempo tirado direto do julgamento de risco no ramo de Seguros e Danos.
Quanto tempo as empresas perdem organizando dados não estruturados?
Segundo o Gartner, equipes corporativas perdem de 20% a 30% do tempo localizando, organizando e redigitando dados não estruturados, em vez de agir sobre eles. No mercado de Seguros e Danos, esse tempo sai diretamente do subscritor, que organiza submissões em vez de avaliar risco. A leitura inteligente da WIR recupera essa janela ao converter e-mails, PDFs e planilhas em campos estruturados de forma automática, sobre os sistemas que a seguradora já opera.
Como a IA transforma e-mails e PDFs de cotação em campos estruturados?
Modelos de Machine Learning e compreensão de documentos leem o conteúdo não estruturado, PDFs digitados e escaneados, tabelas, texto livre e notas do corretor, e extraem os campos relevantes para a subscrição. Cada extração recebe um score de confiança, e os casos de baixa confiança são sinalizados para revisão humana em vez de passarem em silêncio. A leitura inteligente da WIR entrega esse dado estruturado aos sistemas que a seguradora já usa, com alta precisão.
A leitura inteligente de submissões é auditável?
Sim. A leitura inteligente da WIR registra documento de origem, campo extraído, score de confiança e racional da decisão, criando uma trilha consistente da fonte ao campo estruturado. Toda decisão é explicável e retorna trilha de auditoria completa, com dados criptografados em cada etapa e conformidade com a LGPD. Isso sustenta tanto a accountability da LGPD quanto a auditabilidade alinhada à supervisão da SUSEP para decisões automatizadas de subscrição.
A WIR substitui o core para estruturar os dados?
Não. A WIR é uma camada de IA 100% externa, que se acopla aos sistemas atuais da seguradora sem migração de core e sem carga sobre o TI. A leitura inteligente extrai os campos de e-mails, PDFs e planilhas e devolve dado estruturado aos sistemas que a seguradora já opera. A WIR não é seguradora, corretora nem MGA, e não carrega risco. A tração pública é uma POC em execução com uma seguradora global no ramo de Transporte.