O que é integrar uma camada de IA externa ao core
Integrar camada de IA ao core da seguradora sem migração significa colocar uma inteligência sobre o sistema de apólices que a seguradora já usa, sem trocar esse sistema e sem rodar nenhum projeto de migração de dados. A camada de IA é 100% externa. Ela não substitui o sistema legado e não pede que o time de TI da seguradora construa, hospede ou mantenha os modelos. Quem deve considerar esse modelo são líderes de subscrição, heads de produto e inovação e o C-level de seguradoras de Seguros e Danos (P&C) que querem automatizar a esteira de cotação e subscrição sem abrir um programa de troca de core.
A diferença em relação ao caminho tradicional é clara. Um projeto de modernização ou troca do sistema de apólices é um programa longo, caro e de alto risco, que disputa a mesma capacidade de TI que todas as outras prioridades. A camada de IA externa é o padrão oposto. O core fica onde está, a inteligência entra na frente dele e a conexão acontece por API. Isso importa muito no Brasil, onde grande parte das seguradoras incumbentes opera sobre sistemas legados nos quais qualquer mudança compete por capacidade de TI escassa. Segundo a BCG, 70% das seguradoras não executam suas iniciativas de inovação por limitações de TI, e é exatamente essa restrição que o modelo de camada externa foi desenhado para contornar. A WIR é a camada de IA do seguro, sobre os sistemas que a seguradora já usa, nunca no lugar deles.
Como a camada lê e escreve de volta no core
A camada de IA externa funciona como uma porta de entrada única para qualquer submissão e como uma ponte de volta para o sistema de apólices. Ela recebe a cotação no formato que a seguradora já trabalha, estrutura e pontua o risco, e devolve o resultado para o core através das APIs do próprio core ou de um adaptador de integração. O sistema de registro continua sendo o core. A camada é a inteligência que opera sobre ele.
A esteira percorre seis etapas em ordem. Primeiro, o intake multicanal com validação automática, em que submissões chegam por API, portal ou upload de documento e são normalizadas em um único objeto estruturado, sem coleta manual. Em seguida, a leitura inteligente de documentos, em que o Machine Learning extrai os campos relevantes de PDFs e imagens não estruturados, como propostas, apólices, laudos, faturas e conhecimentos de transporte, eliminando a redigitação. Depois vem o enriquecimento do corretor e o contexto, com cruzamento de fontes externas como CNPJ, histórico do corretor, exposição e crédito, mais o score de completude da submissão. A quarta etapa é o motor de risco e fraude, um modelo de Machine Learning multifator calibrado ao apetite de risco e ao manual de subscrição, que produz score de risco, probabilidade e decisão automatizada. A quinta é o pricing dinâmico, com cálculo de prêmio ajustado ao risco e resultado instantâneo. Por fim, a decisão e priorização, que recomenda cotar, recusar de forma automática ou escalar para um subscritor humano, sempre com explicação. É nessa última etapa que a camada escreve a decisão de volta no core de apólices e retorna a trilha de auditoria, com SLA visível e fila do subscritor.
O efeito líquido é que o tempo do subscritor migra do trabalho administrativo para os riscos que de fato precisam de julgamento humano, o SLA ao corretor cai e as decisões de risco ficam consistentes em toda a carteira.
Como implantar a integração sem migração de core
A implantação segue um caminho objetivo e não exige troca do sistema legado. Começa pelo escopo, em que a seguradora escolhe os ramos e tipos de submissão a automatizar primeiro, define as regras de apetite, a meta de SLA e as métricas de sucesso. Depois vem a integração com o core, conectando a camada ao sistema de apólices existente por API ou por um adaptador de integração. A camada lê as submissões e escreve resultados estruturados, scores e decisões de volta no core. Não há migração de dados e o core permanece o sistema de registro. A integração é um projeto de API com escopo definido, não uma reconstrução de plataforma.
A terceira etapa é a calibração ao manual de subscrição e ao apetite de risco, configurando o motor de Machine Learning e as regras contra o manual, os dados históricos de sinistro e o apetite da própria seguradora. O modelo reflete a política da seguradora, não uma genérica. Em seguida vem o teste em modo paralelo, comparando as leituras, scores e decisões da camada com os desfechos reais dos subscritores, ajustando os limiares até que a precisão e a taxa de straight-through atinjam as metas combinadas. O go-live liga a camada para os ramos escolhidos, com riscos limpos fluindo direto e casos de borda escalando para subscritores. Por fim, a operação contínua mantém a camada rodando como serviço externo, sem que o TI da seguradora a mantenha, com modelos monitorados e recalibrados conforme a carteira e o apetite evoluem.
O setup roda de 3 a 12 meses, com escopo claro, preço fixo e KPIs acordados antes do início. Como não há migração de core, a janela é medida em meses, não nos prazos de um programa de troca de sistema. Depois do go-live, a operação contínua entra em produção com modelo de cobrança ajustado por cliente e faturamento mensal.
Governança, explicabilidade e LGPD
Automatizar decisões de subscrição em um mercado regulado impõe três não negociáveis, e a camada de IA externa é construída em torno deles. O primeiro é a explicabilidade e a auditabilidade. Toda decisão automatizada, da leitura ao score, ao preço e ao desfecho de cotar, recusar ou escalar, é explicável e deixa uma trilha de auditoria completa com os insumos, o score, a regra aplicada e a saída. Isso protege a seguradora em cenários de supervisão e disputa e mantém um humano capaz de revisar qualquer decisão. A SUSEP supervisiona o mercado de P&C e espera que as seguradoras governem suas práticas de precificação e aceitação, como detalha o portal da SUSEP.
O segundo é a conformidade com a LGPD, a Lei Geral de Proteção de Dados (Lei 13.709/2018). Submissões de seguro contêm dados pessoais e, por vezes, sensíveis. A camada processa esses dados sobre base legal válida, com minimização, e dá suporte aos direitos do titular, incluindo a revisão de decisões tomadas de forma automatizada, conforme orientam a ANPD e a LGPD. Os dados ficam criptografados em trânsito e em repouso em cada etapa. O terceiro é a calibração à política de risco da própria seguradora. O modelo não é uma caixa preta imposta de fora. Ele é calibrado ao manual de subscrição, aos dados históricos e ao apetite de risco, de modo que a decisão automatizada é a política da seguradora aplicada de forma consistente e defensável diante do regulador e do comitê de subscrição. Como a camada é externa e escreve de volta no core em vez de substituí-lo, a seguradora mantém intactos seus controles, sua auditoria e seu perímetro de governança de dados.
Como a WIR integra a camada de IA ao core
A WIR é a camada de IA do seguro, uma plataforma de IA externa que opera sobre os sistemas que a seguradora já usa, nunca no lugar deles. Ela não é seguradora, corretora nem MGA, e não carrega risco. O papel da WIR é automatizar a esteira de cotação e subscrição segundo a política de aceitação da própria seguradora, integrando por API, portal ou upload e escrevendo a decisão de volta no core de apólices com a trilha de auditoria.
Na prática, a WIR entrega isso por dois módulos. O Underwriter Intelligence automatiza a jornada de cotação conforme a política de risco da seguradora, para que os subscritores analisem risco e foquem em desenvolvimento de negócio, com scoring de Machine Learning 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 a carteira por cliente e produto, pontuando upsell e próxima melhor ação e rodando campanhas multicanal com trilha de atribuição. Dashboards, Analytics e Relatórios em tempo real dão a visão proativa dos negócios em andamento e do pipeline. A tração pública da WIR hoje é uma POC em execução com uma seguradora global no ramo de Transporte. Toda decisão automatizada da WIR é explicável, auditável e em conformidade com a LGPD, com dados criptografados em cada etapa. Para mapear a integração na sua operação, fale com a WIR.
Perguntas frequentes
A integração exige migração ou troca do core?
Não. A integração não exige migração nem troca do core. A camada de IA é externa e conecta ao sistema de apólices atual por API ou por um adaptador de integração. O core permanece o sistema de registro e continua onde está, sem reconstrução de plataforma e sem programa de troca de sistema. A WIR opera sobre os sistemas que a seguradora já usa, nunca no lugar deles, lendo submissões e escrevendo resultados de volta no core.
A camada de IA gera carga para a equipe de TI?
Não. A camada de IA é 100% externa e não pede que o TI da seguradora construa, hospede ou mantenha os modelos. A WIR roda como serviço externo, com modelos monitorados e recalibrados conforme a carteira evolui. Isso responde à restrição apontada pela BCG, em que 70% das seguradoras não executam suas iniciativas de inovação por limitações de TI. Para o TI, o trabalho se resume à conexão por API, não a um programa de manutenção de plataforma.
A camada escreve a decisão de volta no core de apólices?
Sim. A camada escreve a decisão de volta no core de apólices e retorna a trilha de auditoria completa. Ela recebe a submissão no formato que a seguradora já usa, estrutura e pontua o risco, e devolve score, regra aplicada, preço e o desfecho de cotar, recusar de forma automática ou escalar para um subscritor humano. O core segue como sistema de registro. Na WIR, toda decisão automatizada é explicável, auditável e em conformidade com a LGPD.
Quanto tempo leva o setup da integração?
O setup da integração roda de 3 a 12 meses, com escopo claro, preço fixo e KPIs acordados antes do início. Como não há migração de core, a janela é medida em meses, não nos prazos de um programa de troca de sistema. O caminho cobre escopo, integração por API, calibração ao manual de subscrição e ao apetite de risco, teste em modo paralelo e go-live para os ramos escolhidos.
Como fica a operação contínua depois do go-live?
Depois do go-live, a operação contínua mantém a camada rodando como serviço externo, sem que o TI da seguradora a mantenha. Os modelos de Machine Learning são monitorados e recalibrados conforme a carteira e o apetite de risco evoluem, e o faturamento é mensal, com modelo de cobrança ajustado por cliente. A WIR continua escrevendo decisões explicáveis e auditáveis de volta no core, em conformidade com a LGPD e com dados criptografados em cada etapa.