Uma MGA algorítmica subscreve por código, não por fila de referral. Ela tem autoridade delegada de uma seguradora, precifica e emite dentro de um apetite acordado sem que ninguém abra o e-mail, e presta contas à capacidade em dados, não em planilha mensal. O modelo cresce por um motivo bem pouco romântico: é mais fácil levantar capacidade quando a performance pode ser olhada todo dia em vez de a cada trimestre.
O que é uma MGA algorítmica
Uma MGA algorítmica é uma MGA cujas decisões de subscrição rodam em software, sob autoridade delegada de uma seguradora, com gente supervisionando a carteira em vez de tocar risco por risco.
A estrutura jurídica não muda nada. Autoridade delegada, contrato de binding, exposição final da seguradora: tudo continua exatamente onde estava. O que muda é o lugar onde a decisão acontece.
Numa MGA tradicional a decisão mora na cabeça de um subscritor, apoiada por um manual, uma tabela e vinte anos de calo. Numa MGA algorítmica ela mora num artefato versionado: regras de apetite, modelo de rating, enriquecimentos, log de decisão. Alguém escreveu esse artefato e alguém o supervisiona. Mas é ele que roda em toda submissão, do mesmo jeito, às três da manhã.
Onde ela difere de uma MGA tradicional
Cinco diferenças, e nenhuma delas é sobre quem tem o subscritor mais experiente.
A unidade de trabalho muda. A tradicional trabalha a conta. A algorítmica trabalha a coorte: o subscritor ajusta uma regra que move mil contas em vez de precificar uma.
A velocidade tem piso. Cotação em dias versus cotação em segundos para a maioria limpa, com gente reservada para a exceção.
A consistência aparece. Dois subscritores precificam o mesmo risco de formas diferentes no mesmo dia. Isso é normal e humano. Também é o motivo pelo qual nada consegue ser medido. Uma MGA algorítmica devolve a mesma resposta duas vezes, e essa é a precondição para medir qualquer coisa.
O reporte deixa de ser arqueologia. Bordereaux compilado depois virou subproduto da própria decisão, então a capacidade enxerga a carteira quase em tempo real.
E a gestão de mudança inverte. Em vez de retreinar pessoas, você publica uma versão nova do conjunto de regras, com a versão antiga preservada para tudo que foi emitido sob ela.
Esse último ponto é o que quase todo mundo perde de vista. Uma MGA algorítmica não é só mais rápida. Ela é auditável de um jeito que uma carteira humana nunca vai ser, porque qualquer risco emitido pode ser reproduzido contra a versão exata das regras que o precificou.
Por que a capacidade gosta disso
Capacidade é o recurso escasso desse mercado, e ela é alocada na base da confiança. Uma seguradora ou ressegurador que delega caneta a um terceiro está aceitando um risco de seleção adversa que só vai enxergar quando o sinistro chegar.
A MGA algorítmica muda o formato do problema. Com o apetite codificado, a capacidade inspeciona as regras antes do primeiro risco emitido em vez de reconstruir a intenção a partir de um loss run dois anos depois. Com reason code em cada decisão, dá para separar uma carteira que derivou de uma carteira que foi mal precificada. E com dado fluindo, um furo de binding authority aparece em dias, não na auditoria anual.
É por isso que a pergunta técnica e a pergunta de capital são a mesma pergunta. Auditoria de autoridade delegada, qualidade de bordereaux e linhagem de dado não são tarefa de retaguarda para uma MGA algorítmica. São o produto que está sendo vendido para a capacidade. A parte operacional disso está em por que MGAs são a ponta da lança da IA em seguro e em como automatizar o processamento de bordereaux com IA.
A pilha por trás
Tire o marketing e a arquitetura é sempre a mesma. Seis capacidades, nessa ordem.
- Ingestão. Submissões chegam como e-mail, anexo, formulário de portal, planilha e chamada de API. Venha de onde vier, precisa virar registro estruturado sem ninguém redigitando.
- Extração. Formulários, laudos, planilhas de valores em risco e loss runs viram campos com score de confiança. É aqui que a maioria dos projetos trava.
- Enriquecimento. A submissão sozinha é magra. Dado da entidade, da localização, da exposição, do histórico do corretor e de sinistros anteriores é o que torna o risco avaliável.
- Apetite e regras. A binding authority da seguradora codificada: ramos dentro e fora, limites, pontos de retenção, território, gatilhos de referral. Isso é a fronteira legal da caneta, escrita em software.
- Rating e score. Preço técnico mais score de modelo. O score ordena os riscos por performance esperada. O rating transforma o risco aceito num número que o mercado negocia.
- Decisão, emissão e registro. Cotar, recusar ou encaminhar. Emitir. E gravar a decisão, seus insumos, a versão das regras e os reason codes num registro que a seguradora consegue auditar.
A diferença entre o passo 5 e o passo 6 tem consequência comercial, e está detalhada em motor de precificação vs plataforma de decisão. Um motor que devolve prêmio não é a mesma coisa que uma plataforma que decide se o risco deveria ser escrito.
O que justifica construir tudo isso é o tempo do subscritor. Subscritores gastam cerca de 40% do tempo em tarefas administrativas em vez de seleção de risco, segundo a Deloitte. Numa MGA, onde o time é enxuto e a economia roda em comissão, esses 40% são a diferença entre uma carteira que escala e uma que empaca.
O que subscrição algorítmica não quer dizer
Três leituras erradas aparecem com frequência suficiente para valer a pena nomear.
Não quer dizer sem subscritores. As MGAs algorítmicas mais duráveis empregam subscritores sêniores cujo trabalho subiu de camada: em vez de precificar contas, desenham e supervisionam as regras que precificam. O julgamento não saiu. Foi movido para onde ele se multiplica.
Não quer dizer todo risco automatizado. Na prática a carteira se divide. Uma maioria limpa passa direto, uma faixa do meio recebe uma conferência humana em um ou dois itens sinalizados, e uma cauda continua totalmente manual porque a exposição ou a ambiguidade justificam. Empurrar a cauda pela máquina é exatamente como carteiras algorítmicas se metem em encrenca.
E não quer dizer trocar o core da seguradora. O sistema de administração de apólices, o razão contábil e o reporte regulatório ficam onde estão. A camada algorítmica senta na frente, decide, e devolve. É a mesma arquitetura descrita em integrar uma camada de IA ao core sem migração.
Como uma MGA algorítmica se prova
Capacidade pede evidência, não demo. Quatro artefatos fazem quase todo o convencimento: um log de decisão reproduzível, com insumos, versão das regras, score e reason codes para qualquer risco emitido; um período de shadow em que o modelo rodou ao lado do processo vigente sobre submissões reais antes de ter autoridade sobre qualquer coisa, método descrito em subscrição em shadow mode; um relatório de exceções mostrando que risco fora de apetite foi barrado pelo sistema e não pela sorte; e disciplina de versão, com cada mudança datada, atribuída e mapeada para as apólices emitidas sob ela.
Quem não consegue produzir isso está pedindo capacidade na base da narrativa. Quem consegue está pedindo na base do dado, e os termos costumam ser outros.
Onde o modelo funciona
Subscrição algorítmica premia ramos com volume alto de submissão, exposição padronizada e dado disponível fora da própria submissão. Patrimonial de pequeno porte, transporte e cargas, cyber para PME e nichos de especialidade com estrutura repetível entram nessa conta. Contas grandes e complexas, clausulado sob medida e programas muito negociados não entram, e a resposta honesta nesses casos é que a caneta deve continuar humana.
O Brasil ilustra bem a tensão. Tem volume e tem distribuição intermediada por corretor, mas o gargalo não é ambição e sim capacidade de TI da seguradora. Cerca de 70% das seguradoras não executam inovação por limitações de TI, segundo o BCG. Uma camada externa que automatiza a jornada de subscrição sem migração de core é a única versão do modelo algorítmico que consegue sair do papel dentro dessa restrição.
A WIR Innovation é uma camada de IA externa para seguradoras e MGAs que automatiza intake de submissões, cotação, subscrição e decisão sem substituir o core, com toda decisão explicável e trilha de auditoria completa. Ela aplicou esse padrão numa prova de conceito com uma seguradora global no ramo de Transportes. Para o contexto mais amplo de MGA, veja automação de submissões para MGAs.
Perguntas frequentes
O que é uma MGA algorítmica?
Uma MGA algorítmica é uma MGA cujas decisões de subscrição rodam em software, sob autoridade delegada de uma seguradora. Ela cota, precifica e emite dentro de um apetite acordado, enquanto as pessoas supervisionam a carteira e desenham as regras em vez de tocar risco por risco. A estrutura jurídica da autoridade delegada não muda. Muda apenas o lugar onde a decisão acontece.
Qual a diferença entre uma MGA algorítmica e uma MGA tradicional?
Uma MGA tradicional decide conta por conta, na cabeça de um subscritor apoiado por manual e tabela. Uma MGA algorítmica codifica apetite, rating e gatilhos de referral em software versionado que roda igual em toda submissão. Na prática isso significa velocidade para o negócio limpo, consistência entre decisões, reporte contínuo à capacidade em vez de bordereaux depois do fato, e a possibilidade de reproduzir qualquer risco emitido contra a versão exata das regras que o precificou.
Uma MGA algorítmica ainda precisa de subscritores?
Precisa. MGAs algorítmicas costumam empregar subscritores sêniores cujo trabalho sobe de camada: em vez de precificar contas, eles desenham, testam e supervisionam as regras e modelos que precificam. A carteira normalmente se divide entre uma maioria limpa que passa automaticamente, uma faixa do meio com conferência humana em itens sinalizados, e uma cauda complexa que segue totalmente manual. O julgamento não sai do negócio, ele se move para onde afeta muitos riscos de uma vez.
Por que a capacidade prefere o modelo algorítmico?
Porque ele converte confiança em evidência. Com o apetite codificado, a seguradora inspeciona as regras de binding antes do primeiro risco escrito, em vez de reconstruir a intenção a partir de um loss run anos depois. Cada decisão carrega reason codes, então dá para separar uma carteira que derivou de uma que foi mal precificada, e um risco fora de apetite aparece em dias e não na auditoria anual de autoridade delegada.
Que tecnologia uma MGA algorítmica precisa?
Seis capacidades em sequência: ingestão de submissões por e-mail, portal e API; extração de campos de formulários, planilhas de valores em risco e loss runs; enriquecimento com dado externo de entidade, localização e exposição; uma camada de apetite e regras que expressa a autoridade delegada; rating e score de risco; e uma camada de decisão, emissão e registro que grava uma trilha auditável. A maioria das implementações trava na extração.
Em quais ramos a subscrição algorítmica funciona melhor?
Ramos com volume alto de submissão, exposição padronizada e dado disponível fora da própria submissão. Patrimonial de pequeno porte, transporte e cargas, cyber para PME e nichos de especialidade com estrutura repetível se encaixam bem. Contas grandes e complexas, clausulado sob medida e programas muito negociados não se encaixam, e nesses casos a caneta deve continuar humana.