Como revolucionar a cadeia de valor de seguros com IA generativa

As seguradoras enfrentam barreiras significativas em sua busca por retornos sólidos sobre seus investimentos em GenAI, como a pesquisa da EY deixou claro.

1. Ambiguidade regulatória

Dois terços dos entrevistados citam a ambiguidade regulatória como a principal barreira para a criação de uma equipe dedicada à GenAI, embora haja uma grande variação de acordo com a linha de negócios. Entre as seguradoras de vida e anuidades, 89% de nossos entrevistados citam a ambiguidade regulatória como a maior barreira, em comparação com apenas 39% das operadoras de P&C. A diferença pode ser atribuída à estrutura da Lei de IA da UE, que define os provedores de seguros de vida e saúde que usam tecnologia de IA como de alto risco, embora ainda haja dúvidas sobre como a Lei de IA será aplicada.

Apesar da falta de regras claras ou abrangentes, as seguradoras, assim como seus pares em outros setores, estão fazendo grandes investimentos em IA. No entanto, a incerteza regulatória persistente pode sufocar os investimentos em alguns recursos específicos, principalmente em áreas com impacto direto na experiência do cliente e nas decisões de preços.

As diretrizes de base ampla emitidas até o momento, por exemplo, a ordem executiva do presidente Biden de outubro de 2023 e a Lei de IA da UE, reconhecem os desafios associados ao ambiente regulatório em evolução da GenAI. As seguradoras globais também estão acompanhando as regulamentações relacionadas à conduta estabelecidas por diversas autoridades na região da Ásia-Pacífico, inclusive na Austrália, Hong Kong, Japão e Cingapura. Em um setor altamente regulamentado como o de seguros, é compreensível que os executivos sejam cautelosos em relação à regulamentação futura, mesmo quando respondem ao imperativo de investir em IA.

2. Modelos incertos de ROI

Embora existam muitas opções para implementar a GenAI em toda a empresa, desenvolver modelos claros de retorno sobre o investimento (ROI) pode ser um desafio, de acordo com os entrevistados da pesquisa. Na verdade, mais da metade indica que a incerteza sobre o ROI esperado é a principal barreira para estabelecer uma equipe dedicada de GenAI. A pressão para desenvolver modelos claros de ROI provavelmente está ligada à urgência que muitos executivos sentem para adotar a GenAI rapidamente e em escala. Além disso, é difícil estimar o impacto potencial da GenAI sobre o índice de perdas, por exemplo, por meio de subscrição mais sofisticada e preços mais precisos, além de outras métricas importantes.

No entanto, vale a pena observar que 53% das seguradoras que implementaram a GenAI o fizeram devido aos ganhos de produtividade esperados, sem necessariamente levar em conta a economia de custos tangível. Nossos resultados sugerem que testar e aprender com implantações iniciais pode ser a chave para definir metas definitivas de ROI.

3. Privacidade, qualidade e segurança dos dados

A GenAI só aumentará as preocupações generalizadas com a privacidade, a qualidade e a segurança dos dados. Na verdade, mais da metade dos entrevistados identifica essas preocupações como a principal barreira para explorar as iniciativas de GenAI. A preocupação mais comum é que os aplicativos GenAI exponham dados confidenciais de clientes ou corporativos. Mas muitos líderes empresariais reconhecem que os aplicativos GenAI criados com base em dados de baixa qualidade, desatualizados ou incompletos levarão a cenários de "entrada de lixo, saída de lixo", limitando muito o valor da GenAI. Essas são preocupações legítimas, considerando os desafios de integração do gerenciamento de dados que as seguradoras enfrentam há muito tempo.
Em vista desses problemas, algumas operadoras, bem como empresas de outros setores, proibiram o uso de ferramentas de GenAI disponíveis publicamente. Essas proibições são compreensíveis, considerando que as seguradoras, e as seguradoras de vida e saúde em particular, possuem grandes volumes de dados confidenciais de clientes e os funcionários podem ser tentados a alimentar esses dados com ferramentas externas, como durante a experimentação da GenAI. Com o tempo, no entanto, pelo menos algumas seguradoras suspenderão a proibição e sancionarão algum uso dentro de limites definidos.

Os resultados da EY mostram otimismo em relação à abordagem dessas preocupações a longo prazo; por exemplo, mais de 50% dos entrevistados indicam que sua empresa deve estabelecer monitoramento regular, equipes designadas e órgãos de governança ao implementar a GenAI. Além disso, 68% das seguradoras esperam usar modelos de linguagem ampla (LLMs) de código fechado, enquanto 24% preferem LLMs de código aberto. Estabelecer confiança e segurança em todos os tipos e tamanhos de LLMs - desde as maiores plataformas em escala até os modelos proprietários menores - é uma prioridade.

4. Integração com sistemas de TI legados

A integração com a tecnologia e as fontes de dados existentes é outro obstáculo comum à adoção da GenAI, principalmente em empresas com infraestruturas de dados fragmentadas e recursos analíticos limitados. Sistemas isolados também podem aumentar os custos de implementação. Mais da metade de nossos entrevistados, 54%, citam o custo de implementação como um desafio para a adoção da GenAI, e 46% indicam o alto consumo de energia como outra barreira importante.

5. Risco de implementação em aplicativos voltados para o cliente

A grande maioria das seguradoras - 95% na pesquisa - está priorizando casos de uso administrativos e de back-office. Um número significativo, 43%, está aguardando desenvolvimento e testes adicionais antes de implementar a GenAI em aplicativos de front-office voltados para o cliente. Não é de se surpreender que as InsurTechs provavelmente serão as primeiras a se movimentar para implantações na linha de frente; 56% dos entrevistados das InsurTechs dizem que estão muito animados com os casos de uso da GenAI voltados para o cliente.

As seguradoras têm muita experiência com tecnologias disruptivas e podem aplicar as lições do passado para traçar o caminho certo a seguir. As prioridades imediatas são identificar sistematicamente e pilotar casos de uso e, ao mesmo tempo, estabelecer a governança, a infraestrutura e os modelos operacionais necessários para ampliar a adoção com sucesso. Como esses dois caminhos são essenciais, os líderes precisam encontrar um equilíbrio ao gerenciá-los. 

Os resultados da pesquisa da EY confirmam nossa experiência de trabalho com seguradoras em todo o mundo - que é fundamental tomar medidas rápidas para iniciar a jornada da GenAI e construir metodicamente uma base estável para o sucesso futuro. As seguradoras que se movem muito lentamente correm o risco de serem ultrapassadas pela concorrência. E aqueles que não conseguirem criar infraestrutura, governança e recursos essenciais terão dificuldades para desenvolver e dimensionar aplicativos de GenAI de forma consistente e maximizar o retorno sobre seus investimentos. As empresas que adotarem uma abordagem de via dupla estarão bem posicionadas para obter valor imediato, ao mesmo tempo em que preparam o terreno para o sucesso sustentável em escala.

1.  Incentive a experimentação equipando seu pessoal com ferramentas GenAI

Acelere a inovação de base implantando ferramentas GenAI, incluindo copilotos e ambientes sandbox desenvolvidos interna e externamente, e capacitando os usuários a explorar e desenvolver possíveis casos de uso. As proteções adequadas podem promover um ambiente seguro e protegido, como proteções sobre o uso de dados internos com ferramentas públicas. Comece com a capacitação de talentos e o treinamento básico e, em seguida, priorize os casos de uso de ganho rápido que podem ser testados e lançados de forma eficiente e com baixo risco, como o resumo de dados e a geração de relatórios em horizontes de tempo de curto prazo, por exemplo, de oito a 18 meses.

• Tome medidas imediatas, mas prepare-se para falhar rapidamente: Os líderes das equipes de estratégia e inovação podem defender uma cultura de base e liderar os pilotos iniciais à medida que entendem onde os aplicativos GenAI direcionados podem ser aplicados para resolver problemas comerciais específicos. Incentive todos os níveis e funções da equipe a testar casos de uso de forma autônoma com supervisão mínima em ambientes sandbox. As equipes da EY estão trabalhando com uma seguradora especializada que formou equipes multifuncionais para identificar necessidades comerciais não atendidas e avaliar como as soluções GenAI podem ajudar, por exemplo, automatizando o processo de renovação de apólices.
  
  
• Priorizar e pilotar rapidamente: As estruturas "Lite" podem ajudar a determinar a viabilidade das soluções GenAI para casos de uso de ponto de partida. Para identificar vitórias rápidas, os líderes podem ponderar o valor comercial em relação à capacidade de execução. Recentemente, as equipes da EY apoiaram uma seguradora de vida na avaliação e priorização de uma longa lista de casos de uso; a identificação de "grupos de valor", por exemplo, subscrição aprimorada, facilidade de fazer negócios, foi fundamental para a seleção de casos de uso alinhados aos objetivos da empresa.

O teste rápido em toda a organização pode validar rapidamente os pressupostos e as hipóteses. Para outras seguradoras, as equipes da EY estão realizando sprints de seis a oito semanas para agilizar o desenvolvimento e o lançamento de casos de uso de alta prioridade.

• Estabeleça grades de proteção: Determine o apetite de risco da organização e desenvolva diretrizes claras sobre o que é e o que não é permitido para o uso da GenAI pelos funcionários. Implemente modelos prontos para uso em um ambiente sandbox para acelerar a inovação por meio de iterações de "teste e aprendizado". Para uma operadora de seguros líder global, as equipes da EY ajudaram a criar um ambiente de desenvolvimento dedicado e adequado à finalidade para promover a experimentação e o teste de ideias inovadoras.

A conformidade com a Lei de IA da UE será uma expectativa básica. Outra pesquisa da EY mostra que os líderes seniores estão concentrados em estabelecer as proteções e políticas corretas. Em uma pesquisa recente com diretores de risco de seguros (CROs), 81% afirmaram que suas empresas já haviam aprimorado ou estavam em processo de aprimoramento das políticas de desenvolvimento, validação e uso da GenAI. Um número semelhante, 82%, disse que havia estabelecido uma estrutura de governança, políticas e procedimentos para a adoção de LLM e GenAI ou que estava trabalhando para estabelecê-los. Você pode ver os resultados completos aqui.  

2. Desenvolver a infraestrutura estratégica e técnica da empresa para o GenAI

Mesmo que busquem ganhos rápidos e procurem criar confiança com a IA, as seguradoras devem elaborar a visão geral e determinar como a GenAI pode transformar os negócios a longo prazo. Os principais elementos da estratégia GenAI incluem o modelo de entrega, a governança de dados, a infraestrutura de computação (ou seja, local vs. nuvem) e uma estrutura de priorização para dar suporte aos resultados comerciais desejados.

Em última análise, o sucesso da GenAI será determinado por casos de uso inovadores e orientados externamente que proporcionem benefícios tangíveis de longo prazo, como aumento de receita e precificação de risco mais precisa. Para muitas seguradoras, a realização de uma avaliação completa da prontidão organizacional e da maturidade dos recursos atuais será um primeiro passo sensato.

• Mobilize equipes multifuncionais e centralize o gerenciamento: Equipes multidisciplinares com diferentes competências, como negócios, TI, segurança e conformidade, devem ser encarregadas de projetar e fornecer soluções de ponta a ponta. Vimos em primeira mão como o gerenciamento centralizado, aliado a recursos aprimorados e competências selecionadas, fornece uma base sólida para programas bem-sucedidos de GenAI.

À medida que a adoção da GenAI se expande pela cadeia de valor, as equipes multifuncionais devem ter o apoio de patrocinadores de nível sênior. Cada vez mais, esperamos que mais chefes de equipes dedicadas à GenAI se reportem diretamente ao C-suite, incluindo o CEO.

A maioria das empresas precisará preencher as lacunas de competências essenciais com talentos externos. O envolvimento com terceiros e a exploração de um ecossistema de participantes da GenAI podem acelerar ainda mais a adoção; as grandes seguradoras podem estabelecer uma estrutura para informar a tomada de decisões de construção-compra-parceiro.

• Estabeleça a infraestrutura de dados e as práticas de governança: À medida que as seguradoras amadurecem o uso da GenAI, elas devem aprimorar a governança e as políticas de acordo com suas próprias necessidades e com as mudanças nas regulamentações. O monitoramento contínuo do cenário regulatório é essencial.

Uma sólida governança de dados começa com a compreensão da fonte dos dados, onde eles residem e quem tem acesso a eles. Identificar dados críticos que são usados para gerar julgamentos e estabelecer controles claros para os processos de tomada de decisão. Realizar revisões regulares do conteúdo gerado por IA. Ao manter a transparência e a responsabilidade dos dados, as seguradoras podem evitar cenários de "entrada de lixo, saída de lixo".

As seguradoras devem estabelecer um ambiente de dados sólido, como LLMs de código fechado ou aberto, para criar, treinar e implantar modelos e soluções de GenAI, e planejar aprimorá-lo continuamente. Paralelamente, eles devem projetar um recurso para processar e gerenciar dados não estruturados e semiestruturados que ofereçam suporte à reutilização de acordo com as prioridades estratégicas.