A adoção de IA no setor de seguros está crescendo em um ritmo que poucos conseguiram prever.
E junto com esse avanço acelerado, surge uma preocupação que não dá pra ignorar: os frameworks de governança simplesmente não estão conseguindo acompanhar essa velocidade.
Foi exatamente isso que a Willis, uma das maiores referências globais no mercado de seguros, colocou na mesa recentemente.
O alerta é direto ao ponto — as empresas estão implementando soluções de inteligência artificial em larga escala, mas as estruturas que deveriam orientar, controlar e garantir o uso responsável dessas tecnologias ainda estão engatinhando. 🚨
Essa lacuna entre o que a tecnologia já consegue fazer e o que a governança ainda não cobre representa um risco real, tanto para as seguradoras quanto para os consumidores que dependem dessas decisões automatizadas.
Neste artigo, a gente mergulha fundo nesse cenário, entende o que a Willis identificou, por que isso importa e o que está em jogo quando a inovação corre mais rápido do que as regras conseguem alcançar. 👇
O Que a Willis Identificou e Por Que Isso Chamou Atenção
A Willis não é qualquer empresa do setor. Com décadas de atuação no mercado global de seguros e uma visão ampla sobre riscos corporativos, quando ela levanta uma bandeira sobre governança de IA, o mercado presta atenção — e faz bem em prestar.
Os posicionamentos recentes da companhia apontam para um cenário preocupante: enquanto as ferramentas de inteligência artificial se tornam cada vez mais sofisticadas e integradas aos processos de subscrição, análise de sinistros, precificação e atendimento ao cliente, os frameworks que deveriam garantir que tudo isso funcione de forma ética, transparente e auditável ainda estão longe de cobrir o terreno necessário. Não é uma crítica à tecnologia em si, mas sim ao ritmo desequilibrado dessa transformação.
O ponto central levantado pela Willis é que a velocidade da adoção de IA no setor de seguros está criando uma espécie de zona cinzenta, onde decisões importantes — que afetam diretamente a vida das pessoas — são tomadas por algoritmos que ainda não têm supervisão adequada.
Imagine um sistema automatizado negando uma cobertura de saúde ou classificando um cliente como alto risco com base em padrões que nenhum humano consegue explicar com clareza. Isso já está acontecendo, e a ausência de frameworks de governança robustos significa que não há mecanismos claros para contestar, revisar ou corrigir essas decisões de forma eficiente.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Outro aspecto relevante que a Willis trouxe à discussão é a questão da responsabilidade. Quando um modelo de IA comete um erro que resulta em prejuízo financeiro ou dano ao consumidor, quem responde por isso? A seguradora? O fornecedor da tecnologia? O desenvolvedor do modelo? Essa falta de clareza sobre responsabilidade e accountability é exatamente o tipo de lacuna que frameworks de governança bem estruturados deveriam endereçar, mas que, na prática, ainda está sem resposta definitiva na maior parte das organizações do setor.
Por Que a Governança Está Ficando Para Trás
Entender por que os frameworks de governança estão atrasados em relação à adoção de IA exige olhar para as dinâmicas internas das empresas e para o ambiente regulatório externo ao mesmo tempo.
Do lado interno, existe uma pressão enorme por eficiência, redução de custos e ganho de competitividade. As ferramentas de IA entregam resultados mensuráveis e rápidos — seja na agilidade para aprovar apólices, seja na detecção de fraudes ou na personalização de produtos de seguros. Diante desses ganhos tangíveis, a tendência natural das organizações é acelerar a implementação e deixar as discussões sobre controle e supervisão para um segundo momento. O problema é que esse segundo momento muitas vezes nunca chega, ou chega tarde demais.
Do lado externo, o cenário regulatório ainda está em construção em praticamente todos os mercados relevantes. Reguladores ao redor do mundo — incluindo no Brasil, com a SUSEP, e na Europa, com o AI Act — estão trabalhando para criar diretrizes específicas para o uso de IA em setores sensíveis como o de seguros. Mas regulamentação leva tempo, passa por processos de consulta pública, revisão e adaptação, enquanto a tecnologia avança em ciclos de meses. Essa assimetria de velocidade cria exatamente o vácuo que a Willis está sinalizando: empresas adotando IA de forma massiva antes que qualquer estrutura legal ou normativa esteja pronta para enquadrá-la adequadamente.
Existe ainda um terceiro fator que complica ainda mais esse quadro: a complexidade técnica dos modelos de IA modernos. Diferente de sistemas tradicionais de software, onde a lógica de decisão pode ser auditada linha por linha, modelos de machine learning e redes neurais profundas operam de formas que nem seus próprios criadores conseguem explicar completamente.
Isso torna o desenvolvimento de frameworks de governança eficazes um desafio técnico enorme, que vai muito além de simplesmente criar políticas internas ou documentar processos. É preciso capacidade técnica especializada, ferramentas de interpretabilidade e cultura organizacional orientada para transparência — e tudo isso demanda investimento e tempo que nem sempre as empresas estão dispostas a dedicar antes de colher os frutos da tecnologia. 🤖
O Que Está em Jogo Para o Setor de Seguros
O mercado de seguros tem uma característica que o torna particularmente sensível a falhas de governança de IA: ele lida diretamente com momentos de vulnerabilidade das pessoas. Um sinistro de saúde, um acidente de carro, a perda de um bem — são situações onde o consumidor já está fragilizado e depende de uma resposta justa, transparente e fundamentada da seguradora.
Quando essa resposta é gerada por um algoritmo sem supervisão adequada, sem explicabilidade e sem mecanismos de contestação claros, o potencial de dano vai muito além do financeiro. Ele atinge a confiança no setor como um todo, e confiança, no mercado de seguros, é literalmente o produto que está sendo vendido.
Além do impacto direto nos consumidores, a ausência de frameworks sólidos também expõe as próprias seguradoras a riscos significativos:
- Riscos regulatórios, com multas e sanções à medida que as regulamentações sobre IA ganham força ao redor do mundo
- Riscos reputacionais, quando decisões automatizadas controversas chegam à mídia ou resultam em processos judiciais
- Riscos operacionais, quando modelos treinados com dados históricos passam a reproduzir padrões problemáticos em escala industrial
A Willis, como especialista em gestão de riscos, entende melhor do que ninguém que ignorar esses sinais de alerta no curto prazo pode gerar passivos enormes no médio e longo prazo.
É importante deixar claro que o alerta da Willis não é um manifesto contra a adoção de IA. Muito pelo contrário. A inteligência artificial tem o potencial de tornar o setor de seguros mais eficiente, mais acessível e mais justo — desde que implementada da forma certa.
O que está sendo sinalizado é a necessidade urgente de equilibrar velocidade de adoção com maturidade de governança, garantindo que as organizações não colham apenas os benefícios imediatos da tecnologia enquanto empurram seus riscos para o futuro. Esse equilíbrio é exatamente o que separa uma transformação digital bem-sucedida de uma crise anunciada. 💡
Frameworks de Governança: O Que Falta e O Que Pode Ser Feito
Quando falamos em frameworks de governança para IA, não estamos falando de burocracia ou de travar a inovação. Estamos falando de estruturas práticas que definem como os modelos são desenvolvidos, testados, monitorados e atualizados ao longo do tempo.
Isso inclui elementos fundamentais como:
- Políticas claras sobre quais dados podem ser usados para treinar modelos
- Mecanismos para garantir que esses dados sejam representativos e livres de vieses problemáticos
- Métricas de desempenho monitoradas de forma contínua
- Definição de quem tem a autoridade — e a responsabilidade — de intervir quando algo sai do esperado
No setor de seguros, onde as decisões de IA têm impacto direto na vida financeira das pessoas, esses elementos não são opcionais. São fundamentais.
Algumas organizações mais maduras já estão avançando nessa direção. Grandes grupos seguradores internacionais começaram a criar comitês internos dedicados à ética em IA, a contratar especialistas em interpretabilidade de modelos e a adotar frameworks como o NIST AI Risk Management Framework ou as diretrizes do IEEE para sistemas autônomos.
No Brasil, iniciativas como as recomendações da SUSEP sobre uso de modelos preditivos e as discussões em torno da regulamentação nacional de IA estão pavimentando o caminho, mas ainda há uma distância considerável entre o que está sendo discutido nos fóruns técnicos e o que está sendo efetivamente implementado nas operações do dia a dia das seguradoras.
A Importância da Transparência e da Explicabilidade
Um dos pilares mais críticos de qualquer framework de governança de IA é a capacidade de explicar como um modelo chegou a determinada decisão. No universo técnico, isso é conhecido como explainability ou explicabilidade, e no setor de seguros essa questão ganha uma dimensão ainda mais relevante.
Quando uma seguradora nega uma cobertura, ajusta o valor de um prêmio ou classifica um perfil de risco, o consumidor tem o direito de entender os critérios por trás dessa decisão. Modelos tradicionais de análise atuarial, por mais complexos que fossem, tinham uma lógica que podia ser rastreada e explicada. Com modelos de deep learning e redes neurais cada vez mais complexas, essa rastreabilidade se torna um desafio técnico significativo.
A Willis entende que sem transparência, o setor corre o risco de criar uma relação de desconfiança com seus clientes. Ninguém quer receber uma resposta automática sem saber o motivo por trás dela, especialmente em momentos de estresse, como o registro de um sinistro. A construção de mecanismos de explicabilidade não é apenas uma boa prática — em muitas jurisdições, está se tornando uma exigência legal.
Na Europa, por exemplo, o AI Act classifica sistemas de IA usados em seguros como potencialmente de alto risco, o que significa que haverá exigências rigorosas de documentação, auditabilidade e explicabilidade. Empresas que se anteciparem a essas exigências estarão em posição muito mais confortável do que aquelas que precisarem correr para se adaptar depois que a regulamentação entrar em vigor. 📋
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
O Papel da Cultura Organizacional na Governança de IA
Não adianta ter um framework perfeito no papel se a cultura da empresa não sustenta sua aplicação na prática. Esse é outro ponto que merece atenção quando falamos sobre o alerta da Willis.
A governança de IA eficaz depende de pessoas que entendam os riscos, que se sintam responsáveis pelas decisões automatizadas e que tenham canais claros para reportar problemas quando identificados. Isso exige treinamento, comunicação interna constante e, acima de tudo, liderança comprometida com o tema.
Em muitas seguradoras, a adoção de IA ainda é tratada como um projeto puramente de tecnologia, delegado a equipes de dados ou de TI. Quando a governança fica restrita a esses departamentos, ela perde a visão holística necessária para cobrir todos os impactos que um modelo de IA pode gerar — desde questões legais e regulatórias até implicações na experiência do cliente e na reputação da marca.
As empresas que estão conseguindo avançar de forma mais equilibrada são aquelas que tratam a governança de IA como uma responsabilidade multidisciplinar, envolvendo áreas como compliance, jurídico, operações, atendimento ao cliente e até comunicação. Essa abordagem integrada permite que os riscos sejam mapeados de forma mais completa e que as respostas a eventuais problemas sejam mais ágeis e coordenadas.
O Cenário Global e as Lições Para o Brasil
O alerta da Willis ecoa uma tendência que está sendo observada em mercados ao redor do mundo. Nos Estados Unidos, órgãos reguladores estaduais já começaram a exigir que seguradoras divulguem quando e como utilizam IA em seus processos de decisão. Na Europa, o AI Act está criando o arcabouço regulatório mais abrangente do planeta para sistemas de inteligência artificial, com requisitos específicos para setores de alto risco como o financeiro e o de seguros.
No Brasil, o cenário ainda está em fase de amadurecimento. A SUSEP tem acompanhado de perto as discussões internacionais e já sinalizou que pretende incorporar diretrizes específicas para o uso de modelos de IA e algoritmos preditivos no mercado segurador. Paralelamente, o Projeto de Lei sobre regulamentação de IA no Brasil avança no Congresso, com potencial de impactar diretamente a forma como seguradoras poderão utilizar essas tecnologias.
Para as empresas brasileiras, o momento é de preparação. Esperar que a regulamentação chegue para só então pensar em governança pode ser uma estratégia arriscada. Os custos de adaptação retroativa — tanto financeiros quanto operacionais — tendem a ser significativamente maiores do que os investimentos em estruturas de governança construídas desde o início do processo de adoção tecnológica.
O que a situação atual exige é uma mudança de mentalidade: tratar governança de IA não como um custo ou um obstáculo à inovação, mas como um componente estratégico da própria adoção tecnológica. Empresas que conseguem construir estruturas de governança robustas antes de escalar suas soluções de IA têm uma vantagem competitiva real — não só porque evitam riscos, mas porque constroem credibilidade junto a reguladores, parceiros e consumidores.
No mercado de seguros, onde a regulação é parte intrínseca do negócio, essa credibilidade vale muito mais do que qualquer ganho de curto prazo que uma implementação apressada poderia gerar. 🎯
