Setor de seguros
As seguradoras de hoje têm adotado IA e utilizado cada vez mais a ciência de dados nas mais diversas operações. No que se refere ao processo, essas empresas têm melhorado a rentabilidade, eficiência e proporcionado experiência otimizada ao cliente.
DataRobot é uma plataforma de inteligência artificial de ponta a ponta, pioneira em Automated Machine Learning, que promove uma verdadeira revolução do uso de inteligência artificial, trazendo eficiência e produtividade em projetos de ciência de dados. Já é utilizado por mais de 1000 empresas em todo o mundo, inclusive no Brasil.
O DataRobot possui uma biblioteca com mais de 400 modelos proprietários e públicos de Machine Learning, que combinados, possibilitam mais de 4 mil abordagens diferentes. Basta definir um problema de negócio (como probabilidade de inadimplência em uma carteira de crédito, por exemplo), uma base de dados histórica relacionada a esse problema, a variável alvo (inadimplente ou não), e um critério de avaliação de acuracidade, e o DataRobot automaticamente treina diversos modelos de ML.
IA e o setor de seguros
O DataRobot disponibiliza às seguradoras o poder incomparável para otimizar escolha de mercado, subscrição, precificação e operações de gestão de sinistros. Com a utilização do DataRobot no setor de seguros, é possível implementar análises em uma fração do tempo usual, proporcionando maior velocidade de chegada ao mercado, precificação mais precisa por machine learning, taxa de sinistralidade reduzida e índices de conversão mais elevados.
Seleção de riscos estratégicos
- Identifique os prospects mais rentáveis.
- Acelere os índices de conversão.
- Melhore a precisão das cotações.
- Reduza o churn e aumente o índice de renovações.
- Dissemine as melhores práticas.
Precisão na precificação e reservas
- Acesse algoritmos de machine learning de ponta.
- Utilize modelos de precificação sem reprogramação.
- Aumente a precisão dos custos com sinistros.
- Formule tarifas cinco a quinze vezes mais rápido.
- Estime as perdas individualmente para cada sinistro.
- Estabeleça reservas, de forma precisa, de baixo para cima.
Gestão otimizada de sinistros
- Classifique sinistros para processamento automático ou manual.
- Sinalize sinistros potencialmente fraudulentos.
- Identifique oportunidades de sub-rogação.
- Antecipe a gravidade dos sinistros e potenciais de grandes perdas.
- Otimize o desempenho do regulador com atribuições baseadas em resultados.
Estudos de caso – seguros
Não há qualquer função no setor de seguros que não seja impactada pela utilização da inteligência artificial e machine learning. Além de automatizar e fundamentar os processos tradicionais, a IA e o machine learning disponibilizam novos recursos que capacitam as seguradoras na otimização de cada função da cadeia de valores do seguro.
Precisão da precificação dinâmica
Com o DataRobot para precificação utilizando o machine learning, uma grande seguradora de automóveis no Reino Unido substituiu um modelo gradient boosting por um modelo linear generalizado (MLG) em uma de suas linhas de negócios. Como resultado, a seguradora reduziu sua taxa de sinistralidade, melhorou seu índice combinado, aumentou seus índices de retenção e reduziu seus custos de aquisição. Essas melhorias resultaram em uma economia de $8 milhões. A capacidade do DataRobot de executar algoritmos lineares e não lineares simultaneamente ajuda na precificação precisa e específica ao risco, o que reduz vulnerabilidade à aceitação adversa.
Redução de churn
O uso da IA em ciências atuariais — para gestão de preço de renovação — também pode ajudar você a reter clientes. As seguradoras perdem dinheiro quando bons clientes não renovam suas apólices. Com o uso do DataRobot, uma grande seguradora europeia incorporou o risco de “churn” no seu preço de renovação, resultando em redução nos cancelamentos e não renovações, melhora na taxa de sinistralidade e 24% de redução nos custos variáveis. Ao todo, a empresa estima o montante a €12,5 milhões por ano.
Mitigação de riscos de disputa judicial
Uma grande operadora de seguros P&C dos Estados Unidos usou o DataRobot para criar um modelo para utilizar machine learning em ciências atuariais — para prever a probabilidade de um pedido de indenização trabalhista resultar em disputa judicial. Com esses insights disponíveis, as solicitações com pontuação alta para a probabilidade de disputa judicial são encaminhadas para equipe sênior de sinistros para que sejam feitas ofertas antecipadas e atrativas. A empresa estima que evitou 10% de disputas judiciais que teria enfrentado sem o modelo, resultando em uma redução de 25% no custo de pedidos que apresentavam risco e um montante estimado para a empresa de mais de $5 milhões por ano.
Detecção de fraude
O machine learning atual é muito mais eficaz do que regras estáticas para detectar métodos de fraude cada vez mais evoluídos. Num determinado caso, uma grande seguradora de P&C europeia implementou processamentos em lote noturnos de sinistros de veículos em um modelo criado a partir do DataRobot. As solicitações com pontuação alta para fraude foram designadas para uma equipe especializada de investigação de fraudes de sinistros. A empresa estima que aumentou a precisão da sua detecção de fraude em 30%, rendendo um valor maior que $10 milhões.
Recuperações com sub-rogação
Oportunidades de sub-rogação são como encontrar dinheiro, mas apenas se você conseguir identificá-las e agir rapidamente. Uma seguradora de automóveis da Europa continental trabalhou com o DataRobot para identificar sinistros com alta probabilidade de recuperação de sub-rogação. Os gerenciadores de sinistros recebem, agora, listas automatizadas de sinistros com metas de sub-rogação. A empresa dobrou seu índice de sub-rogação de 1,4% para 2,8% de sinistros e espera recuperações anuais adicionais de €4-8 milhões por ano.
O DataRobot ajuda as seguradoras por meio de:
Comunicação clara
A plataforma do DataRobot é projetada para que os usuários entendam e expliquem as previsões para os clientes, executivos e órgãos reguladores. Fatores com valor preditivo são claramente identificados e esclarecidos, e os códigos de “explicação da previsão” informam aos usuários por que um requerente recebeu determinado preço, pontuação ou recomendação.
Plataforma de integração simples
DataRobot oferece o recurso de implantação automática de modelos analíticos, evitando a necessidade de reprogramação. Há várias maneiras dos usuários acessarem a nossa plataforma:
– Operações podem interagir com modelos do DataRobot diretamente a partir do REST API;
– DataRobot pode exportar modelos em Java .jar ;
– DataRobot pode gerar código-fonte de pontuação em Java ou Python;
– DataRobot pode gerar um aplicativo de pontuação com sua própria interface de usuário baseada na web.
Gestão do ciclo de vida
A precisão dos modelos “oscila” com novas experiências de perda e subscrição. DataRobot ajuda a manter a precisão do modelo informando automaticamente aos usuários a frequência com que os resultados atuais divergem das previsões demonstradas e quais fatores podem estar causando a divergência.
Esse recurso é fundamental para alertar os usuários sobre a oscilação progressiva antes que seu impacto se manifeste nas demonstrações financeiras e você perca sua vantagem competitiva — ou seu emprego.
Machine learning também ajuda as seguradoras a desenvolver modelos de estimativa de perdas individuais (ILD) — superando as limitações de GLMs tradicionais, analisando e gerenciando o impacto das diferentes variáveis de perda ao longo da vida de um sinistro
Adaptabilidade aos dados do "mundo real"
O DataRobot trabalha com dados “como estão”, com todos os gaps e limitações geralmente contidas nesses dados. Há diversas aplicações de seguro para machine learning e IA corporativa, e não há necessidade de uma preparação extensiva de dados para você começar a criar modelos de IA. Os resultados do DataRobot ajudarão você a priorizar seus esforços para expandir e refinar seus dados.

“DataRobot disponibiliza todas as ferramentas que você precisa. Isso democratiza o machine learning em todo o negócio.”
Pardeep Bassi
Head de Data Science, LV=
“Queremos ser verdadeiramente focados no cliente, com todos os nossos 16 milhões de clientes e, para isso, precisamos ser capazes de prever o comportamento potencial de cada um deles para preparar a oferta mais adequada, no momento mais apropriado. Não há como focar no cliente da forma como queremos sem o machine learning.”
Paul Davies
Head de Data Science, Domestic & General