O medo de ficar para trás está empurrando o setor de seguros para uma corrida desenfreada por IA generativa — sem mapa, sem bússola e, muitas vezes, sem um destino claro. Essa pressão, conhecida como FOMO, está transformando a pressão competitiva em uma enxurrada de projetos-piloto caros que raramente saem do papel e chegam a gerar valor real de negócio.
O setor de seguros é, por natureza, avesso ao risco — afinal, a indústria vive de calcular e precificar incertezas. Mas o cenário atual mostra empresas do segmento assumindo riscos desnecessários diante da pressão para demonstrar progresso com inteligência artificial generativa. Não se trata de uma novidade completa: a IA já vinha sendo usada em modelagem de risco e previsão de dados muito antes do boom de deep learning e LLMs em 2023. A diferença é que essas tecnologias mais antigas levaram anos para amadurecer dentro das stacks tecnológicas das seguradoras, sempre apoiadas em casos de uso sólidos e bem definidos. A corrida atual pela IA generativa não segue o mesmo roteiro.
Dados oficiais mostram que metade das seguradoras de ramos elementares (não vida) e um quarto das seguradoras de vida já utilizam IA em áreas como precificação, subscrição, detecção de fraudes e gestão de sinistros. Quando funciona, os números impressionam: líderes em IA no setor de seguros geram um retorno total ao acionista 6,1 vezes maior do que os retardatários — um desempenho que supera em muito a média de outros setores, onde a vantagem fica entre duas e três vezes. Esses dados reforçam o potencial, mas também expõem o abismo entre a ambição e a execução.
Em todo o mercado, o sentimento predominante é o de que todos os concorrentes estão de alguma forma à frente. As empresas veem rivais anunciando novos pilotos e produtos de IA, fornecedores fazendo promessas ousadas, e funcionários experimentando agentes e chatbots por conta própria. Ninguém quer ser pego parado. O resultado é uma onda crescente de FOMO que leva seguradoras a lançar pilotos, financiar planos de integração multimilionários e, de modo geral, encaixar IA em qualquer lacuna percebida nos fluxos de trabalho — antes mesmo de perguntar onde a tecnologia realmente criará impacto significativo.
Os perigos de colocar a IA antes do caso de negócio
O custo dessa pressa é mensurável. Um levantamento do MIT revelou que 95% dos projetos-piloto de IA falharam em gerar qualquer economia financeira perceptível ou aumento nos lucros. Outro relatório, da Capgemini, apontou que 88% dos pilotos de IA nunca chegaram à produção. Dados mais recentes mostram que, embora 99% das seguradoras já tenham algum tipo de IA generativa implantada e 83% gastem mais de £3,75 milhões por ano com tokens, assinaturas e infraestrutura, apenas 42% conseguiram dar o próximo passo para implementar a IA em funções de negócio ativas.
Existe um apetite inegável por IA no setor de seguros, mas a compreensão sobre o que a tecnologia pode fazer e onde ela se encaixa nos sistemas existentes — especialmente em stacks tecnológicas herdadas — é muito limitada. Esse descompasso se manifesta como uma abundância de programas-piloto que nunca amadurecem em soluções do mundo real. As seguradoras sabem que precisam agir, mas não têm clareza sobre por onde começar, quais processos priorizar ou como evidenciar o valor gerado.
Como as seguradoras podem distinguir oportunidade de IA de hype de IA
Isso levanta uma questão central: o que será necessário para tirar a IA dos projetos isolados de inovação e colocá-la em aplicações de negócio tangíveis? A resposta está em abordar a IA de uma perspectiva de negócios, não tecnológica. Escalar IA de forma eficaz pode gerar valor substancial — os dados confirmam isso — mas para seguradoras atoladas em pilotos caros que nunca se traduzem em produtos acabados, o caminho é reverter a ordem: primeiro, identificar onde a IA pode criar impacto real e sustentável; depois, implementar.
O sucesso depende de identificar os casos de uso com os resultados comerciais e de produtividade mais fortes, em vez de aumentar o volume de iniciativas na esperança de alcançar um ponto de virada mágico. As ferramentas de IA específicas para seguros já estão amplamente disponíveis no mercado, eliminando qualquer vantagem competitiva obtida pela adoção de uma plataforma ou modelo específico. A diferenciação competitiva virá de como as organizações aplicam a tecnologia — começando por fluxos de trabalho, modelos operacionais e resultados de negócio. As abordagens bem-sucedidas implantam IA em processos de negócio completos, em vez de soluções pontuais isoladas, e estabelecem governança desde o início, incorporando risco, conformidade e responsabilidade em toda a implementação.
O setor de seguros não tem um problema de IA. Tem um problema de estratégia. O FOMO está empurrando seguradoras para decisões subótimas, quando o verdadeiro desafio está em executar uma transformação coerente. A próxima fase da adoção de IA no mercado segurador não será sobre comprar e usar mais IA — será sobre tomar decisões melhores sobre onde a IA realmente pertence.
