Agente de reclamações

Como uma seguradora usou a IA para agilizar sinistros de baixa complexidade e liberou os avaliadores para se concentrarem no que importa

Rolar

Desafio

Muitas reclamações, muito pouco tempo

Uma seguradora de propriedades e acidentes de médio porte processava centenas de milhares de sinistros por ano. A maioria era de baixa complexidade – bagagem perdida, pára-brisas rachados, pequenos danos causados pela água – mas cada um ainda exigia entrada manual, triagem e aprovação. Com o aumento dos custos trabalhistas e o aumento das expectativas dos clientes quanto à velocidade, a operação de sinistros tornou-se um gargalo. A liderança precisava de uma forma de escalar sem aumentar proporcionalmente o número de funcionários.

Os Ajustadores ficaram sobrecarregados. 70% das reclamações eram simples, mas ainda exigiam entrada, encaminhamento e aprovação manuais. Os tempos de resolução estavam aumentando. Os clientes ficaram frustrados. Os funcionários também.

Gargalos Humanos

Cada reclamação começava da mesma maneira: enviada on-line, enviada por e-mail ou chamada. Um ser humano precisava fazer a triagem, verificar os detalhes, solicitar documentos e encaminhá-lo. As reivindicações simples estavam na mesma fila que as complexas. O resultado: ineficiência em todos os lugares.

E se um bot pudesse lidar com isso?

A ideia: criar um agente de sinistros digital – um que pudesse processar instantaneamente sinistros de baixo risco e baseados em regras, sem demora humana, e escalar apenas aqueles que precisavam de revisão.

Abordagem

Então construímos um ajustador de IA

Fizemos parceria com operações de sinistros, TI e jurídico para projetar um modelo de automação de sinistros. Ele analisou o tipo de reclamação, o valor, o histórico do cliente e a documentação anexada – e então tomou uma decisão instantânea, com auditabilidade integrada.

Solução

Nós treinamos em 3 anos de história

O modelo foi treinado em 2,1 milhões de reivindicações históricas. Ele aprendeu quais casos eram seguros para aprovação automática, quais exigiam validação e quais deveriam sempre ser entregues a um ser humano. Varreduras de documentos, metadados, sinalizações de políticas – tudo fazia parte da árvore de decisão.

Metodologia

Usamos uma metodologia em etapas: (1) definimos regras de elegibilidade e critérios de escalonamento com o Departamento de Operações de Reclamações e Jurídico; (2) extrair, limpar e rotular dados históricos de sinistros para treinamento; (3) treinar e validar o modelo de classificação e aprovação com conjuntos de validação e revisão humana de casos extremos; (4) integrar o modelo à plataforma de sinistros via API com registro de auditoria e controles de substituição; (5) executar um piloto controlado por linha de produto antes da implementação completa.

Fontes de dados

Registros históricos de sinistros (2,1 milhões), incluindo tipo de sinistro, valor, detalhes da apólice e resultado. Anexos de documentos e campos extraídos (fotos, orçamentos, faturas). Dados de CRM e políticas para histórico do cliente e sinalizadores de risco. Todos os dados foram anonimizados ou agregados para treinamento do modelo; a inferência de produção usou dados de reivindicações e políticas em tempo real dentro do perímetro de segurança existente.

Nós o implantamos na produção

O avaliador de IA agora funciona em segundo plano, examinando e aprovando mais de 38.000 solicitações por mês. Ele sinaliza anomalias, verifica riscos de fraude e integra-se perfeitamente à plataforma de sinistros existente. Os ajustadores ainda possuem casos complexos – mas agora não estão enterrados em casos rotineiros.

"Não substituímos os humanos. Removemos os resíduos, para que as pessoas pudessem se concentrar no julgamento, e não no trabalho pesado."

— Diretor de Automação de Sinistros

Medimos o impacto

O tempo de resolução caiu de 5,4 dias para 1,2 dias para reivindicações elegíveis. O NPS do grupo com resolução automática aumentou 18 pontos. E os avaliadores recuperaram mais de 7.000 horas anuais para gastar em casos complexos e de alto contato que realmente precisam deles. Visuais incluiu um painel de operações mostrando taxas de resolução automática versus humana, tempo médio de resolução por tipo de reclamação e tendências de NPS; além de visualizações de auditoria para cada reivindicação aprovada automaticamente para que a conformidade possa analisar amostras.

Cronograma de implementação

Semanas 1–6: Requisitos, extração de dados e regras de elegibilidade. Semanas 7 a 14: Desenvolvimento de modelo, backtesting e construção de integração. Semanas 15 a 18: Piloto em uma linha de produtos (por exemplo, locatários) com revisão humana lado a lado. Semanas 19–22: Ajuste e expansão para linhas adicionais. Na semana 24, a implementação completa da produção foi concluída e a taxa de execução de mais de 38.000 reclamações/mês foi alcançada.

Dê o próximo passo

Veja como a Intellimark pode ajudá-lo a criar um agente de sinistros escalonável, sem perder o toque humano.

Contate-nos

Resultado

A seguradora automatizou a rotina e reorientou o esforço humano em sinistros de valor agregado:

Métricas/Resultados

38,000+ reivindicações processadas automaticamente por mês

1,2 dia tempo médio de resolução (vs. 5,4 dias)

+18 Pontos NPS para grupo automatizado

Mais de 7.000 horas devolvido aos avaliadores anualmente

Fin.

Algumas afirmações precisam de empatia. Alguns só precisam de eficiência. Agora eles poderiam entregar ambos.

Explorar mais

Pesquisar · Análise

Eixo · Experiência para impactar