“Uma automatização a 100% é uma automatização cega”

Com uma estratégia “mais estruturada” para a inteligência artificial (IA) generativa há “cerca de dois anos e meio”, o Grupo Ageas Portugal começou por “recolher mais de 100 ideias, num trabalho bastante exaustivo com as equipas”. No entanto, veio a perceber que “metade não precisava de IA”, podendo ser endereçadas mais eficazmente com outras tecnologias, diz ao ECO a Head of Data & AI da seguradora, Nadine Côrte-Real.

Escolha o ECO como fonte preferida no Google

Escolher ›

No sétimo episódio do Podcast .IA, a responsável adverte que “há um caminho que tem de ser feito nas várias organizações” para aumentar a literacia das equipas. Depois desse trabalho inicial, foram estabelecidas as prioridades e iniciado um caminho que levou até ao momento presente, em que a Ageas está “num nível de maturidade” em IA “bastante interessante”: “Neste momento, estamos mais numa fase de industrialização, de começar a escalar use cases que já provaram valor e que já são tecnicamente robustos”, diz. O foco é “tentar transformar processos”, incluindo “processos críticos”.

Apesar do potencial deste tipo de tecnologias, Nadine Côrte-Real não dispensa a supervisão humana da IA, até porque, acredita, “uma automatização a 100% é uma automatização cega”. “Nós queremos garantir a qualidade do processo, avaliando os casos em que faz sentido automatizar, onde o risco é razoável, e aqueles em que não faz sentido”, explica. Ademais, num setor que lida com dados sensíveis dos clientes, e sujeito a regulamentação apertada, há aplicações que pura e simplesmente não são possíveis: “É muito aliciante haver cruzamentos de dados, mas há cruzamentos que não podem ser feitos. Acredito que existe uma oportunidade muito grande para fazer projetos sem grande risco. Há muita coisa para fazer e muito para explorar.”

Assista aqui ao sétimo episódio do Podcast .IA:

Temos muitos modelos de machine learning para prever comportamentos dos clientes, mas diria que ainda temos um caminho a fazer na área da previsão.

Qual é o grau de maturidade do Grupo Ageas Portugal na integração de tecnologias de IA nas suas operações?

Estamos num nível de maturidade bastante interessante. Começámos a apostar de forma mais estruturada na inteligência artificial generativa há cerca de dois anos e meio. Começámos com uma série de pilotos e um portefólio muito limitado de use cases, que começaram a provar o seu valor. Neste momento, estamos mais numa fase de industrialização, de começar a escalar use cases que já provaram valor e que já são tecnicamente robustos. Estamos agora numa fase de escala, de aquisição de mais talento para a nossa factory de IA, e a começar a trabalhar numa ótica não tanto local, de melhoria de determinado processo, mas de tentar transformar processos: começar por pensar e redesenhar o negócio e depois embeber a tecnologia e os dados em pontos críticos do processo onde faz sentido.

Então têm desenvolvimento interno de soluções, não vão só contratar ao mercado?

Temos neste momento muito apoio externo e estamos a caminhar para ter cada vez mais desenvolvimento interno. É um caminho, mas faz parte da nossa estratégia investir fortemente em talento de IA, porque o número de projetos não para de aumentar. Queremos dar resposta e consideramos que ter talento de IA na Ageas é um ativo estratégico para nós e, como tal, deve ser um ativo internalizado.

Geralmente, é a subsidiária que exporta tecnologia, ideias e conceitos para o grupo, para a casa-mãe, ou, pelo contrário, vão beber muito daquilo que se faz lá fora?

É um misto. Apesar de fazermos parte de um grupo belga, temos muita autonomia local. Fizemos o nosso caminho e a recolha de todas as iniciativas foi feita localmente, porque temos uma estratégia local que tem de estar ligada a uma estratégia global, mas temos de ir onde temos fricção localmente. Portanto, definimos tudo localmente. Não obstante, há aqui uma necessidade de muita sinergia, porque este é um campo novo. Estamos muitas vezes em contacto com o que chamamos as operating companies do Grupo Ageas global, seja no Reino Unido, seja na Bélgica, que são aqueles com que nos relacionamos mais, para perceber tecnicamente como é que estão a trabalhar estes desafios.

Ou seja, é uma partilha de know-how? Alguma coisa que funciona bem em Portugal pode ser exportada?

É uma partilha de know-how, sem dúvida. Promovemos muito essa partilha porque temos um contexto muito próprio dentro do grupo. Os processos são parecidos. Muitas vezes, o stack tecnológico é diferente, portanto não dá totalmente para haver essa partilha. Há diferenças culturais, mas há sempre zonas comuns que podem ser exploradas. Existe cada vez mais, por parte do grupo, a necessidade de criar essas sinergias e tentar caminhar para soluções comuns ao nível do grupo. É um caminho.

A Nadine, enquanto Head of Data and AI, reporta ao Conselho de Administração?

Isso.

Dentro do grupo, em Portugal, como é feita a difusão da IA? As ideias partem de cima para baixo ou envolvem as equipas, que dão as suas próprias ideias e depois as fazem chegar à administração?

Temos feito um caminho. Há cerca de dois anos e meio, começámos numa lógica bottom-up, olhando para determinadas áreas, mas começando sempre pela estratégia da empresa, porque a estratégia de IA nasce da estratégia da empresa. Temos de perceber onde há fricção, onde há potenciais ganhos e onde há propósito em investir em IA. Há sempre a perceção de que a IA pode estar em todo o lado, mas a IA é um investimento significativo e tem de haver este trade-off sobre onde faz sentido investir. Começámos por recolher mais de 100 ideias, num trabalho bastante exaustivo com as equipas. Posso dizer que metade não precisava de IA. Havia ideias mais ou menos relacionadas com a estratégia e tentámos balizar aquilo que estava mais direcionado para a nossa estratégia.

Não precisavam de IA por desconhecimento ou iliteracia?

Não. Não precisavam de IA porque, às vezes, a própria tecnologia, sem ser IA, dá resposta a isso.

Porque a IA não é uma panaceia, não é uma solução para tudo…

Exatamente. Em parte, por literacia, há um caminho que tem de ser feito nas várias organizações. Com a democratização da inteligência artificial, sentimos o poder da tecnologia nas nossas mãos e, naturalmente, queremos tentar passar isso para o nosso dia a dia na organização. Mas isto para dizer que começámos numa abordagem muito bottom-up, em que fizemos uma recolha mais exaustiva de use cases. Depois, foi feita uma priorização: se têm valor, se estão alinhados com a nossa estratégia, se têm business case e viabilidade técnica.

Isto não é só fazer aquilo que a estratégia nos diz. Na prática, quisemos caminhar para um portefólio em que temos grande valor e uma viabilidade técnica razoável, os chamados low-hanging fruits. Recentemente, com mais maturidade e também fruto do novo ciclo estratégico, tentámos elevar mais o nosso portefólio. Temos um conjunto interessante de use cases que nos permitiram gerar valor em determinadas zonas, mas queremos uma capacidade de cobertura maior.

Para dar esse salto, não podemos trabalhar localmente. Temos de pensar de forma mais global e no redesenho de processos. Fizemos então um trabalho top-down, com um envolvimento muito próximo da Comissão Executiva e de diretores que estão em áreas e domínios críticos da nossa cadeia de valor. Sempre muito alinhados com a nossa estratégia de negócio, tentámos perceber os domínios da cadeia de valor onde queremos investir e, dentro desses domínios, os processos críticos. Vamos redesenhar, reinventar e embeber IA e data onde fizer sentido, porque é isso que verdadeiramente muda o ponteiro.

Deteção de fraudes com IA, processos mais rápidos em sinistros e prémios fixados com a ajuda de inteligência artificial: tudo isso já é uma realidade? Quais são os casos de uso mais promissores dentro do Grupo Ageas Portugal neste momento?

Tudo isso já é uma realidade para a indústria. Dentro do Grupo Ageas Portugal, temos estado muito focados em melhorar a experiência do cliente, e os sinistros são uma área-chave para nós. Temos um projeto em que reinventámos o processo end-to-end: o nosso processo de gestão de sinistros de saúde. Neste momento, temos a capacidade de responder muito mais rapidamente ao cliente em relação ao seu sinistro de saúde e ao respetivo pagamento. Olhámos para o processo e embebemos IA desde o momento em que o cliente submete a sua fatura de saúde. Essa fatura é classificada, é percebido se deve ser comparticipada ou não e, automaticamente, depois decide-se se é comparticipada e é feito o pagamento.

Isso, para o cliente, traduz-se na validação do direito a reembolso e num reembolso mais rápido?

Num reembolso mais rápido para o cliente e em ganhos também para nós, porque a informação fica mais estruturada e conseguimos perceber melhor o tipo de sinistros que estamos a receber. Conseguimos também ser mais eficientes no leakage, porque podemos controlar melhor aquilo que efetivamente deve ser comparticipado ou não. É um win-win para o cliente e também na forma como nos organizamos, porque os gestores de sinistros, que estavam muito focados em tarefas manuais, podem focar-se agora em tarefas de maior valor acrescentado para o cliente.

Nesse processo de sinistros, no final há sempre uma validação humana ou a máquina já decide se há direito a reembolso e faz o pagamento?

O human in the loop é fundamental.

Vamos chegar ao cenário em que essa validação deixa de ser necessária e em que a IA pode tomar decisões de reembolso?

Depende do tipo de reembolso, dos thresholds e do risco. Não sou apologista da automatização a 100%. A automatização deve responder a uma fricção com o cliente ou da organização, e, como tal, é necessário fazer aqui o trade-off. Uma automatização a 100% é uma automatização cega e nós queremos garantir a qualidade do processo, avaliando os casos em que faz sentido automatizar, onde o risco é razoável, e aqueles em que não faz sentido.

Tem mais algum caso de estudo que queira destacar, com particular visibilidade dentro do grupo?

Além do domínio dos sinistros, há também tudo o que tem a ver com a componente de contact center e de atendimento ao cliente. Se pensarmos na ótica da experiência do cliente, os sinistros são uma área difícil: o cliente quer ser atendido o mais rapidamente possível e quer saber o estado do seu sinistro. É uma área em que temos de apostar. Temos de conseguir ser preventivos e dar o máximo de informação ao cliente. Consideramos que a componente de contact center pode beneficiar muito da inteligência artificial. Por exemplo, temos um use case de post-call analytics: transcrevemos as chamadas e conseguimos perceber como é que o cliente se está a sentir. Isso permite-nos atuar e antecipar. Temos também a “Carmo”, um voicebot que fala com os clientes e responde a dúvidas que possam ter, seja sobre o estado do sinistro, seja a perguntas genéricas.

Consideramos que a componente de contact center pode beneficiar muito da inteligência artificial.

A “Carmo” é especificamente da marca Médis?

A “Carmo” atualmente é especificamente da marca Médis e estamos neste momento a escalá-la para outras marcas. Acreditamos que pode ser um canal de entrada para dar resposta rápida ao cliente, com a grande vantagem de estar disponível 24 horas por dia.

Já têm atendimento automático com voicebots na entrada, no reporte de um sinistro? Em muitas situações, quem liga acabou de passar por um momento difícil, precisa de ajuda da seguradora e a última coisa que quer é falar com uma máquina.

Não no reporte do sinistro. O cliente tem sempre a opção de passar para o humano. A “Carmo” também tem a capacidade de perceber quando deve escalar para o humano. O que tentámos fazer na “Carmo” foi um trade-off entre onde devemos ter a inteligência artificial a nosso favor e onde devemos ter o humano. Conseguimos automatizar dúvidas e coisas como alterações de morada, que o cliente precisa de fazer, mas que não surgem propriamente num momento sensível. Poderemos caminhar para isso, mas neste momento estamos nesta fase. Quando um cliente liga e quer ser atendido por uma enfermeira, não vai ser atendido por uma enfermeira de inteligência artificial. Vai ser encaminhado para uma profissional. É muito mais rápido quando a inteligência artificial ouve o cliente, ele diz que quer falar com uma enfermeira, pede-lhe a informação e passa logo esse contexto à enfermeira e à linha de triagem. Só esse tempo de encaminhamento já é uma ajuda, já é um ganho.

Historicamente, os seguros foram pensados para compensar perdas depois de estas acontecerem. Como é que a inteligência artificial está a empurrar o setor para uma lógica de prevenção?

Há vários domínios de que podemos falar. Por exemplo, no caso do contact center, ouvir aquilo de que o cliente se está a queixar é uma forma de atuarmos preventivamente. Podemos ouvir quais são as tendências e estar proativamente a configurar a “Carmo” para responder e para o cliente perder menos tempo. É um exemplo claro de como estamos a usar a inteligência artificial para prevenir que o cliente fique mais chateado connosco quando nos contacta.

Têm mais aplicações em que usam inteligência artificial para prever, prevenir ou tentar evitar problemas?

Temos muitos modelos de machine learning para prever comportamentos dos clientes, mas diria que ainda temos um caminho a fazer na área da previsão.

As seguradoras têm dados sobre risco, saúde, comportamento, património, acidentes e vulnerabilidades. Isso torna a IA mais poderosa neste setor ou mais difícil de aplicar de forma responsável?

Os dados são um ativo estratégico para qualquer indústria. Na indústria seguradora temos um grande desafio: os nossos dados são sempre sobre situações em que o cliente não está satisfeito. Os piores dias. É preciso balizar muito bem isso. É um ativo extremamente poderoso, que tem de ser visto de forma responsável. Estamos a desenvolver produtos de inteligência artificial em âmbito europeu, portanto temos uma regulamentação para cumprir.

Na Ageas, acreditamos numa inteligência artificial com propósito, mas responsável. A inovação responsável passa por, sempre que priorizamos um use case, perceber qual é o risco desse use case, que dados envolve e se podemos ou não cruzar esses dados. É muito aliciante haver cruzamentos de dados, mas há cruzamentos que não podem ser feitos. Acredito que existe uma oportunidade muito grande para fazer projetos sem grande risco. Há muita coisa para fazer e muito para explorar.

Na vossa estrutura de governance da IA, quem é responsável se uma solução de IA correr mal? É a Nadine?

É uma boa pergunta… A questão da responsabilidade tem de ser vista caso a caso.

Disse que há soluções com muito bons resultados. Como fazem essa medição? A medição dos retornos da IA continua a ser um problema?

É um problema geral. Tentamos ser muito orientados ao business case e, desde o início, definir métricas de sucesso com as áreas de negócio. Por exemplo, o facto de conseguirmos reduzir a volumetria de chamadas que chega ao contact center é uma forma de sucesso e estamos efetivamente a ter impacto no P&L. Mas há casos que são muito mais difíceis, sobretudo quando falamos de produtividade individual ou da utilização de copilots. É um caminho que tem de ser feito lado a lado com o negócio, porque o que é sucesso para um centro de competências de IA não é propriamente sucesso para uma área de negócio. Nós olhamos mais para as métricas técnicas e eles olham mais para as métricas de negócio. Temos de nos encontrar a meio caminho e ir medindo.

A medição de valor, e sobretudo quando esse valor deve ocorrer, é um desafio transversal. Há uma necessidade muito grande de ver resultados, mas não podemos esquecer que a inteligência artificial é artificial: é preciso criá-la, e isso leva o seu tempo, sobretudo para trazer confiança e desenvolver de forma responsável. Temos de estar sempre a fazer um balanço entre isto.