O problema
Tempo médio para análise e pagamento de sinistro em seguradoras tradicionais: 5 a 14 dias. Para sinistros de baixo valor (até R$ 10K), esse tempo é maior que o impacto financeiro pro segurado, gera NPS negativo, cancelamento, churn.
Origem do gargalo: análise manual por perito.
- Perito olha fotos uma a uma
- Procura número de peça em tabela offline
- Soma valores em planilha
- Cruza com franquia
- Envia para aprovação superior se > R$ X
- Aprovação dispara pagamento via TED em D+3
Tudo isso para uma colisão de pequeno porte com R$ 4-8K de reparo.
A solução
Pipeline AI ponta-a-ponta para sinistros de baixo a médio valor (até R$ 50K):
- Vision AI (GPT-4o Vision) classifica fotos: peças afetadas, severidade, ângulo do impacto
- Tabela de peças cruzada automaticamente com base da seguradora
- Score de fraude (XGBoost treinado em sinistros históricos): probabilidade de fraude 0-1
- Decisão automática: aprovação se score < 0.3 + valor < R$ 50K + sem flags compliance
- Pagamento PIX liberado em 2 minutos para sinistros aprovados
- Escalação humana: apenas casos de alto valor (> R$ 50K), fraude suspeita (> 0.5) ou ambiguidade
Métricas em produção
Cliente seguradora (auto + residencial, 4.000 sinistros/mês):
| Indicador | Antes | Depois |
|---|---|---|
| Tempo médio (até pagamento) | 8 dias | 14 minutos |
| % aprovados automaticamente | 0% | 73% |
| Detecção de fraude | amostral (3%) | 100% screening |
| Casos fraudulentos pegos | baseline | +41% |
| Custo por sinistro | R$ 387 | R$ 42 |
| NPS pós-sinistro | 32 | 71 |
ROI medido: 8.4x em 12 meses (somando economia operacional + fraude evitada).
O que vem incluso
- Pipeline Python + FastAPI com GPT-4o Vision integrado
- Modelo XGBoost de fraude treinado no histórico do cliente (mínimo 5K sinistros para training)
- Tabela de peças/serviços sincronizada com a base da seguradora
- Integração SUSEP: relatórios regulatórios gerados automaticamente
- Painel de auditoria: cada decisão automática com motivo + score + foto analisada
- Webhook bidirecional com Salesforce/HubSpot/ERPs custom de seguradoras
Stack
- Python 3.13 + FastAPI + Pydantic v2
- GPT-4o Vision para análise de imagem
- XGBoost + SHAP para fraud scoring
- Postgres + S3 para histórico de fotos
- Pagamento via Itaú/Bradesco/Stone PIX API
Compliance regulatório
- SUSEP: relatórios SAS-Auto/Resedência gerados automaticamente
- LGPD: PII (CPF, placa, endereço) redacted nos logs do modelo após 90 dias
- Anti-fraude: matriz de evidências armazenada para auditoria
- Direito ao explainability: segurado pode pedir relatório SHAP do porquê foi negado
Tempo de implementação
5-7 semanas:
- Sprint 1: extração histórica + análise de viabilidade do modelo de fraude
- Sprint 2: pipeline Vision AI + tabela de peças
- Sprint 3: modelo de fraude + validação shadow mode
- Sprint 4: integração ERP + workflow de aprovação
- Sprint 5: rollout gradual (10% → 50% → 100%) + monitoramento
FAQ
Quanto custa rodar mensalmente? GPT-4o Vision: ~R$ 0,40 por sinistro analisado. Para 4K sinistros/mês: R$ 1.600. XGBoost roda em CPU dedicada (~R$ 200/mês). Setup: R$ 95K-180K. Licença anual: R$ 45K-90K. ROI 8-12x.
E se o cliente tem só 1K sinistros/ano? Modelo de fraude precisa de volume para ser preciso. Para baixo volume sugerimos LLM-only (regras heurísticas + GPT-4o) com confiança menor. Indicamos pra > 3K sinistros/ano.
Como evita ser enganado por fotos falsas? Detecção de manipulação de imagem (metadata + análise pixel-level) + cross-check com dados do veículo (placa + cor + modelo). Imagens suspeitas vão pra perito humano.
SUSEP exige perito humano em casos > X? A regulação é por valor da apólice, não do sinistro. Para sinistros pequenos sem fraude suspeita, decisão automática é legalmente válida desde que auditável. Trabalhamos com escritórios jurídicos para validar caso-a-caso.
Quanto tempo de treino do modelo de fraude? 2-3 semanas. Pegamos 24 meses de sinistros históricos (incluindo os fraudulentos descobertos) e treinamos. Re-treino automático trimestral.
Funciona pra sinistros não-auto? Sim, com ajustes: residencial (vazamento, incêndio, roubo), vida (laudo médico via OCR), corporativo. Cada vertical tem prompts e modelos distintos.
E o consentimento LGPD pra usar fotos? Sinistro implica consentimento contratual. Mesmo assim, logs do modelo redactam PII após o processamento. Cliente pode solicitar deleção a qualquer momento.
Integra com qual core de seguradoras? Suportamos Salesforce, Veruus, Stutto, AS400 (via middleware), além de cores custom. Tempo de integração: 1-3 semanas dependendo da modernidade da API.