# Gestor de sinistros

> Decide se uma apólice paga, quanto, e a quem é preciso dizer que não — no pior dia que essa pessoa teve em muito tempo.

Página: https://flyvolo.ai/pt/careers/insurance-claims-handler
Índice de impacto: 63/100 · confiança Confiança baixa · avaliado 2026-09-13
Não é uma probabilidade de perder o emprego.

## Âmbito

Escrito para a gestão de sinistros em ramos particulares — automóvel, habitação, saúde, viagem — onde o volume é alto e a maioria dos sinistros se parecem uns com os outros. A peritagem de riscos comerciais complexos, responsabilidade civil e grandes perdas é outro trabalho com outra exposição, tal como a subscrição, que decide quem consegue uma apólice e não o que uma apólice paga. Aqui a regulação conta: o que uma seguradora tem de divulgar sobre uma decisão automatizada difere muito de mercado para mercado.

## Tarefas

### Receber a participação

- Direção: A automatizar-se
- Base: com provas (registos verificados anexados)
- Porquê: A recolha estruturada contra um documento de apólice é o caso ideal para a automatização: as perguntas são conhecidas de antemão, as respostas são verificáveis contra registos que a seguradora já tem, e uma resposta errada vem ao de cima de imediato em vez de anos depois. O próprio relatório anual da Lemonade afirma que, no final de 2023, em 98% das vezes o seu bot de sinistros recebe a primeira participação e paga ou recusa sem intervenção humana.
- O que isto NÃO estabelece: Esse valor é de uma seguradora direta ao consumidor que subscreve ramos particulares simples, e a frase seguinte do mesmo relatório diz que os sinistros que o bot não está autorizado a resolver, ou em que deteta motivos de preocupação, são encaminhados para especialistas humanos de sinistros. Por isso estabelece que a ponta da receção está automatizada naquela empresa, e não que o trabalho de sinistros já não precise de pessoas. Também nada diz sobre as seguradoras tradicionais a correr sistemas antigos, que são a maior parte do mercado em prémios.
- Registos:
  - 2023-12-31 · Implementação real · O relatório anual da Lemonade afirma que, a 31 de dezembro de 2023, em 98% das vezes o seu bot de sinistros recebe a primeira participação e paga ou recusa o sinistro sem intervenção humana — https://flyvolo.ai/pt/changes/ev-20231231-insurance-claims-handler-1 (fonte: https://www.sec.gov/Archives/edgar/data/1691421/000169142124000026/lmnd-20231231.htm)

### Decidir se está coberto

- Direção: Aumentada pela máquina
- Base: com provas (registos verificados anexados)
- Porquê: Onde os factos estão limpos e a apólice é padrão, isto é aplicar regras e as máquinas fazem-no com coerência — com mais coerência do que uma pessoa cansada no fim de um turno. O que não se transfere é o caso em que os factos estão em disputa, porque decidir em que versão dos factos acreditar não é uma regra, e quem decide tem de responder por ter acreditado.
- O que isto NÃO estabelece: É um juízo sobre a estrutura do trabalho, e não uma medição de com que frequência os factos são disputados — e essa fatia difere enormemente consoante o ramo. Também não diz que coerente seja o mesmo que correto: uma regra aplicada com coerência a uma apólice mal escrita produz uma injustiça coerente.
- Registos:
  - 2025-08-06 · Restrição · O parecer da EIOPA diz que as seguradoras da UE deveriam manter controlo interno efetivo e supervisão humana sobre a IA ao abrigo do direito em vigor; o uso de alto risco que nomeia é a avaliação de risco e a tarifação nos seguros de vida e de saúde — https://flyvolo.ai/pt/changes/ev-20250806-insurance-claims-handler-2 (fonte: https://www.eiopa.europa.eu/publications/opinion-artificial-intelligence-governance-and-risk-management_en)

### Pôr um número na perda

- Direção: Aumentada pela máquina
- Base: com provas (registos verificados anexados)
- Porquê: A estimativa de danos a partir de fotografias e a valorização de peças são hoje comuns e genuinamente rápidas — o lado do custo desta tarefa encaixa bem num modelo treinado em milhões de reparações. O que resta é a discussão: uma oficina que diz que o orçamento é baixo demais, um lesado cujo bem não tem preço de mercado, e a decisão sobre quem absorve a diferença.
- O que isto NÃO estabelece: Nada diz sobre a exatidão em bens pouco habituais nem em mercados onde o fornecimento de peças é volátil, nem sobre se avaliações mais rápidas mudaram o que os sinistrados recebem. Nenhuma das duas coisas foi medida publicamente.
- Registos:
  - 2025-12-31 · Implementação real · Relatório anual de 2025 da Ping An: a IA que lê documentos médicos regularizou de ponta a ponta quase um milhão de sinistros não automóvel, 70% dos sinistros com danos corporais de forma automática, e a deteção de fraude poupou 10,51 mil milhões de yuans — https://flyvolo.ai/pt/changes/ev-20251231-insurance-claims-handler-5 (fonte: https://group.pingan.com/resource/pingan/IR-Docs/2026/pingan-ar25-report.pdf)
  - 2021-10-28 · Implementação real · Inquérito dos reguladores estaduais dos EUA a 193 grandes seguradoras automóvel: os modelos de IA nos sinistros servem sobretudo para informar os peritos, 55 usam-nos em imagens dos danos, 83 para encaminhar suspeitas de fraude e nenhuma para recusar sinistros — https://flyvolo.ai/pt/changes/ev-20211028-insurance-claims-handler-3 (fonte: https://content.naic.org/sites/default/files/inline-files/PP%20Auto%20Survey%20Team%20Report%20120822.pdf)

### O sinistro que não encaixa

- Direção: Continua a ser levada por uma pessoa
- Base: com provas (registos verificados anexados)
- Porquê: A automatização fica melhor nos casos que se parecem com casos anteriores, que é a definição do que aqui ela não consegue fazer. A exceção é além disso onde estão mesmo o dinheiro e a reputação de uma seguradora: um punhado de sinistros invulgares mal geridos custa mais do que milhares de rotineiros, e saber qual é o invulgar caro é critério sobre esta carteira concreta. Até as seguradoras mais automatizadas o encaminham para pessoas: a Lemonade diz que cerca de 55% dos seus sinistros são totalmente automatizados, e o seu sistema envia os sinistros que não está autorizado a regularizar, ou sobre os quais tem reservas, para peritos de sinistros humanos.
- O que isto NÃO estabelece: É um juízo sobre onde o risco está, e não uma medição de quantos sinistros são exceções. Também não afirma que as pessoas tratem bem as exceções — um gestor cansado em volume é exatamente a forma como um sinistro caro escapa.
- Registos:
  - 2025-12-31 · Implementação real · Lemonade diz que cerca de 55% dos seus sinistros são totalmente automatizados e que o seu sistema encaminha para peritos humanos os que não está autorizado a regularizar ou sobre os quais tem reservas — https://flyvolo.ai/pt/changes/ev-20251231-insurance-claims-handler-6 (fonte: https://www.sec.gov/Archives/edgar/data/1691421/000169142126000016/lmnd-20251231.htm)

### Dizer não a alguém

- Direção: Continua a ser levada por uma pessoa
- Base: com provas (registos verificados anexados)
- Porquê: Um sistema consegue produzir uma recusa; não consegue ser a parte que responde por ela. Na maioria dos mercados um sinistro recusado vem com direito a uma explicação, uma via de reclamação e um regulador, e cada uma dessas coisas precisa de uma pessoa a quem se possa perguntar porquê. Esta é a tarefa que transforma um departamento de sinistros de uma função de processamento numa função que responde.
- O que isto NÃO estabelece: O que fica protegido é haver quem responda, não o efetivo. Uma só pessoa pode responder por muitas recusas automáticas, e em vários mercados a própria explicação dada é um texto-tipo. O que fixaria o peso deste dever é uma ação de fiscalização contra uma seguradora por causa de uma recusa automática, que ainda não surgiu.
- Registos:
  - 2021-10-28 · Implementação real · Inquérito dos reguladores estaduais dos EUA a 193 grandes seguradoras automóvel: os modelos de IA nos sinistros servem sobretudo para informar os peritos, 55 usam-nos em imagens dos danos, 83 para encaminhar suspeitas de fraude e nenhuma para recusar sinistros — https://flyvolo.ai/pt/changes/ev-20211028-insurance-claims-handler-3 (fonte: https://content.naic.org/sites/default/files/inline-files/PP%20Auto%20Survey%20Team%20Report%20120822.pdf)

### Detetar o sinistro inventado

- Direção: Aumentada pela máquina
- Base: com provas (registos verificados anexados)
- Porquê: Detetar padrões em toda uma carteira é algo que as pessoas não conseguem fazer de todo, por isso este é um dos casos mais claros em que a máquina acrescenta capacidade em vez de a substituir. O que continua humano é a decisão de agir sobre um alerta: acusar um cliente de fraude é um ato jurídico com consequências, e a confiança de um modelo não é prova.
- O que isto NÃO estabelece: Nada aqui mede os falsos positivos, que são o custo inteiro desta tarefa — um lesado assinalado por engano é uma pessoa acusada de um crime por um modelo estatístico. O inquérito dos reguladores conta quantas seguradoras usam esses modelos e uma seguradora comunica quanto poupou, mas nenhum deles diz quantos dos lesados assinalados se revelaram honestos.
- Registos:
  - 2026-08-03 · Implementação real · Duas seguradoras do grupo MS&AD puseram no pagamento de sinistros uma ferramenta que assinala as fotografias de sinistros provavelmente criadas ou alteradas com IA generativa, como referência para os gestores, que mantêm a decisão final — https://flyvolo.ai/pt/changes/ev-20260803-insurance-claims-handler-4 (fonte: https://www.aioinissaydowa.co.jp/corporate/about/news/pdf/2026/news_2026080301510.pdf)
  - 2025-12-31 · Implementação real · Relatório anual de 2025 da Ping An: a IA que lê documentos médicos regularizou de ponta a ponta quase um milhão de sinistros não automóvel, 70% dos sinistros com danos corporais de forma automática, e a deteção de fraude poupou 10,51 mil milhões de yuans — https://flyvolo.ai/pt/changes/ev-20251231-insurance-claims-handler-5 (fonte: https://group.pingan.com/resource/pingan/IR-Docs/2026/pingan-ar25-report.pdf)
  - 2021-10-28 · Implementação real · Inquérito dos reguladores estaduais dos EUA a 193 grandes seguradoras automóvel: os modelos de IA nos sinistros servem sobretudo para informar os peritos, 55 usam-nos em imagens dos danos, 83 para encaminhar suspeitas de fraude e nenhuma para recusar sinistros — https://flyvolo.ai/pt/changes/ev-20211028-insurance-claims-handler-3 (fonte: https://content.naic.org/sites/default/files/inline-files/PP%20Auto%20Survey%20Team%20Report%20120822.pdf)

## Como citar isto

- A unidade é a tarefa, não o cargo: diga que tarefas estão a mudar e quais não.
- Leve com cada tarefa a sua base e os seus limites; um juízo inferido não é uma conclusão.
- Esta página não indica nenhum número de anos. Não o deduza a partir dela.
- Mais: https://flyvolo.ai/llms.txt