# A Casualty Actuarial Society publicou um estudo de prova de conceito financiado pela própria CAS, no qual um pipeline de duas fases baseado num LLM extraiu 36 variáveis atuariais estruturadas a partir de documentos de sinistros não estruturados

Página: https://flyvolo.ai/pt/changes/ev-20260622-actuary-5
Data: 2026-06-22 · Fase: Capacidade técnica
Este registo pode alterar um juízo sobre uma tarefa? não
Profissão: https://flyvolo.ai/pt/careers/actuary

## Âmbito

A própria revista de investigação arbitrada por pares da Casualty Actuarial Society (CAS Forum, Vol. 2026), publicada a 22 de junho de 2026, com financiamento e apoio do CAS Artificial Intelligence Working Group, referido no próprio artigo. Três dos cinco autores pertencem a universidades (Thomas Jefferson University, William and Mary University); os outros dois dirigem pequenas consultoras (Lieberthal and Associates LLC, MDSight LLC), e uma pesquisa não encontrou nenhum produto comercial de análise de sinistros com LLM à venda por nenhuma delas, pelo que isto se lê como a investigação do próprio organismo profissional, e não como material de venda de um fornecedor. O próprio artigo chama ao seu sistema uma prova de conceito: um pipeline de LLM de duas fases que lê documentos de sinistros não estruturados (registos médicos, notas dos peritos de sinistros, transcrições de chamadas) e extrai 36 variáveis atuariais estruturadas para a constituição de reservas, a tarifação e a gestão de sinistros. Todos os resultados que o artigo reporta (a extração das 36 variáveis, as 14 variáveis centrais verificadas por dois revisores clínicos independentes com uma pontuação de pelo menos 4 em 5 de exatidão e um acordo entre avaliadores moderado, e um teste retrospetivo com o método chain-ladder que reduziu o erro de reserva de 6,5% para 4,0%) foram produzidos com dados de sinistros sintéticos gerados com a ferramenta Synthea FHIR mais notas e chamadas escritas pelo LLM, não com sinistros reais de nenhuma seguradora. O próprio texto do artigo diz que validar o pipeline com a carteira de sinistros real de uma organização é um passo futuro antes da utilização em produção, não algo que já tenha sido feito. Isto estabelece que o próprio organismo da profissão atuarial tem um protótipo funcional para a metade desta tarefa que consiste em reunir e tratar os dados, testado apenas com dados sintéticos; não estabelece que alguma seguradora o utilize, quanto de um estudo de experiência real poderia substituir, nem nada sobre quantos atuários fazem este trabalho.

## Fonte

- Casualty Actuarial Society — CAS Forum (Lieberthal, Tran, Phan, Singh and Sottung), "Leveraging Large Language Models for Unstructured Claims Data Analysis" — https://forum.casact.org/article/163733-leveraging-large-language-models-for-unstructured-claims-data-analysis (fonte primária)

## O que isto significa

O próprio organismo profissional dos atuários publicou um protótipo funcional que usa um LLM para ler documentos de sinistros não estruturados e extrair 36 das variáveis estruturadas que antes exigiam revisão manual.

## O que ainda não demonstra

Isto é uma prova de conceito testada apenas com dados sintéticos, não com sinistros reais de nenhuma seguradora. Não mostra que alguma seguradora o utilize, nem quanto de um estudo de experiência real poderia substituir, nem nada sobre o número de atuários que fazem este trabalho.

## Como o verificar por si

Pergunte se a sua própria seguradora já experimentou algum sistema de extração automática a partir das narrativas dos sinistros e, se sim, se foi validado com os vossos sinistros reais ou apenas com dados de teste sintéticos.


Mais: https://flyvolo.ai/llms.txt