A IA pode tornar o seguro para transporte rodoviário de cargas mais preciso ou apenas mais rápido?

A inteligência artificial oferece às seguradoras novas maneiras de automatizar a análise de documentos, extrair informações de solicitações e analisar registros históricos. Para as empresas de transporte rodoviário de cargas, esses recursos podem ajudar a reduzir atrasos administrativos que complicam o processo de obtenção de cobertura.

Essa eficiência é importante. Atrasos na contratação de seguros podem impedir as transportadoras de colocar caminhões em operação, aceitar novos contratos ou continuar as atividades conforme o planejado.

Mas decisões mais rápidas não são necessariamente melhores.

No seguro para transporte rodoviário de cargas, o desafio nunca foi a falta total de dados. As seguradoras podem levar em conta históricos de inspeções, registros de segurança, relatórios de acidentes, autorizações para operar e documentos de conformidade. O desafio é determinar o que esses registros realmente revelam sobre uma empresa e o que deixam de mostrar.

Para que a IA melhore o seguro para transporte rodoviário de cargas, ela precisa fazer mais do que acelerar a subscrição. Precisa ajudar as seguradoras a desenvolver uma compreensão mais precisa dos riscos.

Um histórico de segurança não conta a história toda

Antes de entrar no setor de seguros, trabalhei diretamente com empresas de transporte rodoviário de cargas em questões de segurança e conformidade, ajudando transportadoras a obter autorização para operar, organizar arquivos de qualificação de motoristas, manter registros e lidar com exigências regulatórias. Essa experiência reforçou uma lição importante: os registros de conformidade são úteis, mas não refletem necessariamente como uma frota opera no dia a dia.

Considere duas empresas de transporte rodoviário de cargas com frotas de tamanho semelhante, históricos operacionais parecidos e registros de inspeção comparáveis. Uma pode seguir um cronograma regular de manutenção preventiva, investir no treinamento de motoristas e resolver possíveis problemas de segurança antes que se tornem infrações. A outra pode adotar uma abordagem mais reativa, resolvendo os problemas apenas quando surgem. No papel, essas empresas podem parecer semelhantes, embora adotem abordagens diferentes para gerenciar riscos.

O contrário também pode acontecer. Uma transportadora pode ter uma infração ou um acidente em seu histórico sem que esse evento explique plenamente suas práticas atuais de segurança ou as circunstâncias do ocorrido.

O Sistema de Medição de Segurança da Administração Federal de Segurança de Transportadoras Rodoviárias (FMCSA) utiliza dados de inspeções na estrada, acidentes e investigações para ajudar a identificar transportadoras que possam precisar de intervenções de segurança. Embora sejam valiosos para a supervisão regulatória, esses registros não se destinam a fornecer uma avaliação completa da situação geral de segurança ou da possibilidade de uma transportadora obter seguro.

A FMCSA também documentou limitações nos dados do Sistema de Medição de Segurança, incluindo dúvidas sobre a suficiência dos dados e sobre a confiabilidade com que as informações podem embasar diferentes usos.

A IA pode analisar esses registros rapidamente, mas a velocidade, por si só, não resolve suas limitações.

Os riscos de automatizar informações incompletas

Há oportunidades claras para usar a IA a fim de reduzir o trabalho administrativo no setor de seguros comerciais. Sistemas automatizados poderiam ajudar a identificar campos não preenchidos em solicitações, comparar informações entre documentos, organizar registros de segurança e sinalizar divergências para análise.

Essas melhorias podem ser especialmente valiosas no transporte rodoviário de cargas, em que a coleta de documentação costuma envolver várias partes e sistemas.

O risco surge quando avaliações automatizadas são tratadas como conclusões definitivas. Por exemplo, um sistema de IA pode sinalizar uma transportadora por causa de um indicador de segurança desfavorável. O sistema pode identificar corretamente o registro, mas talvez não leve em conta melhorias operacionais posteriores ou informações adicionais que mudem a forma como o incidente deve ser interpretado.

O Programa de Determinação da Evitabilidade de Acidentes da FMCSA ilustra por que o contexto é importante. O programa permite que transportadoras solicitem a revisão de determinados acidentes elegíveis. Quando a FMCSA determina que um acidente não poderia ter sido evitado, exclui o evento do cálculo da categoria Indicador de Acidentes em seu Sistema de Medição de Segurança, embora o acidente continue listado.

O programa reconhece que as circunstâncias de um incidente são importantes, e não apenas a existência de um registro de acidente.

Essa distinção se torna especialmente importante na avaliação de frotas menores. Grandes transportadoras podem contar com profissionais dedicados à segurança e sistemas integrados de relatórios, enquanto empresas menores talvez mantenham registros em planilhas, e-mails e sistemas de prestadores de serviços externos.

A falta de um documento de manutenção, por exemplo, pode indicar que a manutenção não foi realizada. Também pode significar que o registro existe em algum lugar ao qual o sistema não tem acesso. Essas situações não deveriam levar automaticamente à mesma avaliação.

A Estrutura de Gestão de Riscos de IA do Instituto Nacional de Padrões e Tecnologia oferece diretrizes voluntárias para avaliar a confiabilidade, a transparência e a credibilidade dos sistemas de IA.

Para as seguradoras do setor de transporte rodoviário de cargas, esses princípios servem de referência útil para determinar se as informações que embasam uma avaliação automatizada estão atualizadas, são suficientemente completas e são adequadas ao uso pretendido.

A IA precisa reconhecer quando são necessárias mais informações

Uma das capacidades mais úteis de um sistema de IA seria identificar quando uma decisão exige contexto adicional.

Em vez de tratar cada solicitação como uma simples aprovação ou rejeição, um sistema eficaz deve distinguir entre situações em que as informações são suficientes e aquelas que exigem esclarecimentos.

Considere uma transportadora cujo perfil operacional mudou recentemente. Um sistema automatizado poderia detectar a mudança, mas perguntas adicionais poderiam revelar se a empresa passou a transportar diferentes categorias de carga, acrescentou equipamentos ou adotou novos procedimentos de segurança.

Cada um desses fatores pode influenciar a forma como o risco deve ser avaliado.

É também nesse contexto que a explicabilidade se torna importante. Se um sistema de IA recomenda determinado resultado, as pessoas responsáveis pela decisão devem entender quais informações influenciaram a recomendação e se a conclusão é razoável.

As orientações do NIST sobre IA confiável apontam a explicabilidade, a transparência, a confiabilidade e a responsabilização como características importantes de sistemas confiáveis. Também reconhecem o papel do julgamento humano na avaliação do desempenho da IA.

No seguro para o transporte rodoviário de cargas, o objetivo não deve ser eliminar as perguntas da análise de risco. Deve ser identificar as perguntas certas mais cedo no processo.

A experiência humana continua sendo importante

Às vezes, a adoção da IA é apresentada como uma escolha entre automação e tomada de decisões por pessoas. Na prática, a abordagem mais útil é determinar quais tarefas se beneficiam da tecnologia e quais exigem julgamento profissional.

A IA pode ajudar a organizar informações, identificar padrões e reduzir o trabalho administrativo repetitivo. A experiência humana se torna especialmente valiosa quando os registros são ambíguos ou as circunstâncias de uma transportadora não se encaixam claramente em categorias padronizadas.

Alguém que conheça as operações de transporte rodoviário pode perceber por que determinado problema de segurança é importante, como diferentes ambientes operacionais afetam a exposição ao risco ou por que mudanças operacionais recentes merecem uma análise mais cuidadosa.

Essa experiência não deve ser tratada como um obstáculo à automação. Ela pode tornar as avaliações automatizadas mais úteis.

Há também uma importante questão de responsabilização.

Em dezembro de 2023, a National Association of Insurance Commissioners adotou um boletim-modelo sobre o uso de inteligência artificial pelas seguradoras, que delineia as expectativas regulatórias relativas à governança, à gestão de riscos e ao cumprimento das leis de seguros aplicáveis.

O efeito regulatório do boletim depende de sua adoção e implementação por cada estado, mas ele reflete a atenção crescente à forma como as seguradoras supervisionam as decisões apoiadas por IA.

O julgamento humano também não é infalível. As pessoas podem tomar decisões inconsistentes ou deixar passar informações relevantes. A oportunidade está em combinar a consistência e a capacidade de processamento da IA com o conhecimento operacional necessário para interpretar situações complexas.

Medir a precisão, não apenas a eficiência

Se as seguradoras quiserem saber se a IA está aprimorando a análise de risco, precisarão avaliar mais do que o tempo de resposta.

Processar uma solicitação em minutos, em vez de dias, seria um avanço operacional. Isso não demonstraria necessariamente que a avaliação resultante foi mais precisa.

Uma avaliação mais significativa examinaria se as recomendações automatizadas permanecem confiáveis para diferentes tipos de transportadoras, com que frequência as avaliações precisam ser corrigidas e se o sistema identifica adequadamente informações ausentes ou inconsistentes.

As frotas menores merecem atenção especial. Se um modelo tem bom desempenho com transportadoras que mantêm registros digitais extensos, mas enfrenta dificuldades com empresas cuja documentação é menos padronizada, sua eficácia pode ser desigual.

Os testes devem refletir a diversidade das empresas avaliadas.

Essa avaliação também precisa continuar após a implementação. Mudanças nas regulamentações, nas práticas operacionais e nas informações disponíveis podem afetar a confiabilidade do sistema ao longo do tempo.

As seguradoras também devem estar preparadas para reavaliar como seus sistemas ponderam diferentes tipos de informação. Um modelo que atribua consistentemente importância excessiva a um indicador de segurança, por exemplo, poderia deixar de considerar outros fatores relevantes para as operações de uma transportadora.

O objetivo deve ser a melhoria contínua, não apenas o processamento mais rápido.

A verdadeira oportunidade está em compreender melhor os riscos

A IA tem potencial para tornar o seguro para o transporte rodoviário de cargas mais eficiente, reduzir atrasos administrativos e ajudar as seguradoras a identificar informações que poderiam passar despercebidas.

Mas seu maior valor talvez esteja em ajudar o setor a tomar decisões mais bem fundamentadas.

Uma frota é mais do que seu histórico de inspeções, e um registro de segurança é mais do que uma coleção de infrações. Compreender o risco exige considerar como uma empresa opera, como reage aos problemas e se as informações disponíveis refletem suas circunstâncias atuais.

Os sistemas de IA mais úteis não serão necessariamente aqueles que fornecem as respostas mais rápidas. Serão os que ajudam as seguradoras a identificar quando as informações disponíveis são suficientes para embasar uma decisão e quando é necessária uma avaliação mais aprofundada.

Em última análise, a questão não é se a IA pode tornar mais ágil o seguro para o transporte rodoviário de cargas. É se ela pode tornar mais precisas as decisões do setor.

Esse é o critério pelo qual seu sucesso deve ser avaliado.