VennanVennanConsultoria
Estudo demonstrativo

Este é um cenário demonstrativo construído a partir do método Vennan aplicado a contextos comparáveis e conhecimento setorial. O cliente (Seguradora Confiar (demonstrativo)) é fictício. Números são projeções realistas — nenhum cliente específico é identificado. Vennan mantém sigilo com clientes reais salvo autorização formal.

Case studySeguradora médio porte · auto + residencial · nacional

Seguradora: Sinistro Preditivo e Combate a Fraude

Resposta direta

Cenário demonstrativo de seguradora que reduz fraude em sinistro em 34% e acelera pagamento em 60% via combo ML + LLM sobre documentos e imagens de sinistro, aderente a Susep.

Caso demonstrativo Vennan sobre IA em sinistro auto + residencial com governança Susep.

Porte
enterprise
2.100 · R$ 1,8Bi (prêmio direto)
ROI
240% em 24 meses
Payback 11 meses
Economia
R$ 42M/ano (fraude evitada + eficiência)
Resumo executivo

Seguradora enfrentava fraude estimada em 8% do sinistro e tempo médio de pagamento de 22 dias. IA reduziu fraude para 5,3% e pagamento para 9 dias em 14 meses.

Contexto

Regulação Susep. Fraude em setor estimada em 5-10% dos sinistros. Cliente exige velocidade de pagamento.

Problema

Fraude ~8%. Pagamento 22 dias. Analistas humanos gastam 60% em documentação.

Objetivos
  • Fraude <6%
  • Pagamento <12 dias
  • Manter satisfação (NPS +)
  • Aderência Susep
Situação inicial

Sistemas próprios. OCR básico. Sem ML. Sem LLM.

Cronograma e execução
1

Governança Susep

6 semanas
  • · Comitê + política + RIPD
Governança aprovada.
2

OCR + LLM estruturação

10 semanas
  • · Azure Document Intelligence + Claude estrutura JSON
  • · Validação semântica
Ingestão automatizada.
3

Fraude ML

12 semanas
  • · XGBoost + LLM re-rank
  • · Explicabilidade obrigatória
Modelo em produção com human-in-the-loop.
Arquitetura

Documentos + imagens de sinistro → Azure DI + Claude → JSON estruturado → modelo fraude ML → decisão com explicabilidade → analista humano em borderline. Log completo para Susep.

Desafios
  • · Susep + LGPD em dado sensível
  • · Falso positivo bloqueia cliente legítimo
  • · Documentos de má qualidade (celular)
Riscos
  • · Multa Susep
  • · Ação civil por má fé em bloqueio
  • · Reputação
KPIs monitorados
  • · Fraude (-30%)
  • · Pagamento (<12d)
  • · NPS mantido/+
  • · Aderência Susep 100%
Resultados
Fraude
Antes: 8,0%
Depois: 5,3%
-34%
Pagamento sinistro
Antes: 22 dias
Depois: 9 dias
-59%
NPS pós-sinistro
Antes: 42
Depois: 58
+16 pontos
Lições aprendidas
  • · OCR moderno (DI + LLM) resolve 90% da estruturação — clássico não
  • · Explicabilidade em fraude é escudo contra ação civil
Próximos passos
  • Extensão para vida
  • Precificação dinâmica por perfil
Fontes e referências
  • · Susep Circular 605/2020
  • · LGPD art. 20
Perguntas frequentes

Dúvidas sobre este case

Não — cenário demonstrativo Vennan.
Autoria e Revisão
Autor
Sócio-fundador · Vennan Consultoria
  • · Bacharel em Ciências Contábeis
  • · Especialização em Controladoria
  • · MBA em Gestão Executiva em Saúde · FGV
Revisor
Revisor · Controladoria e Finanças
Consultor sênior de controladoria
  • · CRC ativo
  • · Especialização em controladoria
Última revisão editorial: 07 de julho de 2026

Quer resultado assim? Fale com a Vennan

Diagnóstico executivo Vennan em 60 minutos gratuitos. Levamos seu caso do papel para produção.