Latest / Os Agilistas / #347 - MetLife: gestão de sinistros com dados e IA no setor de seguros

Transcript

#347 - MetLife: gestão de sinistros com dados e IA no setor de seguros · Os Agilistas

0:00
Dados e inteligência artificial são pilares fundamentais mesmo
0:03
para esse tipo de seguro. Principalmente quando a gente
0:06
fala de uma plataforma que a gente usa para fazer a
0:09
integração entre parceiros, né? Entre fintechs, entre empresas
0:13
de varejo. E rapidamente você conseguir
0:15
fazer essa associação, né? Do do novo canal a os produtos
0:20
da net life vai excelerator essa plataforma que acelera muito
0:23
mesmo. Essa integração, e como eu
0:26
disse, dados EE AI tem que estar junto, porque imagina que a
0:28
partir do momento que você implementou aquela parceria e
0:31
que você tem aquela integração, o próximo passo é você começar a
0:34
avaliar os resultados daquele produto.
0:40
Bom dia, boa tarde, boa noite. Começamos mais um episódio dos
0:43
agilistas, o podcast que é o seu radart tecnologia e inovação e
0:46
negócios. Eu sou o Samuel e hoje a gente
0:48
vai falar como que a net life tem alinhado dados, tecnologia e
0:52
inteligência artificial para transformar o setor de seguros e
0:55
a jornada dos seus clientes. Quem conversa comigo hoje para
0:59
falar um pouco mais sobre essa estratégia da net life é o
1:01
ronieri Marques, que é head de dados e analytics lá na empresa.
1:05
Tudo bem? Tudo bom, Samuel?
1:06
Obrigado pela oportunidade de estar aqui com você hoje e
1:09
compartilhar um pouco de como é a nossa jornada na net life.
1:12
Isso bem-vindo aos agilistas pela primeira vez.
1:15
Espero que mais vezes então, né? Como a gente falou, acho que a
1:18
net life, ela tem se colocado aí na vanguarda de uma mudança bem
1:21
interessante no modelo de vendas de seguros.
1:24
Em que a gente passa de uma venda direta para uma abordagem
1:27
de seguro embarcado, que é uma proteção oferecida de uma forma
1:31
mais contextual e integrada a jornada de consumo digital.
1:35
E com isso também a net life tem expandido a sua atuação para
1:38
além dos canais tradicionais, se integrando com ecossistemas tipo
1:41
Mercado Pago. E aí, antes da gente entrar um
1:44
pouco mais no assunto aqui, eu queria te perguntar até para
1:47
explicar um pouco o que que é esse seguro embarcado, como que
1:50
é essa jornada para que todo mundo entenda do que a gente tá
1:53
falando aqui hoje? Vou explicar melhor o que que é
1:56
esse esse processo de embebed de enxurne.
1:58
Se eu preciso considerar que o ideal é que a net life sempre
2:02
seja próxima dos clientes, em todos os momentos da vida
2:05
daquele cliente, então o embed de enxurre.
2:07
Você tenta oferecer isso, né? O exemplo que você citou do
2:10
Mercado Pago, a gente oferece um seguro prestamista ali
2:13
justamente no momento em que ele está adquirindo um crédito junto
2:17
ao ao banco e de forma muito ágil, ele consegue no mesmo
2:21
momento contratar juntamente com a contratação do crédito.
2:24
Esse seguro que vai garantir, caso ele perca o emprego,
2:27
garantir que as parcelas sejam pagas numa eventualidade como
2:30
essa. Então é uma estratégia super
2:33
importante, super alinhada com a estratégia da companhia de, como
2:36
eu disse, tá próximo do cliente nos momentos em que ele tá.
2:39
De alguma forma, contratando algum crédito ou em outras
2:43
situações temos seguros. Por exemplo, para o celular, o
2:45
cara está comprando 11 ticket para é algum show.
2:50
E na eventualidade de ter esse celular roubado, a gente tem é,
2:54
nós temos também seguros para essa situação.
2:57
Então o embedine suilist é um é um pouco disso, é estar junto
3:00
com o cliente nos momentos de vida dele.
3:02
E de forma bastante prática ali irrelevante.
3:05
É tipo, quando você vai contratar alguma coisa, já tem
3:07
lá, tipo assim, AI, contrate aqui também o seguro pro pro pro
3:11
seu item, digamos assim. Exatamente isso.
3:14
Tem algum algum checkbox, né, que você marca aí ali já te
3:18
apresenta o prêmio de seguro que você vai contratar as
3:20
coberturas, né? De forma muito rápida, ali você
3:22
conseguir contratar. E aí, entrando um pouco aqui no
3:25
nosso tema, me falando de dados, de EAE de tecnologia, qual que é
3:29
o papel de desses pilares, desses 3 pilares?
3:32
Dentro dessa construção do da estratégia do seguro embarcado?
3:36
Legal, poxa, dados e inteligência artificial são
3:38
pilares fundamentais mesmo para esse tipo de seguro.
3:42
Principalmente quando a gente fala de uma plataforma que a
3:44
gente usa para fazer a integração entre parceiros, né,
3:48
entre fintechs, entre é empresas de varejo e rapidamente você
3:51
conseguir fazer essa associação, né?
3:54
Do do novo canal a os produtos da net life vai excelerator.
3:58
Essa plataforma aqui acelera muito mesmo.
4:01
Essa integração, e como eu disse, dados EE AI tem que estar
4:04
junto, porque imagina que a partir do momento que você
4:06
implementou aquela parceria e que você tem aquela integração,
4:09
o próximo passo é você começar a avaliar os resultados daquele
4:12
produto. E aí é onde entram os dados?
4:14
A gente tem uma plataforma super robusta, onde a gente concentra
4:17
os dados de todos os produtos da companhia, que é o data hub.
4:20
Aí a gente tem a oportunidade de dar para cada uma das áreas de
4:24
negócio contato com os dados de forma imediata.
4:27
Então, acabei de fazer uma integração, já tenho os dados à
4:30
disposição e aí eu consigo analisar a performance, comparar
4:33
com outros produtos, com outros casos de usos.
4:36
Fazer ajustes ali, então, torna todo um ecossistema bem fluido e
4:41
ágil de conseguir entregar. Né, nos produtos que a gente
4:45
está oferecendo através dos parceiros?
4:46
E aí ele acaba sendo um pouco mais distribuído pela empresa
4:49
também, né? Pelo que você explicou aí, de
4:51
que as as próprias áreas têm acesso aos dados e podem
4:54
analisar, fazer os dashboards, alguma coisa assim.
4:57
Sim, é um é um ecossistema onde a gente a gente acredita
4:59
bastante que não somente concentrar as informações num
5:03
num lakehouse que a arquitetura que a gente tem hoje.
5:05
É claro que isso é fundamental, é importante, ainda mais quando
5:08
a gente tem um ambiente como da net life, onde a gente tem.
5:11
Uma diversidade bem grande de produtos.
5:14
Então muito provavelmente um cliente pode não ter somente um
5:16
produto mais diversos produtos. Então ter essa visão 360 do
5:20
cliente, ela é super importante e dados ao que embasa as áreas
5:24
de negócios para ter essa visão do cliente.
5:26
Mas a gente acredita que dá para dar um passo além e a forma como
5:29
a gente pratica isso é através. Do modelo de arquitetura que é
5:33
aproximado do datamash, é uma mestra de datamash da ITA
5:37
fabrick, e ele é relevante porque a gente empodera as áreas
5:41
de negócio, colocando as em contato com direto com os nossos
5:45
dados, sem ter necessidade de intermediários, então apesar da
5:48
centralização do nosso ecossistema.
5:50
Na parte de integração com os dados da companhia, o acesso é
5:54
democratizado e a gente aproveita muito de um
5:56
conhecimento que as áreas de negócio tem por estarem mais
5:59
próximas de cada negócio. Nós temos analistas de dados,
6:02
engenheiros de dados bem próximos ali de cada área de
6:05
negócios e acho que é é é isso que torna realmente a gente
6:09
genuinamente deita, driving. Então a gente aproveita desse
6:12
conhecimento, dessa proximidade das áreas com cada.
6:15
É negócio ali dentro do da net life e dar esse acesso aos dados
6:20
e fazer com que eles consigam se auto servir e eles próprios
6:23
conduzirem análises estratégicas.
6:27
É direcionamentos que eles possam considerar relevantes
6:29
considerando dados. Machine learning, né?
6:32
Inteligência artificial hoje em dia super relevante também.
6:35
É nisso que a gente acredita e que a gente acha que funciona
6:37
melhor isso. Realmente a gente tem visto em
6:39
outras empresas também e o que funciona melhor mesmo, você dá
6:43
esse poder assim para. Própria área de conseguir
6:46
construir as análises que eles acreditam que são importantes,
6:49
né isso? Mas aí eu queria falar um
6:51
pouquinho mais sobre o excelerator que você citou aí,
6:55
porque pelo que eu entendi, ele é uma plataforma que viabiliza
7:00
essa estratégia. É, mas eu queria entender um
7:02
pouco melhor. Como assim, o que que é OOO
7:05
excelerator de fato? Legal o excellator mais do que
7:08
uma plataforma tecnológica, ele é sim uma plataforma
7:10
tecnológica, mas ele é todo uma vertical dentro da netlife,
7:14
então tem toda uma. Estrutura focada em agilizar
7:18
essa capacidade de integração com outros parceiros de forma
7:21
muito rápida. Novamente citando o Mercado
7:23
Pago, a gente tem, teve essa parceria que aconteceu de forma
7:26
muito rápida. Mercado Pago tem uma
7:28
característica de ser bastante agilizado, coisas muito rápidas
7:32
ali na mão do cliente, de forma muito prática, sem perda de
7:35
tempo. Então o excellator foi o que
7:37
viabilizou a gente rapidamente fazer essa integração de
7:40
sistemas entre o banco e a seguradora.
7:42
E para além disso, a gente acaba também aproveitando.
7:45
Dados e inteligência artificial nesse ecossistema onde a gente
7:48
tem o data hub como suporte de dados e o excellator
7:52
intensificando, né? Agilizando essa integração de
7:55
sistemas, a gente aproveita os dados rapidamente.
7:58
E algo que foi fundamental ali no caso de uso do Mercado Pago,
8:01
foi utilização de inteligência artificial no pagamento de
8:04
sinistros. Então a gente tem um processo de
8:07
alta adjudicação de sinistros baseado em inteligência
8:10
artificial, então automaticamente avalia os
8:12
documentos para fazer um pagamento rápido.
8:14
Não seria viável fazer de outra forma, considerando o contexto
8:18
do Mercado Pago de ser ágil na contratação e ágil em todos os
8:22
sentidos, então, pagamento do sinistro ali, que é o momento da
8:25
verdade, né? Quando realmente a pessoa vai
8:27
ter acesso aquilo pelo qual ela pagou o prêmio.
8:30
É, era importante que isso fosse automatizado e só foi possível
8:33
graças a esse caso de uso com inteligência artificial.
8:35
Então, o excelarator, ele tem toda essa estrutura montada para
8:39
tentar agilizar. Junto com isso, a gente conta
8:41
com os dados. Junto com isso, a gente conta
8:42
com inteligência artificial para oferecer a melhor experiência
8:45
possível para os clientes. É isso é muito importante,
8:48
porque a gente fala de seguro e seguro.
8:51
Quando você precisa acionar o seguro é porque você tá num
8:53
momento ali meio tenso. Eu tive que acionar o seguro
8:56
esses dias e foi meio tenso. E aí quando você tem uma
8:58
facilidade para. Funcionar e ter Oo valor ali,
9:03
né? Para se seguir com as suas
9:05
atividades. Isso faz uma diferença
9:07
gigantesca para o cliente, né? Então, assim, a experiência do
9:10
cliente num momento de estresse e trauma ali ela é muito
9:14
importante, né? É.
9:15
É o que o cliente espera. Ele já está numa situação super
9:17
difícil, então pelo menos aquele momento final ali de de
9:22
finalização da contratação, né, que é o sinistro, ele é
9:24
importante. E aí agora eu queria entrar um
9:26
pouquinho no dia a dia do corretor da net life, porque
9:30
também é um. Um player bem importante aí no
9:32
quando a gente fala de seguros, né?
9:34
Vocês lançaram e a cota i é uma ferramenta de EI disponível no
9:39
WhatsApp. E aí eu queria entender assim,
9:41
qual que é o papel dessa ferramenta da cota i eu estou
9:44
falando certo, né? Cota IE, como surgiu essa
9:47
necessidade também de vocês entenderem que era é, precisava
9:51
ter alguém apoiando ali uma ferramenta, uma tecnologia
9:55
apoiando, com o retorno dia a dia dele.
9:57
Pode chamar de cota? Aí também acho que o trocadilho.
10:00
É muito bom o trocadilho, eu gosto.
10:02
Então o cotaia é o objetivo principal dele é tentar fazer
10:06
com que o nosso modelo conversacional com os nossos
10:10
segurados, seja o mais fluido possível.
10:13
Não faz mais muito sentido esses chatbox, que são mais
10:16
engessados, com somente menu fluxos fixos, et cetera, sendo
10:20
que a gente já tem hoje à disposição.
10:22
AGNA, então é no cotaia, você pode conversar, você pode mandar
10:26
áudio, pode mandar texto também, mas às vezes o corretor está
10:28
numa situação na rua onde ele está.
10:29
Fazer informações ali na hora até ele digitar, às vezes é um
10:32
pouco complicado. Ele pode mandar um áudio, o cota
10:35
tem a capacidade de fazer a transcrição do áudio, ele também
10:37
tem a capacidade de fazer AO scraping de arquivos, então ele
10:41
tem uma proposta do concorrente, ele sobe todas as informações
10:45
que estão ali, foto também sim, é.
10:47
Essas informações são extraídas do documento, são jogadas para
10:51
dentro do nosso sistema de cotação, então todo Oo fluxo é
10:54
integrado aos nossos sistemas de cotação, então ele não precisa
10:57
depois voltar em algum outro momento e.
10:59
Ter que digitar novamente, então, facilita muito.
11:02
O dia a dia do corretor, empodera o corretor.
11:05
A gente acredita que não é a intenção de jamais substituir,
11:08
muito pelo contrário, poderá realmente dar melhores condições
11:12
para os corretores, para o corretor conseguir focar naquilo
11:14
que é mais importante, que é o tête à tête, ele tá exatamente
11:18
Oo entendimento do que que o cliente tá precisando.
11:21
O relacionamento, né? Construir relacionamentos, isso.
11:23
É o olho no olho e isso AI, AI nunca vai substituir.
11:26
E assim eu acho que para o dia a dia do corretor ter um suporte
11:30
principalmente igual você falou assim, Ah, você pode subir uma
11:32
proposta de um concorrente e a partir disso você tem uma iar
11:36
que te ajuda a criar uma proposta um pouco melhor, né?
11:39
Isso para a vida do corretor é é muito positivo, porque deve dar
11:42
11 celeridade ali na atividade dele, que é sem tamanho, dele
11:46
ter que ficar analisando a proposta e de fato gastar no
11:49
atendimento, que é onde ele vai ganhar, talvez Oo cliente ali de
11:53
alguma. Qual que é o feedback que vocês
11:55
têm dos corretores em relação a isso?
11:58
Assim, isso trouxe um impacto, né?
12:00
A gente falou aí de ter propostas melhores, ter
12:02
propostas mais corretas, mas assim, qual que é o impacto que
12:06
eles trazem nessa dessa agilidade aí do dia a dia para
12:10
eles? Foi muito positivo.
12:11
A gente quando começou esse projeto, a gente começou ele
12:14
como um piloto. A ideia era testar a
12:17
viabilidade, testar que que realmente o corretor.
12:21
IA conseguir utilizar aquilo com a mesma agilidade que a gente
12:24
imaginou que IA e só feedbacks positivos.
12:27
O pessoal, na verdade a gente descobriu que existia já uma
12:30
expectativa mesmo de trabalhar com com ferramentas como essa.
12:34
WhatsApp é talvez o. O canal é brasileiro mais fácil.
12:38
EEE mais famoso aqui. Então já existiu uma expectativa
12:42
de WhatsApp e uma expectativa de gene i até mesmo assim, de ter
12:45
um modelo conversacional de de alguma forma conversar com o
12:48
bote um pouco mais inteligente para tirar dúvidas.
12:51
E aí nesse caso a gente concentrou na parte de cotação e
12:55
começamos com um produto super simples, capital global,
12:57
justamente com essa característica de piloto.
13:00
Então é um produto que você com 3 informações, rapidamente você
13:04
consegue. Interiorizar essas informações e
13:07
obter uma cotação. E estamos lançando hoje,
13:09
inclusive uma live que a gente vai produzir outros 2 produtos,
13:14
né, que é Oo CCT, né? Que é o para sindicatos.
13:18
Então um produto super importante também.
13:20
Imagina rapidamente o corretor fazer uma solicitação de
13:23
cotação, ele informar somente o CNPJ e automaticamente a gente
13:27
entregar para eles. As coberturas que estão
13:30
relacionadas aquele que na e aquele ramo daquela empresa, sem
13:34
precisar ter que procurar acionar 111 cotador numa outra
13:38
tela, mas tudo isso dentro do WhatsApp e um outro produto é
13:41
OPMED. Então é um produto também super
13:43
importante para gente. Então são 2 produtos que hoje a
13:45
gente vai estar lançando no mercado.
13:47
E que complementam Oo cota AI com o capital global que era o
13:51
do piloto. Interessante novidades aí para
13:54
quem tá escutando. E aí assim, o que eu tava
13:56
pensando também enquanto você tava explicando dessa jornada?
13:59
Eu acho que a quantidade de dados que vocês devem começaram
14:03
a obter desse contato ali direto com o corretor de proposta, do
14:09
jeito que ele fala, do jeito que ele escreve.
14:11
Tudo isso para quem é de dados e analytics, deve ter dado 11
14:16
corpo ali no seu. Data, data Lake, digamos assim,
14:19
que deve ter sido gigantesco, né?
14:21
Para você melhorar as propostas e tal.
14:24
Sim, com certeza. A gente teve uma preocupação bem
14:27
grande. Por exemplo, você citou o áudio
14:30
das pessoas, né? Então, inteligência artificial
14:33
não pode de nenhuma forma enviesar ou de alguma forma não
14:37
conseguir interpretar aquilo que as pessoas estão dizendo ali
14:40
para para iai. Então, um ponto interessante era
14:43
a gente garantir que o cotay tinha capacidade de ouvir
14:46
quaisquer sotaques, né? Brasil?
14:48
O país continental. Então a gente sabe que nordeste
14:51
tem um sotaque, sul outro São Paulo, Minas.
14:54
Então é bem diverso. EE as pessoas não querem falar
14:57
de forma engessada, né? Elas querem falar de forma
14:59
fluída, da forma que elas estão acostumadas.
15:01
E o cotay AI foi muito bem treinado nesse sentido, em
15:04
tentar entender aquela forma, aquele traquejo que a pessoa tem
15:07
em cada uma das regiões do Brasil e funcionar bem para não
15:10
discriminar ninguém. É de a forma muito ágil
15:13
conseguir atender a todo mundo. E o que você comentou de dados
15:15
também é super relevante. Então temos funis ali, onde a
15:18
gente fica avaliando como que tá esse fluxo, as pessoas estão
15:22
conseguindo fazer, as cotações estão indo até o final.
15:25
Conseguindo obter a cotação no final que é entregue em PDF,
15:29
inclusive algo que eu não comentei, mas eles foram até o
15:31
final, entregaram PDF de alguma forma, encaminharam esse PDF
15:34
para o cliente. Então, todo esse funil do
15:36
comportamento do corretor diante do cotai, a gente revisita de
15:40
tempos em tempos para avaliar o que que a gente precisa ajustar.
15:43
E tem sido bastante gratificante ver essa interação dos
15:46
corretores, os resultados que a gente tem tido.
15:47
Isso é muito rico, né? No fim das contas, assim, a
15:49
quantidade de dados que a gente consegue obter ali com essas
15:53
jornadas de WhatsApp, hoje em dia, elas são muito.
15:55
Oleosas. De alguma forma, né?
15:57
E aí então, entrando um pouco mais nessa parte dados, né, a
16:00
gente já falou das jornadas, falamos dos corretores, falamos
16:03
do do do excelerator, do cliente.
16:06
Eu queria entrar um pouco mais na área de dados mesmo.
16:08
Onde você tá lá liderando esse time.
16:11
E aí, por tudo que a gente já falou aqui, Eu Acredito que.
16:14
A base de dados que hoje que a net life tem é um negócio
16:17
gigantesco, é extremamente robusto, muito acessível pelo
16:20
que você é, disse aí, e aí eu queria entender um pouco mais,
16:24
qual que é a estratégia hoje de dados da net life assim, e se da
16:28
arquitetura de dados de vocês, se existe uma filosofia por
16:32
trás, uma estratégia, como que é isso?
16:34
Legal, eu posso comentar aqui da parte de arquitetura, como eu
16:37
comentei, né? Deita, mesh, deita, febre que,
16:39
mas. Para além disso, eu posso
16:40
comentar que a gente tem uma arquitetura, que ela não é uma
16:45
arquitetura somente local. Então a gente trabalha no modelo
16:48
meio que híbrido a gente tem. É uma ligação muito forte ali
16:51
com o global. A gente aproveita da presença da
16:54
net life no mundo inteiro. Para aprender, inclusive, quais
16:58
as melhores práticas, quais as melhores formas de lidar com
17:00
dados. Então é seguindo os direitos
17:02
globais, mas a gente tem uma proximidade com a estratégia
17:07
local, que é super importante. Então por isso que a gente tem
17:10
times de engenheiros de dados e cientistas de dados locais bem
17:13
próximos das áreas de negócio. Então a ideia é entender o que
17:17
que é prioridade para área de negócios naquele momento.
17:19
Entregar dados de forma bastante agilizada, entregar machine Lane
17:22
de forma bastante agilizada também.
17:24
Então esse esse modelo híbrido é o que eu.
17:26
Eu Acredito que é é 11 grande segredo de sucesso assim da net
17:30
life, porque a gente consegue entender como os países estão
17:33
trabalhando, cruzando o Globo, aprender com isso, né?
17:37
Tem muito aprendizado, trocas de qual as melhores práticas que a
17:40
gente pode oferecer, mas sem perder o olhar mais local, o
17:43
olhar da prioridade. Então acho que é um ciclo
17:46
virtuoso bem interessante que a net life faz muito bem o
17:48
negócio. Você falou e que quando eu tava
17:50
estudando na pauta eu fiquei um pouco curioso.
17:52
É sobre isso. Assim, a net life é uma empresa
17:54
gigantesca, é uma empresa global.
17:56
Mas ela também tem 11 público brasileiro muito grande, né?
18:00
Assim como que é esse relacionamento assim, a
18:02
estrutura de dados, olhando mais para estrutura de dados, ela não
18:06
é uma coisa só do Brasil, né? Pelo que eu tô entendendo, é uma
18:08
estratégia global. Claro que o Brasil deve ter as
18:12
suas customizações, né? O que precisa aqui, porque ele é
18:15
um país muito grande e tal, mas eu entendo então que existe 111
18:20
estrutura global que suporta também essas estratégias mais
18:24
regionais. Né?
18:25
Sim, é o. É o é essa estrutura.
18:27
A gente tem uma estrutura LATAM, né, que é mais próximo.
18:30
Então é onde a gente mais troca ideias ali de como outros países
18:34
mais próximos da gente estão trabalhando.
18:36
Esse time LATAM reporta para o global também.
18:39
E essas diretrizes de arquitetura, de quais as
18:41
ferramentas são a mais adequada da gente utilizar isso vendo
18:44
global e a gente adapta de alguma forma aqui pra realidade
18:48
brasileira, então é mais ou menos assim que funciona.
18:50
Aí voltando aí agora pra parte de dados, né, do das ferramentas
18:54
todas que vocês têm, como que vocês conseguem garantir essa
18:57
qualidade e a consistência dos dados que vocês levam aí para os
19:02
sistemas, até para entregar para as áreas?
19:04
Legal, qualidade e consistência é fundamental.
19:07
É isso que eu IA falar assim. Sem isso, AIA não funciona, né
19:11
não? Não faz o menor sentido, ela
19:12
funciona, mas funciona do jeito errado, né?
19:14
Entregando resultados errados. Então, que é pior ainda.
19:17
Que é pior ainda. Exato.
19:18
Então, fundamental, assim faz parte da estrutura do data hub,
19:22
inclusive dessa dessa estrutura global.
19:25
A gente tem uma estrutura global que também dita pra gente
19:28
requisitos de governança que são importantes a gente seguir de
19:31
aprendizado de outros países, não é?
19:32
A gente tem também uma preocupação super relevante, não
19:35
somente com a qualificação, entrega dos dados qualificados,
19:38
onde a gente. Que recorrentemente valida a
19:41
qualidade desses dados junto com as áreas de negócios, com os
19:43
papéis, data uners, data stewares.
19:46
Então pessoas que tem realmente o chapéu e tem condição de
19:49
validar que aquele dado realmente tem a qualidade que
19:51
deveria ter e ligado também a governança, né?
19:54
Então uhum não somente a qualidade dos dados, mas
19:57
governança, governança de acesso está ligado.
19:59
ALGPD também estamos ligados a di di Piá e outras leis de
20:03
outros países por conta dessa presença global da net life.
20:06
Então a gente conta muito com isso, conta.
20:09
Com essas diretrizes globais, um olhar bastante local,
20:12
prioridades, cuidado com a lei, né, que a gente tem aqui
20:16
localmente e acho que isso funciona bastante bem hoje.
20:19
E aí eu queria te fazer uma pergunta também.
20:21
Você trouxe os 2 pontos aí de governança e lgpd?
20:24
Porque, né? O setor de seguros você lida com
20:26
muitos dados sensível das pessoas ali.
20:28
E hoje a gente tem uma lei, né, que é a lgpd, que ela é uma lei
20:32
muito forte e que assegura esse cuidado que a gente precisa ter
20:36
com os dados das pessoas. Como vocês lidam hoje com tem um
20:40
processo específico ou dentro da sua governança para garantir a
20:43
segurança dos dados que são mais sensíveis dos clientes?
20:46
Sim, e. Governança de dados é um Pilar
20:49
central, assim da da net life, a nossa preocupação é de tratar
20:54
realmente o ciclo de vida do dado da forma como a lgpd indica
20:57
pra gente. Com muito respeito ali aos dados
21:00
dos nossos clientes. Então, anonimização dos dados de
21:03
ponta a ponta, desde a origem até o final, sempre dentro
21:06
daquele prazo, que é o prazo estipulado por lei ou por
21:09
interesse legítimo. Saiu dessas situações legais de
21:12
uso do cliente. A gente anonimiza, elimina os
21:15
dados. Então, para garantir que a gente
21:17
tenha o respeito ali com as informações dos nossos clientes,
21:20
que sejam realmente utilizados. Quando há um interesse legítimo,
21:23
há uma necessidade legal a ser atendida.
21:25
Porque assim, realmente, quando a gente fala de dados?
21:28
A gente precisa ter uma governança para garantir que os
21:31
dados vão ser bem tratados ali ao longo do ciclo de vida, igual
21:34
você falou, porque sem essa governança a gente acaba
21:37
perdendo um pouco do. É da Riqueza que os dados é nos
21:42
dá e também o cuidado que a gente precisa ter, né?
21:46
Com quem acessa, com o tipo de dado que eu tô colocando ali
21:49
dentro do meu banco. Então, a governança, a gente
21:51
sempre, quando a gente fala de dados, a gente sempre fala sobre
21:54
governança, porque é algo extremamente crítico nesse
21:57
processo, né? E aí entrando um pouco mais
21:59
nesse assunto, mas agora saindo um pouco de dados sem sair
22:03
muito. Mas falando dos modelos de ar, é
22:06
uma outra coisa que a gente sempre gosta de pintar aqui
22:08
quando a gente trabalha com ya. Pro público final, nessa tomada
22:12
de decisão, a gente sempre tem que tomar cuidado com viés esse
22:17
tipo de coisa, né? Tipo, pra que garantir que as
22:19
decisões vão ser éticas? Não vão ter nenhum tipo de de
22:23
outra, vão levar em consideração coisas que não deveriam pra
22:27
tomada de decisão, digamos assim.
22:28
Principalmente, né? Quando é uma decisão sensível,
22:31
que é o caso de um seguro, como que a net life garante esse
22:35
modelo de a? Livre desses vieses, livre
22:39
desses problemas que a gente pode enfrentar.
22:42
Boa, na verdade, comentei um pouco aqui de governança de
22:45
dados, né? Mas governança vai muito além de
22:47
somente da governança de dados, de acesso aos dados.
22:50
Mas a gente também tem uma extensão dessa governança
22:53
específica para iniciativas de inteligência artificial.
22:56
A gente tem um processo que a gente chama de IOI, é o responso
22:59
do e usa OIA, então os responsáveis de inteligência
23:01
artificial, então todas as iniciativas da net life, elas
23:04
são concentradas nesse processo. Então passa por um escrutínio de
23:08
especialistas para entender se a gente pode estar correndo o
23:11
risco de estar com algum viés nos resultados obtidos, uso de
23:14
piaia e como será utilizado, de que forma vai ser utilizado?
23:18
Qualquer situação é que não esteja atendendo a requisitos de
23:22
governança ou requisitos legais mesmo.
23:24
É, são todos eles avaliados por um comitê.
23:26
E avalia cada uma das iniciativas de inteligência
23:29
artificial que a gente tem. Então é aí que a gente garante
23:31
que com perguntas, né? Muito pontuais ali a gente
23:35
consegue identificar possíveis riscos que a gente pode estar
23:38
correndo e evita completamente tudo isso antes de entrar em
23:41
produção. Então não vai para produção sem
23:44
antes ter passado por isso, por esse processo de avaliação da.
23:48
Sua auditoria? Quase que uma auditoria,
23:50
exatamente. E quando a produção a gente vai
23:52
muito mais assertivo, muito mais confiante de que aquilo não tem
23:56
nenhum problema. Mas não para por aí, de tempos
23:59
em tempos a gente continua validando.
24:01
A gente fala muito do women indelup, mas tem um conceito
24:04
também que é o women ondelup, que é avaliar comportamentos
24:08
resultantes da aplicação da inteligência artificial,
24:10
inclusive comparar esses comportamentos, esses resultados
24:13
com o pré iae. Então isso é importante para
24:16
tentar identificar ali possíveis situações que não eram esperadas
24:20
e que talvez. No comitê não tenha sido pegas
24:22
de forma tão clara, então é 11 processo bastante robusto e
24:27
dizendo assim, pode parecer um tanto burocrático, mas eu acho
24:31
que a net life inteligentemente aproveita.
24:34
Novamente da sua presença global.
24:36
E aproveita desse processo onde a gente centraliza o escrutínio
24:39
dos das iniciativas de ei para também avaliar se aquela mesma
24:43
iniciativa que imagina e vem de todos os países, analisar se
24:46
essas iniciativas não podem ser aplicadas aqui no Brasil ou
24:49
iniciativas do Brasil ser aplicadas em outros países.
24:51
Então vira um ciclo virtuoso de iniciativas de inteligência
24:54
ativista. Onde a gente aproveita é os
24:57
aprendizados, né? Os acertos, as situações que não
24:59
foram tão legais. Em em soluções de inteligência
25:02
artificial para aplicar aquilo dentro do Brasil e tentar
25:06
agilizar. É essa transformação com
25:08
inteligência artificial que a gente tanto almeja.
25:10
É, e eu acho interessante assim, que igual você falou assim, Ah,
25:13
pode parecer burocrático e tal, mas às vezes para alguns casos,
25:17
tipo esse, que é um caso muito sensível de que às vezes 11, é
25:21
necessário um pouco de burocracia, digamos assim, para
25:24
você garantir que o que você vai entregar para o seu usuário, ele
25:28
é o mais correto possível e que você não tem.
25:31
Em um viés, ali é isso. Que que?
25:33
A máquina às vezes pode aprender de uma outra forma e aí eu acho
25:37
que 11 outro ponto bem importante você trouxe é esse
25:40
tipo, não é um negócio que só faz no momento e coloca em
25:43
produção, é, ele é contínuo e ele tem que ser avaliado o tempo
25:46
inteiro, né? É com as, é um treinamento mesmo
25:49
da e a para garantir que ela vai responder corretamente.
25:52
É isso. Agora eu queria sair um
25:54
pouquinho dessa parte de tecnologia para falar sobre a
25:58
organização de dados sobre a sua.
26:01
Na área de dados da net life, porque quando a gente fala de
26:05
Jenny AI, e sobre dados, a gente também fala muito sobre mudança
26:09
de cultura e de comportamento dentro da empresa, não só fora
26:13
assim, né? Aí eu queria te perguntar assim,
26:15
você falou um pouco lá atrás de ter várias pessoas de dados, é
26:18
analistas e tal. Como que a equipe de dados e de
26:22
e a que eu imagino que uma coisa dele está bem lincada com a
26:25
outra. É é organizada hoje na net life.
26:29
Legal sim. A gente tem 2 pilares ali, de
26:32
engenheiros de dados e cientistas de dados.
26:34
Analistas de dados estão sempre de mãos dadas.
26:36
Não existe uma coisa assim a outra, não existe sentido você
26:39
entregar dados e depois não entregar valor com nada.
26:42
E não tem como você entregar valor sem ter os dados
26:44
previamente. Então andam de mãos dadas, que
26:46
são 2 times, que esses sim são centralizados ali dentro da
26:50
minha estrutura. E o objetivo deles é entrega de
26:53
valor. Quando a gente fala para
26:54
ciências de dados, validação de iniciativas de inteligência
26:57
artificial, então eles apoiam as áreas de negócio que tem alguma
27:00
dor ali para ser solucionado e que de alguma forma, a gente
27:02
acredita que inteligência artificial possa ajudar.
27:04
E na engenharia de dados, essa garantia de qualidade dos dados,
27:07
como eu disse 11 pouco atrás. Nós temos o time global, né, o
27:12
time LATAM, e temos esse time local.
27:14
Então, a grande sacada de ter um time local, um time bem próximo
27:17
ali, é porque são brasileiros, né?
27:19
O time LATAM são argentinos, é um time mesclado ali de outros
27:23
países. Então, brasileiros tem a
27:25
proximidade maior ali da linguagem, de entender mais
27:27
próximo das áreas de negócios que eles estão esperando.
27:30
É mais rápido de fazer entregas. De dados para eles e
27:33
inteligência artificial em especial também, né?
27:35
Entender a dor é muito mais fácil entre brasileiros ali
27:38
conversar, entender quais são as dores que precisam ser
27:40
solucionadas e indicar qual é o caminho.
27:43
Esse time que você falou aí, ele é tipo um centro de excelência,
27:46
alguma coisa assim? Bacana.
27:48
O centro de excelência a gente tem em LATAM.
27:51
Então, LATAM é o centro de excelência, é o centro que, como
27:54
eu disse, dá uma diretriz ali de governança técnica, de quais as
27:58
melhores práticas, quais as melhores ferramentas para serem
28:01
aplicadas. Então a gente conta bastante,
28:03
né? É super importante essa
28:05
participação do centro de excelência para nos apoiar, e aí
28:08
nesse modelo híbrido, o centro de excelência apoia e a última
28:11
milha, eu diria, de entrega dos dados, essa proximidade,
28:14
proximidade de prioridades da companhia, isso é realizado
28:17
localmente pelo meu time. E aí nas unidades de negócios,
28:20
né? Nas áreas também tem pessoas de
28:22
dados para trabalhar os dados ou isso também é feito pelo seu
28:26
time? Sim, essa é talvez AA coisa mais
28:29
importante que realmente faz. Mais a diferença em transformar
28:33
a companhia numa empresa genuinamente deita drib.
28:35
A gente não tem as análises de dados sendo realizadas somente
28:40
dentro da minha área, de uma forma centralizada.
28:42
Nós temos os dados centralizados, mas o
28:44
conhecimento e a produção de valor com esses dados não é
28:47
centralizada. Ela está pulverizada em cada um
28:49
dos dos departamentos. Eles tem os analistas de dados
28:52
nos departamentos, tem contato com esse dado curado e entregue
28:57
pela essa área centralizada, mas tem total é Liberdade para
29:01
tratar esses dados da forma que eles bem entenderem, da forma
29:04
como eles entenderem que resolve dores reais de cada uma dessas
29:08
áreas de negócios. Então é nisso que a gente
29:10
acredita que centralizar os dados, ok, mas centralizar
29:14
conhecimento, não. E a gente também trabalha com
29:17
workshops, então? Então não são todas as áreas de
29:20
negócios que já partem. Já se parte do pressuposto que
29:23
conhecem dados, que conhecem que tem metalitres e conseguem lidar
29:26
com dados, e aí entra meu time para apoiar.
29:29
Então tivemos diversos workshops trazendo as pessoas para
29:32
próximas exatamente para habilitar essas áreas e elas
29:35
ganharem condições quando elas não tem.
29:37
É, ou seja, dados tá na empresa inteira de alguma forma, né?
29:41
É, isso é bem importante, né? Hoje em dia, essa.
29:46
Distribuição dos dados e acho que 11 negócio que você disse
29:49
que eu gostei bastante é vocês centralizam os dados, mas vocês
29:52
não centralizam o conhecimento em cima desses dados, né?
29:55
Isso eu acho que. É uma frase aí boa pra pra
29:59
resumir isso tudo, e aí esse time que você tem aí é um time
30:03
interno mesmo, da da net life. Sim, é uma estrutura toda
30:08
interna, todos os funcionários, net life, então pessoa é um.
30:11
Conhecimento. Grande sim, 100% dedicadas ali
30:14
justamente por ser um Pilar super estratégico.
30:17
Dados de inteligência artificial.
30:18
Não poderia ser diferente. Nós também contamos com
30:21
empresas, é que são parceiras nossas.
30:24
Inclusive tem é algumas decisões que a gente precisa tomar.
30:27
Às vezes uma empresa parceira pode acelerar uma entrega, pode
30:30
acelerar conhecimento, né? De alguma entrega que essa
30:33
empresa já é especialista. Então a gente às vezes toma uma
30:36
decisão de trazer um parceiro para depois internalizar esse
30:39
conhecimento e. No final das contas, o objetivo
30:42
realmente é acelerar ou a gente desenvolve internamente?
30:45
Então esses cientistas de dados também têm capacidade de
30:47
desenvolvimento de produção mesmo de sistemas de e a de
30:51
agentes de e a. Então é meio que também um
30:53
trabalho híbrido e de decisão estratégica ali sobre
30:56
desenvolver. É, eu diria que desenvolver é
30:59
sempre quando a gente tá falando de cor da companhia.
31:01
Aquilo que é mais estratégia pra companhia, a gente gosta, tem
31:04
uma cultura de desenvolver internamente.
31:06
E quando é algo que é mais acessório que a gente quer,
31:09
realmente dá aquela acelerada. Aí sim, a gente conta com os
31:12
vendores, que também são super parceiros.
31:14
De aceleração, é, é. Uma estratégia bem interessante,
31:17
né? Até por por uma questão de
31:18
conhecimento dentro da empresa. E aí pensando na sua liderança
31:22
na área de dados. Assim, como que você incentiva o
31:25
time que tá lá trabalhando com você a buscar sempre inovação, a
31:30
buscar sempre agilidade nos processos.
31:33
Ah, legal, interessante a pergunta, mas é, talvez é até um
31:36
mindset de que nunca tá 100% bom.
31:40
Eu acho que talvez não seja tão fácil a vida deles por conta
31:43
disso, mas. Eu diria que é realmente
31:45
estimular o pessoal que as coisas mudam demais, né?
31:49
É muito rápido, né? Então ficar sempre tendo esse
31:53
olhar atento pra que o mercado tá praticando.
31:55
O que mais que a gente pode fazer de melhor?
31:56
O que mais a gente pode fazer de agilizar, usar inteligência
31:59
artificial, por exemplo, pela análise de dados?
32:01
Então não mais tá só simplesmente lá, tendo que kodar
32:04
análises, kodar consultas. Mas tentar rapidamente com, por
32:08
exemplo, com DNAE, conversar com os dados e obter resultados
32:11
muito rapidamente, todo o arcabouço de inteligência
32:14
artificial com agentes, então automatização, né?
32:17
Não depender mais tanto 100% das pessoas, mais coisas que são
32:21
mais maçantes recorrentes. Talvez responda aquilo com 11
32:26
agente de inteligência artificial.
32:28
Quando são situações que demanda um olhar ali, mais atento, mais
32:32
humano, aí sim é sempre contar com as pessoas.
32:35
Isso é é super importante. Então é, eu acho que é uma
32:38
cobrança positiva de que eles estejam atentos para tudo que é
32:42
possível fazer com o que a tecnologia tem para oferecer.
32:45
É. Sempre importante escutar esse
32:46
tipo de coisa, porque eu acho que a gente precisa dessas
32:48
pessoas que incentivam de fato a inovação dentro dos times, né?
32:52
Porque igual você falou, as coisas mudam tão rápido.
32:55
Então assim, toda tem uma tecnologia nova, tem uma Jane
32:58
nova, tem um jeito novo de fazer o que a gente faz.
33:01
Então, hoje em dia, quem trabalha com tecnologia tem que
33:03
estar sempre buscando isso de alguma forma, né?
33:05
E aí falando em. A inovação olhando para o
33:07
futuro, a net light tem sempre buscado trazer coisas diferentes
33:11
para o setor de seguros, né? A gente falou ali no começo
33:13
sobre isso, oferecer jornadas diferenciadas para os clientes
33:17
deles. O que eu queria te perguntar?
33:19
Aí olhando para frente, o que que a gente pode esperar da net
33:22
life? É, você já falou aí de 2
33:24
produtos novos? A ideia é sempre ir para essa
33:27
camada de personalizar mais o atendimento, de ter mais é ações
33:32
preditivas o que que a gente pode?
33:35
Pegar a gente já tem uma série de iniciativas em andamento,
33:37
essas que a gente comentou aqui. Fazemos também o tempo inteiro
33:41
análise dos dados para tentar fazer com que os nossos produtos
33:43
sejam mais competitivos possível.
33:46
É avaliação de de precificação. Uma avaliação de acessamento de
33:50
risco, então, com base em dados internos, bases, dados externas
33:53
também. Algo que eu acho que eu posso
33:55
dizer que é um Pilar super importante da match life.
33:58
É uma ferramenta, na verdade, mais do que uma ferramenta, um
34:01
framework que a gente chama de match iq.
34:03
Então, match iq, como eu disse, um framework onde a gente tenta
34:06
concentrar todas as inteligências artificiais.
34:10
E colocá las à disposição para quaisquer casos de negócios que
34:13
a gente possa ter já passado por processos de governança, já
34:17
validando que aquilo realmente funciona na prática.
34:20
Então o matchq é esse grande Pilar, onde que dá as respostas
34:23
para tudo que a gente tem no futuro.
34:25
Aquilo que eu comentei um pouco sobre decisão entre trabalhar
34:28
com vendor, trabalhar dentro do desenvolvimento, quando aquilo é
34:31
estratégico, também está dentro do contexto do matchq.
34:34
Então os próximos passos giram em torno dessa grande
34:37
plataforma, desse grande Pilar que a gente tem.
34:40
Que é para trazer inteligência artificial para próximo dos
34:42
nossos clientes, para próximo daquilo, que são os próximos
34:46
objetivos aí da companhia. Gostei desse negócio, aí a gente
34:49
pode gravar um novo episódio só para falar desse.
34:52
Claro que eu acho que isso daí é um negócio bem interessante e é
34:56
uma inteligência. E tem muita empresa buscando é
34:59
fazer esse tipo de processo, né? De ter uma inteligência interna
35:02
justamente para ajudar nas decisões.
35:04
Então eu achei bem interessante sobre isso, né?
35:06
E aí, para a gente encerrar o episódio, ronieri, eu queria te
35:09
perguntar se você quer deixar. Algum livro, algum podcast,
35:12
algum artigo de indicação aí? Legal.
35:14
A gente fala tanto de tecnologia, de inteligência
35:16
artificial, que acho que é importante também a gente não
35:19
esquecer do lado humano, né? No final das contas, a net life
35:21
está aqui para trabalhar para o ser humano, para entregar valor
35:24
para o ser humano. Então, ainda não.
35:26
Faz seguro de máquina para máquina, né?
35:29
Exatamente. Então net life, então é a vida,
35:31
né? Da das pessoas.
35:32
Então tem um negócio que a gente repete muito internamente que é.
35:37
Todo segurado ou beneficiário, ele é o amor da vida de alguém,
35:40
uma frase bem forte, então, e é pra isso, é pra esse amor da
35:43
vida de alguém que a matchlife tá aqui e aí ligado com isso,
35:46
né? Com essa parte humana, né,
35:48
emocional. Vou citar aqui um livro que eu,
35:51
que é um livro de cabeceira pra mim, que é do Goldman, que é
35:54
inteligência social, vai um pouco além da inteligência
35:57
emocional, uma vez que você tem a inteligência artificial, pode
36:00
se quebrar às vezes alguns laços ali sociais.
36:03
E o Goldman? Tem uma literatura muito bacana
36:05
ali pra quem tiver interesse de aproximar esse lado humano, né?
36:09
Então não deixar de lado do lado humano, né?
36:10
Mudando completamente aqui, né? De inteligência essencial pro
36:13
humano. Mas é pra tentar.
36:15
É oferecer esse outro, esse outro olhar ali do do humano,
36:18
humano e máquina. Eu adoro esse tipo de leitura,
36:21
então é uma é uma dica que eu vou pegar pra mim.
36:23
Provavelmente vou, já vou incluir ele aqui na minha lista
36:25
de leituras. Muito obrigado pela
36:27
participação. Renieri primeira vez que a gente
36:29
tem você aqui falando sobre net life, já deu até ideia de
36:33
próximos episódios, então a gente já vai deixar o convite
36:36
aqui pronto. Muito obrigado por compartilhar
36:38
essa essa estratégia de dados aí da net life toda com a gente.
36:42
Eu que agradeço Samara pela oportunidade.
36:44
Pra quem escutou a gente? Está aqui?
36:45
Dá para avaliar lá na plataforma de streaming preferida, dá para
36:48
deixar um comentário no Spotify ou no nosso post do LinkedIn.
36:51
E dá para acompanhar a gente aí pelas redes sociais até o
36:55
próximo episódio. Obrigado.