Como automatizar o suporte ao cliente de seguros

Por que o suporte de seguros é diferente

A maioria dos conselhos sobre "como automatizar o suporte ao cliente" foi escrita para e-commerce ou SaaS, onde o pior cenário é um cliente um pouco irritado. Seguros não são assim. Uma resposta errada sobre um prêmio é um dia ruim; uma resposta errada que soe como aconselhamento de cobertura pode ser um problema de aconselhamento sem licença, e um registro de apólice vazado (nome, data de nascimento, número da apólice, às vezes dados de saúde) é uma violação que precisa ser reportada.

O que torna os seguros complicados não é o volume, é a linha entre um fato e uma decisão. "Qual é o status do meu sinistro?" é um fato que seu sistema já conhece. "Meu plano cobre isso?" é uma decisão que, se respondida errado, é ou um mau conselho ou um ato regulamentado. Um agente de suporte, ou uma IA no lugar dele, tem permissão para fazer o primeiro, mas não o segundo.

Essa é a mesma linha tênue que um fundador de legal-tech nos descreveu, e ela se aplica aos seguros quase palavra por palavra:

"In legal tech you can't afford to get anything wrong, there's a fine line between being helpful and overstepping into legal advice."

Jesse Jenkins, Co-Founder at Willfully (eesel customer)

Troque "legal" por "cobertura" e esse é todo o desafio dos seguros em uma frase.

A boa notícia é que o problema de volume no suporte de seguros é tediosamente comum. Os segurados perguntam onde baixar a carteirinha, por que o prêmio subiu, como redefinir a senha do portal, se o sinistro já foi processado, e como adicionar um motorista ou um dependente. Nada disso precisa de um corretor licenciado, e a maior parte é um trabalho clássico de classificação de tickets. Essa é a pilha que você quer que uma IA processe, para que sua equipe humana tenha espaço para os casos que realmente precisam de uma pessoa, e suas metas de SLA parem de escorregar durante a inscrição aberta ou após um evento de catástrofe.

O que você pode automatizar com segurança (e o que não pode)

A decisão de design mais importante é traçar a linha entre o que a IA trata e o que ela nunca toca. Acerte isso e o resto é praticamente só configuração.

Veja como eu dividiria os tipos comuns de tickets de seguros:

A linha mais importante são as duas últimas linhas. Um agente de suporte com IA nunca deve recomendar cobertura, interpretar uma apólice como aconselhamento, ou aprovar ou negar um sinistro, ponto final. O padrão seguro é o que um líder de CX descreveu perfeitamente quando estava avaliando uma IA:

"The AI will never be able to answer 100% of the questions... I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."

a CX lead evaluating AI support tools, from an eesel sales call

Isso é roteamento baseado em confiança, e é o recurso que separa uma configuração segura em conformidade de uma arriscada. A IA responde ao que tem certeza e deixa discretamente o resto para uma pessoa. Se uma ferramenta não consegue fazer isso, ela não deveria chegar nem perto da caixa de entrada de um segurado. É o mesmo princípio de controle por trás de uma boa triagem de tickets, das regras de escalonamento por IA, e de uma transferência limpa de IA para humano em qualquer setor, só que com riscos mais altos.

Antes de automatizar qualquer coisa: o portão de conformidade

Essa é a etapa que as equipes pulam, e é a que faz um lançamento ser cancelado em um setor regulamentado. Antes que uma IA toque em uma única mensagem de segurado, você precisa de respostas honestas para algumas perguntas.

1. A PII é redigida antes do armazenamento? Os tickets de seguros estão cheios disso: nomes, datas de nascimento, números de apólice e sinistro, e, para linhas de saúde ou vida, detalhes médicos. O melhor padrão é a redação na ingestão, para que os dados sejam removidos antes de chegar a um banco de dados ou índice de busca. A eesel faz isso na ingestão, então os dados originais nunca chegam a ser armazenados.
2. Seus dados treinam o modelo? A resposta que você quer é um não categórico. A da eesel é: seus dados nunca são usados para treinar modelos, e os modelos subjacentes (Claude, GPT, Gemini) retêm dados por no máximo 30 dias para monitoramento de abuso, depois são apagados.
3. Onde os dados ficam armazenados, e por quanto tempo? Conheça sua região de hospedagem e a janela de retenção. A eesel roda na AWS, com hospedagem na UE disponível sob solicitação e exclusão total em até 60 dias.
4. Toda ação da IA é registrada? Você quer uma trilha de auditoria do que a IA fez e por quê, para que uma revisão de conformidade ou de conduta de mercado seja um relatório que você simplesmente extrai, não um exercício de emergência.
5. Para linhas relacionadas à saúde, existe um BAA assinado? Se você lida com informações de saúde protegidas (saúde, algumas linhas de vida e invalidez), você precisa de um Business Associate Agreement (BAA) antes que qualquer coisa passe por uma IA. Na eesel, isso está no plano Enterprise, junto com os controles prontos para HIPAA que compradores regulamentados exigem.

Uma observação honesta, já que um guia justo deveria dizer isso: o SOC 2 Type II é uma exigência comum para compradores de seguros, e o da eesel está atualmente em andamento, não certificado (o relatório fica disponível sob NDA assim que concluído). A conformidade com o GDPR, a residência de dados na UE, e a garantia de não treinamento já estão em vigor. Faça as mesmas perguntas a todo fornecedor que avaliar e peça para eles mostrarem provas, como fez este comprador:

"Does it use some kind of other ChatGPT if it doesn't know the answer, and can that be turned off? Does the knowledge stay closed to our org?"

a technical evaluator at a hardware company, from an eesel sales call

Como automatizar o suporte ao cliente de seguros, passo a passo

Uma vez que o portão é ultrapassado, o lançamento em si é rápido. O objetivo é seguir uma ordem em que nada arriscado chegue a um segurado antes de você ter visto que funciona.

Etapa 1: Conecte seu helpdesk e sua base de conhecimento

Aponte a IA para onde os tickets já chegam (Zendesk, Freshdesk, Front, ou uma caixa de e-mail compartilhada) e para suas fontes de conhecimento: artigos da central de ajuda, textos de apólices, regras de faturamento e pagamento, FAQs de sinistros, e tickets antigos. A IA só pode ser tão precisa quanto aquilo que ela lê, então é aqui que está o verdadeiro trabalho. A eesel se conecta a mais de 100 integrações e fontes de conhecimento como Confluence, Notion e Google Docs.

Etapa 2: Trave a conformidade antes que qualquer coisa avance

Ative a redação de PII, assine o BAA se você lida com dados de saúde, e confirme as configurações de retenção e residência do portão acima. Faça isso agora, não depois de um piloto, porque no momento em que uma mensagem real de um segurado passa por uma ferramenta não configurada, você pode ter criado exatamente a exposição que está tentando evitar. Essa é a etapa inegociável, e é por isso que os lançamentos em seguros são diferentes de um projeto padrão de automação de suporte.

Etapa 3: Teste nos seus próprios tickets antigos, em modo rascunho

Essa é a etapa que eu nunca pularia em seguros. Em vez de apontar uma IA recém-configurada para segurados reais, rode-a contra tickets que você já resolveu e compare as respostas em rascunho com o que sua equipe realmente enviou. No modo rascunho, a IA escreve uma resposta, mas um humano revisa antes que qualquer coisa saia, então uma resposta errada é pega em uma planilha, não na caixa de entrada de um cliente. É a mesma ideia de treinar a IA na sua base de conhecimento, aplicada como uma verificação de segurança.

Quando fizemos esse tipo de validação cruzada em uma caixa de suporte real, a IA atingiu 93% de precisão na triagem e detectou 100% do spam com zero falsos positivos em um teste de 284 conversas. Números assim são o que indica quais categorias estão prontas.

Etapa 4: Coloque no ar apenas as categorias seguras

Ative a automação total para as linhas com sinal verde da tabela: carteirinhas e documentos, faturamento, acesso ao portal, status do sinistro. Deixe as explicações de cobertura e as alterações de apólice apenas em modo rascunho. Deixe tudo que for uma recomendação de cobertura ou uma decisão de sinistro sendo encaminhado diretamente para um humano licenciado. Resista à vontade de ativar tudo de uma vez, um lançamento estreito e confiável constrói mais confiança com sua equipe de conformidade do que um amplo e instável.

Etapa 5: Acompanhe os relatórios e expanda por confiança

Uma vez no ar, a IA continua aprendendo com os tickets resolvidos, e você acompanha os relatórios para ver a taxa de resolução por categoria. Quando uma categoria apenas em rascunho estiver correta por semanas, promova-a para automação total. Quando algo parecer errado, ajuste a instrução (em linguagem simples, sem reconstrução) e ela se aplica imediatamente. Equipes que fazem o lançamento dessa forma costumam resolver uma grande parte dos tickets de nível 1 já no primeiro mês, um cliente da eesel relatou 73% das solicitações de nível 1 resolvidas após um teste de sete dias.

Erros comuns a evitar

• Deixar a IA responder "isso será coberto?" Nenhum nível de precisão torna seguro dar aconselhamento de cobertura por meio de um bot de suporte. Encaminhe para uma pessoa licenciada.
• Ativar decisões de sinistro. Informar o status de um sinistro é normal; aprovar, negar ou contestar um é um ato regulamentado. Mantenha isso firmemente do lado humano.
• Pular a redação de PII. Os tickets de seguros são densos em dados pessoais. Redija na ingestão antes que qualquer coisa seja armazenada, não depois.
• Colocar no ar sem testar em tickets antigos. Você não colocaria um agente novo, sem treinamento, na caixa de entrada de segurados. Não faça isso com uma IA também. É aqui que muitos projetos de triagem de tickets com IA falham silenciosamente.
• Escolher uma ferramenta que não faz roteamento por confiança. Se ela responde tudo ou nada, não foi feita para suporte regulamentado.
• Ignorar o modelo de precificação. Ferramentas por assento cobram independentemente de a IA resolver algo ou não. Para uma equipe de suporte que está avaliando o custo de IA versus humano, um modelo baseado em uso reflete o que você realmente obtém.

Experimente a eesel para suporte de seguros

Se você está automatizando uma caixa de entrada de segurados, a eesel AI foi construída exatamente para a ordem que este guia percorre. Ela se conecta ao seu helpdesk existente em minutos, redige PII antes do armazenamento, oferece um BAA no plano Enterprise para linhas relacionadas à saúde, e permite simular em tickets antigos antes que qualquer segurado veja uma resposta. O roteamento baseado em confiança significa que ela trata a pilha de carteirinhas e faturamento e encaminha para sua equipe tudo que for uma decisão de cobertura, e você só paga pelos tickets que ela realmente resolve, a partir de US$ 0,40 cada.

Você pode começar com o teste gratuito (US$ 50 de uso, sem cartão) ou agendar uma demo se quiser percorrer a configuração de conformidade com alguém antes.