As máquinas não conseguem imaginar, e isto as diferencia dos seres humanos. Mas especialistas garantem que é só uma questão de tempo.
O seguro é uma das áreas com maior possibilidade de aplicação da Inteligência Artificial, segundo Thomas Conti, professor auxiliar no Insper e doutorando em Economia. Ele apresentou uma “introdução realista” sobre o tema, tratando, primeiramente, de diferenciar a estatística da ciência de dados. No caso da estatística, que sempre esteve na essência do seguro, o objetivo é resumir uma série de dados, de forma fidedigna. “Qual a chance de sinistro em um seguro? Se ocorrer o sinistro, qual será o valor médio da indenização? A seguradora precisa dessas respostas para não quebrar”, disse.
A ciência de dados, por sua vez, vai além da estatística ao gerir e limpar a base de dados (o que corresponde a 90% do trabalho), programar rotinas de análise e comunicação e realizar previsões. Mas, Conti avalia que o maior desafio é tornar os dados úteis. “Digamos que foi criado nos Estados Unidos um algoritmo para a saúde e a ideia é trazê-lo para o Brasil. Mas, ao chegar aqui vemos as empresas ainda usando planilhas de Excel. Dá para usá-lo? Sim, mas vai demorar muito, ser impreciso e apresentar problemas. Por mais inteligente que a máquina seja, não saberá organizar um banco de dados”, disse.
Conti explicou como a IA trabalha na base dados. O primeiro passo é separar uma parte da base dados e treinar o algoritmo de IA ou de machine learning. Os testes serão realizados centenas de vezes até que se descubra qual o algoritmo apresentou a melhor média. “Essa é a diferença da estatística: a manipulação dos dados. Hoje, é possível rodar milhões de testes e compará-los para se chegar à melhor previsão”, disse. Embora a IA seja antiga, Conti observa que somente agora existe capacidade computacional para se trabalhar os dados. As principais linguagens de programação em uso, a Python e a R, são gratuitas e podem ser instaladas em qualquer computado e isso explica a explosão de conhecimento sobre IA nos dias atuais.
As ferramentas de IA podem ser utilizadas em três tipos de situações. No aprendizado supervisionado, o objetivo da máquina é aprender as regras relacionadas com as entradas e saídas de dados. “Se quero saber se determinado segurado tem alta probabilidade de sofrer um sinistro, a máquina trabalhará a base de dados de sinistros e aprenderá a identificar essa situação”, disse. Conti apresentou diversos métodos de análise de dados, como o de regressão linear, por exemplo, e outros vários de classificação. Ele contou que usou esse método para criar um aplicativo que apontava a probabilidade de a pessoa votar em determinado candidato.
No caso do aprendizado não supervisionado, a máquina precisa encontrar uma estrutura a partir dos dados e dos parâmetros fornecidos para o funcionamento do algoritmo. “Serve para quando não se sabe o quer. Por exemplo: numa base de dados de seguro saúde com 500 mil linhas, a máquina poderá formar três grupos, definindo seus próprios critérios, como a idade”, disse. Outro uso seria a definição das áreas de riscos de São Paulo, por exemplo, a partir das informações de sinistros. “A máquina poderia criar três grupos e estabelece os critérios, como a distância, por exemplo”.
Já no aprendizado semi-supervisionado, a base de dados é incompleta ou o problema não permite ter todas as informações. Então, a máquina poderá combinar as observações com a saída desejada e com observações sem essa saída. “Quando se tem um pedaço da base de dados que se sabe o objetivo e outro pedaço que não tem essa informação, então será preciso um algoritmo que use parte das informações que se tem e preencha o resto de forma ótima”, disse.
Questão de interpretação
Conti revelou sua fascinação diante do avanço da IA, citando os algoritmos que conseguem ganhar de mestres do xadrez e as máquinas que detectam câncer. As máquinas são mais inteligentes que os humanos? Conti não acredita. Esta questão é discutida por Adnan Darwiche no livro “Human-Level intelligence or Animal-Like Abilities?”, no qual conclui a habilidade das máquinas está mais próxima a de animais, porque os algoritmos são apenas rotinas que ajustam funções a um conjunto de dados.
Para Conti, a inteligência da máquina é uma questão de interpretação. Enquanto os humanos observam, pensam numa intervenção, imaginando as formas possíveis de resolver o problema, a máquina ainda está na fase de observação, não tem ideia de intervenção. “Se eu não estivesse aqui, onde estaria? Um ser humano responde, a máquina não, porque trabalha com dados e não faz sentido para ela. A inteligência artificial ainda está na infância”, disse.
IA no seguro
Desde que os dados sejam bons e bem organizados, a IA pode ter muitas aplicações no seguro, de forma robusta, segundo Conti. “Se não for assim, será apenas estatística”, disse. A IA pode ser usada para otimização de preços, cálculo de risco, previsão de valor de sinistro, detecção de fraudes, previsão do valor ao longo da vida do consumidor (CLV), chatbots e assistentes de apoio aos protocolos. A aplicação ao marketing e atendimento também oferece bons resultados na customização de mensagens, segmentação de consumidores e identificação do momento de consumo.
Um levantamento da consultoria Ernst & Young apontou que o seguro está entre os setores que mais utilizam algoritmo de precisão, com 36%. Porém, outros setores estão à frente, como o varejo (54%) e o automotivo (50%). Conti observa que startups estão impulsionando o uso da IA no mercado global de seguros. Entre os exemplos estão a Captricity, que transforma formulários preenchidos à mão em formulários digitais com 99,9% de precisão, e a Zendrive, um aplicativo que monitora como a pessoa está dirigindo, podendo levar a descontos no seguro.
Alguns especialistas preveem a evolução da IA a ponto de romper a barreira da mera observação para intervenção. Este é o caso de Judea Pearl, um dos especialistas que teve participação ativa na base teórica da IA, autor do “The book of why”. Segundo ele, a IA conseguirá entender e imaginar como atuar, aproximando-se da inteligência humana. Conti discorda. “Pessoalmente, acredito que o algoritmo nunca irá conseguir organizar uma base de dados”, disse.
Fonte: Matéria extraída da revista APTS edição 132/133. Veja o PDF. Leia Online.