Seus GLMs estagnaram. Veja o que os modelos híbridos mudam na precificação.
Os atuários sabem. Os GLM são a base da precificação securitária há 30 anos. São interpretáveis, estáveis, bem compreendidos pelo regulador. E estão atingindo seus limites.
As interações não lineares entre variáveis lhes escapam. Um motorista de 22 anos em zona urbana que roda apenas 8 km por dia durante a semana não tem o mesmo perfil de risco que um motorista de 22 anos em zona urbana que faz 80 km por dia em rodovia. O GLM os coloca no mesmo grupo. O modelo híbrido não comete esse erro.
Os estudos atuariais (Swiss Re, 2025) medem um ganho de precisão de 15 a 25% nos segmentos complexos quando se passa para modelos híbridos GLM + gradient boosting. Não é marginal. É a diferença entre ganhar e perder clientes nos segmentos mais disputados.
Como funciona na prática
Não se descarta o GLM. Complementa-se. O modelo híbrido usa o GLM como base regulatória - é ele que garante a explicabilidade básica - e adiciona uma camada de gradient boosting (XGBoost, LightGBM) que captura as interações não lineares.
Veja um exemplo concreto. Jovem motorista urbano, 22 anos. O GLM clássico: categoria "jovem motorista, zona urbana", prêmio de 1.200€. O modelo híbrido refina: esse motorista roda 8 km/dia, apenas durante a semana, nunca após as 22h, velocidade média de 35 km/h. Perfil real: motorista de baixo risco apesar da idade. Prêmio ajustado: 850€.
Você conquista um cliente que o mercado supervaloriza. O cliente economiza 350€. A sinistralidade real confirma o modelo. Todos saem ganhando.
A telemática muda o jogo
Os dados comportamentais - telemática auto, dispositivos conectados de saúde, sensores residenciais - transformam o que é possível. Não se precifica mais um perfil estatístico. Precifica-se um comportamento real.
Em seguro auto, os programas usage-based reduzem a sinistralidade em 20 a 30% (Munich Re, 2025). Não porque a IA é mágica, mas porque medir o comportamento real modifica o comportamento. O motorista que sabe que estão medindo sua condução dirige melhor. O segurado que sabe que seus sensores de automação residencial reduzem seu prêmio cuida da instalação.
A elasticidade-preço integrada nos modelos otimiza também a retenção. Você sabe o quanto cada cliente é sensível ao preço. Ajusta de acordo. É precificação cirúrgica.
A explicabilidade não é opcional
O IA Act e a ACPR não brincam. Cada prêmio deve ser explicável. Ao cliente que pergunta por que paga 850€ e não 700€. Ao regulador que verifica a ausência de discriminação.
As técnicas SHAP e LIME decompõem a contribuição de cada variável. "Seu prêmio é de 850€. A idade contribui com +120€, mas sua baixa quilometragem reduz em -180€, e sua ausência de condução noturna reduz em -90€." É transparente, verificável e conforme.
Essas ferramentas devem ser integradas desde a concepção do modelo. Não adicionadas depois como um remendo. Se você não consegue explicar o prêmio, o modelo será contestado - pelo cliente, pelo mediador ou pelo regulador.
O que dá errado
Implantar em 100% da carteira sem A/B testing. Já vimos equipes atuariais migrarem a totalidade do book para um novo modelo de um dia para o outro. Os prêmios mudam, os clientes reagem, a sinistralidade real pode divergir das previsões. Sempre comece com 20% da carteira durante 3 a 6 meses. Meça. Ajuste. Depois expanda.
Nunca retreinar o modelo. Os comportamentos evoluem, as sinistralidades mudam, os perfis de risco se deslocam. Um modelo não recalibrado perde 3 a 5 pontos de precisão por ano. No mínimo uma vez por ano, idealmente de forma contínua.
Negligenciar os dados telemáticos. Você tem sensores, mas os dados chegam em batch diário com 20% de valores ausentes. O modelo não consegue fazer nada com isso. A qualidade dos fluxos em tempo real é um pré-requisito, não um nice-to-have.
A questão estratégica
A precificação dinâmica por IA não é um projeto de TI. É uma vantagem competitiva atuarial. A seguradora que precifica melhor atrai os bons riscos e empurra os maus para os outros. É o círculo virtuoso da seleção adversa - mas dessa vez, a seu favor.
Os modelos híbridos estão em produção nos players mais avançados. A questão para os demais não é saber se é pertinente. É saber quantos ciclos tarifários eles ainda podem se dar ao luxo de perder.
