Assistente de IA para Seguro de Vida
Do «Call Me» à simulação imediata. Entre o interesse do cliente e a primeira resposta concreta havia uma chamada telefónica e o horário comercial — deixou de haver.
Resumo
Uma seguradora a operar em Portugal tinha no site o percurso comercial habitual do setor: quem se interessava por um Seguro de Vida encontrava, essencialmente, um botão de «Call Me». Deixava o contacto e esperava. A BigLearn substituiu esse passo por um assistente de IA que conversa, recolhe os dados necessários e devolve uma simulação na mesma interação.
Cliente anonimizado. Este caso descreve um projeto entregue; não publicamos aqui números de conversão ou de receita, pela mesma razão que não os publicamos nos outros — não temos como mostrar de onde vieram. O que se descreve é o que mudou no processo.
O custo não era a chamada, era o intervalo antes dela
Quem procura um Seguro de Vida quer normalmente saber três coisas depressa: quanto poderá pagar, que opções existem, e se aquilo serve para o seu caso. No modelo anterior o percurso era website → pedido de contacto → esperar → chamada → recolha de informação → simulação. Havia várias etapas até chegar à primeira resposta concreta.
Num canal digital, esse intervalo é o problema. A pesquisa de seguros acontece muitas vezes às 23h, ao fim de semana ou num feriado — precisamente quando não há equipa comercial ao telefone. Obrigar a esperar pelo horário seguinte cria fricção no momento de maior intenção, que é também o momento em que a concorrência está a uma pesquisa de distância.
Uma conversa faz as perguntas que um formulário não consegue fazer
O percurso passou a ser website → assistente de IA → conversa → recolha dos dados → simulação, tudo na mesma interação. O assistente explica o processo, responde às primeiras dúvidas e pede a informação de forma progressiva: a idade, o capital pretendido, a duração, se está associado a crédito habitação.
A vantagem sobre o formulário não é estética, é de ordem. Um formulário tem de mostrar todos os campos à cabeça, incluindo os que não se aplicam àquele cliente. Uma conversa pergunta apenas o que precisa naquele momento, e o que pergunta a seguir depende do que ouviu antes. O cliente também não precisa de conhecer a terminologia interna da seguradora para responder.
Um chatbot responde. Este sistema executa.
É aqui que está a diferença entre juntar um chatbot ao site e aplicar IA ao processo comercial. Um chatbot responde «sim, temos Seguro de Vida» e pára. Este assistente compreende, pergunta, recolhe, estrutura, aciona o processo de simulação, apresenta o resultado e encaminha.
Aquilo que para o cliente é uma conversa torna-se, do lado de dentro, informação organizada: idade, capital seguro, duração, tipo de necessidade, crédito habitação, contactos, respostas necessárias ao cálculo. A IA deixa de ser uma interface de perguntas e respostas e passa a ser um passo do processo.
O conhecimento do negócio fica separado do modelo
O assistente não responde a partir do conhecimento genérico do modelo de linguagem. A arquitetura encadeia cliente → conversa no site → instruções e regras comerciais → base de conhecimento de Seguro de Vida → modelo de linguagem → motor de simulação → resultado ou encaminhamento.
Esta separação é a decisão técnica que mais conta a prazo. Permite atualizar as regras comerciais sem tocar no modelo, e trocar o modelo sem reescrever o conhecimento do negócio — que num setor regulado é a diferença entre uma atualização e um projeto.
O contacto humano não desaparece, começa mais à frente
Quando é preciso um comercial, o cliente já esclareceu as principais dúvidas, explicou o que procura, deu a informação inicial, viu uma primeira simulação e demonstrou intenção concreta. A conversa comercial deixa de começar do zero.
O botão de pedido de contacto continua a existir, para quem prefere falar com alguém desde o início. O que mudou não foi tirá-lo — foi deixar de ser a única forma de avançar.
O que este caso mostra sobre aplicar IA a um processo que já existe
O objetivo não foi acrescentar IA ao site porque a tecnologia está na moda. Foi identificar um ponto de fricção concreto — o cliente quer avançar agora e o processo pede-lhe para esperar — e mudar essa realidade.
É o mesmo raciocínio que aplicamos noutros setores: no configurador de eventos de um grupo hoteleiro, o pedido por email dava lugar a um percurso que devolve uma proposta; no tratamento de reclamações municipais, a leitura manual dá lugar a resumo, classificação e georreferenciação. Em todos, o que se encurta é a distância entre a intenção de quem procura e a primeira resposta útil.
Perguntas frequentes
Pode um assistente de IA fazer uma simulação de seguro de vida?
Pode conduzir a conversa que reúne os dados necessários — idade, capital pretendido, duração, ligação a crédito habitação — e entregá-los ao motor de simulação que a seguradora já usa. O cálculo continua a ser feito pelo motor da seguradora; o assistente trata da recolha e da apresentação do resultado.
Qual é a diferença entre isto e um chatbot?
Um chatbot responde a uma pergunta e pára. Este assistente executa vários passos antes de devolver um resultado: compreende, pergunta o que falta, estrutura as respostas em dados, aciona o processo de simulação e devolve ou encaminha. Participa no processo comercial em vez de comentar sobre ele.
O cliente deixa de falar com uma pessoa?
Não. O contacto humano continua a existir e passa a acontecer numa fase mais útil: quando chega, o cliente já esclareceu dúvidas, explicou o que procura, deu a informação inicial e viu uma primeira simulação. A conversa comercial deixa de começar do zero.
Porque é que a disponibilidade fora de horário importa neste caso?
Porque a pesquisa de seguros acontece frequentemente à noite, ao fim de semana ou em feriados — precisamente quando não há equipa comercial disponível. Obrigar a esperar pelo horário seguinte cria fricção no momento de maior intenção de compra.
Como é que uma conversa se transforma em dados utilizáveis?
Cada resposta do cliente é convertida em campos estruturados — idade, capital seguro, duração, tipo de necessidade, crédito habitação, contactos. Para o cliente é uma conversa; para os sistemas internos é um registo organizado pronto a alimentar o processo seguinte.
O assistente responde a partir do conhecimento genérico do modelo?
Não. Usa uma base de conhecimento e regras comerciais definidas pela seguradora, que ficam separadas do modelo de linguagem. Isto permite trocar ou actualizar o modelo sem reescrever o conhecimento do negócio, e evita respostas construídas a partir de informação genérica sobre seguros.
O botão de pedido de contacto deixa de fazer sentido?
Não. Continua a servir quem prefere falar directamente com alguém. Deixa apenas de ser a única forma de avançar, que era o problema — não a existência do botão.
Quem fez este projeto
A BigLearn é uma empresa portuguesa de consultoria em inteligência artificial, fundada em 2017 e sediada em Lisboa. Trabalhamos com organizações que já têm processos a funcionar e querem saber onde a IA os melhora — os seguros incluído.
Este caso resultou do nosso trabalho de consultoria de IA para empresas e de webdesign, SEO e transformação digital. Todos os projetos começam por uma prova de conceito com critério de sucesso escrito antes de começar — e se não passar, dizemo-lo.
Trabalhamos em hotelaria e turismo, autarquias e administração pública, seguros, saúde, indústria e serviços profissionais. Os outros casos de estudo estão publicados com a mesma regra: cliente anonimizado, números verificáveis, e a natureza do documento dita à cabeça.