Com o tema “What business are we really in?”, a palestra de Chris Colborn, da Lippincott chamou bastante a atenção pelo contexto. O painel abordou um ‘certo desalinhamento de interesses’ – na visão do palestrante – que existe entre os principais agentes da cadeia de valor na indústria de seguros.

“As marcas precisam achar seu propósito, ser relevante na vida do cliente. Nossa indústria ainda é baseada em transações e não em relacionamento e engajamento com cliente”, afirmou.

Segundo ele, os riscos têm aumentado em todas as dimensões das nossas vidas e o seguro não é a única solução. Empresas como Apple estão criando programas de proteção e atendimento ao cliente.

Como exemplo, ele citou o caso do Flock Drone Insurance, onde os provedores de seguros orientados à Inteligência Artificial podem avaliar melhor o risco e ajudar os clientes a tomar decisões de forma mais embasadas.

“Acho que podemos oferecer um seguro residencial mais inteligente ou seguro de vida que inspira uma vida melhor, por exemplo. Não podemos perder de vista o interesse com o cliente. É importante combinar política com tecnologia – reduzindo a perda e a necessidade de compensação”, finalizou.

Quem também foi crítico com relação à postura atual da indústria do seguro foi Glenn Shapiro, da Allstate Insurance. “As coisas precisam mudar. Nossa indústria tem sido estática, poucas mudanças quando nos comparamos com outras indústrias como serviços bancários, por exemplo”.

Para o executivo, o setor ainda está numa ‘zona de conforto’, talvez em função da natureza regulatória da própria indústria. “O setor bancário empoderou o cliente com soluções digitais, auto-serviço simples e ágeis. Nosso processo de regulação de sinistros ainda é longo e chato. Tivemos pouco ganho de eficiência nos últimos anos”.

Gleen avalia que a jornada do cliente também é pouco amigável e muito longa. “A vistoria de sinistros por foto ainda tem baixa adesão. Mas é possível cortar o prazo de regulação em 50% somente empoderando o cliente, se utilizarmos Inteligência Artificial para análise de fotos (photo analytics) e/ou Machine Learning para identificar avarias, perdas, reparos”, concluiu.