4x de aumento
na precisão preditiva (de 9% para 39%)
INTRODUÇÃO
Em mercados altamente regulados, onde cada cliente representa décadas de relacionamento, perder para a concorrência sem conseguir prever, e agir, é um risco que se acumula silenciosamente. Uma das maiores seguradoras de previdência privada do Brasil enfrentava exatamente esse cenário: um modelo preditivo com apenas 9% de precisão na identificação de clientes prestes a migrar seus recursos para outra instituição. A Objective transformou esse cenário com uma plataforma de modelos de IA em produção, combinando ciência de dados, NLP e modelos de recomendação, para tornar dados em vantagem competitiva real, com impacto direto em receita.
BIG NUMBERS
+333% de acuracidade
no modelo de portabilidade
4x de crescimento
nos recursos retidos sob gestão
R$ 342 mi em receita incremental
gerada no primeiro ano
6 modelos de IA
em produção simultânea
CONTEXTO E DESAFIO
A portabilidade de previdência é um churn recuperável: o cliente não abandona o produto, ele muda de gestora. Isso torna a janela de retenção pequena e o custo da inação alto. O problema era que o modelo preditivo existente identificava corretamente apenas 1 em cada 10 clientes com intenção de portabilidade, insuficiente para qualquer ação comercial consistente.
Além disso, sem inteligência de dados sobre o perfil e o momento de cada beneficiário, a área comercial operava com ofertas genéricas: o produto errado, para o cliente errado, na hora errada. O resultado era perda dupla, de carteira e de oportunidade de cross-sell. Os principais desafios enfrentados:
Modelo preditivo de portabilidade com apenas 9% de precisão, inviabilizando ações de retenção proativas
Ausência de inteligência para personalização de ofertas de produtos e coberturas adicionais
Dados sensíveis de beneficiários exigindo conformidade rigorosa com LGPD em qualquer solução de IA
Necessidade de escalar os modelos para uso direto pelas equipes de negócio, não apenas pela área de dados
SOLUÇÃO
A Objective estruturou uma plataforma de seis modelos de IA em produção, cada um orientado a um vetor específico de retenção e crescimento de receita. A governança de dados foi tratada como condição estrutural desde o início, não como camada posterior, garantindo conformidade com LGPD e operação sobre dados anonimizados. Os modelos entregues:
Portabilidade Out
modelo preditivo de churn que identifica, com alta precisão, clientes com propensão a transferir recursos para outra instituição, permitindo ação comercial antes da decisão
NLP de Contact Center
processamento de linguagem natural aplicado às transcrições de ligações, que detecta sinais de intenção de portabilidade em tempo real (ex.: solicitação combinada de extrato, CNPJ da seguradora e histórico de rentabilidade)
Propensão à Contratação de Risco
modelo que identifica a probabilidade de cada cliente contratar coberturas adicionais, orientando a oferta certa para o momento certo
Reconquista de Fundos
modelo de recomendação que indica em qual fundo cada beneficiário tem maior propensão a reinvestir, aumentando conversão e ticket médio
Os modelos foram integrados como aplicações de negócio consumíveis diretamente pelas equipes comerciais e de relacionamento, eliminando a dependência da área de dados para cada consulta e acelerando o ciclo de ação.
RESULTADOS
Este é um case de crescimento de receita, não de eficiência operacional. Um diferencial relevante em um mercado onde a maioria das iniciativas de IA ainda mira redução de custo.
A acuracidade do modelo de portabilidade saltou de 9% para 39%, o cliente passou a identificar corretamente quatro vezes mais clientes em risco de churn antes que a portabilidade acontecesse
Os recursos retidos sob gestão cresceram 4x após a implementação
A receita incremental superou R$ 342 milhões no primeiro ano de operação
As equipes de negócio passaram a operar com inteligência preditiva diretamente nas suas ferramentas, sem intermediação técnica
A conformidade com LGPD foi mantida integralmente, com dados anonimizados em todas as camadas do modelo
