A Maior Parte dos Danos por Inundação Ocorre Fora da Zona de Inundação — e Está Corroendo Silenciosamente Seu Índice de Sinistralidade

A primeira vez que entendi o quanto a subscrição de risco de inundação estava quebrada, eu estava olhando para uma única casa em um mapa aéreo.

Uma residência unifamiliar no Condado de Harris, Texas. Construída em 2004, sobre uma laje, sem elevação acima do nível do solo. O terreno tinha 85% de superfície impermeável — entrada de concreto, pátio, uma garagem separada — e o bueiro pluvial mais próximo ficava a 400 pés de distância, parte de um sistema municipal projetado há trinta anos para uma chuva de recorrência de 10 anos. A FEMA a classificou como Zona X. Risco mínimo de inundação. Nenhuma obrigação de segurá-la.

O motor de tarifação cotou para aquela casa um prêmio de inundação de $450 por ano. A análise em nível de propriedade estimou sua perda anual esperada em $8.400.

Essa lacuna — quase vinte para um, em uma propriedade que o mapa insiste ser segura — é todo o problema da subscrição de risco de inundação em um único lote. E não é um lote raro. Mais de dois terços dos danos por inundação nos EUA, 68,3% segundo a pesquisa da NC State e da First Street, ocorrem fora das zonas de alto risco da FEMA. Se o seu plano de tarifação ainda se ancora na Zona AE versus a Zona X, você está com o preço errado dos dois lados da linha: cobrando demais pela casa elevada dentro da zona e, silenciosamente, entregando de graça a casa sobre laje ao nível do solo logo do lado de fora.

O mapa de zonas de inundação não é um modelo de risco. É uma fronteira regulatória que o resto do setor confundiu com um.

Quero percorrer o que descobrimos quando tentamos consertar isso, incluindo a parte em que nossa primeira solução falhou diante de um regulador — porque esse fracasso é a razão pela qual aquilo que acabamos construindo tem a forma que tem.

Por Que a Maior Parte dos Danos por Inundação Ocorre Fora da Zona de Inundação?

Comece pelo motivo de os mapas estarem errados, porque é pior do que "os mapas ficam desatualizados".

Cerca de 75% dos mapas de inundação da FEMA têm mais de cinco anos, e uma parcela significativa remonta às décadas de 1970 e 80. Eles foram desenhados principalmente para inundações fluviais e costeiras — rios transbordando suas margens, ressacas vindas da costa. Nunca foram construídos para capturar inundações pluviais: chuva que cai mais rápido do que o solo e os bueiros conseguem escoar. A pluvial é o fator de perda que mais cresce no país, e é quase invisível em um painel da FEMA.

Aquela casa do Condado de Harris inunda de forma pluvial. Quatro polegadas de chuva por hora sobre um terreno 85% impermeável geram mais que o dobro do escoamento de seus vizinhos, para dentro de um sistema construído para uma polegada e meia. Nada disso está no mapa, porque o mapa não está fazendo a pergunta.

As consequências não são teóricas. Depois do furacão Harvey, 70% dos sinistros de inundação vieram de fora das zonas de alto risco da FEMA — das casas em Zona X que o motor de tarifação de todo mundo havia cotado como algo secundário. Só o Condado de Harris abriga 1,2 milhão de propriedades em Zona X. As seguradoras que haviam sinalizado as encharcadas antes da tempestade tiveram índices de sinistralidade por catástrofe materialmente mais leves naquele ano — de um dígito alto a dois dígitos baixos, pela minha própria estimativa das carteiras que vi. Todos os outros descobriram no primeiro aviso de sinistro.

E a pressão estrutural só aumenta. O ramo de seguro residencial está registrando um índice combinado projetado de 106,1% para 2025 — pagando mais de um dólar de perda e despesa para cada dólar de prêmio — e a AM Best espera que o índice combinado mais amplo de P&C suba para perto de 96,9 em 2026. Globalmente, as perdas seguradas por catástrofes naturais atingiram $107 bilhões em 2025. A inundação é o risco em que a lacuna entre o que está acontecendo e o que é precificado é mais ampla: de cerca de $325 bilhões em perdas econômicas globais por inundação ao longo de cinco anos, apenas cerca de $70 bilhões estavam segurados.

Você não fecha um índice combinado de 106% com um mapa desenhado antes de o bairro ser concretado.

O que eu errei primeiro

Aqui está a parte da qual não me orgulho.

Quando minha equipe começou a se aprofundar nisso, a resposta parecia óbvia. O mercado estava cheio de fornecedores de inteligência de propriedade com modelos genuinamente bons. A ZestyAI constrói scores de visão computacional — Z-FLOOD, Z-FIRE, Z-WIND — a partir de imagens aéreas e alvarás de construção, e estavam assinando com seguradoras rapidamente: só no primeiro trimestre de 2026 adicionaram a Logic Underwriters no Texas, a Southern Oak na Flórida, a Harford Mutual, a Horace Mann e outras. Os scores funcionam. A rede de seguradoras é real.

Então nossa primeira versão era simples: licenciar o score de inundação de um fornecedor, canalizá-lo para o motor de tarifação como um novo fator, entregar. Um trabalho de integração de um fim de semana disfarçado de produto.

Levamos isso a um protocolo regulatório estadual. A resposta do examinador voltou com uma única anotação na margem ao lado de nosso reluzente novo fator de inundação: "explique este fator."

Não conseguimos. Não no padrão deles. Um cartão de modelo de fornecedor — o documento de uma página "eis aproximadamente o que o modelo considera" — satisfaz a equipe de marketing de um fornecedor. Não satisfaz um examinador do Colorado ou de Nova York, que quer um memorando atuarial, um estudo de impacto desigual e um rastro de explicabilidade antes que um fator de tarifação derivado de IA entre em vigor. O Boletim de Modelo de IA da NAIC foi adotado em mais de 24 estados, e a Circular 2024-7 do DFS de Nova York exige explicitamente testes de impacto desigual. A condição do imóvel se correlaciona com a renda; um score de visão computacional que interpreta "manutenção adiada" como risco pode, silenciosamente, codificar algo que um regulador chamará de bluelining. A opacidade que torna um score de fornecedor fácil de comprar é exatamente o que o torna difícil de protocolar.

Não tínhamos construído uma capacidade de subscrição. Tínhamos comprado um número que não conseguíamos defender.

A rejeição daquele protocolo foi a coisa mais útil que nos aconteceu, porque reformulou todo o problema. A parte difícil da subscrição de risco de inundação em 2026 não é obter um score. Há excelentes scores à venda. A parte difícil é transformar um score em um fator de tarifação que um regulador vá aprovar — e esse é um trabalho de engenharia e documentação que nenhum fornecedor faz por você, porque eles estão vendendo o score, não o seu plano de tarifas.

Todo fornecedor resolve uma fatia. Ninguém resolve a costura.

Depois que você enxerga dessa forma, o cenário se reorganiza. Cada provedor detém uma fatia do quadro e deixa as costuras para você.

A ZestyAI oferece uma visão computacional precisa em nível de propriedade, mas seus scores são em grande parte estáticos — eles não modelam a capacidade do bueiro sob aquele terreno do Condado de Harris e não disparam quando um evento real está em curso. A ICEYE opera a maior constelação de satélites de radar de abertura sintética do mundo — mais de 30 satélites que conseguem enxergar a extensão da inundação através das nuvens e atualizar um mapa de calor a cada seis horas durante um evento, razão pela qual a Munich Re e a AXA a integraram em suas plataformas em 2026. O Flood Factor da First Street pontua cada propriedade dos EUA de 1 a 10 e, crucialmente, de fato inclui o risco pluvial — mas é uma camada de perigo, não um modelo de vulnerabilidade estrutural, e não é aceito como fator de tarifação regulatório. A Fathom, agora dentro da Swiss Re, constrói conjuntos de eventos probabilísticos de 50.000 anos que são excelentes para cenários climáticos prospectivos e inconvenientes se você faz resseguro com qualquer um que não seja a Swiss Re. O Flood Score 3.0 da Verisk carrega a mais profunda familiaridade com os DOIs e o mais lento ciclo de inovação.

Vou poupá-lo da lista completa. O padrão é o que importa: a camada de inteligência de propriedade, a camada de satélite, a camada de perigo e o seu próprio histórico de sinistros vivem, cada um, em um silo diferente, e nenhum fornecedor os costura em um único fator defensável — porque fazer isso significaria documentar o modelo de um concorrente dentro do seu protocolo.

A costura é onde está o dinheiro. Uma seguradora não quer seis painéis; quer um único fator de tarifação que funda a leitura estrutural da ZestyAI, a verdade sobre eventos da ICEYE, o risco pluvial da First Street ou da Fathom e a própria experiência de perdas da seguradora — e um memorando atuarial que explique tudo isso a um examinador. Essa fusão é o que decidimos construir, e o que agora está no centro da nossa camada de inteligência de risco de inundação: não mais um score, mas o tecido conectivo e a papelada que transformam soluções pontuais em um plano de tarifação aprovado.

Um Satélite Pode Dizer Onde Vai Inundar?

A segunda coisa que eu errei foi presumir que os dados de satélite eram a vitória fácil.

O SAR é genuinamente mágico — um radar que enxerga através de nuvens e da escuridão e diz, prédio por prédio, quão fundo a água chegou. As demonstrações são sedutoras. Então extraímos feeds brutos da ICEYE e começamos a conectá-los a um pipeline de triagem de sinistros, esperando sobrepor a extensão da inundação a uma carteira de 50.000 apólices e direcionar os reguladores de sinistros automaticamente.

Aí veio a realidade. O SAR é apenas observacional — ele diz o que inundou, não o que inundará — e em terreno urbano denso ele carrega cerca de ±15 cm de incerteza de profundidade devido ao duplo rebote do radar em paredes e pavimento. O SAR bruto não é um fluxo de trabalho de sinistros. É um sinal ruidoso que precisa de um pipeline personalizado: limpar os artefatos de duplo rebote, fundir a profundidade com a elevação do primeiro andar de cada apólice, decidir quais 30 das 50.000 apólices um regulador de sinistros contata primeiro, sinalizar aquelas cujo dano relatado não corresponde à água observada. Esse pipeline é o produto. O satélite é um insumo.

E a elevação do primeiro andar — a que altura o espaço habitável fica acima do nível do solo — acaba sendo o eixo de toda a questão estrutural, e é estimável a partir de imagens com cerca de 0,218 metro de erro, segundo o trabalho da Penn State. Aquela casa do Condado de Harris tinha uma elevação do primeiro andar derivada de visão computacional igual a zero. A porta da frente estava no nível do solo. Nenhum mapa codifica isso; um modelo de visão consegue.

"Por que você simplesmente não compra a ZestyAI?"

As pessoas me fazem uma versão dessa pergunta constantemente, geralmente formulada assim: os scores já existem, os satélites já voam, por que ainda há algo a construir?

Porque um score não é um plano de tarifas, e um plano de tarifas não é uma implantação. O que fica entre eles é o trabalho.

Comece pelo regulador. Protocolar um algoritmo de tarifação aumentado por IA significa produzir o memorando atuarial, a análise de impacto desigual e a documentação de explicabilidade que o boletim da NAIC e o DFS de Nova York exigem — para um modelo que funde múltiplas entradas de fornecedores. Os fornecedores lhe entregam scores; eles não lhe entregam documentação pronta para protocolo, e os requisitos de documentação auditável da Lei de IA da UE, que entram em vigor em agosto de 2026, apenas acentuam essa lacuna.

Depois há o encanamento, que é brutalmente concreto. Um score de inundação não vale nada para um subscritor se chega tarde demais. Já observei um rastreamento de cotação até emissão em que a chamada de API do score de inundação ficou em 480 milissegundos — e abaixo de 500 ms é o limite. Passado esse ponto, o score não é buscado, o subscritor cota com base no fator antigo, e sua cara camada de inteligência é um item de linha que ninguém usa. Levar as saídas do modelo para o Guidewire ou o Duck Creek com cache adequado, tratamento de fallback e esse orçamento de latência é um trabalho especializado. A mudança mais ampla para a agentic AI no setor de seguros torna o prêmio óbvio — a Hiscox reduziu a cotação até emissão de três dias para três minutos, uma redução de 99,4% — mas você só chega lá se o encanamento de dados aguentar.

E mesmo um score rápido e defensável tem de se ajustar à sua carteira. Um modelo pronto para uso é treinado com a de todos. Uma seguradora de médio porte que subscreve residências costeiras na Flórida e outra que subscreve seguro comercial no interior do Texas têm padrões de perda completamente diferentes — em uma carteira comercial, um único armazém em Zona X com sua doca de carga ao nível do solo pode afundar o ano de um jeito que cem sinistros residenciais espalhados nunca fariam — e um modelo ajustado a nenhuma das duas será medíocre para ambas. As seguradoras que estão saindo na frente estão treinando com a própria carteira.

Qualquer um pode comprar o score pelo preço de um contrato. O que você não pode comprar é a parte que sobrevive a um examinador, cumpre um orçamento de 500 milissegundos e se ajusta à carteira que você realmente subscreveu.

O mercado já está reprecificando sem você

Se há urgência nisso, ela é competitiva, não regulatória.

O mercado privado de inundação vem crescendo a uma CAGR de 20% de 2020 a 2024, com mais de 140 seguradoras privadas agora subscrevendo inundação e cerca de $500 milhões em prêmio residencial privado em 2024. Esse crescimento não é aleatório — são seguradoras sofisticadas usando modelos em nível de propriedade para selecionar a nata. Elas identificam as casas genuinamente de baixo risco que o NFIP superfatura sob o Risk Rating 2.0 (onde 77% dos segurados agora pagam mais, e uma carta do Congresso em fevereiro de 2026 instou a FEMA a interromper o programa), subscrevem essas com lucro e deixam para trás o restante selecionado adversamente.

A assimetria deveria preocupar qualquer seguradora que ainda precifica inundação com base na zona: os que selecionam a nata não estão levando os seus riscos ruins. Estão levando os seus bons — as casas elevadas e bem drenadas que sua tarifação grosseira cobra em excesso — e deixando para você uma carteira cada vez mais concentrada nas casas encharcadas em Zona X que você subfaturou. Você não sente isso como um único dia ruim. Você sente como um índice de sinistralidade que se desvia para o lado errado a cada renovação, enquanto você se pergunta por que sua retenção é melhor exatamente nas apólices que você mais gostaria de perder.

Quando eu modelo isso em uma carteira de 50.000 residências no sudeste do Texas, só o padrão de Zona X mal precificado resulta em $2,8 a $4,2 milhões em vazamento anual de prêmio — de 30 a 40 propriedades gerando seis dígitos de sinistros cada uma contra prêmios de $450. Esse é o custo de o mapa estar errado, todos os anos, antes do próximo Harvey.

No que eu realmente acredito agora

Entrei nisso pensando que a subscrição de risco de inundação era um problema de dados — obtenha dados melhores, obtenha preços melhores. Saí convencido de que é um problema de costura. Os dados existem. Os satélites voam. A visão computacional lê a elevação do primeiro andar com margem de oito polegadas. O que não existe, pronto para uso, é aquilo que funde essas entradas em um único fator, o coloca em menos de 500 milissegundos no motor de tarifação e entrega a um examinador estadual um memorando que sobrevive à anotação na margem "explique este fator."

Essa é a camada que vale a pena construir, e é por isso que construímos a nossa em torno da integração e da documentação, em vez de em torno de mais um score.

O mapa continuará dizendo Zona X. A casa sobre laje ao nível do solo, com o terreno 85% impermeável e o bueiro subdimensionado, continuará inundando mesmo assim. A única questão é se o seu motor de tarifação conhece a diferença antes que a água a conheça — ou se você descobre, como todos descobriram depois do Harvey, pelos sinistros que chegaram dos lugares que o mapa dizia serem seguros.