Inteligência de Risco de Enchente
Mais de dois terços dos danos causados por enchentes nos EUA ocorrem fora das zonas de alto risco da FEMA. Se o seu motor de tarifação ainda se ancora na Zona AE vs. Zona X, você está precificando o risco incorretamente nos dois lados: cobrando a mais da casa elevada dentro da zona e cobrando a menos da casa sobre laje fora dela. As seguradoras que adotaram a pontuação por IA em nível de imóvel já estão selecionando os seus melhores riscos.
Construímos a camada de inteligência de risco de enchente que conecta pontuações de fornecedores, monitoramento por satélite e os seus dados de sinistros em um fator de tarifação unificado que o examinador do seu DOI pode aprovar.
68,3%
Danos de enchente fora das zonas de alto risco da FEMA
NC State / First Street Research
106,1%
Índice combinado de seguros residenciais projetado, 2025
III / AM Best
20% de CAGR
Crescimento de apólices privadas de enchente, 2020-2024
Resources for the Future
Considere um cenário concreto que se repete milhares de vezes em toda a sua carteira a cada ano.
Uma casa unifamiliar em Harris County, Texas. Zona X da FEMA (risco mínimo de enchente). Construída em 2004 sobre fundação de laje, sem elevação acima do nível do solo. O lote tem 85% de superfície impermeável (entrada de concreto, pátio, garagem isolada). O bueiro mais próximo fica a 120 metros de distância e faz parte de um sistema municipal de 30 anos projetado para um evento de chuva com período de retorno de 10 anos.
Zona X. Sem exigência de seguro contra enchente. Se o proprietário contratar uma apólice voluntária de enchente, ela é precificada com base nos fatores do NFIP Risk Rating 2.0, que não consideram a proporção de superfície impermeável, a infraestrutura de drenagem subdimensionada nem o fato de que a casa não tem nenhuma elevação do primeiro pavimento acima do solo. O seu sistema cota um prêmio de US$ 450/ano.
Em uma carteira de 50.000 apólices residenciais no sudeste do Texas, esse padrão de imóveis na Zona X precificados incorretamente costuma representar de US$ 2,8 milhões a US$ 4,2 milhões em vazamento anual. São de 30 a 40 imóveis gerando de US$ 70 mil a US$ 120 mil em sinistros de enchente por evento contra prêmios anuais de US$ 450.
Isso não é hipotético. Harris County tem 1,2 milhão de imóveis na Zona X. Após o furacão Harvey, 70% dos sinistros de enchente vieram de fora das zonas de alto risco da FEMA. As seguradoras que identificaram esses imóveis antes do evento reduziram seu índice de perdas catastróficas em 8 a 12 pontos naquele ano.
Cada fornecedor abaixo resolve parte do problema. Nenhum o resolve de ponta a ponta. O verdadeiro desafio é construir a integração e a documentação regulatória que transformam soluções pontuais em um plano de tarifação aprovado.
| Fornecedor | O Que Eles Fazem | Ponto Forte | Lacuna |
|---|---|---|---|
| ZestyAI | Inteligência de imóveis baseada em visão computacional. Pontuações Z-FLOOD, Z-FIRE, Z-WIND a partir de imagens aéreas e alvarás de construção. | Comprovada em produção e em escala. Mais de 6 parcerias com seguradoras firmadas só no 1º trimestre de 2026. Cobertura multi-risco. | Sem modelagem de drenagem pluvial. As entranhas opacas do modelo dificultam os protocolos junto ao DOI em estados como CO e NY. Pontuações estáticas, sem monitoramento acionado por eventos. |
| ICEYE | Constelação de satélites SAR para monitoramento de enchentes em tempo real. Mais de 30 satélites, com revisita em menos de 24h. | Único fornecedor com dados de satélite proprietários. Parcerias com Munich Re e AXA (2026). Atualizações da extensão da enchente a cada 6 horas durante eventos. | Apenas observação, não preditivo. Incerteza de profundidade urbana de +/-15 cm (reflexão dupla). Exige um pipeline customizado para transformar o SAR bruto em fluxo de trabalho de sinistros. |
| First Street | Pontuações Flood Factor (1-10) para cada imóvel dos EUA. Risco cumulativo de 30 anos. Dados gratuitos ao consumidor, API institucional. | Banco de dados de risco de enchente mais abrangente dos EUA. Forte conscientização pública. Inclui riscos fluviais, costeiros e pluviais. | Modelo apenas de risco (hazard). Não avalia a vulnerabilidade estrutural (FFE, materiais de construção). Atualmente não aceito como fator de tarifação regulatório. |
| Fathom (Swiss Re) | Dados globais de risco de enchente. A Swiss Re está integrando ao seu modelo de catástrofe interno (jan. de 2026). Conjuntos de eventos probabilísticos de 50.000 anos. | Modelagem baseada em física. Os melhores cenários climáticos prospectivos. O respaldo da Swiss Re confere credibilidade junto aos resseguradores. | Pertencente à Swiss Re, o que cria um potencial conflito para seguradoras com outras relações de resseguro. Apenas camada de risco (hazard), sem vulnerabilidade em nível de imóvel. |
| Verisk / AIR | Modelagem de catástrofe consolidada. Flood Score 3.0 para avaliação de enchente em nível de imóvel nos EUA. XactGen para estimativa de sinistros por IA. | As relações mais profundas com seguradoras. Familiaridade regulatória. Aceita como padrão pela maioria dos DOIs. | Arquitetura legada sendo adaptada com IA. Ciclo de inovação mais lento. A precificação em pacote a torna cara para usar apenas os componentes de enchente. |
| RMS / Moody's | Plataforma de modelagem de catástrofe. Adquirindo a Cape Analytics para inteligência geoespacial de imóveis com IA. | Integração profunda com seguradoras. A aquisição da Cape adiciona avaliação de imóveis baseada em visão computacional. | A aquisição da Cape Analytics ainda está em andamento. Cronograma de integração indefinido. A Cape é mais forte em vento/incêndio florestal do que em enchente. |
| Neptune Flood | MGA com motor de subscrição proprietário Triton. API-first. Parceria com a Palomar para enchente privada em âmbito nacional. | O fluxo de cotação-emissão de enchente privada mais rápido. Integração com ChatGPT para distribuição digital. Especialização pura em enchente. | Concorrente, não uma ferramenta que você pode licenciar. A pilha tecnológica deles é proprietária e não está disponível para outras seguradoras. |
| Big 4 / Grandes SIs | Deloitte, Accenture, EY e PwC oferecem consultoria e serviços de implementação de insurtech. | Reconhecimento de marca. Equipes grandes. Relações já existentes com a alta direção das seguradoras. | Eles implementam plataformas, não constroem inteligência de enchente customizada. Um projeto da Accenture começa em mais de US$ 2 milhões e entrega um exercício de seleção de fornecedores, não um motor de pontuação funcional. Sem expertise proprietária no domínio de enchente. |
O panorama de fornecedores é fragmentado por design. A ZestyAI vende pontuações de imóveis. A ICEYE vende dados de satélite. A Fathom vende camadas de risco (hazard). A Verisk vende modelos de catástrofe. Nenhum fornecedor isolado tem incentivo para construir a camada de integração que combina fontes de dados concorrentes, porque essa camada comoditiza o produto individual deles. Essa camada de integração, somada à documentação regulatória para que seja aprovada como plano de tarifação, é o que construímos.
Cada capacidade aborda uma lacuna específica no panorama de fornecedores. Trabalhamos com as pontuações e os dados que você já compra, não contra eles.
Combinamos a inteligência de imóveis da ZestyAI, o monitoramento SAR da ICEYE, as camadas de risco da Fathom/First Street e o seu histórico de sinistros em uma pontuação composta em nível de imóvel. A lógica de fusão pondera cada fonte com base na geografia e na combinação de riscos. Um imóvel costeiro na Flórida se apoia fortemente em modelos de maré de tempestade e monitoramento SAR. Um imóvel interiorano no Texas pondera mais a modelagem de drenagem pluvial e as proporções de superfície impermeável.
Resultado: um único fator de tarifação por imóvel, armazenado em cache no Guidewire Integration Data Manager ou no framework External Data Call da Duck Creek, disponível em menos de 50 ms para cotação-emissão em linha.
O protocolo de um algoritmo de tarifação aprimorado por IA exige memorandos atuariais que demonstrem o ganho no índice de perdas por decil, rankings de importância das variáveis, backtesting fora da amostra contra eventos históricos e análise de impacto desproporcional na granularidade de setor censitário. Produzimos o pacote completo de protocolo para cada estado.
Mapeamos os requisitos de todos os 50 estados. O Colorado exige justificativa por variável. A Circular 2024-7 do DFS de Nova York exige testes de discriminação por proxy. A Califórnia exige aprovação prévia com documentação completa do modelo. O pacote de protocolo que produzimos é adaptado aos requisitos específicos de cada estado, não um modelo padronizado.
Quando um evento de enchente é acionado, ativamos o pipeline que transforma os dados SAR brutos da ICEYE em inteligência operacional de sinistros. Em poucas horas após a primeira passagem do satélite: o seu TIV em risco é calculado por tipo de cobertura, os reguladores são direcionados apenas a imóveis molhados confirmados por SAR, a severidade é estimada combinando a profundidade da enchente do SAR com a elevação do primeiro pavimento derivada por visão computacional, e sinistros de locais secos confirmados por SAR são sinalizados para a SIU.
O pipeline funciona como um serviço gerenciado durante os eventos. Entre os eventos, você paga apenas pela camada de monitoramento que vigia os gatilhos de agendamento de satélite. Melhoria típica na eficiência de mobilização de reguladores: 40 a 60% menos visitas de campo desperdiçadas.
Esta é a lacuna que a maioria dos fornecedores não percebe. A enchente pluvial (chuva que sobrecarrega os sistemas de drenagem) causa a maior parte das perdas seguradas por enchente, mas a maioria dos modelos comerciais foca em rios e maré costeira. Construímos modelos pluviais em nível de imóvel usando modelos digitais de elevação derivados de LiDAR com resolução de 1 metro, proporções de superfície impermeável estimadas por visão computacional por lote e dados de infraestrutura municipal de águas pluviais (diâmetro da tubulação, idade, capacidade de projeto).
O modelo responde a uma pergunta específica: para uma dada intensidade de chuva, qual a profundidade que a água atinge na porta da frente deste imóvel? A resposta depende da microtopografia num raio de 500 metros, não da zona da FEMA.
Com mais de 24 estados adotando o Boletim de Modelo de IA da NAIC, o teste independente de equidade da precificação orientada por IA deixou de ser opcional. Executamos análises de impacto desproporcional sobre as suas tarifas aprimoradas por IA em relação à demografia de setor censitário, identificamos quais variáveis de entrada carregam sinal demográfico (condição do telhado e superfície impermeável são as mais comuns) e determinamos se o poder preditivo é atuarialmente justificado independentemente da correlação.
A entrega é o pacote de documentação que satisfaz o padrão mais exigente (Circular 2024-7 do DFS de Nova York), o que significa que ele passa em todos os outros lugares. Isso se aplica quer você esteja usando o nosso motor de pontuação ou pontuações de terceiros da ZestyAI, Cape Analytics ou qualquer outro fornecedor.
Quatro fases. A Fase 1 é uma entrega autônoma. Se não encontrarmos vazamento acionável na sua carteira, você para por aí.
Analisamos a sua carteira atual em relação aos dados de risco de enchente em nível de imóvel. Para cada apólice, comparamos o prêmio que você cobra com a perda esperada estimada por IA. O resultado é um mapa de calor da precificação incorreta: quais geografias, quais tipos de construção, quais zonas da FEMA têm a maior diferença entre o que você arrecada e o que você paga.
Em uma carteira típica de P&C com US$ 200 milhões em prêmios emitidos, essa análise revela de US$ 2 a 5 milhões em vazamento anual por seleção adversa. Esse número, com detalhamento em nível de imóvel, é o seu argumento de negócio para as fases restantes.
Construímos o motor de pontuação multifonte ajustado à sua carteira específica. Isso significa selecionar e ponderar as fontes de dados que importam para as suas geografias, treinar os microsimuladores pluviais para os seus mercados-chave e construir a integração com o Guidewire ou o Duck Creek com a camada de cache de pré-pontuação.
Validamos o modelo em relação ao seu histórico de sinistros. O teste é simples: o ranking de risco do modelo prevê melhor quais apólices registraram sinistros de enchente nos últimos 5 anos do que o seu plano de tarifação atual?
Produzimos os pacotes de protocolo do DOI para os seus estados prioritários. Cada pacote inclui o memorando atuarial, o relatório de validação do modelo (backtesting contra eventos históricos, teste fora da amostra), a análise de impacto desproporcional e a documentação de explicabilidade mostrando como os fatores de tarifação do modelo se relacionam ao risco físico de enchente.
Os prazos de protocolo variam de estado para estado. Os estados de "protocolo e uso" (a maior parte do Sudeste) permitem que você implante imediatamente após o protocolo. Os estados de "aprovação prévia" (Califórnia, Nova York) exigem revisão do examinador antes da implantação, o que acrescenta de 60 a 120 dias.
Entrada em operação no primeiro ciclo de renovação com tarifas aprimoradas por IA. Monitoramos o desempenho do índice de perdas, a adequação do prêmio e a retenção de segurados. O primeiro ciclo de renovação é crítico: você verá algumas apólices não serem renovadas à medida que riscos precificados incorretamente recebem a precificação correta pela primeira vez. O objetivo é que o prêmio perdido com apólices de alto risco que saem seja mais do que compensado pela redução de sinistros.
Se você também estiver implantando o pipeline de triagem de sinistros por SAR, nós o ativamos em uma trilha paralela e realizamos um exercício de simulação contra um evento histórico da sua carteira antes da próxima temporada de furacões.
Responda 8 perguntas sobre as suas capacidades atuais de subscrição de enchente. Receba uma avaliação pontuada com lacunas específicas e próximos passos para a sua situação.
O desafio da integração tem menos a ver com a chamada de API e mais com a arquitetura de cache e fallback. Uma chamada de API bruta a um serviço de pontuação externo leva de 200 a 400 ms, o que consome a maior parte do seu orçamento de latência para uma cotação em linha. Construímos uma camada de pré-pontuação que processa em lote a sua carteira em vigor durante a noite em relação às imagens de satélite e aos feeds de inteligência de imóveis mais recentes, armazenando as pontuações no Integration Data Manager do Guidewire. Quando chega uma solicitação de cotação, o motor de tarifação puxa a pontuação em cache em menos de 50 ms.
Para novas propostas que ainda não estão no cache, usamos um padrão de enriquecimento assíncrono: a cotação prossegue com uma pontuação preliminar baseada na zona da FEMA disponível e nos dados de elevação, e então a pontuação completa de IA é preenchida em poucos minutos. A fila de encaminhamento captura quaisquer casos em que as pontuações preliminar e completa divergem significativamente.
Esse padrão mantém o seu fluxo de cotação-emissão em menos de 500 ms enquanto garante que toda apólice acabe recebendo a avaliação de risco multifonte completa. Para o Duck Creek, a arquitetura é semelhante, mas usa o framework External Data Call deles em vez do Integration Data Manager.
A pontuação Z-FLOOD da ZestyAI é forte para a vulnerabilidade estrutural em nível de imóvel, particularmente condição do telhado, materiais de construção e proximidade da água. Mas ela tem pontos cegos específicos que importam para enchentes. Primeiro, o Z-FLOOD não modela a capacidade municipal de drenagem. Dois imóveis com pontuações Z-FLOOD idênticas podem ter exposições muito diferentes a enchente pluvial dependendo de a rede de bueiros em sua microbacia ter sido projetada para um evento de 10 anos ou de 100 anos.
Segundo, a ZestyAI não incorpora monitoramento SAR em tempo real, então você obtém uma pontuação de risco estática, mas nenhum alerta de carteira acionado por eventos. Terceiro, e este é o problema do protocolo: quando você submete o Z-FLOOD como variável de tarifação a um DOI estadual, o examinador pede a importância subjacente das variáveis e o ganho no índice de perdas por decil. A ZestyAI fornece um cartão de modelo, mas em estados como Colorado e Nova York, os examinadores querem ver a análise rodada na sua carteira específica, não uma validação genérica de todo o setor.
Construímos o invólucro que combina a inteligência de imóveis da ZestyAI com o monitoramento SAR da ICEYE, a modelagem de drenagem pluvial e o seu próprio histórico de sinistros em uma pontuação composta. Então produzimos a documentação de protocolo do DOI mostrando como cada componente contribui para a precisão preditiva na sua carteira especificamente.
O Boletim de Modelo de IA da NAIC, agora adotado em mais de 24 estados, exige que as seguradoras demonstrem que a precificação orientada por IA não produz resultados injustamente discriminatórios. Para enchentes especificamente, o risco é que as avaliações de imóveis baseadas em visão computacional se correlacionem com a renda da vizinhança. Um imóvel em uma área de menor renda pode apresentar manutenção adiada, pontuações mais baixas de condição do telhado e mais superfície impermeável, todos legitimamente preditivos da severidade da perda por enchente, mas que também servem de proxy para características protegidas.
A análise começa com um teste de disparidade geográfica: mapeamos as suas tarifas aprimoradas por IA em relação à demografia de setor censitário (raça, renda, idade) e comparamos as distribuições de tarifas. Se o modelo de IA produz tarifas sistematicamente mais altas em setores de maioria de minorias após controlar pelo risco real de enchente, isso é um sinal de alerta. Em seguida, executamos uma análise de atribuição de variáveis usando valores SHAP para identificar quais variáveis de entrada impulsionam a disparidade. Frequentemente é uma única variável, como a pontuação de condição do telhado ou a proporção de superfície impermeável, que carrega a maior parte do sinal demográfico.
A solução não é remover a variável. É demonstrar que o poder preditivo da variável para a perda por enchente é atuarialmente justificado independentemente de sua correlação demográfica. Produzimos o pacote de documentação que mostra: aqui está a disparidade, aqui está por que ela é atuarialmente justificada, e aqui estão os controles que implementamos. A Circular 2024-7 do DFS de Nova York é o padrão mais exigente. Se a sua documentação passa em Nova York, ela passa em todos os lugares.
Quando um evento de enchente é acionado, a constelação da ICEYE começa a agendar satélites sobre a área afetada. Você recebe o primeiro mapa de extensão da enchente em 12 a 24 horas após o pico da inundação, entregue como shapefiles compatíveis com GIS com resolução de 30 metros. Extensões atualizadas chegam a cada 6 horas conforme ocorrem passagens adicionais de satélite.
O pipeline de triagem que construímos faz quatro coisas com esses dados. Primeiro, sobreposição da carteira: a pegada da enchente do SAR é cruzada com os endereços geocodificados dos seus segurados para calcular o Valor Total Segurável em risco, detalhado por tipo de cobertura e limite de apólice. A sua liderança de sinistros recebe esse relatório antes da primeira ligação de aviso de sinistro (FNOL). Segundo, direcionamento de reguladores: os reguladores de campo são despachados apenas para imóveis molhados confirmados por SAR, o que normalmente reduz em 40 a 60% as visitas de campo desperdiçadas. Terceiro, estimativa de severidade: combinando a profundidade da enchente derivada do SAR em cada imóvel com a elevação do primeiro pavimento estimada por visão computacional, calculamos a profundidade estimada de infiltração de água, que mapeia diretamente para as curvas de dano do modelo Hazus da FEMA.
Quarto, sinalização de fraude: qualquer aviso de sinistro (FNOL) de um imóvel que os dados SAR mostram estar seco durante o evento é encaminhado automaticamente para a SIU. O problema urbano da reflexão dupla nos dados SAR significa que você obtém falsos negativos em áreas urbanas densas, cerca de 15% dos imóveis. Lidamos com isso por meio de uma referência cruzada de satélite óptico quando a cobertura de nuvens se dissipa, tipicamente de 48 a 72 horas após o evento. O sistema funciona como um serviço gerenciado durante os eventos e fica inativo entre eles, então você não paga por infraestrutura ociosa.
A maioria dos modelos comerciais de enchente, incluindo as pontuações de fornecedores que você pode comprar hoje, é fundamentalmente retrospectiva. Eles treinam em dados históricos de perdas e observações de satélite, o que significa que modelam o clima que foi, não o clima que será. Para uma apólice de 1 ano, isso é aceitável. Para estratégia de carteira, adequação de reservas e negociações de tratados de resseguro, é uma lacuna real.
A resposta técnica são as redes neurais informadas por física. Em vez de treinar puramente em eventos de enchente históricos, uma PINN embute as equações de Saint-Venant (conservação de massa e momento para o escoamento de fluidos) diretamente na função de perda. Isso significa que o modelo não pode prever água surgindo sem uma fonte ou fluindo morro acima. Quando você o alimenta com um cenário de chuva sintético que excede qualquer coisa do registro histórico, as restrições físicas mantêm a saída fisicamente plausível.
A integração da Swiss Re dos dados da Fathom em conjuntos de eventos probabilísticos de 50.000 anos é o setor caminhando nessa direção. Construímos modelos substitutos em nível de imóvel que aproximam simulações hidrodinâmicas completas em milissegundos. Estes não estão prontos para produção em tarifação em tempo real hoje. Mas são essenciais para análise de cenários de catástrofe, teste de adequação de reservas e submissões de resseguro em que você precisa demonstrar a exposição da sua carteira a eventos que ainda não aconteceram. Nós os usamos junto com as pontuações de fornecedores: ZestyAI para o risco de hoje, modelos informados por física para o de amanhã.
Um projeto típico dura de 16 a 24 semanas ao longo de quatro fases. A Fase 1 (3-4 semanas) é o diagnóstico de carteira: analisamos a sua carteira atual, identificamos onde a sua precificação se desvia do risco em nível de imóvel e quantificamos a exposição à seleção adversa. Essa fase normalmente revela de US$ 2 a 5 milhões em vazamento anual em uma carteira de US$ 200 milhões em prêmios emitidos, o que financia o restante do projeto.
A Fase 2 (6-8 semanas) é o desenvolvimento do modelo: construir o motor de pontuação multifonte, os microsimuladores pluviais para as suas geografias-chave e a integração com o Guidewire/Duck Creek. A Fase 3 (4-6 semanas) é a preparação regulatória: análise de impacto desproporcional, memorandos atuariais e pacotes de protocolo do DOI para os seus estados prioritários. A Fase 4 (3-6 semanas) é a implantação em produção e o primeiro ciclo de renovação com tarifas aprimoradas por IA.
O orçamento depende do escopo. Um projeto focado cobrindo um estado e um risco (enchente privada na Flórida, por exemplo) custa de US$ 350 mil a US$ 500 mil. Um programa multiestadual e multi-risco cobrindo enchente, vento e incêndio florestal com suporte completo de protocolo do DOI custa de US$ 800 mil a US$ 1,5 milhão. Para MGAs, os números costumam ser mais baixos porque a carteira é menor e você protocola em menos estados. Estruturamos os projetos de modo que a Fase 1 seja uma entrega autônoma. Se o diagnóstico de carteira não encontrar vazamento acionável, você para por aí.
Os fundamentos técnicos por trás desta página de solução.
Arquitetura técnica para extração de FFE baseada em visão computacional, pipelines de monitoramento de enchente por SAR e redes neurais informadas por física para simulação hidrodinâmica na subscrição de seguros.
O diagnóstico de carteira leva de 3 a 4 semanas e se paga ao identificar os imóveis na Zona X precificados incorretamente que se escondem na sua carteira.
O diagnóstico de carteira leva de 3 a 4 semanas. Se não encontrarmos vazamento acionável, você para por aí. Se encontrarmos, o argumento de negócio para a pontuação por IA em nível de imóvel se escreve sozinho.