“Lego em vez de aço”: IA modular para mediadores

Os mediadores de seguros em Portugal continuam a perder entre 30% a 40% do seu tempo em tarefas de backoffice. Cálculos, reenvio de propostas, reconciliações, extração de dados de portais. Horas que não geram prémios nem reforçam a relação com o cliente.

A metáfora da Frank — “lego em vez de aço” — acerta em cheio neste problema. Em vez de sistemas rígidos, difíceis de adaptar e caríssimos de mexer, a proposta é simples: blocos tecnológicos modulares, baseados em inteligência artificial (IA), que se encaixam nas ferramentas que o mediador e a seguradora já usam.

Este movimento não interessa só às seguradoras e mediadores. É um sinal claro de para onde caminha também a IA no setor bancário português: arquiteturas abertas, APIs, assistentes inteligentes que se plugam em core banking, ERPs e CRMs. A lógica é a mesma – seja para scoring de crédito, deteção de fraude ou gestão de carteiras de seguros.

Neste artigo, uso o caso da insurtech portuguesa Frank para mostrar como esta visão “lego” está a transformar a mediação de seguros – e o que bancos e outras instituições financeiras podem aprender daqui para acelerar a sua própria transformação digital com IA.

O que significa “lego em vez de aço” na prática

“Lego em vez de aço” é uma forma muito concreta de descrever uma mudança arquitetural: do software monolítico para uma plataforma modular, apoiada em IA e APIs.

Do software rígido ao ecossistema modular

Os sistemas tradicionais na mediação de seguros — tal como nos bancos — foram construídos como “aço”:

• pesados de configurar
• difíceis de integrar
• caros de atualizar
• totalmente dependentes do fornecedor

O resultado é conhecido por todos:

• processos duplicados entre ERP, portal da seguradora e folhas de Excel
• muita intervenção manual em tarefas repetitivas
• dificuldade em testar novos produtos ou canais digitais

A abordagem da Frank é o oposto:

• blocos funcionais (extração de dados, geração de propostas, reconciliação, análise de carteira)
• conectados por API às aplicações que o mediador já usa (como o ERP da Libax)
• com uma camada de assistente de IA que interpreta pedidos em linguagem natural e executa tarefas

Em vez de substituir tudo, a plataforma encaixa-se

como peças de lego sobre o “aço” existente.

Porque é que isto interessa ao setor bancário

Bancos portugueses estão exatamente com o mesmo dilema:

• core banking envelhecido, crítico e difícil de mexer
• pressão regulatória (compliance, reporte) a aumentar
• clientes a pedir experiências digitais rápidas e personalizadas

A solução vencedora não vai ser “deitar fora o core”, mas acrescentar camadas modulares de IA por cima:

• motores de scoring de crédito que consomem dados via API
• sistemas de deteção de fraude plugados à camada de transações
• assistentes virtuais para equipas internas (gestores de conta, risco, compliance)

O que a Frank está a fazer na mediação de seguros é, na prática, o mesmo padrão arquitetural que os bancos precisam de adotar.

Como a Frank está a mudar o dia a dia dos mediadores

A Frank não se limitou a lançar software. A equipa, liderada por António Castro, anda literalmente a percorrer o país — Leiria, Guimarães, Lisboa, agora Porto e Aveiro — para falar com mediadores em pequenos-almoços e lanches de trabalho.

O objetivo é direto: mostrar que os agentes não precisam de gastar horas preciosas em tarefas de backoffice repetitivas e recolher feedback real para evoluir o produto.

O que a tecnologia faz hoje

Com base na integração com o ERP da Libax e parcerias com a Lluni e a Gemese, a Frank permite, entre outras coisas:

• Automatizar tarefas rotineiras

  • lançamento e atualização de apólices
  • reconciliação de comissões e prémios
  • envio de notificações e lembretes a clientes

• Personalizar processos por mediador ou equipa

  • fluxos diferentes para seguros de vida, auto ou empresas
  • regras específicas de validação e aprovação

• Consultar dados de carteira em tempo real

  • prémios por seguradora, ramo ou região
  • apólices próximas de renovação
  • análise de cancelamentos e produção por produtor

Tudo isto é orquestrado por um assistente de inteligência artificial, acessível em interface simples: o mediador pede, em linguagem natural, e a IA executa, consulta ou prepara o trabalho.

O impacto direto para um mediador típico

Se quisermos traduzir isto para o dia a dia, o ganho está em três frentes:

1. Tempo libertado para o cliente
   Menos tempo a reconciliar dados, mais tempo a:

   • visitar empresas
   • redesenhar programas de seguros
   • fazer cross-sell e up-sell inteligente

2. Redução de erros manuais
   Cada dado copiado à mão entre sistemas é um risco. Com a automação:

   • menos erros de apólice
   • menos retrabalho com seguradoras
   • menos conflitos com clientes por dados incorretos

3. Visão de gestão em tempo real
   Em vez de relatórios mensais em Excel, o mediador passa a ter:

   • dashboards atualizados
   • alertas proativos (ex.: clientes de maior valor a 30 dias da renovação)
   • capacidade de ajustar a estratégia comercial semana a semana

Este tipo de ganhos é exatamente o que bancos e instituições financeiras procuram quando falamos de IA para scoring, fraude ou compliance:

• menos trabalho manual
• menos erro humano
• decisões mais rápidas e mais informadas

Lições para bancos portugueses: IA como camada, não como substituição

O caso Frank é um bom “manual de instruções” para bancos que querem usar IA sem entrar em projetos gigantes que nunca acabam.

1. Começar pelas tarefas repetitivas e de baixo risco

A Frank ataca primeiro o backoffice repetitivo, não o under­writing mais sensível. No setor bancário, faz sentido copiar esta lógica:

• automatizar reconciliações simples
• preparar dossiês de crédito a partir de dados dispersos
• gerar relatórios regulatórios a partir de várias fontes

Só depois avançar para áreas mais críticas como decisão automatizada de crédito ou bloqueios automáticos por suspeita de fraude.

2. Usar APIs para ligar IA ao core existente

A parceria Frank–Libax é um bom exemplo: via API, o assistente de IA acede ao ERP, sem o substituir.

Nos bancos, a estratégia vencedora passa por:

• expor serviços do core banking via API interna
• ligar motores de IA (fraude, scoring, recomendação) a estes serviços
• manter o core estável, mas complementar com inteligência em volta

É a mesma lógica tanto para mediação de seguros como para serviços bancários digitais.

3. Co-criar com quem está na linha da frente

A Frank está a ir falar com mediadores em pequenos grupos, antes de massificar funcionalidades. Isto evita construir IA “de laboratório”, desligada da realidade.

No contexto bancário, isto traduz-se em:

• sessões de co-criação com gestores de conta, risco e compliance
• pilotos controlados em algumas agências ou segmentos
• ciclos curtos de feedback para ajustar modelos e fluxos

A IA só cria valor quando encaixa nos fluxos reais de trabalho das equipas.

Onde IA, seguros e banca se encontram: dados e confiança

Mediação de seguros e banca partilham dois ativos críticos:

1. Dados sensíveis e regulados
2. Relação de confiança de longo prazo com o cliente

É aqui que a abordagem “lego em vez de aço” faz a diferença.

Governar bem os dados desde o início

Automatizar processos com IA em mediação de seguros obriga a:

• definir claramente que dados entram em cada processo
• controlar quem pode ver o quê
• registar audit trails de decisões sugeridas pela IA

Na banca, este rigor é ainda mais exigente — entre RGPD, Banco de Portugal e supervisão europeia. A vantagem de usar componentes modulares é que cada bloco:

• tem um âmbito de dados bem definido
• pode ser auditado de forma isolada
• é substituível se houver mudança regulatória

Proteger a relação de confiança com o cliente

Tanto mediadores como bancos vivem da mesma coisa: confiança. Se a IA for usada de forma opaca, essa confiança quebra.

O que considero uma boa prática, e que o exemplo Frank também permite, é:

• usar IA para preparar propostas, mas deixar a decisão final no humano
• explicar ao cliente, em linguagem clara, como é que os dados são usados
• registar o racional das recomendações automáticas

Aplicado ao setor bancário português, isto significa scoring de crédito explicável, deteção de fraude com alertas compreensíveis e aconselhamento automatizado que o gestor consegue justificar perante o cliente.

Como avançar: um roteiro prático para seguradoras e bancos

Quer esteja numa seguradora, num mediador ou num banco, a rota é semelhante. Um roteiro realista para 2026 pode passar por:

1. Mapear tarefas repetitivas
   Levantar tudo o que ocupa tempo a equipas internas e não acrescenta valor direto ao cliente.

2. Escolher uma área-piloto
   Por exemplo:

   • mediadores: renovações de carteira
   • seguradoras: gestão de sinistros de baixo valor
   • bancos: análise preliminar de pedidos de crédito pessoal

3. Definir blocos “lego” de IA
   Identificar 2 ou 3 blocos modulares, como:

   • extração automática de dados de documentos
   • categorização inteligente de pedidos
   • geração automática de relatórios

4. Integrar via API, sem mexer no core
   Conectar estes blocos aos sistemas existentes, tal como a Frank fez com o ERP da Libax.

5. Medir e comunicar resultados
   Focar em métricas simples:

   • horas de backoffice poupadas
   • redução de erros
   • tempo médio de resposta ao cliente

6. Escalar e sofisticar os casos de uso
   Só depois de provar valor nos básicos é que vale a pena avançar para:

   • scoring de crédito avançado
   • modelos de churn
   • motores de recomendação de produtos financeiros

A lógica mantém-se: começar pequeno, modular, ligado ao negócio real.

Fechando o círculo: o que a insurtech Frank nos diz sobre o futuro da IA financeira

O tour da Frank por Leiria, Guimarães, Lisboa, Porto e Aveiro é mais do que uma campanha comercial. É o retrato de um setor — seguros — a mexer-se de forma pragmática para tirar a IA do discurso e pô-la no teclado dos mediadores.

Para quem trabalha em bancos portugueses ou noutras instituições financeiras, a mensagem é clara:

A inovação com IA não vem de substituir tudo por um sistema novo. Vem de montar um ecossistema de blocos inteligentes sobre o que já existe.

No âmbito desta série sobre IA no Setor Bancário Português: Inovação Financeira, o caso Frank funciona quase como um espelho:

• mostra que há valor imediato em atacar o backoffice
• prova que integrações via API são viáveis com fornecedores locais
• confirma que equipas no terreno estão disponíveis para adotar IA quando ela resolve problemas concretos

A pergunta, para 2026, não é se bancos e seguradoras vão usar IA. A pergunta é: vão construí‑la em aço, ou em lego?