
Evoluindo o ciclo de vida de desenvolvimento de software em escala empresarial
Marvik está ajudando uma seguradora Fortune 100 a evoluir a forma como agentes de IA são projetados, construídos e avaliados, introduzindo práticas de desenvolvimento nativas em IA que conectam o conhecimento de processos de negócios, bases de engenharia reutilizáveis e o desempenho mensurável dos agentes.
A iniciativa apoia uma operação corporativa de sinistros que processa cerca de 500.000 sinistros anualmente.
Sobre o cliente
Uma empresa de seguros Fortune 100 está introduzindo agentes de IA em operações de sinistros por invalidez, um ambiente altamente regulamentado e regido por normas federais, estaduais e específicas de clientes.
O programa visa automatizar fluxos de trabalho complexos, mantendo a precisão, a conformidade, a rastreabilidade e a supervisão humana.
Conectando o desenvolvimento de agentes de IA aos resultados de negócios
Desenvolver agentes de IA para operações complexas de sinistros exige mais do que apenas gerar código. As equipes precisam identificar onde a IA pode gerar impacto nos negócios, traduzir o conhecimento operacional em requisitos claros, integrar-se a sistemas legados e validar o comportamento do agente em cenários reais de negócios. Durante todo o desenvolvimento, elas também precisam avaliar se as soluções estão melhorando os processos de negócios subjacentes.
O programa enfrentou três desafios principais:
- Conhecimento de negócios fragmentado: Regras, decisões e exceções críticas estavam distribuídas entre documentos, sistemas e especialistas experientes em sinistros.
- Visibilidade limitada sobre o desempenho do agente e o impacto nos negócios: As equipes precisavam de melhores maneiras de avaliar se os agentes estavam executando os processos de negócios corretamente e entregando resultados de negócios significativos.
- Integração de agentes de IA em sistemas existentes: Sistemas legados e fluxos de trabalho operacionais estabelecidos tornaram desafiador integrar e testar agentes de IA sem interromper as operações de sinistros em tempo real.
O desafio era estabelecer um ciclo de vida de desenvolvimento que conectasse os requisitos de negócios, a implementação do agente e os resultados mensuráveis.
Trazendo práticas nativas em IA para o desenvolvimento de agentes corporativos
A Marvik combinou sua experiência em engenharia de IA e desenvolvimento de software com a compreensão das operações do cliente para evoluir a forma como os agentes são projetados, construídos e avaliados.
- Conectando processos de negócios ao desenvolvimento
- Trabalhando com especialistas em sinistros, a Marvik ajudou a traduzir o conhecimento operacional em Procedimentos Operacionais Padrão (POPs) estruturados, capturando as regras, decisões e exceções que definem como os sinistros devem ser processados.
- Esses POPs fornecem uma base para os requisitos técnicos e para avaliar se os agentes se comportam conforme o esperado pelo negócio.
- Estabelecendo práticas de engenharia reutilizáveis
- A Marvik ajudou a reestruturar o fluxo de trabalho de desenvolvimento para incorporar práticas nativas em IA, conectando requisitos, especificações assistidas por IA, desenvolvimento, avaliação e revisão em um processo mais contínuo.
- Como parte dessa mudança, a Marvik introduziu estruturas de codificação agentiva para orientar o desenvolvimento assistido por IA, fornecendo instruções compartilhadas, contexto de negócios e diretrizes de engenharia para que os agentes de codificação de IA possam produzir implementações mais consistentes.
- Juntas, essas práticas estabelecem uma base reutilizável para um desenvolvimento mais rápido e consistente, ajudando as equipes a aplicar restrições técnicas e de negócios durante todo o processo e a levar as práticas de engenharia estabelecidas para projetos futuros.
- Integrando a avaliação ao desenvolvimento
- A Marvik introduziu o teste em modo sombra, permitindo que agentes de IA operem paralelamente aos processos de sinistros existentes e comparem seus resultados com as decisões humanas sem afetar as operações em tempo real.
- A implementação dessa abordagem exigiu lidar com a complexidade da integração com sistemas legados que não foram projetados para suportar testes sem acionar ações reais.
- Além do modo sombra, a Marvik estabeleceu uma estrutura de avaliação usando conjuntos de dados de referência (golden datasets) criados a partir de dados históricos de sinistros e definiu critérios de desempenho para avaliar o comportamento do agente em relação aos resultados esperados.
- Essa abordagem permite que as equipes testem o comportamento do agente em cenários do mundo real, identifiquem discrepâncias e refinem o desempenho antes de introduzir a automação nas operações de sinistros em tempo real.
- A Marvik introduziu o teste em modo sombra, permitindo que agentes de IA operem paralelamente aos processos de sinistros existentes e comparem seus resultados com as decisões humanas sem afetar as operações em tempo real.
Resultados e Impacto
O trabalho está estabelecendo uma abordagem mais mensurável e repetível para o desenvolvimento de agentes de IA corporativos.
Desenvolvimento alinhado aos negócios
O conhecimento estruturado dos processos de negócios proporciona uma conexão mais clara entre os requisitos operacionais, a implementação do agente e a avaliação.
Práticas de engenharia consistentes
Convenções de desenvolvimento reutilizáveis, conhecimento de domínio e diretrizes de segurança apoiam uma implementação mais padronizada em toda a equipe.
Um roteiro para escalar o programa
A Marvik ajudou a definir o roteiro do programa, identificando prioridades e oportunidades de desenvolvimento para acelerar a iniciativa de automação de sinistros.
Visibilidade do impacto nos negócios
A Marvik introduziu uma camada de observabilidade para rastrear o desempenho do agente e as métricas de impacto nos negócios, ajudando as equipes a entender o que está funcionando, identificar oportunidades de melhoria e priorizar os próximos passos.
O desenvolvimento nativo em IA vai além da geração de código mais rápida
Em ambientes corporativos complexos, a parte mais difícil de construir agentes de IA geralmente não é escrever o código. É traduzir o conhecimento de negócios em um comportamento confiável, testar esse comportamento em cenários reais e saber quando um agente está pronto para assumir mais responsabilidades.
Para operações de sinistros, onde as decisões devem ser precisas, explicáveis e compatíveis com as normas, essas etapas são essenciais para passar de protótipos promissores para sistemas que possam sustentar as operações do dia a dia.

