Uma abordagem prática para relatórios de Solvência II ponta a ponta no Databricks

O relatório do Solvência II não é apenas um envio regulatório. É um processo de negócios que conecta dados, modelos, controles, aprovações e narrativas em toda a seguradora.

O Solvência II é a estrutura regulatória baseada em risco da EU para capital, governança e divulgação de seguros (mantida no UK como Solvency UK). Ele exige que as seguradoras avaliem e comuniquem sua posição financeira por meio de dados, modelos, controles, aprovações, a avaliação própria de risco e solvência (ORSA) e divulgação regulatória para demonstrar que podem cumprir as obrigações com os segurados.

Na prática, o relatório do Solvência II é um processo de negócios de ponta a ponta que conecta a ingestão de dados, provisionamento atuarial, cálculo de capital, modelos de relatórios quantitativos (QRTs), o ORSA, aprovações de governança e divulgação, tudo sob prazos regulatórios rígidos.

O desafio é que o processo geralmente é distribuído por muitos sistemas, equipes, fontes de dados e locais. Quando essas partes estão apenas vagamente conectadas, torna-se difícil manter uma visão governada do ciclo de relatórios ou responder a uma pergunta de negócios que o atravesse.

Uma demonstração da Databricks, apresentada por Laurence Ryszka, Arquiteto de Soluções Sênior de Seguros da Databricks, ilustra como esse processo pode ser quando implementado de ponta a ponta: desde a ingestão e provisionamento até o cálculo de capital, relatórios, governança e divulgação.

Por que o relatório do Solvência II é difícil de operar

Muitas implementações do Solvência II foram montadas ao longo do tempo. Equipes diferentes gerenciam partes diferentes do processo, os dados chegam em velocidades diferentes e as atividades de relatório podem ser distribuídas por vários sistemas e locais de dados. Uma pessoa que supervisiona o processo pode ter a responsabilidade pelo envio final sem ter uma visão conectada de tudo o que acontece por trás dele.

Essa fragmentação cria problemas específicos e recorrentes:

• Um feed de dados chega atrasado e exige acompanhamento manual para identificar o proprietário e avaliar o impacto
• Uma regra de qualidade de dados falha e as linhas afetadas precisam de uma decisão de tratamento antes que o fluxo de trabalho possa prosseguir
• Dois QRTs podem não se reconciliar
• A aprovação de um modelo pode bloquear um fluxo de trabalho automatizado
• A liderança faz uma pergunta sobre um cenário, por exemplo, o que acontece com o índice de solvência se a seguradora duplicar sua carteira de riscos cibernéticos nos próximos 12 meses, e a resposta exige que dados, modelos, cálculos de capital e saídas de relatórios funcionem juntos.

Cada problema atrai as equipes para investigações e coordenações separadas entre ferramentas. O envio é feito, mas o processo consome um esforço significativo e continua difícil de monitorar.

Como a Databricks apoia o relatório do Solvência II de ponta a ponta

A Databricks oferece uma única plataforma onde todo o ciclo de relatórios do Solvência II pode ser implementado como um único fluxo de trabalho governado. A abordagem abrange ingestão de dados, verificações de qualidade, provisionamento atuarial, cálculo de capital, produção de QRT, elaboração do ORSA, governança e divulgação.

Esta não é uma proposta de exclusão mútua. A maioria das seguradoras executa pacotes estabelecidos de modelagem atuarial e de capital, e esses sistemas permanecem ativos. A Databricks atua como a camada governada de dados, orquestração e relatórios ao redor deles: preparando suas entradas, consumindo suas saídas e conectando ambas em um único processo monitorado.

As seções a seguir descrevem como cada parte desse fluxo de trabalho opera.

Uma visão de controle única para o ciclo de relatórios

No centro do fluxo de trabalho está uma torre de controle. Ela fornece um local único para monitorar o índice de solvência atual, a prontidão para o prazo de relatório, aprovações, feeds atrasados e pendências. As alterações no índice também podem ser rotuladas com o evento associado à mudança, ajudando os usuários a entender o que mudou, em vez de simplesmente ver que o número se moveu.

Essa visualização muda o modelo operacional de buscar atualizações entre equipes para trabalhar a partir de uma imagem compartilhada do processo. Um feed atrasado pode ser vinculado ao seu proprietário. Um bloqueador de aprovação pode ser exibido ao lado do fluxo de trabalho que ele afeta. Um problema de relatório pode ser investigado no mesmo local onde a prontidão geral é monitorada.

Verificações automatizadas de ingestão e controles de qualidade de dados

A ingestão no fluxo de trabalho é automatizada. Os dados são extraídos à medida que ficam disponíveis e verificados imediatamente.

As primeiras verificações abrangem sinais operacionais básicos, como atualização, integridade e propriedade. A atualização mostra se um feed chegou quando esperado. A integridade verifica se os registros e campos esperados estão presentes, com volumes verificados em relação aos uploads anteriores. A propriedade deixa claro quem é o responsável por uma fonte quando um acompanhamento é necessário.

As regras de qualidade de dados fornecem outra linha de defesa. As verificações são personalizáveis, e uma regra com falha pode ser exibida para revisão. As equipes podem então decidir como lidar com as linhas afetadas — por exemplo, se devem aceitá-las, descartá-las ou colocá-las em quarentena — com base em limites que se adaptem ao seu processo.

O fluxo de trabalho também oferece suporte à reconciliação entre QRTs. Na demonstração, um agente de AI analisa uma divergência entre dois modelos e a rastreia até fatores obsoletos de desenvolvimento de propriedades que fluem do feed de provisionamento para o cálculo de capital. Em seguida, ele fornece um caminho de correção. O ponto importante não é que um agente substitua a revisão; mas sim que o agente pode se concentrar em um problema específico e oferecer ao revisor uma segunda opinião útil.

Gerenciamento de modelos, aprovações e trilhas de auditoria

O relatório do Solvência II depende de mais do que a movimentação de dados. Ele também depende de modelos, aprovações e evidências de que o processo foi concluído corretamente.

A demonstração inclui modelos de provisionamento gerenciados no Databricks com o MLflow. Ela também mostra como pacotes estabelecidos de modelagem atuarial e de capital — como Prophet, RAFM ou Igloo — podem ser orquestrados no mesmo fluxo de trabalho: o Databricks prepara os dados que esses mecanismos consomem, ingere e governa suas saídas e leva os resultados até o relatório. Os mecanismos de modelagem permanecem onde estão; o fluxo de trabalho ao redor deles torna-se conectado e monitorado. Quando um novo modelo de provisionamento ou calibração está pendente de aprovação, o fluxo de trabalho exibe o bloqueador e a ação necessária para avançar.

Governança de eventos são registrados em todo o processo, incluindo promoções, aprovações e atividades relacionadas a relatórios. A trilha de auditoria oferece aos usuários uma visão do que aconteceu, o que está pendente e quais fluxos de trabalho exigem atenção.

A demonstração também inclui governança de AI. Os agentes têm escopos limitados e acesso aos dados relevantes para suas tarefas. Suas atividades são registradas, incluindo o que usam e criam. Os agentes fornecem recomendações; eles não tomam decisões em nome do revisor.

Um agente de orquestração de AI pode direcionar uma pergunta mais ampla entre os agentes relevantes. For exemplo, uma pergunta sobre o que está pendente para o fechamento de um trimestre pode ser direcionada aos agentes que possuem as informações relevantes. O Genie, a interface de linguagem natural da Databricks para consulta de dados, também pode ser usado para fazer perguntas diretamente às tabelas subjacentes.

Elaboração do ORSA e análise de cenários

O fluxo de trabalho de relatórios também pode apoiar a análise narrativa e de cenários.

O ORSA é diferente de um QRT numérico. É um processo contínuo no qual uma seguradora avalia suas necessidades gerais de solvência e perfil de risco, e sua saída é um relatório narrativo que normalmente exige uma contribuição significativa das equipes atuarial e de risco. Na demonstração, um grande modelo de linguagem (LLM) gera um rascunho do relatório do ORSA com base nos números atuais, oferecendo à equipe um ponto de partida que é então revisado e contestado por essas equipes. O fluxo de trabalho também inclui testes de estresse e de cenários.

O exemplo da carteira de riscos cibernéticos mostra como isso pode apoiar uma pergunta prática de negócios. O cenário executa uma projeção no Databricks e retorna uma resposta sobre o que poderia acontecer se a carteira de riscos cibernéticos duplicasse nos próximos 12 meses. Um segundo agente de AI atua como um revisor de capital divergente, projetado para oferecer uma visão alternativa do resultado e destacar desafios que podem não ser visíveis apenas pelo índice de solvência.

Esta é a diferença entre dados de relatórios e um processo de relatórios operacionais. O mesmo fluxo de trabalho governado que produz as saídas de envio também pode ajudar as equipes a explorar o que essas saídas significam sob um cenário diferente.

O que muda com uma abordagem de ponta a ponta

Uma implementação de ponta a ponta não elimina a necessidade de especialização regulatória, revisão atuarial ou propriedade de negócios. Ela oferece a essas equipes uma maneira mais conectada de trabalhar.

Com uma única visão de controle, as equipes podem ver o status do processo, incluindo feeds atrasados, problemas de qualidade de dados, aprovações e impedimentos. Com verificações automatizadas e suporte à reconciliação, elas podem passar mais rapidamente de um alerta para uma explicação. Com governança e trilhas de auditoria, elas mantêm a visibilidade das ações e recomendações que moldaram o processo.

O resultado é um fluxo de trabalho mais fácil de monitorar e investigar, além de dar suporte a perguntas que vão além do envio em si. Em vez de tratar o Solvência II como uma coleção de tarefas desconectadas, as seguradoras podem gerenciá-lo como um único processo de negócios governado.

Da obrigação de relatórios ao suporte a decisões de negócios

O Solvência II reúne dados, modelos, controles, aprovações e divulgação. Quando esses elementos estão fragmentados, até mesmo uma pergunta simples, como o impacto de duplicar uma carteira de seguros cibernéticos (o portfólio de seguros cibernéticos de uma seguradora), pode exigir uma coordenação complexa.

Um fluxo de trabalho conectado no Databricks pode reunir essas atividades em um único processo: verificações automatizadas de ingestão, uma visão de controle para prontidão e impedimentos, aprovações governadas, trilhas de auditoria e revisão assistida por AI. Isso não substitui a experiência regulatória ou atuarial. Em vez disso, oferece a essas equipes uma visão mais clara do processo e uma base mais sólida para explorar cenários de negócios.

Assista à demonstração completa e à análise aprofundada de especialistas do nosso Insurance Virtual Industry Forum – Dos dados às decisões: como as principais seguradoras estão escalando a AI em toda a cadeia de valor.

Perguntas frequentes

O que é o relatório do Solvência II?

O relatório do Solvência II é o processo pelo qual as seguradoras demonstram aos reguladores que possuem capital suficiente e gerenciam os riscos de forma adequada. Ele abrange envios quantitativos (QRTs), o ORSA e a divulgação pública, com o suporte de dados, modelos e aprovações governados.

O que o relatório ponta a ponta do Solvência II inclui?

O relatório ponta a ponta do Solvência II conecta a ingestão de dados, verificações de qualidade, provisionamento, cálculo de capital, QRTs, o ORSA, governança, aprovações e divulgação para que as seguradoras possam monitorar a prontidão e investigar problemas.

Como o Databricks pode apoiar o relatório do Solvência II?

O Databricks oferece uma plataforma unificada para todo o ciclo de relatórios do Solvência II. O Databricks pode fornecer uma visão de controle governada para índices de solvência, feeds atrasados, problemas de qualidade de dados, aprovações, prazos, fluxos de trabalho de modelo e trilhas de auditoria.

Como a AI pode ajudar no relatório do Solvência II?

A AI pode identificar problemas de reconciliação, sugerir correções, elaborar rascunhos do conteúdo do relatório ORSA e responder a perguntas sobre os dados do relatório. Os revisores atuariais, regulatórios e de negócios continuam responsáveis pelas decisões e aprovações.

Os dados do Solvência II podem apoiar a análise de cenários?

Sim. As seguradoras podem usar dados de relatórios e cálculos de capital para avaliar cenários, como a duplicação de uma carteira de seguros cibernéticos, e analisar os impactos potenciais no índice de solvência dentro de um processo governado.

O Databricks substitui sistemas de modelagem atuarial como Prophet, RAFM ou Igloo?

Não, o Databricks não substitui o Prophet, o RAFM ou o Igloo. O Databricks orquestra as suítes de modelagem atuarial e de capital existentes em vez de substituí-las. Ele prepara os dados que esses motores utilizam, consome e governa suas saídas e os conecta em um único fluxo de trabalho de relatórios ponta a ponta com controles, aprovações e trilhas de auditoria compartilhados.

O que é um QRT no Solvência II?

Um QRT, ou modelo quantitativo de relatório, é um formulário de dados padronizado que as seguradoras enviam aos reguladores sob o Solvência II. Os QRTs cobrem balanço patrimonial, capital, prêmios, sinistros e outros dados financeiros. A reconciliação entre QRTs é uma fonte comum de problemas de relatórios; o fluxo de trabalho do Databricks oferece suporte a verificações automatizadas de reconciliação e revisão assistida por AI de divergências.

O que é o ORSA no Solvência II?

O ORSA, ou autoavaliação de risco e solvência, é um processo contínuo exigido pelo Solvência II no qual as seguradoras avaliam suas necessidades gerais de solvência, perfil de risco e conformidade com os requisitos de capital. Seu resultado é um relatório descritivo, diferente dos QRTs numéricos, que normalmente exige uma contribuição atuarial e de risco significativa. O Databricks oferece suporte à elaboração do ORSA com um LLM que gera um rascunho inicial com base nos dados de relatórios atuais, para revisão por essas equipes.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original