Análise de imagens no sinistro: o que a IA realmente vê

Toda semana, algum gerente de antifraude me conta a mesma história com variações mínimas. O sinistro parecia limpo. As fotos estavam lá. O regulador assinou. O pagamento saiu. Semanas depois, um cruzamento de dados mostrou que aquele veículo já tinha aparecido em outro sinistro com dano idêntico, em outra seguradora, seis meses antes. A foto era a mesma. Literalmente a mesma imagem, reutilizada.

Isso não é exceção. É rotina em qualquer operação que ainda trata a foto de sinistro como mera formalidade documental, e não como fonte de inteligência. A pergunta que quero responder aqui é direta: o que a análise de imagens aplicada a sinistros realmente consegue enxergar, e o que ela ainda não consegue sozinha?

O que a foto de sinistro carrega além do dano visível

A maioria das operações ainda usa a imagem de sinistro como registro passivo. O regulador olha, confirma que há dano, assina o laudo. Essa abordagem trata a foto como prova de algo que já aconteceu, quando ela é, na prática, uma fonte ativa de dados que poucos exploram até o limite.

Uma imagem de sinistro carrega pelo menos três camadas de informação que vão além do dano aparente.

Metadados de captura: quando e onde a foto foi tirada

Todo arquivo de imagem moderno embute metadados EXIF: data, hora, coordenadas de GPS, modelo do dispositivo que capturou. Quando esses dados estão presentes, é possível cruzar automaticamente se a foto foi tirada no local declarado do sinistro, se o horário bate com o registro de ocorrência, se o dispositivo coincide com o do segurado cadastrado.

Quando os metadados estão ausentes ou manipulados, isso por si só já é sinal de alerta. Imagem sem metadados em 2026 não é coincidência; é escolha.

Consistência física do dano na imagem

Um motor treinado em análise de avarias consegue identificar padrões que escapam ao olho humano cansado de uma fila de 80 sinistros no dia. A direção do impacto, a deformação esperada para determinada velocidade, a ausência de marcas de a