Caso de estudio · Product/UX Design · 2022–2023
Inteligencia en Reembolsos
Una solución de IA y Machine Learning integrada al ecosistema de SulAmérica para detectar, analizar y prevenir fraudes en reembolsos de salud en tiempo real.
- Cliente
- Neurotech | Trillia [B3] · SulAmérica
- Rol
- UX/Product Designer
- Período
- 1 año
R$ 30 MM
de ahorro directo en 6 meses de producción
6 meses
hasta que el resultado apareció en producción
↓ Falsos+
reducción drástica de falsas alarmas en el triaje
- 01
Contexto y desafío
Los fraudes y solicitudes irregulares de reembolso generan riesgos financieros enormes para las aseguradoras. Mapeamos el ecosistema actual (as-is) y diseñamos un flujo futuro optimizado (to-be) para orquestar la detección automatizada de fraudes de punta a punta.
- Mapa del journey actual
- Mapa del journey futuro
- Criterios de éxito con el cliente
Mapeo de journey — escenario actual y futuro - 02
Mapeo del ecosistema: métricas, variables y reglas
Mapeé el journey operativo para identificar cuellos de botella, establecer criterios de éxito y aislar las variables determinantes de los modelos predictivos. Esta etapa definió las reglas de prioridad del sistema y estructuró la arquitectura de información de los paneles analíticos.
- Solución A — Score de fraude y desvío
- Solución B — Análisis de prestadores
- Solución C — Inteligencia de imagen
Mapeando métricas, variables y reglas de negocio (Soluciones A, B y C) - 03
Priorización de datos: esfuerzo × impacto
Cada indicador candidato fue evaluado con ingenieros y científicos de datos según esfuerzo de desarrollo e impacto en el negocio, generando un backlog analítico defendible — del ranking de prestadores ofensores a la detección de siniestros prematuros en empresas recién acreditadas.
Priorización de indicadores — matriz esfuerzo × impacto - 04
Alcance estratégico: historias de usuario y mapeo de datos
Traduje los indicadores priorizados en historias de usuario conectadas a las fuentes de datos disponibles, garantizando que cada pantalla naciera de una decisión real de negocio y de un dato efectivamente recolectable.
Arquitectura de la información de los paneles analíticos - 05
Prototipos de baja y alta fidelidad
Construí el flujo de análisis de las solicitudes de reembolso y los dashboards de monitoreo: vista de beneficiarios, vista de prestadores, mapas geográficos de ranking y cortes por período, servicio y cartera.
- Flujo de análisis de solicitudes de reembolso
- Panel de inteligencia de beneficiarios
- Panel de inteligencia de prestadores
Prototipos de baja fidelidad 
Prototipos de alta fidelidad - 06
Handoff de ingeniería e investigación evaluativa
Las pruebas de usabilidad con los analistas de la aseguradora orientaron el refinamiento de los paneles. El handoff estructurado con el equipo de ingeniería garantizó fidelidad entre el diseño y el producto en producción.
Refinamiento tras la investigación con usuarios — visualizaciones 
Refinamiento tras la investigación con usuarios — tablas de análisis
Impacto
En apenas 6 meses tras el lanzamiento en producción, el ecosistema de triaje inteligente redujo drásticamente los falsos positivos y generó un ahorro directo de R$ 30 millones para SulAmérica, ampliando la capacidad analítica del equipo y estableciendo un nuevo estándar de gestión de riesgo guiada por datos.
Conversar sobre un reto similar