Precificação de seguros para veículos autônomos via sistemas baseados em regras fuzzy

Este trabalho desenvolve um sistema baseado em regras fuzzy (SBRF) de precificação de seguros para veículos autônomos utilizando lógica fuzzy como ferramenta principal para avaliação de riscos tecnológicos. O modelo proposto incorpora duas variáveis: o nível de autonomia do veículo (NAV), baseado na classificação SAE J3016, e o nível de vulnerabilidade cibernética (NVC), avaliando exposição a ameaças digitais. A implementação computacional, realizada em Python com a biblioteca scikit-fuzzy, demonstrou capacidade efetiva em capturar relações entre essas variáveis, produzindo fatores multiplicadores que variam de 0,5 a 3,0 em relação à tarifa base convencional. A análise de múltiplos cenários revelou padrões consistentes, onde veículos com alta autonomia e baixa vulnerabilidade recebem reduções de até 34% no prêmio, enquanto aqueles com baixa autonomia e alta vulnerabilidade sofrem acréscimos de até 154%. Os resultados validam a eficácia do sistema fuzzy em traduzir complexidades técnicas em decisões de precificação, oferecendo às seguradoras uma ferramenta robusta para enfrentar os desafios da mobilidade autônoma. O trabalho contribui para o avanço das metodologias de avaliação de risco em seguros tecnológicos.