Consideraciones Clave
- La inteligencia artificial (IA) y el aprendizaje automático (ML, por sus siglas en inglés) suelen usarse indistintamente, pero tienen definiciones diferentes y funcionan de manera distinta dentro de la industria de los seguros.
- La rápida evolución de la IA está llevando a los líderes del sector a explorar nuevas formas de integrarla en los flujos de trabajo existentes, con el objetivo de mejorar la eficiencia y la coherencia.
- La clave para una integración exitosa es concebir la tecnología y los humanos como aliados, cuyas habilidades se complementan en beneficio del negocio, la industria y el cliente.
A finales de 2024, más de 330 millones de personas habían pasado colectivamente 2.8 mil millones de horas —el equivalente a casi 320,000 años— viendo la primera temporada del exitoso programa de Netflix El Juego del Calamar.1
La serie coreana muestra a adultos obligados a jugar juegos infantiles, con la diferencia de que sus vidas dependen del resultado. En el cuarto episodio de la temporada, los 80 concursantes restantes compiten en una serie de juegos de tira y afloja, en los que los perdedores son arrastrados desde una plataforma hacia su muerte.
¿Está ocurriendo algo similar, en sentido metafórico, con la humanidad ante la proliferación de la inteligencia artificial (IA) y el aprendizaje automático (ML)?
Y, más específicamente en el sector asegurador: ¿están las aseguradoras preparándose para ser arrastradas al abismo al integrar IA y ML en sus procesos de suscripción?
Este artículo examina esta última pregunta. La respuesta depende de cómo los ejecutivos de seguros y los líderes tecnológicos comprenden las posibilidades y limitaciones de la IA y el ML, así como de cómo promueven la colaboración entre humanos y tecnología.
Nadie puede ser arrastrado al borde del precipicio si ninguno de los lados está tirando de la cuerda.
Línea de Tiempo de la IA en Seguros
Primeros Sistemas Automatizados de Suscripción
1987 - La industria de los seguros implementa sistemas expertos basados en reglas para la suscripción automatizada, marcando los primeros pasos hacia la IA en seguros.
Introducción del Modelado Predictivo
1993 - Las aseguradoras adoptan el modelado predictivo para la evaluación de riesgos y la tarificación. Tillinghast desarrolla un modelo pionero de clasificación de riesgos para seguros de auto, sentando las bases para los algoritmos modernos de aprendizaje automático en seguros.
Watson Ingresa al Mundo de los Seguros
2012 - IBM se asocia con WellPoint para utilizar la computación cognitiva de Watson en la gestión del uso de seguros de salud, demostrando el potencial de la IA en procesos complejos de seguros.
Colaboración entre RGA y TransUnion
2014 - RGA y TransUnion lanzan TrueRisk Life, un puntaje basado en crédito para evaluar el riesgo de mortalidad y cancelación de pólizas.
Primera Aseguradora Operada Solo con IA
2016 - Lemonade se lanza en Nueva York utilizando chatbots y aprendizaje automático para la creación de pólizas y procesamiento de reclamaciones, revolucionando el modelo tradicional de seguros con operaciones impulsadas por IA.
La IA en el Procesamiento de Reclamaciones Gana Terreno
2017 - Fukoku Mutual Life Insurance implementa Watson Explorer de IBM para procesar reclamaciones, marcando un cambio hacia la automatización con IA en las operaciones de seguros.
El GDPR de la UE Impacta el Uso de IA
2018 - La implementación del GDPR exige a las aseguradoras usar modelos de IA más transparentes y explicables para el procesamiento de datos, destacando la necesidad de prácticas éticas en el uso de IA.
Surge el Seguro Paramétrico con IA
2019 - AXA lanza la plataforma Fizzy, utilizando blockchain e IA para seguros de retraso de vuelos, automatizando reclamaciones y pagos.
COVID-19 Acelera la Adopción de IA
2020 - La pandemia impulsa la adopción de la IA en seguros, especialmente en evaluaciones virtuales de reclamaciones y chatbots de atención al cliente, demostrando su papel crucial en la continuidad del negocio y la transformación digital.
La Ética en IA Cobra Relevancia
2021 - La EIOPA publica un informe sobre principios de gobernanza de la IA, enfatizando la importancia del uso ético de la IA en seguros y estableciendo directrices para su implementación responsable en toda la industria.
Los Modelos de Lenguaje Extensos Llegan a los Seguros
2023 - ChatGPT y otros modelos de lenguaje generativo abren nuevas posibilidades para la atención al cliente y el análisis de riesgos en seguros, transformando potencialmente las interacciones y los procesos de toma de decisiones.
RGA y DigitalOwl Unen Fuerzas
2024 - RGA se convierte en el socio exclusivo de reaseguro de vida y salud de DigitalOwl, una plataforma impulsada por IA que transforma historiales médicos complejos en datos estructurados para revisiones más rápidas, precisas y con mejor toma de decisiones.
RGA Lanza su Propio Modelo de Lenguaje Extenso
2025 - RGA presenta AskRGA, el asistente interno de IA generativa de la compañía.
¿Y qué pasa con los humanos?
Aunque la tecnología de IA y ML ha avanzado en los últimos 75 años —y se ha acelerado notablemente en la última década—, los suscriptores humanos llevan siglos tomando decisiones de reclamaciones de manera efectiva, basándose en modelos y manuales cada vez más sofisticados.
El conocimiento acumulado de los profesionales de la suscripción se remonta al siglo XVII, cuando surgió el término underwriting en el mercado asegurador de Lloyd 's of London 2.
Este conjunto de conocimientos humanos es enorme, y cuenta con algo que la IA y el ML aún no poseen: niveles más altos de razonamiento y matices derivados de la experiencia.
La IA y el ML ya son competentes —y están mejorando rápidamente— en la toma de decisiones de suscripción para casos estándar, aquellos que se pueden aprobar o rechazar objetivamente con facilidad.
Pero una gran cantidad de casos queda fuera de ese margen, y la industria de los seguros ha dedicado décadas a construir relaciones con clientes que desean expresar sus circunstancias únicas a una persona, no a una máquina.
La tecnología no está tratando de arrastrar a los humanos al abismo obligándolos a abandonar esas relaciones.
Por otro lado, los ejecutivos del sector asegurador no deberían lanzarse por ese precipicio mediante una integración demasiado rápida e irresponsable de la IA, ni frenar el avance tecnológico por temor o demora.
En lugar de participar en un tira y afloja en el que ambas partes pierden, la tecnología y los humanos deben trabajar juntos en beneficio de los clientes.
A continuación, se presentan dos ejemplos exitosos de esta colaboración entre humanos y tecnología.
Un ejemplo de IA: Historiales médicos
Las aseguradoras están comenzando a integrar tecnología de IA capaz de transformar grandes volúmenes de historiales médicos —incluyendo notas de médicos, conocidas por su escritura difícil de descifrar— en resúmenes útiles y procesables.
En este proceso, la tecnología extrae información clave y resalta posibles factores de riesgo que resultan valiosos para los suscriptores al evaluar el riesgo de un solicitante.
En casos más complejos, esta colaboración demuestra lo mejor de la IA y del juicio humano: tecnología que acelera una tarea manual tediosa, pero que sigue dejando espacio para la experiencia humana, imprescindible en la toma de decisiones de suscripción.
¿El resultado? Una reducción significativa en el tiempo que un suscriptor tarda en revisar un caso, sin comprometer la precisión.
Por ejemplo, a comienzos de 2024, RGA anunció una inversión estratégica y una asociación exclusiva de reaseguro global en vida y salud con una empresa de tecnología para seguros que utiliza IA avanzada para interpretar y transformar historiales médicos en resúmenes digitales interactivos y comprensivos para suscripción.
Esta tecnología permite analizar miles de páginas en minutos u horas, en lugar de días o semanas, lo que se traduce en ahorros de tiempo sustanciales.
Un ejemplo de ML: Optimización del reaseguro
RGA también está utilizando algoritmos de aprendizaje automático (ML) para optimizar el proceso de revisión. Esto permite a RGA agilizar los flujos de trabajo, generando eficiencias que luego traslada a sus clientes a través de programas complementarios de suscripción.
Asimismo, permite ofrecer tiempos de respuesta más rápidos en los casos, lo que se traduce en respuestas más ágiles y un mayor índice de colocación.
Gracias a esta tecnología, RGA puede gestionar grandes volúmenes de negocio y, dado que el sistema se basa en ML, mejora de forma continua al incorporar información y tendencias actualizadas.
Conclusión: Compañeros en la excelencia
A medida que las tecnologías de IA y ML continúan evolucionando, su integración en los procesos de suscripción representa tanto oportunidades como desafíos. Navegar esta interacción compleja entre la experiencia humana y la innovación tecnológica será fundamental.
El enfoque debe centrarse en la colaboración: una alianza en la que la IA/ML y los humanos trabajen como compañeros en la excelencia, siempre en beneficio del cliente.
¿Cómo puedes poner la IA a trabajar para tu negocio? Hablemos.
