La integración de la inteligencia artificial en todos los aspectos del ecosistema de seguros ya no es opcional, sino obligatoria para aseguradoras, agentes y corredores. El uso de la IA tiene beneficios muy reales, pero también conlleva riesgos únicos, especialmente porque los actores de amenazas la utilizan en el ámbito de las reclamaciones.
Procesamiento de contenido
Frank S. Giaoui, PhD, JSD, es un emprendedor y académico especializado en la intersección del derecho, la economía y la tecnología de seguros. Es fundador y director ejecutivo de
La siguiente entrevista ha sido editada para mayor claridad y espacio.
1. ¿Qué pasan por alto los operadores y corredores cuando comienzan a incorporar IA a sus operaciones?
La implementación de la IA es un proceso de aprendizaje. La inteligencia artificial se desarrolla con el uso y su valor es incremental. Agregar IA también es una oportunidad de gestión de cambios de bajo riesgo. Proporciona un recurso útil para el equipo, similar a incorporar un nuevo miembro del equipo que pueda comunicarse de manera efectiva con los demás miembros del equipo.
2. ¿Cuáles son algunos de los principales riesgos de la adopción de la IA en la industria de seguros?
Los siguientes son algunos de los riesgos más conocidos:
· El síndrome de la caja negra. Cuando los resultados que provienen de un sistema de inteligencia artificial no son explicables ni defendibles, pueden generar pérdidas en juicios en los que se reta a la aseguradora a explicar su decisión de no pagar o pagar una cantidad reducida, por ejemplo.
· Sesgo incorporado en el conjunto de datos de entrenamiento. Si un modelo se entrena utilizando información sesgada, el modelo puede institucionalizar esos sesgos.
· Controles inadecuados. Un sistema de inteligencia artificial con un control débil puede ser susceptible a violaciones de la información de identificación personal (PII) y de la información de salud personal (PHI).
Sin embargo, el riesgo más importante pronto será no utilizar la IA, lo que puede considerarse una falta de buena fe y trato justo por parte de las aseguradoras hacia los asegurados.
3. ¿Cómo utilizan los malos actores la IA contra aseguradoras y asegurados?
Los malos actores explotan la IA contra aseguradoras y asegurados de varias maneras:
· Falsificaciones profundas. Esto implica el uso de daños por etapas,
· Afirmaciones falsas. Estas reclamaciones se encuentran entre los mayores contribuyentes al fraude de seguros y al aumento de los costos de las reclamaciones. Consisten en información fabricada, exagerada o engañosa generada por la IA. Estas afirmaciones pueden variar desde completamente falsas o exageradas hasta oportunistas o parte de un plan organizado profesionalmente.
· Robo de datos. Los actores maliciosos utilizan métodos avanzados como el phishing impulsado por IA, la recopilación de datos, el hackeo de IA y el ransomware para atacar específicamente los datos de seguros.
4. ¿Cuáles son algunos de los beneficios importantes de integrar la IA en las operaciones?
Integrando la IA en las operaciones
La IA también puede producir decisiones más oportunas, consistentes y precisas en todos los campos: suscripción, reclamaciones y gestión de riesgos. La IA mejora la calidad de la toma de decisiones al analizar grandes volúmenes de datos estructurados y no estructurados en tiempo real. En la suscripción, la IA mejora la selección de riesgos y la precisión de los precios al identificar patrones que los humanos pueden pasar por alto. En el procesamiento de reclamaciones, el análisis predictivo facilita la clasificación temprana, la predicción de la gravedad y la detección de fraude, lo que conduce a acuerdos más rápidos y una mayor precisión de las reservas. Además, la IA mejora la coherencia al reducir el sesgo subjetivo y garantizar una toma de decisiones estandarizada en todas las operaciones. Como resultado, las decisiones se toman más rápido, son más confiables y están impulsadas por datos.
Las aseguradoras pueden utilizar la IA para identificar potencialmente necesidades del mercado sin explotar. La IA puede analizar el comportamiento de los clientes, las tendencias de las reclamaciones, los datos geográficos y las señales del mercado para identificar necesidades no satisfechas y riesgos emergentes. Esta capacidad permite a las aseguradoras y a las empresas crear nuevos productos, dirigirse a segmentos desatendidos y personalizar sus ofertas. Los conocimientos obtenidos de la IA respaldan la innovación, mejoran la diferenciación competitiva y permiten respuestas proactivas a las condiciones cambiantes del mercado. Como resultado, las organizaciones pueden pasar de un enfoque reactivo a una estrategia proactiva impulsada por las oportunidades.
5. El análisis predictivo puede desempeñar un papel clave en todo tipo de reclamaciones. ¿Cómo deberían utilizarlo los operadores para obtener información precisa? ¿Qué tipo de conocimientos puede proporcionar el análisis predictivo? ¿Cómo cambia esto el proceso de reclamaciones?
Los siguientes son los principales casos de uso de IA para aprovechar el análisis predictivo en la industria de seguros.
Triaje y asignación temprana. La IA puede evaluar las reclamaciones entrantes en el primer aviso de pérdida (FNOL) y priorizarlas automáticamente en función de factores como la gravedad, la complejidad y los indicadores de riesgo. Este proceso garantiza que las reclamaciones de alto riesgo o valor se dirijan rápidamente a los ajustadores adecuados, mejorando así los tiempos de respuesta y la asignación de recursos.
Detección de fraude. La IA analiza patrones y anomalías en los datos de reclamaciones para identificar posibles actividades sospechosas de forma temprana. Puede detectar inconsistencias, círculos de fraude, pérdidas infladas y prácticas de facturación inusuales, lo que ayuda a reducir la filtración de reclamaciones y las pérdidas financieras.
Reservas más precisas y oportunas. El análisis predictivo permite a las aseguradoras estimar el coste final de un siniestro con mayor precisión en una etapa más temprana. Las capacidades de reserva mejoradas mejoran la planificación financiera, la gestión del capital y el cumplimiento, al tiempo que reducen la volatilidad de las reservas y las fluctuaciones inesperadas.
Resumen automatizado de documentos y estructuración de datos. La IA puede extraer y resumir información clave de grandes volúmenes de documentos no estructurados, como registros médicos, expedientes legales, notas de tasador y facturas.
Generación automatizada de informes. La IA puede generar informes de reclamaciones, actualizaciones de estado y resúmenes analíticos automáticamente utilizando datos en tiempo real. Esto mejora la coherencia, reduce la carga de trabajo administrativo y garantiza que las partes interesadas reciban información oportuna y estandarizada.
Propuestas de solución proactivas y justas. La IA puede evaluar los rangos de valor de las reclamaciones y los riesgos de litigios, lo que permite a las aseguradoras hacer ofertas de liquidación oportunas, equitativas y basadas en datos. Este enfoque puede minimizar las disputas, gestionar los costos legales y mejorar la satisfacción del cliente, al mismo tiempo que promueve un manejo justo de las reclamaciones.
Apoyo pre-contencioso y litigios en curso. La IA ayuda a analizar historiales de casos, tendencias legales, comportamiento de los abogados y resultados potenciales. Ayuda a priorizar los casos que probablemente se intensificarán, respalda el desarrollo de estrategias y mejora la preparación para negociaciones o procedimientos judiciales.
Reducción general del tiempo del ciclo de reclamaciones. Al automatizar los flujos de trabajo, mejorar la clasificación, acelerar el análisis y respaldar una toma de decisiones más rápida, la IA reduce significativamente el ciclo de vida de las reclamaciones de un extremo a otro. Las resoluciones más rápidas reducen los costos operativos, mejoran la experiencia del cliente y aumentan la eficiencia general.
6.
El nombre alternativo que se utiliza ahora es abuso legal o abuso del sistema legal. Sin duda, es una definición más justa de lo que sucede a menudo. Algunos abogados utilizan el sistema para enriquecerse. Esto no tiene relación alguna con los daños reales en un caso particular.
El uso de estas tecnologías por parte de los transportistas se encuentra aún en sus primeras etapas. Si bien muchos debaten sobre la IA y exploran diferentes opciones, sólo un pequeño porcentaje de líderes de la industria ha implementado soluciones por completo. Quienes han superado con éxito la fase piloto ya están viendo resultados mensurables. La tecnología, los datos y la inteligencia artificial ayudan a prevenir el abuso legal al permitir lo siguiente:
- Clasificación y asignación tempranas
- Propuestas proactivas de solución justa o contraanclaje
- Apoyo previo al litigio y litigios.
7. Los transportistas tienen acceso a una cantidad significativa de datos. ¿Considera que lo están utilizando de manera eficaz para obtener información útil? De no ser así, ¿qué pasos deben tomar para utilizar sus datos de manera efectiva y qué herramientas pueden ayudar a facilitarlo?
Los operadores poseen grandes cantidades de datos no estructurados, pero son difíciles de procesar. Muchos operadores almacenan estos datos pero no los analizan sistemáticamente, por lo que permanecen ocultos conocimientos valiosos relacionados con la gravedad, el fraude, los litigios y el riesgo de comportamiento. Los datos estructurados (organizados, tabulares y legibles por máquina) son más fáciles de analizar y poner en funcionamiento para los operadores. Los operadores que obtienen buenos resultados en la conversión de datos no estructurados en datos estructurados obtienen mejores conocimientos prácticos.
Los operadores también tienen acceso a una gran cantidad de datos estratégicos (internos) y de la industria (externos y de mercado). Sin embargo, muchos no han integrado completamente estos dos tipos de datos para generar información útil. Aunque se han logrado avances, el mayor valor proviene de combinar la inteligencia operativa interna con señales industriales más amplias.
Además, las compañías de seguros poseen grandes cantidades de información de identificación personal o PII. Aunque esta información es crucial para sus operaciones, no siempre se utiliza de forma eficaz para generar conocimientos prácticos. Esta limitación se debe principalmente a preocupaciones de privacidad, requisitos regulatorios y cuestiones de gobernanza. Sin embargo, cuando se gestiona de manera responsable, la PII puede proporcionar un valor operativo y estratégico significativo.
Las herramientas que pueden ayudar a facilitar estos datos incluyen un entorno de lago de datos seguro, procesamiento del lenguaje natural (NLP), aprendizaje automático, IA generativa (GenAI) e IA agente.
8. A medida que las compañías de seguros adoptan nuevas tecnologías, implementan inteligencia artificial y automatizan algunos de sus procesos, ¿hace esto que los seguros sean más atractivos para la próxima generación? ¿Qué tipos de habilidades tecnológicas necesitan los nuevos profesionales de seguros para tener éxito? ¿Qué oportunidades tienen que no existían antes?
Definitivamente, las nuevas tecnologías hacen que los seguros sean más atractivos para la próxima generación. Permiten a las personas más jóvenes aprovechar la experiencia acumulada por la generación que se jubila.
Para que los nuevos profesionales de seguros tengan éxito, no es necesario que estén súper especializados en ninguna tecnología específica; más bien, deberían capacitarse para desarrollar sus carreras utilizando cualquier tecnología que sea relevante para resolver sus casos de uso particulares. Deben tener más conocimientos de negocios que de tecnología. Tienen que saber lo que la tecnología no sabe. Es más importante tener un conocimiento profundo del negocio que de la tecnología en sí. La tecnología sólo está ahí para acentuar la perspicacia empresarial ya existente.
La tecnología ha permitido la creación de equipos multidisciplinares dentro del sector asegurador. Profesionales de nueva generación de diversos campos, incluida la ingeniería, ahora tienen oportunidades de involucrarse en la industria de seguros. Por ejemplo, los ingenieros de software pueden contribuir con sus habilidades de codificación para mejorar las operaciones.
9. ¿Qué es lo que más le entusiasma de las oportunidades tecnológicas disponibles para la industria de seguros en la actualidad?
La tecnología es una forma única de agregar sofisticación a una industria muy tradicional (a veces incluso anticuada), atrayendo potencialmente más y mejores talentos.
10. ¿Qué estás viendo en el espacio de la tecnología digital? ¿Cuál cree que será el «próximo gran avance» que cambiará la industria de seguros?
La siguiente pregunta más importante a considerar es, para cada caso de uso en la industria de seguros, ¿cuál es el equilibrio óptimo entre inteligencia humana y artificial? Esto va desde involucrar a humanos en la toma de decisiones de alta frecuencia y de alto riesgo (Human in the Loop) hasta automatizar completamente procesos de baja frecuencia y de bajo riesgo (Humans out of the Loop).
