La inteligencia artificial (IA) ha dejado de ser un tema candente de actualidad. Ahora es “el tema”. No hay foro, conferencia, jornada, publicación, sea del sector que sea, en la que no se aborde la temática de la IA. Y el sector asegurador, en general, no es ajeno a esta persistente realidad. Las aplicaciones en cualquier proceso del Seguro son tan amplias como interesantes.
Sin embargo, siendo realistas, podemos considerar la IA como una tecnología aún muy verde. Nadie sabe cuál será el futuro de su aplicación, pero lo cierto es que abre un abanico de posibilidades muy amplio y se empieza a utilizar, en la mayoría de los casos, con la lógica cautela ante lo desconocido. Y, sobre todo, con dos aspectos que resultan fundamentales y que, en parte, ralentizan su expansión: el legal y el ético. Ambos afectan de manera fundamental a cualquier industria y el Seguro, por su idiosincrasia, no escapa de ello.
Integración en siniestros y prestaciones
Por lo que respecta al ámbito de la Pericia y prestaciones en el sector asegurador, Carlos Lluch, corredor de seguros, explica que «en el ámbito de las peritaciones, se están modelando sistemas que ayuden a la valoración de siniestros recurrentes, que permitan la misma a tanto alzado por tener costes aproximados conocidos y, mediante la captura de imágenes, proceder al cálculo dimensional, ofreciendo pagos rápidos sin intervención humana. Del mismo modo, se está entrenando en el reconocimiento de imágenes de daños en accidentes de autos para desglosar piezas, cálculo de tiempos y materiales».
Carlos Lluch: «Para el asegurador, una IA puede representar un importante ahorro en costes, incluyendo las peritaciones, pero también puede representar un enorme problema de calidad en el tratamiento de siniestros»
José Luis Casal, experto en nuevos modelos de negocio, estrategia, innovación y tecnología, apunta que «en cuanto a siniestros y prestaciones, la IA ofrece grandísimas ventajas. Tradicionalmente, estábamos ante un proceso largo y tedioso. Ahora, la tecnología puede procesar siniestros, asignar peticiones, evaluar niveles de cobertura, crear tareas de seguimiento y mantener contacto con el asegurado durante todo el proceso. Además, brinda una ayuda excepcional para combatir el fraude, detectando irregularidades en los patrones de datos».
Precisamente sobre el tema del fraude, Román Mestre, socio fundador de MelmacIA, empresa especializada en la aplicación de la IA por los distribuidores de seguros, explica que «existen numerosos proyectos que, gracias a la IA, identifican patrones sospechosos y alertan sobre posibles fraudes analizando fotografías, protegiendo así a las compañías de pérdidas significativas». Y, siguiendo en el ámbito de los siniestros, «la IA está ayudando en tareas de evaluación de daños. simplemente mediante el análisis de imágenes de siniestros. La IA puede evaluar los daños y estimar el importe de la reparación de manera rápida y precisa, como ocurre ya con el uso de drones y análisis de imágenes para evaluar daños en propiedades tras un desastre natural». De este modo, «si juntamos la capacidad de los chatbots y la automatización en temas de siniestros, es fácil inferir que una de las apuestas sectoriales más firmes pasa por la automatización de la revisión y aprobación de reclamaciones para reducir significativamente el tiempo de respuesta, al mismo tiempo que mejora la experiencia del cliente».
Un amplio abanico de campos de aplicación
Pero, más allá de la utilidad para el ámbito de los siniestros y prestaciones, el sector asegurador se puede beneficiar en otras muchas áreas de la aplicación de la IA. Así, como señala Carlos Lluch, «distintos actores del mercado han identificado en la IA una herramienta de valor para agilizar sus procesos en distintos campos, como son la valoración de riesgos en suscripción, la normalización de direcciones de riesgo, fechas de construcción y superficies, combinando datos con, por ejemplo, el Catastro, el análisis prospectivo del riesgo de impago o de anulación y la selección de riesgos en un sentido más amplio».
José Luis Casal: «Destacan tres procesos donde la IA puede tener usos importantes para el sector asegurador: en el análisis de datos y predicción de riesgos, en la automatización de procesos y en la precisión en la suscripción»
José Luis Casal destaca tres procesos donde la IA puede tener usos importantes para el sector asegurador. El primero, en el análisis de datos y predicción de riesgos: «La IA permite a las aseguradoras recopilar, analizar y procesar enormes cantidades de datos de manera eficiente y precisa. Los algoritmos avanzados identifican patrones y tendencias, ayudando a evaluar riesgos con mayor precisión. Esto facilita la oferta de pólizas personalizadas y ajustadas a las necesidades individuales de los clientes».
En segundo lugar, la automatización de procesos, donde la inteligencia artificial «está transformando la gestión de procesos y operaciones internas. La automatización de tareas repetitivas, como la gestión de documentos o la evaluación de reclamaciones, mejora la eficiencia, reduce costos y agiliza procesos».
Por último, esta tecnología ofrece precisión en la suscripción. Según Casal, «el proceso de suscripción, tradicionalmente supervisado por personas, ahora se beneficia de la IA para analizar criterios más rápidamente, generando evaluaciones de riesgos y precios más precisos. La tarificación de riesgos, una parte delicada del proceso, se optimiza mediante el análisis de datos avanzado».
Román Mestre señala que «a nivel general, los principales usos de la IA se enfocan en la automatización de procesos y el análisis predictivo, especialmente en la detección de posibles fugas de clientes y el fraude». De hecho, «ya hay entidades que están haciendo pilotos con chatbots de atención a clientes y, según sus pruebas, son indetectables para el consumidor. No olvidemos que estos chatbots pueden responder consultas las 24 horas del día, los siete días de la semana, respetando todos los procedimientos internos de la compañía. No obstante, la regulación europea en este campo no está del todo clara y no sabemos si, por ejemplo, se va a obligar a informar al cliente que está siendo atendido por un chatbot de IA, ni si se le va a tener que ofrecer la atención humana igualmente, si así lo desea».
Por otra parte, continúa Mestre, «a nivel predictivo, los algoritmos de la IA analizan datos históricos para predecir comportamientos, como por ejemplo hacemos en MelmacIA, para detectar el riesgo de fuga de clientes. La gran ventaja respecto a los modelos estadísticos tradicionales es el volumen de datos y la profundidad del análisis, siendo, por ejemplo, capaces de analizar más de 300 factores de riesgo a la hora de evaluar la probabilidad de fuga de un cliente, o la no renovación de una póliza».
La IA debe explorarse con tranquilidad
Carlos Lluch cree que la IA «es un campo que precisa ser explorado con cierta tranquilidad. Requiere hacerse preguntas inteligentes, antes de buscar respuestas tal vez estúpidas. El asegurador, o el corredor, deben preguntarse si los datos de partida son correctos, si sus procesos son también correctos, pues pretende meter el turbo en ellos y si los fines son lícitos, empáticos y responsables. Este es un negocio de confianza y la buena reputación se pierde para siempre».
No todo son ventajas
Pero no todo son ventajas en la aplicación de la IA en los procesos de las aseguradoras. Existen también desventajas, o aspectos negativos que van intrínsecamente unidos a su aplicación. Así, como explica Carlos Lluch, «sin duda, para el asegurador, una IA puede representar un importante ahorro en costes, incluyendo las peritaciones, pero también puede representar un enorme problema de calidad en el tratamiento de siniestros, pues no siempre la realidad está alineada con los intereses, ni con un aprendizaje que carece de un conocimiento universal. Los falsos positivos son interpretados por una IA escasamente monitorizada como decisiones correctas, por lo que la ratio de errores se dispara en esos casos».
Además, para Lluch, «una IA es rentable cuando se utiliza de forma masiva y gestiona enormes volúmenes de operaciones confiando en su ratio de acierto. Esto es, sin tener que mirar caso a caso. Por ello, cuando falla, el número de incidentes se puede contar por miles, decenas o centenares de miles, lo cual puede tener un gran impacto en la reputación y cartera, no solo del asegurador, sino también de todos sus stakeholders».
José Luis Casal encuadra las principales desventajas de la IA en cuatro ámbitos: la privacidad y la seguridad de datos; la transparencia y la capacidad para explicar las decisiones de la IA; la dependencia tecnológica y, por último, los costes de implementación. En cuanto a los datos, «plantean serios desafíos en cuanto a la privacidad y seguridad de la información personal de los asegurados». La transparencia puede dar lugar a que «sea difícil explicar cómo la IA llegó a tomar una decisión específica». Por su parte, la dependencia tecnológica en la IA «puede llevar a una pérdida de habilidades humanas críticas». Y, en cuanto a los costes de implementación, «la inversión inicial en IA puede ser elevada, especialmente para compañías más pequeñas».
Además, según Casal, «centrándonos en siniestros, podríamos hablar de posibles errores en la evaluación de reclamaciones complejas que puedan requerir un análisis contextual más profundo». También «podemos encontrar resistencias por parte del cliente, por ejemplo, en momentos de tensión, como inmediatamente después de un siniestro, cuando el asegurado puede preferir interactuar con una persona en lugar de con un sistema automatizado». Y, por último, el inconveniente de los sesgos: «si los datos de entrenamiento de la IA contienen sesgos históricos, estos pueden perpetuarse en las decisiones automatizadas, llevando a discriminación involuntaria».
Román Mestre: «Todos los procesos de automatización y digitalización tienen como punto débil aquellas situaciones excepcionales o complejas, lo que queda fuera de la norma, donde la predicción y evaluación no es tan precisa, y muchas veces requiere de una ‘sensibilidad’ más humana para resolver el problema»
Román Mestre, por su parte, destaca dos inconvenientes principales a la hora de aplicar la IA en el sector asegurador. El primero, «la exposición a fallos técnicos o ciberataques, que es inherente a cualquier cambio tecnológico y del que hemos visto ejemplos recientes muy sonados». El segundo, «también es lógico en cualquier proceso de automatización: la despersonalización del servicio«. Así mismo, explica que «todos los procesos de automatización y digitalización tienen como punto débil aquellas situaciones excepcionales o complejas, lo que queda fuera de la norma, donde la predicción y evaluación no es tan precisa, y muchas veces requiere de una ‘sensibilidad’ más humana para resolver el problema».
La clave, utilizar la IA para potenciar las capacidades humanas, no para reemplazarlas completamente
Para José Luis Casal, «la IA está redefiniendo el panorama del sector asegurador de una manera que va más allá de la simple automatización. Estamos viendo un cambio de paradigma hacia un modelo de ‘seguro como servicio’, donde la prevención y la gestión proactiva del riesgo son tan importantes como la indemnización. Un aspecto fascinante es cómo la IA está permitiendo nuevos modelos de negocio. Por ejemplo, las pólizas de ‘pago por uso’ en seguros de auto, donde la prima se calcula en tiempo real basada en cómo y cuánto se conduce, están ganando popularidad; sin embargo, es crucial mantener un equilibrio entre la innovación tecnológica y el toque humano. La empatía, la comprensión contextual y el juicio ético siguen siendo cruciales en muchas situaciones. La clave está en utilizar la IA para potenciar las capacidades humanas, no para reemplazarlas completamente. Además, a medida que la IA se vuelve más sofisticada, surgen nuevas preguntas éticas y filosóficas. ¿Cómo aseguramos que los algoritmos de IA tomen decisiones justas y éticas? ¿Cómo equilibramos la personalización con la equidad en la fijación de precios de las pólizas? El futuro del sector asegurador será moldeado por aquellas compañías que no solo adopten la IA, sino que lo hagan de manera ética, transparente y centrada en el cliente. La IA tiene el potencial de hacer que los seguros sean más accesibles, asequibles y personalizados que nunca, pero solo si se implementa con cuidado y consideración».
Los riesgos de una mala gestión
Y es, precisamente, esa presencia humana la que debe mantenerse para garantizar un buen uso y gestión de la IA. Como señala Carlos Lluch, «preocupa, que en ciertos casos no existe un humano a quien recurrir cuando la IA derrapa». Por ejemplo, «un entrenamiento deficiente o insuficiente de una IA producirá artefactos o alucinaciones que, en ningún caso, deberían ser tenidos por fiables. Pero hay una tendencia a confundir la probabilidad que aporta una IA con certeza y existe una cierta ansia por poner en juego estas herramientas, a pesar de la mala calidad media de datos con que cuenta este sector, tanto en compañías como en los despachos de mediación».
Otro de los riesgos para Lluch es la «hiperpersonalización de las primas y la selección de riesgos prospectiva en base a modelos cargados de sesgos, anclajes y criterios que conduzcan a la discriminación, a la exclusión y a un mercado alejado de la técnica aseguradora. Jugar con las cartas marcadas puede ser demasiado tentador». Por último, en su opinión, «se requieren permisos especiales y una ética de negocio muy trabajada para realizar perfiles, algo que puede ser muy intrusivo para los clientes y pasar factura si hay fallos».
José Luis Casal destaca también la falta del factor humano en algunos procesos como uno de los principales problemas: «confiar demasiado en la IA puede llevar a una pérdida de juicio humano crítico. Por ejemplo, si una compañía confía ciegamente en un sistema de IA para detectar fraudes, podría pasar por alto casos complejos que requieren intuición humana o, por el contrario, acusar falsamente a asegurados por no tener los datos cien por cien curados».
Además, para Casal, entre los principales riesgos de un mal uso de la IA se encuentra la toma de decisiones discriminatorias o injustas: “si los algoritmos de IA no están bien diseñados o utilizan datos sesgados, pueden llevar a decisiones discriminatorias». Junto a ello, destaca la «presión e imparable regulación» de la IA, lo que puede «provocar algunos incumplimientos ante la imposibilidad de seguir el ritmo de los legisladores».
Para Román Mestre, los principales riesgos se centran en el sesgo y la regulación. «Uno de los pilares de todo proyecto de IA son los datos y, si estos están sesgados, que lo están, por ser lo que definen a esa compañía en concreto, las predicciones tendrán en cuenta estos sesgos. Cuando estos sesgos contemplan, además, temas más sensibles, empalmamos con el riesgo regulatorio y el cumplimiento normativo de regulaciones de protección de datos y privacidad. Los departamentos de Compliance tendrán, seguro, más trabajo a medida que la IA vaya impregnando cada vez más nuestro día a día».
→ Este reportaje es la primera entrega de una serie de contenidos dedicados a la Inteligencia Artificial. En la segunda entrega, hablamos de los errores en la aplicación de la IA en el sector asegurador.
