Anatomía de la inteligencia artificial en la cadena de valor del seguro

Introducción

La inteligencia artificial (IA) está revolucionando la cadena de valor de la industria aseguradora de múltiples maneras, mejorando la eficiencia, la precisión y la experiencia del cliente. Las principales aplicaciones prácticas y su impacto en diferentes etapas de la cadena de valor se resumen a continuación:

1. Desarrollo de productos y tarificación
    
   • Personalización: la IA permite a las aseguradoras ofrecer productos personalizados basados en el comportamiento y las necesidades individuales de los clientes.
   • Tarificación dinámica: utilizando algoritmos avanzados, las aseguradoras pueden establecer precios en tiempo real basados en datos en constante cambio.
      
2. Marketing y distribución
    
   • Segmentación de clientes: la IA analiza datos para identificar segmentos de clientes y dirigir esfuerzos de marketing de manera más efectiva.
   • Canales de venta inteligentes: los chatbots y asistentes virtuales mejoran la interacción con los clientes y facilitan la venta de pólizas.
      
3. Suscripción y evaluación de riesgos
    
   • Automatización de la suscripción: la IA procesa rápidamente grandes volúmenes de datos para evaluar riesgos y tomar decisiones de suscripción.
   • Mejora de la selección de riesgos: algoritmos predictivos y modelos de aprendizaje profundo identifican patrones y correlaciones para una mejor evaluación de riesgos.
      
4. Servicios y operaciones
    
   • Procesos internos: la IA se aplica en la automatización de procesos internos de bajo riesgo, como análisis de clientes y operaciones de back-office.
   • Eficiencia operativa: la IA mejora la eficiencia operativa al manejar tareas repetitivas y procesamiento de datos.
      
5. Gestión de reclamaciones
    
   • Automatización de reclamaciones: la IA agiliza el proceso de reclamaciones, desde la notificación inicial hasta la resolución final.
   • Detección de fraude: sistemas de IA analizan patrones para detectar y prevenir fraudes en reclamaciones.
      
6. Atención al cliente
    
   • Soporte 24/7: los asistentes virtuales proporcionan soporte continuo y personalizado a los clientes.
   • Feedback y mejora continua: la IA recopila y analiza feedback para mejorar constantemente los servicios.
      
7. Gestión de riesgos y cumplimiento
    
   • Análisis de riesgos: la IA mejora la precisión en la evaluación de riesgos y la gestión de carteras.
   • Cumplimiento regulatorio: la IA ayuda a las aseguradoras a cumplir con regulaciones complejas mediante el análisis de datos y la generación de informes.
      
8. Ciberseguridad y privacidad de datos
    
   • Protección de datos: la IA mejora la ciberseguridad mediante el monitoreo y la detección de amenazas.
   • Gobernanza de datos: las aseguradoras implementan modelos de gobernanza de IA para manejar la privacidad y seguridad de los datos.

En resumen, la IA está transformando cada aspecto de la cadena de valor de la industria aseguradora, desde la personalización de productos hasta la gestión de reclamaciones y la atención al cliente. A medida que la tecnología avanza, se espera que su integración en el sector asegurador se profundice aún más, llevando a una mayor eficiencia y mejores resultados para las empresas y sus clientes.

En este artículo se resumen los resultados de un estudio  (1) 2023 Gartner CIO and Technology Executive Survey. que analiza más 500 casos de uso de entidades aseguradoras y reaseguradoras de todo el mundo, considerando tres perspectivas diferentes: las tecnologías utilizadas, las finalidades perseguidas y los procesos de negocio afectados. Una característica común a dos tercios de los 585 casos de uso revisados es que se utiliza más de una tecnología, más de una finalidad o más de un proceso de negocio impactado.

---

Inteligencia artificial y caracterización de los casos de uso analizados

La inteligencia artificial se ha colado en la vida de las organizaciones y en la de la práctica totalidad de los ciudadanos, y forma parte de muchas conversaciones del día a día. Aunque si preguntamos a cualquiera qué entiende por IA, probablemente obtengamos tantas respuestas diferentes como preguntas hagamos.

En este trabajo se ha utilizado el concepto acuñado por la OCDE: «Un sistema de IA es un sistema basado en una máquina que, para objetivos explícitos o implícitos, infiere, a partir de la entrada que recibe, cómo generar resultados como predicciones, contenido, recomendaciones o decisiones que pueden influir en entornos físicos o virtuales. Los diferentes sistemas de IA varían en sus niveles de autonomía y adaptabilidad después del despliegue».

Los temas que normalmente abarca el término «IA» incluyen categorías de técnicas como el aprendizaje automático y los enfoques basados en el conocimiento, y áreas de aplicación como la visión por ordenador, el procesamiento del lenguaje natural, el reconocimiento de voz y los sistemas inteligentes de apoyo a la toma de decisiones, sistemas robóticos inteligentes, así como la novedosa aplicación de estas herramientas a diversos dominios. Las tecnologías de IA se están desarrollando a un ritmo rápido y es probable que surjan técnicas y aplicaciones adicionales en el futuro. La definición de la OCDE pretende ser flexible al reflejar una comprensión amplia de la IA y se alienta a los actores que utilizan esta definición a juzgar su alcance relevante, dependiendo del contexto en el que se utilice.

Los casos de uso analizados son públicos, las entidades de todos los tipos y los ámbitos geográficos que abarcan incluyen todos los continentes y se extienden desde 2015 a 2023 (ambos años incluidos).

A nivel global, las entidades de no vida suponen casi el 69 % de los casos y las entidades de vida el 28 %, el restante 3 % son casos de uso de reaseguradoras. No obstante, como puede verse en el cuadro siguiente, esta distribución cambia significativamente cuando ponemos el foco en cada una de las tres áreas geográficas en las que podemos agrupar los casos de uso.

ÁREA	NO VIDA	VIDA	REASEGURO
AMÉRICA	81,4 %	17,5 %	1,1 %
APAC	47,0 %	51,4 %	1,7 %
EMEA	71,6 %	20,5 %	7,9 %
Total general	68,8 %	28,0 %	3,3 %

Tabla 1.
Fuente: 2023 Gartner CIO and Technology Executive Survey.

Mientras en América y EMEA  (2) Europa, Oriente Medio y África. las aseguradoras de no vida son más activas, en la región Asia Pacífico (APAC) las entidades de vida son ligeramente más activas.

Tecnologías utilizadas

Como ya he mencionado, bajo el concepto de IA se incluye un amplio abanico de tecnologías muy diferentes, con finalidades muy variadas. A continuación, revisaremos las tecnologías utilizadas en los casos objeto de este análisis, haremos una breve descripción de la cada tecnología, un resumen donde se concretan su uso y, para cada una de ellas, presentaremos un gráfico con las finalidades perseguidas y los procesos de negocio afectados con los casos de uso que la utilizan.

A. Chatbot

Un chatbot es un programa informático que emplea la inteligencia artificial para simular conversaciones con usuarios. Puede automatizar respuestas y guiar a los clientes en procesos como ventas, reservas, reclamaciones o devoluciones de productos. Estos chatbots pueden aprender y adaptarse al contexto y a las necesidades del usuario, facilitando la búsqueda de información sin intervención humana. El uso de esta tecnología optimiza la comunicación, mejora la experiencia del cliente y ayuda a las aseguradoras a brindar un servicio más eficiente obteniendo:

1. Comunicación eficiente: los chatbots permiten a los clientes realizar gestiones de seguros de manera rápida y segura. Además, sirven como un canal para recopilar información sobre el comportamiento, preferencias y necesidades de los clientes.
    
2. Reducción de costes: al conectar con múltiples clientes simultáneamente, las aseguradoras pueden reducir los costos de marketing y obtener resultados más efectivos.
    
3. Asistencia al asegurado: los chatbots pueden proporcionar soporte ante dudas e incidencias de primer nivel, como acceso a peritos, información sobre renovación o vencimiento y acceso a mediadores.

A continuación se resumen los objetivos perseguidos por las entidades y los procesos internos afectados en los casos de uso analizados.

Gráfico 1.
Fuente: 2023 Gartner CIO and Technology Executive Survey.

B. Redes neuronales profundas

Las redes neuronales profundas son modelos computacionales inspirados en la estructura neuronal del cerebro humano. Están compuestas por capas de neuronas artificiales interconectadas que procesan información de manera jerárquica y distribuida. En otras palabras, estas redes utilizan múltiples capas para aprender y extraer características cada vez más abstractas y complejas a medida que se profundiza en la red. Su aplicación abarca desde la detección de fraudes en el sector asegurador hasta la automatización de tareas que serían difíciles de lograr con programación convencional.

Las redes neuronales profundas se han convertido en una herramienta valiosa en la industria aseguradora y estas son algunas de las formas en que se aplican:

1. Detección de fraudes: identificar patrones anómalos en las transacciones y detectar reclamaciones fraudulentas. Estas redes analizan datos históricos, como detalles de incidentes reportados y pagos realizados, para prevenir fraudes antes de que se realicen los pagos.
    
2. Migración de contratos: la modernización de sistemas tradicionales es crucial para las aseguradoras. Las redes neuronales profundas pueden ayudar a automatizar la migración de millones de contratos de seguro de sistemas fuente a un sistema objetivo, incluyendo funciones actuariales para administrar los contratos.
    
3. Precisión y explicabilidad: la precisión debe ser alta, pero también se requiere explicabilidad. Las redes neuronales pueden generar modelos de caja negra, lo que dificulta entender cómo se obtienen los resultados. Esto es crucial para cumplir con las normativas del sector.

A continuación, se resumen los objetivos perseguidos por las entidades y los procesos internos afectados en los casos de uso analizados.

Gráfico 2.
Fuente: 2023 Gartner CIO and Technology Executive Survey.

C. Machine learning

El machine learning (ML) es una rama de la inteligencia artificial que se centra en el desarrollo de algoritmos y modelos estadísticos que permiten a las computadoras realizar tareas sin instrucciones explícitas, utilizando patrones e inferencias en su lugar. 

El ML se ha convertido en una herramienta valiosa en la industria aseguradora con las siguientes aplicaciones:

1. Asesoramiento al cliente y venta de pólizas: las empresas de seguros pueden utilizar la IA conversacional para interactuar con las personas y proporcionarles asesoramiento personalizado. Los asistentes virtuales cognitivos (AVC) ayudan a los clientes a entender las diferentes opciones de cobertura, responden sus preguntas y proporcionan recomendaciones basadas en sus necesidades y presupuesto. Además, es posible contratar una póliza a través del chatbot sin tener que hablar con un empleado, haciendo que el proceso sea más rápido y fácil.
    
2. Reclamaciones automatizadas: la automatización del proceso de liquidación de siniestros y reembolsos es otra aplicación interesante de la IA conversacional en la industria de seguros. Los AVC pueden recopilar información sobre una reclamación, evaluar su elegibilidad y proporcionar actualizaciones sobre su estado. Esto no solo reduce los costes asociados con el procesamiento de reclamaciones, sino que también mejora la productividad y la satisfacción de sus clientes.
    
3. Análisis de datos y predicción de riesgos: el ML permite a las aseguradoras analizar grandes cantidades de datos para predecir riesgos y establecer precios de manera más precisa. Esto ayuda a optimizar las pólizas y a tomar decisiones informadas.

A continuación, se resumen los objetivos perseguidos por las entidades y los procesos internos afectados en los casos de uso analizados.

Gráfico 3.
Fuente: 2023 Gartner CIO and Technology Executive Survey.

D. Procesamiento del lenguaje natural

El procesamiento del lenguaje natural (PLN) es una rama de la IA que se encuentra en el corazón de aplicaciones y dispositivos capaces de:

1. Traducir texto de un idioma a otro.
2. Responder a órdenes escritas u orales.
3. Reconocer o autenticar usuarios por voz.
4. Resumir grandes volúmenes de texto.
5. Evaluar la intención o el sentimiento de un texto o discurso.
6. Generar contenido textual o gráfico a petición, a menudo en tiempo real.

En resumen, el PLN permite a las computadoras entender y generar texto y voz, y se aplica desde sistemas GPS operados por voz hasta chatbots de atención al cliente y soluciones empresariales que automatizan operaciones y simplifican procesos críticos. 

Hace años que el PLN ha estado transformando la industria aseguradora mediante su uso en:

1. Gestión de reclamaciones: las plataformas de IA y PNL aceleran el procesamiento de reclamaciones al aumentar la precisión y la coherencia. Por ejemplo, Zurich Seguros redujo el tiempo de revisión de reclamaciones en un 58 % tras implementar un sistema de IA.
    
2. Procesamiento de entradas: las aseguradoras evalúan una gran variedad de información diariamente (informes médicos, correos electrónicos, etc.). El PNL permite ordenar automáticamente estos documentos, ahorrando tiempo y mejorando la coherencia. Generali utiliza PNL para leer, interpretar y distribuir más de un millón de correos electrónicos al año.
    
3. Revisión de pólizas: el PNL ayuda a garantizar la idoneidad de los contratos y limita la exposición a riesgos antes del proceso de suscripción. Su aplicación automatizada mejora la eficiencia y la consistencia.

A continuación, se resumen los objetivos perseguidos por las entidades y los procesos internos afectados en los casos de uso analizados.

Gráfico 4.
Fuente: 2023 Gartner CIO and Technology Executive Survey.

E. Automatización robótica de procesos

La automatización robótica de procesos (ARP) es una tecnología de software que permite construir, implementar y gestionar robots virtuales que emulan las acciones humanas al interactuar con sistemas digitales y software. Estos «robots» pueden realizar tareas repetitivas como extraer datos, completar formularios, mover archivos y más. A diferencia de las personas, los robots no necesitan descansos y pueden hacerlas de manera más rápida y consistente.

Los casos de uso principales son:

1. Procesamiento de reclamaciones: agiliza el procesamiento de reclamaciones, reduciendo el tiempo y la intervención manual. Las reclamaciones se pueden procesar un 75 % más rápido que con métodos manuales.
2. Suscripción: automatiza la evaluación de riesgos y la aprobación de pólizas.
3. Cumplimiento normativo: ayuda a cumplir regulaciones y normativas al automatizar tareas como verificación de documentos y seguimiento de cambios legales.
4. Ventas y distribución: automatiza procesos de cotización, emisión de pólizas y renovaciones.
5. Finanzas y facturas: puede gestionar cuentas por cobrar, origen contable, libro mayor y cierre de cuentas.
6. Administración de pólizas: automatiza la gestión de cambios en las pólizas y actualizaciones de datos.
7. Análisis de procesos y negocios: ayuda a identificar áreas de mejora y optimización.
8. Uso de aplicaciones heredadas: integra sistemas antiguos y supera silos organizacionales.

A continuación se resumen los objetivos perseguidos por las entidades y los procesos internos afectados en los casos de uso analizados.

Gráfico 5.
Fuente: 2023 Gartner CIO and Technology Executive Survey.

F. Reconocimiento de voz y asistentes virtuales cognitivos

El reconocimiento de voz es una tecnología que permite a las computadoras y otros dispositivos identificar y procesar el lenguaje hablado humano y convertirlo en texto. Utiliza disciplinas como la lingüística computacional, la informática y la ingeniería eléctrica para desarrollar sistemas capaces de entender y traducir palabras y frases.

Funciona en varios pasos:

1. Detección de palabras: el sistema identifica las palabras habladas.
    
2. Hipótesis y pruebas: genera varias hipótesis sobre lo que se ha dicho y las compara con un modelo de lenguaje para verificar su consistencia.
    
3. Procesamiento del texto: convierte el habla en texto escrito, ajustando elementos como números y signos de puntuación.

Esta tecnología se ha desarrollado significativamente con el tiempo, desde los primeros sistemas que reconocían números y palabras simples hasta los actuales que entienden el habla natural y pueden ser entrenados para reconocer voces específicas, mejorando así su precisión.

Los asistentes virtuales cognitivos (AVC) son sistemas avanzados de inteligencia artificial diseñados para interactuar con los usuarios de manera natural, ya sea por texto o voz. Utilizan algoritmos de procesamiento de lenguaje natural y aprendizaje automático para comprender y responder a las consultas de los usuarios, ofreciendo una experiencia de servicio al cliente personalizada y eficiente.

Estos son algunos de los usos clave de los AVC:

• Interacción omnicanal: operan en múltiples plataformas y canales, como correo electrónico, SMS, WhatsApp Business, redes sociales y más, permitiendo a los usuarios comunicarse con ellos a través de su medio preferido.
   
• Disponibilidad 24/7: están disponibles todo el tiempo, lo que permite a las empresas ofrecer soporte continuo a sus clientes.
   
• Personalización: pueden ser entrenados y adaptados para reflejar la identidad de la empresa, utilizando colores corporativos y avatares personalizados.
   
• Integración con servicios transaccionales: permiten la integración segura con los servicios transaccionales de los clientes, accediendo a información privada cuando es necesario.
   
• Almacenamiento y análisis de datos: mantienen un registro de las interacciones, lo que permite a las empresas analizar y mejorar constantemente la calidad del servicio.

En resumen, los AVC son una herramienta valiosa para las empresas que buscan mejorar la experiencia del cliente y optimizar sus procesos de servicio mediante la implementación de soluciones de inteligencia artificial.

La utilización conjunta de AVC y tecnologías de reconocimiento de voz tiene varios casos de uso, entre los que se incluyen:

1. Asesoramiento al cliente y venta de pólizas: se puede utilizar la inteligencia artificial conversacional para interactuar con las personas y proporcionarles asesoramiento personalizado. Los asistentes virtuales cognitivos (AVC) ayudan a los clientes a entender las diferentes opciones de cobertura, responden sus preguntas y proporcionan recomendaciones basadas en sus necesidades y presupuesto.
    
2. Reclamaciones automatizadas: la automatización del proceso de liquidación de siniestros y reembolsos es otra aplicación interesante. Los AVC pueden recopilar información sobre una reclamación, evaluar su elegibilidad y proporcionar actualizaciones sobre su estado.
    
3. Servicio al cliente 24/7: los AVC ofrecen soporte continuo, respondiendo preguntas y guiando a los clientes a través de distintos procesos con información clara en cada etapa de su viaje.
    
4. Evaluación de riesgos: la IA conversacional puede ayudar a evaluar los riesgos asociados con las pólizas de seguro, mejorando la precisión y eficiencia del proceso.
    
5. Detección de fraude: los sistemas de reconocimiento de voz pueden analizar patrones de conversación y detectar frases y palabras comunes utilizadas en fraudes. Además, usando IA es posible verificar –incluso mediante reconocimiento de voz– la identidad de los clientes para prevenir su usurpación.

A continuación, se resumen los objetivos perseguidos por las entidades y los procesos internos afectados en los casos de uso analizados.

Gráfico 6.
Fuente: 2023 Gartner CIO and Technology Executive Survey.

G. IA generativa

La inteligencia artificial generativa es un tipo de tecnología que crea contenido nuevo a partir de modelos de aprendizaje profundo entrenados con grandes conjuntos de datos. Estos modelos se diferencian de los modelos de IA discriminativa, que se usan para clasificar datos en función de las diferencias.

Funciona en tres fases principales:

1. Entrenamiento: se crea un modelo fundacional que puede servir de base para varias aplicaciones de IA generativa.
    
2. Ajuste: se adapta el modelo fundacional a una aplicación específica de IA generativa.
    
3. Generación, evaluación y reajuste: se evalúa el output de la aplicación de IA generativa y se mejora continuamente su calidad y precisión.

La IA generativa se utiliza para generar textos, imágenes, códigos y mucho más, y tiene aplicaciones prácticas en chatbots, creación y edición de imágenes, asistencia para la creación de código de software e investigación científica. También se utiliza en entornos profesionales para visualizar ideas creativas rápidamente y ejecutar de forma más eficiente tareas tediosas y que llevan mucho tiempo.

Algunas de las aplicaciones de la IA generativa más conocidas son ChatGPT y DALL-E de OpenAI, GitHub CoPilot, Bing, Chat de Microsoft, Bard de Google, Midjourney, Stable Diffusion y Adobe Firefly. Estas herramientas están revolucionando la forma en que interactuamos con la tecnología y cómo se automatizan las tareas de rutina.

La IA generativa tiene múltiples aplicaciones en la industria aseguradora y está transformando la forma en que las empresas operan y se relacionan con sus clientes. Aquí hay algunos casos de uso:

1. Automatización de procesos: la IA generativa puede automatizar tareas repetitivas como el análisis y resumen de documentación, lo que permite a las aseguradoras procesar reclamaciones y pólizas de manera más eficiente.
    
2. Análisis de grandes cantidades de datos: con la capacidad de analizar grandes volúmenes de datos, la IA generativa puede ayudar a las aseguradoras a obtener perspectivas valiosas sobre clientes y mercados.
    
3. Atención automatizada a clientes: los chatbots impulsados por la IA generativa pueden interactuar con los clientes, responder a sus preguntas y guiarlos a través de procesos complejos, mejorando la experiencia del cliente.
    
4. Gestión y entendimiento de correos de clientes: la IA generativa puede ser utilizada para gestionar y entender correos electrónicos, identificando las necesidades de los clientes y proporcionando respuestas personalizadas.
    
5. Detección de daños en imágenes de vehículos: en el proceso de contratación de seguros, la IA generativa puede analizar imágenes de vehículos para detectar daños y facilitar la evaluación de riesgos.
    
6. Creación de contenido automatizado: esta tecnología puede generar contenido para plataformas digitales, como artículos o publicaciones en redes sociales, que ayuden a mejorar el posicionamiento en buscadores y la interacción con los usuarios.
    
7. Optimización de la gestión de siniestros: la IA generativa puede automatizar la tramitación de siniestros, desde la evaluación inicial hasta la resolución final, lo que agiliza el proceso y reduce los costos operativos.

A continuación, se resumen los objetivos perseguidos por las entidades y los procesos internos afectados en los casos de uso analizados.

Gráfico 7.
Fuente: 2023 Gartner CIO and Technology Executive Survey.

H. Reconocimiento facial o de imágenes

El reconocimiento facial es una tecnología biométrica que identifica o verifica la identidad de una persona a través de su rostro. Se utiliza para reconocer a las personas en fotos, vídeos o en tiempo real. Funciona mediante un proceso que incluye:

1. Detección de rostros: la cámara detecta y localiza la imagen de un rostro, ya sea solo o en una multitud.
    
2. Análisis facial: se captura y analiza una imagen del rostro. La mayoría de las tecnologías de reconocimiento facial dependen de imágenes 2D, ya que se pueden comparar más fácilmente con fotos públicas o de una base de datos.
    
3. Conversión de la imagen a datos: el rostro capturado se transforma en un conjunto de datos digitales basados en los rasgos faciales de la persona. Este código numérico se denomina huella facial, que es única para cada individuo, similar a las huellas dactilares.

El reconocimiento de imágenes es una tecnología más amplia que no se limita a rostros humanos. Utiliza algoritmos de visión artificial para detectar, procesar y clasificar datos obtenidos de imágenes. Puede identificar objetos, lugares, personas, escritura y acciones en imágenes y vídeos.

El reconocimiento facial y de imágenes tiene varios casos de uso en la industria aseguradora, que pueden mejorar significativamente la eficiencia y la seguridad:

1. Verificación de identidad: para evitar el fraude, se puede utilizar el reconocimiento facial para confirmar la identidad de los clientes durante el proceso de solicitud de una póliza o al presentar una reclamación.
    
2. Procesamiento de reclamaciones: mediante el reconocimiento de imágenes se puede automatizar la revisión de documentos visuales, como fotos de accidentes de coche, lo que acelera el proceso de reclamación y reduce la posibilidad de errores humanos.
    
3. Análisis de riesgos: el reconocimiento de imágenes puede ayudar a evaluar el riesgo al analizar las imágenes de propiedades o vehículos y detectar características que podrían indicar un mayor riesgo de siniestro.
    
4. Personalización de servicios: con el reconocimiento de imágenes las aseguradoras pueden ofrecer servicios personalizados basados en las preferencias y comportamientos del cliente, detectados a través del análisis de imágenes.

A continuación, se resumen los objetivos perseguidos por las entidades y los procesos internos afectados en los casos de uso analizados.

Gráfico 8.
Fuente: 2023 Gartner CIO and Technology Executive Survey.