Próxima fase de las Insurtech

Hasta hace unos 20 años aproximadamente, la industria de seguros evolucionaba de manera gradual, impulsada, principalmente, por la regulación, los precedentes y las relaciones. Sin embargo, esto cambió a mediados de la década de 2000 con el auge de las insurtech. En la era de la “rapidez y disrupción», varios tecnológicos decidieron reinventar por completo la industria de seguros, eliminando sus ineficiencias en el proceso.

Muchos de ellos fracasaron. Resulta que esta industria es más compleja de lo que parece. Y más que eso, su propósito de brindar estabilidad, la que se construye sobre la confianza. Su producto es, en esencia, una promesa: si algo sale mal, la aseguradora ofrecerá una compensación.

La estabilidad y la confianza no son cosas que se puedan innovar a través de la disrupción.

No obstante, esto no significa que la industria de seguros no pueda beneficiarse de tecnologías como la IA. Simplemente significa que, para transformar la industria del seguro,  las herramientas de esta tecnología deben construirse sobre un marco de confianza, no sobre uno de velocidad y automatización únicamente. Esto aparece en aquellas áreas intensivas en conocimiento como la suscripción, los siniestros y el análisis de cobertura.

Luego, ¿cómo se llega hasta  allí? Construyendo sistemas de IA que complementen la experiencia humana, en lugar de buscar reemplazarla. 

La IA sobresale en tareas transaccionales, no en juicios complejos

Gran parte de las expectativas iniciales en torno a la IA en los seguros se centró en la automatización: procesamiento más rápido de solicitudes, ingreso más veloz de avisos de siniestros, reducción de la intervención humana en los flujos de trabajo, ya que los sistema de IA son sobresalientes en tareas transaccionales con entradas y salidas claramente definidas.

La IA encuentra dificultades en las áreas grises: interpretación del lenguaje de las pólizas, evaluación de la responsabilidad y navegación por los matices de las posiciones de cobertura en diferentes jurisdicciones. Estos escenarios —como, por ejemplo,  determinar si un siniestro complejo cuenta con cobertura — no refieren al procesamiento de  datos para obtener una respuesta. Requieren de juicios matizados. Estas decisiones solo pueden ser tomadas por alguien con el contexto, la experiencia y el escepticismo profesional necesarios, todos ellos rasgos irreplicables para los sistemas de esta tecnología. 

No obstante, esto  no significa que la IA no pueda ser de ayuda en tareas más complejas. De hecho, las herramientas adecuadas ofrecen un ahorro significativo de tiempo y energía, sin automatizar ninguna toma de decisiones sensible.

Los sistemas de IA pueden mostrar hechos relevantes, pero no deben tomar decisiones

Cuando las insurtech impulsadas por IA fracasan  es porque intentan automatizar el trabajo incorrecto de la manera incorrecta. El término «caja negra» refiere a aquellos algoritmos que potencian las herramientas de esta tecnología.

Cuando un algoritmo de caja negra ofrece una «solución» a un problema complejo, incomoda a muchas personas, y así debería ser. Los profesionales de seguros no deben ser el altavoz de estas herramientas. Estas deben funcionar como asistentes de profesionales experimentados. En el caso de un siniestro complejo, por ejemplo, una herramienta de IA útil podría mostrar extractos de pólizas relevantes, jurisprudencia pertinente o posibles argumentos lógicos que la aseguradora podría considerar para tomar una decisión. La IA recopila la información necesaria para que las personas tomen decisiones complejas.

Se trata de diseñar el circuito en torno a la experiencia humana desde el principio.

Principios de diseño para una IA centrada en la confianza en seguros

La ansiedad de muchos profesionales de seguros por la utilización de herramientas de IA para optimizar su trabajo, resulta en una confianza extrema en una herramienta de IA. Es por esto que han surgido los siguientes principios como imperativos estratégicos:

• Transparencia sobre magia: Los usuarios necesitan saber la forma en que la IA obtiene una sugerencia, no solo lo que dice.
• Control sobre delegación: Los profesionales no quieren cajas negras. Requieren herramientas que puedan guiar, refinar y cuestionar.
• Conciencia del contexto: Los sistemas deben reflejar los matices del dominio de los seguros, incluyendo la variación jurisdiccional, la estructura de las pólizas y las normas en evolución.
• Respeto por la experiencia: Cuando el usuario es experto, es más probable que adopte y se involucre con una herramienta, asumiendo que hace mejor su trabajo.

Dicho de otra manera: la IA no debe encargarse de las tareas centrales del trabajo de los profesionales de seguros. Debe actuar como un útil jugador de equipo  para que el profesional de seguros pueda usar su habilidad y juicio.

La próxima generación de IA en seguros escalará el impacto humano. Los sistemas adecuados pueden preservar el conocimiento institucional, reducir el agotamiento y permitir una toma de decisiones más rápida y consistente en áreas antes atascadas por la revisión manual. Sin embargo, esta promesa solo se hará realidad si se lidera con la confianza, a través de un diseño cuidadoso, con una implementación reflexiva y con un profundo respeto por los profesionales que mantienen esta industria en funcionamiento.

La modernización no tiene por qué implicar disrupción. En seguros, las tecnologías más transformadoras pueden ser aquellas que resultan conocidas, ya que fueron construidas para trabajar con las personas no a su alrededor.

FUENTE: www.propertycasualty360.com