Las aseguradoras no automatizan todos los procesos de la misma manera. Hay tareas donde el valor aparece rápido y otras donde surgen dudas, sobre todo cuando la decisión afecta a un siniestro, al cliente, al resultado técnico, a la reputación o al cumplimiento regulatorio.
Dónde la IA gana sin discusión
Los modelos de lenguaje encajan muy bien en tareas con mucho lenguaje, mucho volumen y una clara necesidad de ahorrar tiempo operativo: el triaje de comunicaciones de siniestros, la extracción de información de pólizas, expedientes, facturas o informes médicos, o alimentar el CRM con necesidades del cliente, productos comentados y acciones pendientes. En estos ejemplos el error no suele ser crítico si existe revisión: se está ordenando información para que el proceso avance mejor.
Cuando “convincente” ya no es suficiente
La conversación cambia con los procesos core: priorizar un siniestro por posible fraude, proponer una indemnización, decidir qué casos pasan a investigación, o actuar sobre la tarifa actuarial, la estimación de abandono y las acciones de retención. Ahí no basta con una respuesta convincente. La aseguradora necesita saber qué datos se usaron, qué criterio se aplicó, qué peso tuvieron la probabilidad, el impacto, el riesgo y el coste, por qué se eligió una acción y si el mismo caso produciría siempre el mismo resultado. Lo claro puede automatizarse; lo dudoso debe llegar al equipo humano con contexto, señales relevantes y una recomendación razonada.
La capa que separa la IA táctica de la estratégica
Por eso empieza a verse una automatización más madura: IA generativa para gestionar lenguaje e información, y sistemas de decisión para gobernar las consecuencias con criterios explícitos, reproducibles y auditables. Aporta consistencia (dos casos iguales reciben el mismo trato), control (los criterios se ajustan cuando cambia el negocio) y medición (permite comprobar si las decisiones producen el resultado esperado). En seguros, automatizar la respuesta no es suficiente: la decisión también tiene que dejar rastro, poder revisarse y sostenerse ante clientes, dirección, auditoría o la DGSFP.
Un análisis de Ignacio Gutiérrez Peña, CEO de AyGLOO, publicado en füture by INESE.