IA y seguros: ¿quién toma las decisiones?

 

Brian Mullins, CEO de Mind Foundry, analiza para Insurtech Digital el papel de la IA en los seguros y aclara la función de la toma de decisiones de las insurtechs. El experto en tecnologías de vanguardia en el ámbito de los seguros aborda las ventajas de este sistema en los seguros y su cometido en la introducción de productos y servicios integrados en el mercado.

Fuente: future.inese.es

Grado de integración de la IA en el mercado asegurador

A su juicio, la IA está muy integrada en el mercado de los seguros, especialmente en comparación con otros sectores de los servicios financieros. El experto reconoce que se han producido varios avances, en gran medida gracias a los disruptores, que han utilizado la IA para cambiar las metodologías de los seguros “y esa inversión sigue optimizando sus prácticas empresariales, ampliando su ventaja competitiva y ofreciendo productos centrados en el cliente”.

Sin embargo, considera que dentro de diez años “miraremos atrás y veremos que solo estábamos empezando a arañar la superficie de lo que es realmente posible. El deseo de cambiar y aplicar todas las ventajas de la IA se ve alterado por la realidad de que muchas aseguradoras son grandes organizaciones con plantillas y prácticas de trabajo que tardarán años en adaptarse. Por eso, gran parte de la innovación hasta la fecha ha sido el coto de los disruptores de insurtech”, explica.

El papel de la IA en el proceso de suscripción/servicio al cliente

Los volúmenes de datos actuales hacen que el procesamiento de cotizaciones, renovaciones, siniestros, solicitudes de clientes, etc., esté al límite de lo que pueden manejar los operadores humanos asistidos por los sistemas de información tradicionales, según Mullins. Por ello, en la última década, las empresas han recurrido a la automatización para agilizar procesos manuales y ampliar el trabajo de sus gestores.

Sin embargo, “hoy en día esto sigue sin ser suficiente, y para sobrevivir en estos océanos de datos, por no hablar de innovar y mantenerse a la vanguardia, las aseguradoras, como muchas otras empresas, han recurrido a la IA para descubrir patrones más sutiles en los datos, ajustándose automáticamente a las nuevas tendencias, amenazas y oportunidades”, destaca el experto.

Por ello, Mullins recuerda que los algoritmos de aprendizaje automático pueden ser entrenados para descubrir el comportamiento de los asegurados, sus preferencias, su inclinación por el riesgo e incluso el fraude, aprendiendo de ejemplos anteriores y adaptándose a otros nuevos, sin necesidad de intervención humana.

Tendencias tecnológicas que están surgiendo

El seguro basado en el uso ha sido una parte central de las carteras de seguros desde hace tiempo, especialmente en los seguros de automóviles, y en el centro de esto está la evaluación precisa del riesgo individual. Para el CEO de Mind Foundry, esto ha allanado el camino para el aumento de los modelos de clasificación del comportamiento de los conductores, impulsados por los datos telemáticos, que capturan las capacidades de los vehículos conectados y la computación de borde. “El acceso a los datos en tiempo real está permitiendo a las aseguradoras reimaginar sus productos de seguros y ofrecer ofertas de seguros hiperpersonalizadas”, indica.

Otra tendencia emergente es el uso de la IA para acelerar el procesamiento de datos. “Esto reduce el tiempo humano necesario para procesar las reclamaciones o investigar el fraude, lo que permite a las aseguradoras concentrar sus recursos humanos en la validación, corrección e investigación no trivial”.

Sin embargo, Mullins resalta que algunas de las tendencias de la IA que estaban empezando a surgir -como la visión por ordenador- podrían verse ahogadas por una reglamentación muy necesaria, como la propuesta de reglamento que establece normas armonizadas sobre la IA por parte de la UE, publicada recientemente.

Ejemplos de ello son el modelo ML de Lemonade, que utiliza el reconocimiento facial para evaluar si un reclamante es digno de confianza, o las aplicaciones que incluyen el uso de imágenes informáticas para evaluar instantáneamente los daños de un coche o ayudar a aconsejar a un cliente sobre los servicios médicos que debe buscar en función de sus síntomas.

La hiperautomatización: diferencias con ML, RPA e IA

La automatización en general se ha utilizado mucho en el sector de los seguros, y el uso de la automatización de procesos robóticos (RPA) es común, si no se da por sentado. La RPA automatiza tareas específicas utilizando un conjunto de instrucciones. “Es especialmente eficaz cuando se trata de relacionarse con los clientes, ya que el uso de chatbots y la generación automática de reposiciones de siniestros liberan el tiempo de los agentes de atención al cliente para gestionar casos más complejos”, apunta.

Sin embargo, no puede evolucionar ni aprender de la nueva información como lo hace la IA: “Lo que ha hecho que sea tan popular es la eficiencia de extremo a extremo de la hiper automatización. Puede considerarse una extensión de la RPA, que utiliza tecnologías de IA y ML, minería de procesos y toma de decisiones para producir soluciones de automatización de extremo a extremo”, explica.