Seis pasos para integrar la inteligencia artificial en el sector seguros

La Inteligencia Artificial Generativa (GenAI) tiene el potencial de revolucionar el sector de los seguros. Aunque muchas empresas del sector ya han comenzado a utilizar esta tecnología, su adopción se ha convertido en una necesidad competitiva.

En la actualidad, las empresas del sector se están centrando en aplicar la IA en procesos internos de bajo riesgo (automatización de procesos, análisis de clientes o marketing y comunicación) con el objetivo de ampliar a otras áreas y funciones con el tiempo.

De cara al futuro, las empresas seguirán con la IA un camino similar al que se está llevando a cabo con la tecnología de datos, es decir, invertir en una infraestructura capaz de integrar cada vez más datos provenientes de distintas fuentes, así como en el talento necesario para aplicar la tecnología a procesos y productos concretos.

LEE TAMBIÉN: Sudeaseg: Defensor debe prestar atención oportuna y eficiente al asegurado

Sin embargo, a medida que se amplíe su uso, las empresas tendrán que adoptar un modelo de gobernanza y un enfoque orientado a la gestión de riesgos para hacer frente a una serie de amenazas, como las relacionadas con seguridad de los datos, la privacidad de los usuarios o las implicaciones legales sobre ética e imparcialidad.

Estrategia para optimizar la inteligencia artificial en los seguros

Para lograr una estrategia de inteligencia artificial óptima en el sector seguros, es necesario centrarse en los riesgos derivados del uso de las herramientas que utilizan esta tecnología. Los principales riesgos residen en el uso de grandes modelos de lenguaje (LLM) y de las actuales aplicaciones de IA, que pueden resultar en desafíos como la complejidad de los datos, la opacidad o los riesgos reputacionales y legales derivados del uso sesgado de datos.

Para avanzar en el desarrollo de sus estrategias de adopción de IA, así como de sus marcos de gestión de riesgos, las empresas del sector deberían considerar los siguientes pasos:

1. Definir los riesgos para identificarlos

Una gestión eficaz de los riesgos empieza por la capacidad de identificarlos y definirlos. Esto puede ser un proceso complejo debido a la diversidad de riesgos y el lugar donde se producen.

2. Adoptar una gobernanza interfuncional

La gobernanza interfuncional es necesaria porque ninguna función o grupo por sí solo tiene una comprensión completa de los riesgos o la capacidad de gestionarlos. Es importante contar con modelos operativos sólidos que aclaren las funciones y responsabilidades entre los responsables del producto, de los datos, de la tecnología y del negocio. La auditoría interna también tiene un papel que desempeñar en la revisión y comprobación continuas de los controles en toda la empresa.

3. Desarrollar un modelo de implementación responsable y rentable

El éxito de la adopción de la IA requiere de un modelo operativo que dirija las inversiones a aquellas aplicaciones con mayor ROI y posibilidades de éxito, a la vez que tiene en cuenta el control del riesgo. Para ello, los modelos operativos deben diseñarse de modo que reflejen la necesidad de experimentación, exploración y desarrollo de pruebas, garantizando al mismo tiempo normas coherentes para la evaluación del retorno.

4. Mejorar los marcos existentes de gestión de riesgos y control para abordar los riesgos específicos de la IA Generativa

La implementación de la IA Generativa (GenAI) requiere mejoras en los modelos de gestión de riesgos (MRM), la gestión de datos (incluida la privacidad) y la gestión de riesgos operativos y de compliance (riesgos informáticos, de la seguridad de la información, de terceros o de ciberseguridad). Por ejemplo, es posible que los marcos MRM existentes no capten adecuadamente los riesgos del uso de grandes volúmenes de datos, del sesgo de los datos o de los requisitos de privacidad.

5. Desarrollar controles centrados en el riesgo para promover la innovación y acelerar la comercialización

Un enfoque centrado en el riesgo para la gobernanza y los controles permite una innovación responsable y una aceleración de la llegada al mercado (speed to market). Las aplicaciones de menor riesgo pueden no requerir el mismo nivel de revisión que las aplicaciones de alto riesgo. Los criterios para determinar el nivel de riesgo deben considerar:

• Impacto financiero, de reputación o de compliance/regulatorios.
• Impacto en el cliente.
• Nivel de confianza en las aplicaciones y complejidad de las técnicas utilizadas.
• Nuevas fuentes de datos (incluidos de terceros) o datos no estructurados.
• Uso en nuevos productos y servicios
• Nivel de madurez de la técnica y experiencia de desarrollo
• Aplicaciones de proveedores

6. Invertir en habilidades que apoyen la adopción de la IA y la gestión de riesgos

Las empresas del sector seguros deben desarrollar proyecciones a dos o tres años sobre los productos, servicios y procesos que utilizarán IA y definir las capacidades e inversiones necesarias para satisfacer las necesidades del negocio. Las áreas clave incluyen la gestión y estructura de datos, infraestructura digital y talento.

Síguenos en Instagram