AfiliacionesMi Cuenta
Login
Producto se ha añadido a tu carrito.

Por Juan David Ángel  – Líder Técnico en ALSUM

En noviembre de 2022 ChatGPT en nombre de la inteligencia artificial se llevó las miradas a nivel mundial y desde entonces ha sido el tema de moda a lo largo del 2023. Desde crear hojas de vida, canciones, imágenes, hasta analizar largos volúmenes de datos y optimizar algoritmos.  En líneas generales, estas herramientas de Inteligencia Artificial tienen como objetivo mejorar la eficiencia operativa y ejecutar tareas de gran volumen de una manera como nunca se habían hecho.

Este hecho despertó la curiosidad en todas las industrias y el sector asegurador no ha sido ajeno a ello y es muy probable que independiente del ramo, proceso, rol o experiencia que hayamos tenido nos hemos hecho las siguientes preguntas (Schwartz & Raymond, 2023):

  1. ¿Qué es la inteligencia Artificial Generativa?
  2. ¿Qué son los grandes modelos de lenguaje como GPT-4, BERT o TURING NLG?
  3. ¿Qué es la inteligencia Artificial Generativa?
  4. ¿En qué ámbitos la está utilizando la industria de seguros?
  5. ¿Qué oportunidades les esperan a las aseguradoras que utilicen estos modelos?
  6. ¿Cómo pueden las compañías de seguros aprovechar esta tecnología en su beneficio?
  7. ¿Cuáles son los riesgos y amenazas asociados con el uso de esta tecnología hoy y en el futuro?

Luego de realizar una ligera investigación sobre la materia, algunos de las aplicaciones de las que más se ha comentado a lo largo del año son (Schwartz & Raymond, 2023):

  1. Generar conocimiento de gran valor basado en datos para respaldar la toma de decisiones.
  2. Mejorar la eficiencia operativa.
  3. Obtener un acceso más rápido a información relevante.
  4. Analizar y clasificar siniestros según su complejidad.
  5. Agilizar el análisis de los siniestros mediante el reconocimiento de patrones.
  6. Implementar algoritmos de procesamiento de imágenes, videos, audios, texto para la detección de patrones de fraude.
  7. Mejorar el análisis y evaluación de riesgos el proceso de suscripción, es decir:

I. Robustecer los algoritmos de los modelos de riesgo: Incluir distintas bases de datos con diferentes tipologías de variables como reclamaciones históricas, patrones del clima, comportamiento de los equipos electrónicos/sensores que generan las computadoras de una embarcación o un camión y consolidar esta información en un solo lugar.

II. Crear perfiles de riesgo personalizados.

III. Resumir documentos relevantes para facilitar la comprensión del riesgo de la industria.

IV. Construir una tarifa más precisa y adecuada de acuerdo con la exposición del riesgo.

Sin embargo, de la ligera investigación, estas herramientas también han despertado algunas preocupaciones sobre amenazas y riesgos al interior de la industria, tales como (Schwartz & Raymond, 2023):

  1. Ultrafalso (Deepfakes en inglés): Generación de contenido que imita una escena de la vida real como un accidente de tráfico, documentación falsa que pueden ser utilizados en reclamaciones hacia una aseguradora.
  2. Ataques de phishing y de ingeniería social: Por medio información altamente personalizada de un usuario, generar una estafa casi infalible para el usuario.
  3. Daño reputacional: Manipulación del mercado mediante la suplantación de algunos de los ejecutivos de la empresa.
  4. Generación de programa malignos (Malware).
  5. Violación de datos personales que puede comprometer información sensible de los clientes.
  6. Alucinación: Resultados erróneos o falsos por parte de la ejecución de los algoritmos que pueden no ser perceptibles por el humano.
  7. Fenómeno de la caja negra donde las decisiones que se toman en cada una de las iteraciones en los algoritmos se pueden salir del alcance y control del ser humano aumentando el sesgo en el resultado.

Estas preocupaciones sobre los riesgos y amenazas son temas que la industria tendrá que poner sobre la mesa y tomar las respectivas acciones a nivel regulatorio, definición de políticas internas y de prevención para mitigar su materialización.

Nuevamente, retomando las preguntas iniciales, y de cara a como la inteligencia artificial puede impactar el talento humano, la consultora Mckinsey (2023) dice que esta tiene el potencial de automatizar las actividades que ocupan el 70% del tiempo de un empleado, en especial los medios mandos, para que estos puedan enfocarse aún más en liderar y que con el apoyo de estas herramientas generen mayor valor a la organización dirigiendo efectivamente a sus equipos ( (Field, Hancock, Imose, & Yee, 2023)).

Dicho esto, y recuperando el artículo de Axel Trauttenmiller quien menciona que el suscriptor del futuro deberá (Trauttenmiller, 2020):

  1. Adaptarse a los cambios y verlos como una oportunidad.
  2. Interpretar datos a través de nuevas tecnologías (Ciencia de datos, Machine Learning, Inteligencia Artificial, entre otros) y transformarlos en nuevos servicios.
  3. Convertirse en gerente efectivo de recursos pues será quien coordine las áreas y generará sinergias con sus colegas
  4. Moverse de tareas administrativas a tareas que mejoren la experiencia del cliente.
  5. Ser una persona empática y abierta al diálogo.
  6. Contar con un mayor conocimiento y mejor entendimiento de la materia y de la industria foco de su análisis de riesgos.

La inteligencia artificial puede ser uno de los caminos más cercanos que permita dar solución a los hallazgos detectados por la consultora Accenture, luego de encuestar a más de 434 suscriptores en 2021, en donde se destaca que (Reilly, 2022):

  1. Los suscriptores no les queda mucho tiempo para suscribir: El suscriptor promedio gasta el 70% de su tiempo en actividades que no están relacionadas con la suscripción, el 30% se va en tareas administrativas y el 40% restante en negociación y apoyo comercial.
  2. Los más grandes obstáculos son los sistemas ineficientes, procesos manuales, reprocesos.
  3. La calidad de la suscripción ha venido decayendo
  4. La tecnología está trayendo más desventajas que beneficios, si bien es cierto ha tenido un impacto positivo en la automatización de procesos o eliminando algunas tareas secundarias, no ha sido muy efectiva para reducir la carga de trabajo.

Bibliografía

Field, E., Hancock, E., Imose, R., & Yee, L. (2023, July 19). Middle managers hold the key to unlock generative AI. Retrieved from McKinsey & Company: https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-blog/empower-the-front-line-for-a-thriving-organization?cid=aisurge2023-soc–mar-mar–07/23-i2a–bam-ip&linkId=230228533

Reilly, M. (2022, Febrero 8). Why underwriters don’t underwrite much. Retrieved from Accenture: https://insuranceblog.accenture.com/why-underwriters-dont-underwrite-much

Schwartz, A., & Raymond, K. (2023, Agosto 9). A Look at the Risks and Successes of Generative AI. Retrieved from INSURANCE SPEAK: https://insurancespeak.libsyn.com/a-look-at-the-risks-and-successes-of-generative-ai

Trauttenmiller, A. (2020, Mayo 11). El suscriptor del futuro: ALSUM. Retrieved from ISSUU: https://issuu.com/alsum/docs/revista-alsum-edici_n11_11mayo-2020_baja__2_/s/10703676