La segunda mitad del camino del AI en el sector de seguros: No solo fijarse en los “grandes modelos”, sino entender la “certeza”
Buenos días a todos, soy vuestro observador financiero.
Recientemente, tanto el mundo de la tecnología como el financiero han estado discutiendo un tema de gran importancia: ¿puede realmente el AI (inteligencia artificial) ayudar a las compañías de seguros a ganar dinero, ahorrar costos y servir mejor a los clientes?
En la conferencia de Bund del 11 de septiembre, empresas líderes como Ant Group, Taibao Property Insurance y Alibaba Cloud llegaron a una conclusión muy clara y pragmática: la competencia en el uso del AI en el sector de seguros ha superado la etapa inicial de “ver quién tiene el modelo más grande” y ha entrado en una fase más avanzada, donde se compite por “ver quién implementa las tecnologías de manera más sólida y fiable”.
En pocas palabras, antes se comparaba quién tenía el AI más avanzado o quién podía interactuar de manera más natural con las personas; ahora, lo importante es quién ofrece soluciones más fiables y que realmente funcionen sin errores.
A continuación, desglosaré los puntos clave de esta conferencia de alto nivel para que todos puedan entender en qué se está centrando la “segunda mitad del camino” del AI en el sector de seguros.
---
Primero: Dejen de lado los “cuadros de chat universales” y piensen primero en qué problemas resolver
Muchas empresas tecnológicas desarrollan productos de AI que incluyen grandes cuadros de chat que prometen responder a cualquier pregunta. Sin embargo, en el sector de seguros, este enfoque no funciona. Chen Guanhua, gerente general de Ant Insurance, hizo un ejemplo muy ilustrativo: “Poner un motor en una maquinilla de afeitar manual no la convierte automáticamente en una eléctrica”. Primero debes pensar qué tipo de maquinilla de afeitar eléctrica necesitas (rotativa o de vaivén, resistente al agua o portátil), y luego decidir qué motor y qué batería utilizar.
¿Qué significa esto para el sector de seguros?
1. La definición del producto es esencial: al desarrollar AI para seguros, no debes preguntarte “¿Cuán grande es mi modelo?”, sino “¿Qué problema concreto de los usuarios quiero resolver?”
- ¿Ayudar a los usuarios a calcular rápidamente las primas?
- ¿Seguir el progreso de las reclamaciones?
- ¿Recomendar pólizas adecuadas según sus circunstancias familiares?
2. Personalización según el escenario: diferentes situaciones requieren combinaciones diferentes de funciones. Por ejemplo, al recomendar seguros a personas mayores, el AI necesita conocer su estado de salud, edad y pólizas existentes; para jóvenes, los requisitos pueden ser completamente diferentes.
3. Diversidad en lugar de monopolio: en el futuro, los productos de AI en el sector de seguros deberían ser desarrollados por cada compañía basándose en su propia comprensión de los usuarios, ofreciendo servicios únicos, en lugar de que todas utilicen el mismo robot de chat AI genérico.
En lenguaje sencillo: No esperes que un solo AI resuelva todo. Un buen AI para seguros debe ser especializado en un área concreta, no un “generalista”. Debe saber qué problema quieres resolver antes de elegir las herramientas tecnológicas adecuadas.
---
Segundo: La “probabilidad” del AI frente a la “certeza” de las finanzas: el mayor conflicto lógico
¿Cuál es la esencia del AI? Son grandes modelos que predicen la probabilidad de que aparezca cada elemento de datos basándose en enormes cantidades de información. El AI es bueno para hacer conjeturas y estimaciones.
¿Cuál es la esencia de las actividades financieras? La certeza: las primas deben ser exactas, las reclamaciones deben cumplir con las condiciones estipuladas y el control de riesgos debe ser infalible. Las finanzas no toleran conjeturas o posibilidades.
Esto genera un gran conflicto: ¿cómo hacer que un AI, que es bueno para hacer predicciones, realice tareas financieras que requieren precisión?
Zhang Chi, vicepresidente de Alibaba Cloud, señaló que muchos de los agentes inteligentes (AI) desarrollados por instituciones financieras tienen funciones limitadas. Cuando se utilizan en procesos reales, surgen problemas:
- Cálculos erróneos de costos: las primas calculadas por el AI no coinciden con los documentos oficiales de la compañía.
- Procesos opacos: no se puede entender cómo llega a las conclusiones el AI, y no hay registros de sus razonamientos.
- Imposibilidad de revertir errores: ¿cómo corregir errores después de una actualización del modelo?
En lenguaje sencillo: El AI es como un “estudiante genio” con mucho talento, pero a menudo comete errores básicos y no explica por qué lo hace. Las finanzas, en cambio, necesitan personas meticulosas y responsables que puedan verificar cada paso y asumir las consecuencias de sus acciones. Superar esta brecha no se puede lograr solo con el AI; se necesita una abordaje ingenieril.
---
Tercero: La regulación como herramienta: el “Documento N.º 8” no es una restricción, sino un sistema de control
El 18 de junio de 2026, la Administración General de Supervisión Financiera emitió las “Directrices para el Desarrollo y Uso Seguro de la Inteligencia Artificial en el Sector Bancario y de Seguros” (Documento N.º 8). Muchos piensan que los documentos regulatorios son solo para imponer restricciones.
Pero, según Zhang Chi, el Documento N.º 8 es más bien un desafío: exige que las instituciones financieras respondan a cuatro preguntas cruciales al implementar AI:
1. ¿Las conclusiones tienen base? (No se pueden inventar respuestas al azar).
2. ¿El proceso es transparente? (No puede ser un “caja negra”).
3. ¿Se pueden corregir errores? (No se puede culpar al AI de los problemas).
4. ¿Las responsabilidades están claras? (No se pueden atribuir a la tecnología).
Zhang Chi propuso un sistema de “control confiable” para cumplir con estos requisitos:
- Contratos de datos: los datos utilizados por el AI deben tener una fuente clara y ser de calidad.
- Contratos de herramientas: las herramientas que utiliza el AI (como consultar pólizas o calcular primas) deben tener interfaces estándar y resultados verificables.
- Contratos de resultados: los resultados generados por el AI deben ser verificados por un motor de reglas y cumplir con las normas financieras.
- Mecanismos de trazabilidad: cada acción del AI debe ser registrada, lo que permite la auditoría y la corrección de errores.
En lenguaje sencillo: La regulación no prohíbe el uso del AI, sino que exige que se implementen medidas de seguridad y control. El AI no puede actuar libremente; debe operar dentro de parámetros establecidos, con registros detallados de cada paso.
---
Cuarto: El “cinco niveles de madurez” del AI financiero: ¿en qué nivel te encuentras?
Zhang Chi presentó un modelo práctico para evaluar el nivel de madurez del AI en las instituciones financieras:
- Nivel 1: Puede chatear y responder preguntas sencillas (como un robot de atención al cliente). Estado actual: la mayoría de las empresas están en este nivel.
- Nivel 2: Puede generar documentos, resúmenes y correos electrónicos. Estado actual: la mayoría de las empresas están en este nivel.
- Nivel 3: Puede verificar las fuentes de las respuestas (indicar qué documentos y cláusulas las respaldan). Solo algunas empresas lo han logrado.
- Nivel 4: Cumple con los requisitos regulatorios (con contratos de datos, herramientas y mecanismos de verificación de resultados). Este debe ser el objetivo mínimo para las instituciones financieras.
- Nivel 5: Puede realizar procesos financieros complejos de manera independiente y fiable, como un empleado humano. Este es el camino a seguir en el futuro.
En lenguaje sencillo: Si tu AI para seguros aún se limita a chatear o escribir informes, es solo un juguete, no una herramienta productiva. Un buen AI financiero debe ser especializado y capaz de resolver problemas específicos de manera eficiente y segura.
---
Conclusión: La segunda mitad del camino del AI se trata de la ingeniería y la comprensión del negocio
Los debates de la conferencia de Bund nos dejan claro que la competencia en el uso del AI en el sector de seguros ha pasado de un enfoque centrado en la tecnología a uno enfocado en la implementación práctica en los procesos empresariales.
- Para las compañías de seguros: Dejen de perseguir simplemente los modelos más grandes. Dediquen tiempo a analizar sus procesos, identificar los problemas reales y desarrollar productos de AI que resuelvan esos problemas de manera efectiva. Además, inviertan en sistemas de control confiables para garantizar que el AI funcione de manera segura y conforme a la regulación.
- Para las empresas tecnológicas: Dejen de vender simplemente modelos. Ofrezcan soluciones inteligentes adaptadas a las necesidades del sector financiero, convirtiendo las predicciones del AI en acciones concretas y cumpliendo con los requisitos regulatorios.
- Para los consumidores: En el futuro, disfrutarán de servicios de seguros más precisos, convenientes y transparentes. El AI ya no será solo un robot de chat, sino un asistente inteligente que los entienda y en el que puedan confiar.
En resumen: El AI no es magia, sino una herramienta. En el sector de seguros, solo liberará su potencial si se utiliza de manera responsable y dentro de parámetros legales y seguros.
Esta es la esencia del mensaje de esta análisis: la clave del éxito del AI en el sector de seguros radica en su integración ingenieril y en su comprensión profunda de los procesos empresariales.