Si en algo están de acuerdo los profesionales del sector asegurador, es en la importancia del dato. Saber cómo obtenerlo y cómo usarlo, así como ser capaces de extraer sus ventajas, es esencial para crear modelos, automatizar procesos y ofrecer un mejor servicio a sus clientes. En este punto, tanto la data, como la Inteligencia Artificial son los grandes motores de la transformación del sector seguros.
¿Sus ventajas? La reducción de recursos, tanto tiempo, como costes; la puesta en valor de los equipos, la oportunidad de detectar fugas de clientes y posibles fraudes, así como la creación de nuevos productos o servicios que permitan aprovechar las estrategias de cross-selling, entre otras. En resumen, liberar de las tareas más tediosas a los equipos para que puedan dedicar su tiempo al desarrollo de otras herramientas centradas en el servicio y la atención al cliente.
Pero, también tienen sus grises, sobre todo desde el punto de vista ético. Algunos recordaremos a Tay o a COMPAS, dos Inteligencias Artificiales que generaron algoritmos racistas o xenófobos. Pero, el problema de estas IA no residía en el algoritmo en sí, sino en el sesgo de los datos. Por lo tanto, el debate de la ética no recae en las propias herramientas, sino en el uso que se hace de ellas y en la información que reciben para su entrenamiento.
Luces y sombras. La data y la Inteligencia Artificial, palancas de la transformación del sector seguros, fueron las protagonistas del evento Data4 Insurance, celebrado el pasado jueves 16 de marzo en La Matriz, Madrid.
¿Cómo reducir el uso de recursos en el sector?
En la primera mesa redonda, titulada ‘Automatizar el uso de modelos Machine Learning en el sector seguros’, moderada por Javier Fraile, Director Adjunto de AxiCom, participaron: Alberto Díaz, responsable de Alianzas y Transformación Digital en Grupo MásMóvil, Manuel Valero, Head of Big Data Engineering & Analytics en Santalucia, y Heribert Valero, Head of Data Science en Verti.
Durante el coloquio, los profesionales hicieron hincapié en una idea esencial: el dato como activo clave para la transformación del sector seguros. Gracias al uso de Inteligencia Artificial, el Big Data, la analítica y el IoT (Internet de las Cosas), las aseguradoras pueden, no solo recoger gran cantidad de información sobre los usuarios, también analizarla e interpretarla para ofrecerles un servicio cada vez más personalizado.
Y, ¿a nivel de negocio? Según estos profesionales, el uso de MLOps (operaciones de aprendizaje automático) está estrechando la brecha entre la planificación y la producción de los productos del sector. Gracias al trackeo de los experimentos con data, los equipos de Data de las aseguradoras pueden extraer modelos reutilizables y escalables. Modelos que permiten replicar esa cultura de trabajo en toda la organización.
Ante la pregunta de cuáles son los retos en automatización y uso de Machine Learning, los cuatro participantes lo tuvieron claro. Ante la transformación del sector seguros, las compañías deben tener visión y pensar a largo plazo. Las aseguradoras se enfrentan a un momento complicado en cuanto a mercado y deben huir del corto plazo y de los KPIs inmediatos.
Además, ante la llegada de nuevas herramientas, como es Chat GPT-4, es más importante que nunca buscar alianzas, pensar en la cultura y en las personas, ya sean partners, clientes o equipos. En palabras de Javier Fraile, “acompañado se llega más rápido y más lejos”.
Transformación del sector seguros: situación actual
Pensar a largo plazo, es clave, pero, antes, conviene revisar la situación en la que se encuentran las empresas aseguradoras. Y, precisamente, sobre este punto se centró la ponencia de Adrián Bertol, IA Sales Specialist en Grupo MásMóvil, titulada: La analítica de datos en el sector seguros, un paso más allá del método actual.
Tras realizar un breve repaso por el uso de datos y los tipos de analítica que emplea el sector asegurador, Bertol se centró en los niveles de madurez de las compañías aseguradoras. En palabras del ponente, por lo general, la madurez de las empresas del sector es baja o media.
¿Qué quiere decir? Por lo general, las aseguradoras no cuentan con un equipo de Data asentado y con influencia en las decisiones de negocio. Además, carecen de modelos de Machine Learning y hacen un uso limitado de BI. Respecto a los datos, las compañías con una madurez baja, carecen de un repositorio común, mientras que las que cuentan con un nivel medio, están lanzando proyectos de Data Warehouse, pero están lejos del Data Lake y el Data Mart, propios de la madurez alta.
Sin embargo, como mencionó Bertol, “la oportunidad es ahora, no van tarde”. Aunque el 96% de las empresas del sector consideran que el impacto de la IA en el sector es positivo, solo el 30% aplica esta tecnología y solo el 8% la utiliza para tomar decisiones.
¿Cuáles son los retos de la transformación del sector seguros? Según Bertol, un 23% de las aseguradoras considera que las compañías no reconocen todavía la necesidad de usar Inteligencia Artificial, y un 19% se preocupa por la falta de calidad de los datos.
Revolución digital del sector: las personas en el centro
La segunda mesa redonda del evento: ¿Es posible revolucionar el sector desde los datos y la IA?, estuvo moderada por Carlos Sacristán, Insurance Accounts Client Lead en Kabel, empresa del grupo Avanade, y contó con la participación de: Gema Reig, Chief Transformation & Business Development Officer en ABANCA Seguros, Patricio Ilyef, Director de Organización e IT de DAS Seguros, y Diego J. Bodas, Director Advanced Analytics de Mapfre España.
Durante el coloquio, los profesionales hablaron sobre cómo la tecnología impacta en la vida, en todos los sectores, sobre todo, en la forma de trabajar. En el caso concreto del sector asegurador, ha cambiado la forma de contratar y de suscribir, de recoger los datos y analizarlos, de entender a los clientes y de saber cuándo, cómo y en qué canal pueden impactarles.
El sector seguros avanza hacia la personalización de los productos y servicios, y esta individualización es posible gracias al análisis de datos de los clientes o potenciales clientes. Gracias al uso de asistentes con NLP, canales de autoservicio y la correcta gestión de la información, las aseguradoras pueden conocer qué coberturas tienen sus clientes y cuáles son las que más usa, pueden identificar y reducir el fraude en los siniestros, y pueden mejorar la atención al cliente, agilizando los tiempos y evitando fugas.
En palabras de Carlos Sacristán, “la tecnología ayuda a las empresas, pero el foco debe estar en los clientes. Son las personas quienes mantienen a las aseguradoras y estas deben cuidar de ellas, ofreciendo un mejor servicio y atención”. Y, ¿qué es lo que buscan los clientes? “Inmediatez y personalización”.
Los retos del dato en la transformación del sector seguros
La tercera y última mesa del evento se centró en el Gobierno y cultura del dato. En ella, participaron Ángeles Romero Rico, Directora General de INNOKU, y Mario de Felipe, CDO del Grupo ASV.
Ambos profesionales coincidieron en la necesidad de que los directivos de las compañías crean en el dato y en la tecnología, ya que es la única forma de avanzar hacia la transformación del sector seguros y de predecir situaciones futuras.
A nivel de equipo, tanto Romero, como de Felipe, destacaron que los retos para eliminar las brechas y poder sacar partido a los datos a futuro son:
- Practicar la escucha activa para poder estandarizar todos los procesos de la empresa.
- Tomar decisiones basadas en el dato, ya que es la única forma posible de avanzar y escalar.
La ética del algoritmo en el sector asegurador
Como cierre del evento, José Luis Arcángel Fernández, Redactor Jefe de BigData Magazine, entrevistó a Susana Fuentes Rodríguez, Head of Data Customer Experience en Nationale-Nederlanden, para hablar sobre la ética y la transparencia en las decisiones del algoritmo en seguros.
En palabras de Susana Fuentes, “lo controvertido no son las IA, sino lo que se hace con ellas”. Las compañías del sector deben cuidar las prácticas y evitar los sesgos en los datos para no perder la confianza de sus clientes y huir de los daños reputacionales.
Para Fuentes, la clave del éxito está en entrenar a los algoritmos con datos sin sesgos y, para ejemplificar esta problemática, habló sobre el caso de Amazon y su algoritmo de selección de personal ‘sexista’. “No es que sea poco ético el algoritmo, es que partía de datos sesgados”.
En relación con los seguros, Fuentes puso otro ejemplo, esta vez relacionado con la propensión al riesgo. Con el objetivo de conocer qué apartamentos eran más propensos al robo, introdujeron las variables en el algoritmo y obtuvieron que los pisos con rejas eran los más proclives. Olvidaron introducir la variable de ‘planta o piso’, por eso el algoritmo identificaba las rejas como factor de riesgo y no la propia posición de los apartamentos. Es decir, marcaba el enrejado como causa y no como consecuencia del riesgo en sí.
Respecto a la obtención de los datos de los clientes, para Fuentes el límite está claro: “los datos que puedes recoger son solo los que ellos mismos te quieran dar. Nunca debes incumplir sus consentimientos, ya que perderás su confianza y tu credibilidad”.
Chat GPT en el sector seguros
Dentro de las herramientas de Inteligencia Artificial, Chat GPT fue uno de los grandes protagonistas del evento. Y no solo como palanca de la transformación del sector seguros, también desde el punto de vista ético.
Si bien es cierto que la automatización incrementa la productividad y mejora la experiencia de los clientes, las compañías del sector asegurador lo utilizan a nivel interno. Muchas aún no confían en su eficacia a la hora de tratar con los clientes. Pero es probable que el salto llegue antes de lo que pensamos.
