Microsoft Teams
Microsoft Teams y la Seguridad
26 mayo, 2020
La Inteligencia Artificial en 10 charlas TED
5 junio, 2020

A medida que la Inteligencia Artificial, el BigData, y el Internet de las cosas (IoT) se abren paso en nuestras vidas, muchos sectores están experimentando una transformación.

Y el sector Seguros no se queda atrás. De hecho ya lo anticipó Accenture en 2017: ‘Los ejecutivos de las compañías de seguros creen que la Inteligencia Artificial transformará de manera significativa su sector en los próximos tres años, con las aseguradoras invirtiendo en AI para capacitar a sus redes de agentes y corredores, y empleados para mejorar la experiencia del cliente con servicios personalizados automatizados, un manejo de reclamos más rápido y procesos de suscripción basados en el riesgo individual’.

Tres años después, los algoritmos de IA han hecho grandes avances en diferentes sectores de la industria aseguradora y están reduciendo los costes al tiempo que impulsan la eficiencia y mejoran la experiencia del cliente. Lentamente pero con seguridad, el sector se está transformando. Hay algunos problemas que deben ser resueltos, pero en su mayor parte, los cambios han sido para mejor, y vienen muchos cambios más de camino.

Sobre ello, hay tres áreas que no debemos pasar por alto:

BigData e Internet de las cosas:

Gracias a los avances en el edge computing, la tecnología en la nube, y el internet de las cosas, más y más información sobre objetos, personas y organizaciones están siendo digitalizadas. La telemática, wearables y sensores inteligentes para el hogar son sólo algunas de las tecnologías que nos permiten recoger información detallada sobre el mundo físico. Y la conectividad ubicua nos permite agregar esos datos en los servidores de la nube para su posterior procesamiento mediante algoritmos de machine learning.

En su 2018 Emerging Risk Report, Lloyd’s describió algunos de los beneficios que el crecimiento del IoT traerá a la industria de los seguros, incluyendo una mejor comprensión del riesgo, evitando las pérdidas evitables, capturando patrones y comportamientos y permitiendo un monitoreo proactivo. Hoy en día, muchas aseguradoras están adoptando estas tendencias para mejorar la velocidad y la eficiencia de sus servicios. Por un lado, el hecho de tener más datos permite a las aseguradoras ofrecer primas personalizadas y adaptadas a cada cliente.

Un ejemplo es Layr, con sede en Estados Unidos, una plataforma de seguros basada en la nube para pequeñas empresas nacida de un programa de aceleración de insurtechs y que ha recibido inversión para desarrollar su solución basada en la inteligencia artificial. Layr utiliza el aprendizaje automático para examinar los datos de los clientes y comparar los solicitantes con grupos de empresas similares. Esto permite que el motor de predicción de la compañía haga coincidir automáticamente a los clientes con las pólizas correctas.

 

 

Ser capaz de recoger datos ‘ricos’ y en tiempo real del mundo físico a través de sensores de IoT también está dejando su huella en la industria de los seguros. Un ejemplo de ello es Parsyl, una puesta en marcha de IoT que ayuda a los transportistas, minoristas y aseguradoras a comprender las condiciones de calidad de los productos sensibles y perecederos a medida que se desplazan por la cadena de suministro.

Parsyl, está incorporando su tecnología de sensores en soluciones como garantía de calidad y gestión de riesgos para clientes que manejan productos que requieren transporte y almacenamiento especializado. Esos productos incluyen alimentos a temperatura controlada, productos farmacéuticos y productos sensibles y de alta tecnología. La instalación de los sensores proporciona a las aseguradoras datos y conocimientos precisos sobre la carga, a la vez que ofrece a los clientes el beneficio de una liquidación más rápida, un menor coste de las reclamaciones y una reducción de riesgos basado en el aprendizaje automático.

 

Una de las tendencias interesantes en este campo son las sinergias entre las compañías de seguros y las de tecnología con las empresas de tecnología especializada para mejorar la predicción y la gestión de riesgos. Un ejemplo interesante es la asociación entre la empresa de pronóstico meteorológico Climacell y la reaseguradora Munich Re. Climacell, utiliza datos de sensores de varios dispositivos y machine learning para hacer pronósticos meteorológicos precisos. Munich Re utilizará esta tecnología para ayudar a sus clientes a comprender mejor cómo afectará el clima a sus negocios y a tomar mejores decisiones que mejoren la eficiencia operativa, la seguridad y la rentabilidad.

En el ramo de automóviles, las compañías de seguros utilizan la telemática para recopilar datos de conducción de los vehículos en tiempo real. A diferencia del pasado, en el que tenían que basarse en la información básica sobre el vehículo y el conductor para elaborar sus pólizas de seguro, ahora pueden analizar los datos telemáticos con algoritmos de aprendizaje automático para crear perfiles de riesgo personalizados para los conductores. Muchas aseguradoras utilizan estos datos para ofrecer descuentos a los conductores que tienen hábitos de conducción seguros y penalizan comportamientos peligrosos como el exceso de velocidad, el frenado brusco, la aceleración brusca y las curvas cerradas. Los mismos datos pueden ayudar a reconstruir las escenas de los accidentes y permitir a las aseguradoras entender y evaluar mejor lo sucedido, lo que resulta en un procesamiento mucho más rápido de las reclamaciones.

En Salud, los proveedores de servicios utilizan el aprendizaje automático para ayudar a los pacientes a elegir las mejores opciones de cobertura de seguro de salud que se ajusten a sus necesidades. Los datos recopilados por wearables ayudan a las aseguradoras a controlar y recompensar los hábitos saludables, como el ejercicio regular, y fomentan la atención preventiva proporcionando consejos de nutrición saludable.

Un ejemplo es la puesta en marcha de Insurtech Collective Health, que utiliza el aprendizaje automático para identificar los riesgos y asignar a sus miembros los recursos adecuados para su atención médica. El modelo de IA de la compañía reúne datos de reclamos, autorizaciones previas, datos de elegibilidad, datos de compromiso y datos de utilización de la atención médica para desarrollar un perfil holístico de cada miembro y sus necesidades. El rico perfil potenciado por la IA ayuda a identificar las necesidades de salud de los miembros, tales como aquellos que necesitan ayuda de un farmacéutico para ayuda con algún tratamiento confusos o necesitan asistencia de una sanitario para ayudar a organizar los servicios de atención médica en el hogar.

Una de las grandes ventajas de la disponibilidad de datos y de los algoritmos de aprendizaje automático es la prevención del fraude. Los algoritmos de aprendizaje automático entrenados en la enorme cantidad de datos disponibles sobre los clientes pueden recoger patrones que separan las reclamaciones legítimas de las fraudulentas. Hoy en día, la mayoría de las aseguradoras utilizan el aprendizaje automático para detectar y prevenir el fraude.

Y con el Internet de las Cosas y la tecnología de sensores que continúan expandiéndose a un ritmo acelerado, y con la propagación de las redes 5G, seguiremos teniendo conjuntos de datos aún mayores y datos precisos para comprender mejor los riesgos de los seguros.

Procesamiento del lenguaje natural

Los ordenadores han luchado históricamente para tratar con datos que no están ordenados en tablas con filas y columnas. Pero desafortunadamente, la mayoría de nuestros datos no están estructurados y se encuentran los documentos, registros de chat, correos electrónicos y los datos textuales que generamos en nuestras interacciones diarias. El procesamiento del lenguaje natural, la ciencia que ayuda a los ordenadores a entender y sacar valor del texto no estructurado, es un área de investigación candente y ha visto un tremendo progreso en los últimos años.

El sector de los seguros, que está cargado de datos textuales, se ha beneficiado inmensamente de los avances en Programación Neurolingüística (PNL). Las aseguradoras han podido aprovechar los modelos lingüísticos para reducir el tiempo de respuesta a las consultas de los clientes y encontrar información pertinente entre las toneladas de documentos que deben revisar en la tramitación de siniestros y reclamaciones.

La mejora de la eficiencia y productividad es total. Se logra automatizar el 80% del trabajo, y el 20% son preguntas puntuales realmente interesantes que necesitan de un equipo experimentado que pueda investigar y responder.

Los avances en la PNL también han dado lugar a una especie de chatbots de servicio al cliente en diferentes sectores, incluyendo la industria de los seguros. Tanto compañías de Seguros consolidadas, como Geico, o insurtechs como como Lemonade están utilizando chatbots  impulsados por la inteligencia artificial para resolver reclamaciones. Éstos se encargan de las consultas de los clientes de bajo nivel y de liberar agentes para que se encarguen de tareas más complicadas.

Los investigadores de la IA continúan desarrollando modelos más potentes y sofisticados que pueden abordar tareas más complicadas relacionadas con el lenguaje. En el último año, hemos visto el lanzamiento de modelos de lenguaje de última generación como el GPT-2 de OpenAI y el Meena de Google. Aunque todavía estamos bastante lejos de desarrollar una IA que pueda entender realmente el lenguaje humano, los usos prácticos surgirán de los continuos avances en el procesamiento del lenguaje natural. La IA hará el trabajo preliminar, reuniendo datos de importación y resaltando las tendencias en los datos de texto, haciendo más fácil y menos costes o para las aseguradoras el reunir esa información y atender las necesidades de sus clientes.

Visión por computador

La visión por computador es la ciencia que permite a las máquinas extraer el significado y el contexto de los datos visuales. En los últimos años, la visión por computador ha avanzado a pasos agigantados gracias a las redes neuronales, modelos de IA que pueden realizar tareas de reconocimiento y clasificación de imágenes con una precisión asombrosa.

Las aseguradoras utilizan ahora algoritmos de reconocimiento de imágenes para automatizar muchas de las tareas que antes requerían de la mano de obra humana. La compañía de seguros Liberty Mutual utiliza la IA para proporcionar una rápida evaluación de los daños de los vehículos y la liquidación de las reclamaciones. Los usuarios toman una foto del coche dañado con su teléfono móvil y la envían al ‘Valorador de Daños de Automóviles de la IA’, que utiliza un algoritmo de machine learning entrenado con miles de fotos de accidentes de coche para evaluar los daños y los costes. Un proceso que no necesita más de unos pocos segundos.

La visión por computador también permite a las compañías de Seguros realizar tareas que antes eran imposibles. Un ejemplo es la plataforma Drive Safe & Save de State Farm, que utiliza la IA para analizar los datos de las cámaras de los coches y detectar y proporcionar información sobre comportamientos inseguros del conductor.

Una de las tendencias interesantes a observar en la visión por computador son los avances en edge computing. Las tareas de visión por computador anteriormente requerían que las aplicaciones enviaran sus datos a los servidores en nube, donde los algoritmos de IA aprovechaban los recursos de computación masiva para procesar y analizar los datos. Pero en los últimos años, el hardware especializado y los algoritmos de máquinas más eficientes están permitiendo gradualmente la inferencia de la IA en el dispositivo. La mejora de la velocidad y la eficiencia están allanando el camino para el análisis en tiempo real de los datos visuales y la evaluación de riesgos.

A pesar de sus muchas y emocionantes aplicaciones, los Seguros basados en la IA están todavía en sus primeras etapas y lo mejor está por venir. A medida que la tecnología continúa impregnando nuestras vidas, los algoritmos de IA serán capaces de proporcionar soluciones más rápidas y precisas, haciendo que el sector Seguros sea mucho más amigable, eficiente y cercano para todos.

 

Si queréis poneros en contacto con nosotros, podéis hacerlo en info@kabel.es
También podéis seguirnos en Twitter, LinkedIn, Facebook

 

Licencia de Creative CommonsEste obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.

 

Compártelo: Share on FacebookTweet about this on TwitterShare on LinkedInPin on Pinterest

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

NEWSLETTER