Un informe de EIOPA sobre el uso de Gen AI en el sector asegurador europeo recoge información relevante sobre la evolución de la inteligencia artificial generativa en el sector. El estudio se basa en las respuestas de 347 empresas de 25 países.
Según el informe, casi dos tercios de las empresas ya utilizan activamente esta tecnología. Sin embargo, la mayoría aún se encuentran en la fase de prueba de concepto. Pero a corto plazo, el evidente potencial de crecimiento se perfila, a todas luces, imparable.
Las aseguradoras afirman que el mayor motivo para implementar las herramientas de Gen AI es mejorar la eficiencia y reducir costes. Aunque más de la mitad de los encuestados también señalan la mejora de la experiencia del cliente y la optimización de los procesos de toma de decisiones.
Por otro lado, encontramos que el principal freno para su implementación son los problemas de cumplimiento con la normativa y el riesgo en relación a la protección de los intereses de los clientes. El uso de la IA en los procesos de suscripción y en la tramitación de los siniestros es donde el reto del riesgo y la gobernanza de datos es mayor.
Por ello, EIOPA insiste en que los datos utilizados para entrenar modelos de IA deben ser completos, representativos y libres de sesgos.
La entidad destaca que la transparencia y la explicabilidad son principios innegociables para una IA fiable. Además de ser un requerimiento regulatorio por parte del AI Act en los Sistemas de Alto Riesgo.
Uso actual de la Gen AI y planificación a corto plazo en Europa
Según el informe de la Autoridad Europea de Seguros y Pensiones de Jubilación, el 65 % de las empresas aseguradoras ya utilizan activamente sistemas de IA general. Aunque el uso abarca toda la cadena de valor, las áreas más activas son el servicio de atención al cliente, la gestión de siniestros y las ventas y la distribución. Por su parte, la detección de fraudes es el área con mayor adopción prevista en el futuro.
Las ventajas de productividad que ofrecen las herramientas de IA de última generación despiertan gran interés en las aseguradoras, pero por ahora domina un enfoque cauteloso:
- El foco está mayoritariamente en los procesos internos, no los dirigidos al cliente.
- Se mantiene una estricta supervisión humana.
La mayoría de los casos de uso reportados en el estudio (64%) se dirigen a herramientas de productividad administrativas. Son ejemplos la extracción de datos de facturas, grabaciones de audio o informes médicos, la generación de contenido para correos electrónicos, contratos o materiales de marketing, así como asistentes de codificación y suscripción.
Por otra parte está el 36% restante, correspondiente a las aplicaciones de IA orientadas al cliente, como chatbots o sistemas de voz. Actualmente, se encuentran en su mayoría en fase de prueba de concepto. Pero se prevé que las aplicaciones autónomas de IA agéntica en el sector seguros tengan un gran impacto en el medio plazo.
Riesgos y desafíos determinantes para las aseguradoras europeas
El riesgo más preocupante para el sector asegurador es el de los resultados inexactos. En segundo lugar, los riesgos de ciberseguridad y los problemas de protección de datos.
Los posibles problemas con el cumplimiento normativo son, además de la falta de personal cualificado, el principal freno para la implementación de sistemas avanzados de IA.
La Ley de IA (AI Act) clasifica la evaluación de riesgos, la fijación de precios y la tarificación en seguros de vida y salud como sistemas de alto riesgo. Por ello, los grandes desafíos de cumplimiento son estos 4:
Opacidad algorítmica (“caja negra”):
Los modelos complejos como el deep learning (aprendizaje profundo), la propia IA generativa y más aún la IA agéntica, exigen una explicabilidad exhaustiva. Las aseguradoras deben poder justificar ante clientes y reguladores (como la propia EIOPA) cómo se toma una decisión de denegación de siniestro o por qué se fija una prima u otra.
Sesgo y discriminación:
Los algoritmos entrenados con datos históricos corren el riesgo de perpetuar o amplificar sesgos sociodemográficos. El reto radica en garantizar la equidad algorítmica sin infringir las leyes de protección de datos personales.
Gobernanza del dato:
La calidad, trazabilidad y gobierno de los datos son ineficientes en muchas compañías. El cumplimiento requiere que cada paso del entrenamiento del modelo y de la toma de decisiones automatizada sea auditable y registre un historial inmutable.
Responsabilidad humana:
Ningún sistema de IA puede tomar decisiones críticas (como cancelar una póliza o rechazar una indemnización) sin supervisión y validación final por parte de un humano.
Por todo lo anterior, las empresas están obligadas a establecer un marco de gestión de riesgos. En este sentido, el 49 % de las empresas de la muestra del estudio de EIOPA ya han desarrollado políticas específicas para la IA.
Dependencia de proveedores externos
Por otro lado, los encuestados señalaron la necesidad de utilizar normativas sectoriales, como la Ley de Resiliencia Operativa Digital (DORA) y la Ley de IA, para abordar la cuestión de la dependencia de proveedores externos. Y es que la mayoría de las aseguradoras optan por adquirir soluciones tecnológicas de IA certificada y explicable. Se trata de soluciones ya existentes y enfocadas al cumplimiento normativo estandarizado.
La alternativa es optar por desarrollar soluciones propias a partir de modelos preentrenados que posteriormente se adaptan a cada compañía.
Esto hace que la gestión del riesgo de los proveedores sea crucial para las aseguradoras. La mayoría de ellas consideran que las disposiciones de la Ley de IA sobre los sistemas de IA generativa son útiles para garantizar la fiabilidad de los proveedores. Pero aún así, es necesario adoptar marcos de gobernanza y gestión de riesgos específicos para el sector que puedan ayudar a afrontar los riesgos de esta clase de IA.
Además, es importante resaltar que los sistemas de IA generativa requieren prestar mayor atención a la fase de inferencia del modelo (por ejemplo, ingeniería de prompts y supervisión de resultados).
El caso de España: riesgo prudencial y gobernanza de datos
La adopción de la IA en el sector asegurador español se rige por un principio de prudencia extrema, de cara a:
- Evitar sesgos algorítmicos.
- Mitigar los riesgos de tecnologías de IA no gobernadas.
- Cumplir con el marco prudencial.
El paraguas de Solvencia II, bajo la supervisión de la Dirección General de Seguros y Fondos de Pensiones (DGSFP), exige que cualquier innovación sea compatible con la estabilidad financiera y la protección del consumidor.
El concepto de “riesgo prudencial” manda: las aseguradoras deben mantener un perfil de riesgo conservador y garantizar que el uso de tecnologías emergentes no comprometa su adecuación de capital ni su liquidez.
En un sector donde las decisiones sobre primas, coberturas y denegaciones de siniestros se justifican ante cliente y regulador, la opacidad algorítmica (“caja negra”) es inaceptable, por lo que muchos modelos avanzados de IA afrontan grandes dificultades para ser implementados plenamente en las compañías.
La gobernanza de datos se convierte en prioridad. En España es un pilar estratégico indispensable y no solo un requerimiento de cumplimiento normativo. Actualmente, exige que las entidades mantengan una única fuente de verdad. Esto garantiza la integridad, privacidad y calidad de la información del cliente, frente a la adopción operativa de la inteligencia artificial.
En el marco de la Directiva de Distribución de Seguros (IDD), las aseguradoras españolas tienen la obligación de actuar con honestidad y profesionalidad. Esto supone que el uso de la IA debe supeditarse siempre al interés del cliente y evitar cualquier forma de exclusión financiera injustificada.
