COBERTURA EXCLUSIVA 100% SEGURO.- Una aseguradora y un broker. Dos miradas y un mismo objetivo: aprovechar todo el poder de la inteligencia artificial sin morir en el intento. Nationwide es uno de los grandes grupos estadounidenses de seguros y servicios financieros, con una importante actividad en seguros de Property & Casualty. Goosehead Insurance, por su parte, es un broker independiente de seguros que trabaja con múltiples aseguradoras y ofrece a sus clientes distintas alternativas de cobertura, con un fuerte foco en la experiencia y el servicio.
En uno de los paneles de ITC Vegas 2026, Guru Vasudeva, SVP & CIO de Property & Casualty de Nationwide, y Charl Lombard, Chief Client Experience Officer de Goosehead Insurance, compartieron sus experiencias y aprendizajes en torno a la implementación de inteligencia artificial, desde la productividad y el desarrollo de software hasta la transformación de procesos centrales del negocio asegurador.
La inteligencia artificial dejó de ser solamente un espacio de experimentación para convertirse en una herramienta con aplicaciones concretas dentro de las compañías. Sin embargo, pasar de los primeros casos de uso a una verdadera transformación del negocio continúa siendo uno de los principales desafíos.
De la IA cotidiana a la ingeniería de software
Vasudeva explicó que Nationwide viene trabajando con la inteligencia artificial en tres grandes categorías: IA cotidiana, IA aplicada a la ingeniería de software y, en último lugar, a la transformación del negocio.
En el primer caso, la compañía buscó llevar al ámbito laboral capacidades similares a las que las personas ya utilizan cotidianamente con herramientas de IA, pero conectadas y protegidas con la información de la empresa. Esta tecnología fue desplegada entre unas 30.000 personas, incluyendo asociados y contratistas, y recibió una respuesta muy positiva.
El segundo eje está relacionado con la ingeniería de software. Nationwide invierte más de 1.000 millones de dólares al año en tecnología y cuenta con alrededor de 400 equipos de desarrollo y miles de personas involucradas. Allí, la compañía incorporó herramientas avanzadas para acelerar el ciclo de desarrollo, junto con capacidades vinculadas al desarrollo y testing.
La estrategia de implementación también fue gradual: tres personas por equipo asumieron determinados roles y luego capacitaron al resto. Según Vasudeva, en algunos casos se alcanzó una mejora de eficiencia del 40%, mientras que el promedio se ubicó alrededor del 15%. Parte de esos ahorros de eficiencia, explicó, se reinvierte en nuevos proyectos de negocio.
Pero el tercer eje, la transformación del negocio, es considerablemente más complejo:
“Los equipos de negocio no quieren pequeñas funcionalidades de IA. El liderazgo quiere crecimiento y una mejor capacidad de respuesta hacia nuestros agentes de seguros y brokers”, manifestó el ejecutivo de Nationwide.
El resultado antes que la funcionalidad
Para Vasudeva, uno de los principales aprendizajes consiste en no concentrarse solamente en las funcionalidades de la tecnología, sino en el resultado que se busca alcanzar.
Como ejemplo, mencionó el negocio de agribusiness de Nationwide. La compañía es uno de los principales suscriptores de negocios agrícolas en Estados Unidos, un segmento en el que las propuestas pueden ser muy complejas: pueden involucrar múltiples estados, varios edificios y grandes volúmenes de información que cada CFO almacena de manera diferente, además de antecedentes de siniestros y otros datos.
El volumen de propuestas hace que actualmente no puedan responder a todas dentro del tiempo necesario. Por eso, el desafío es poder hacer una primera clasificación y determinar rápidamente si existe información suficiente para actuar.
El objetivo que se plantearon no es simplemente hacer el proceso más eficiente. Es mucho más ambicioso, y pasa por duplicar el territorio que pueden gestionar sus underwriters.
“Para nosotros, esto no es un juego de eficiencia. Es una oportunidad de crecimiento”, explicó Vasudeva.
La lógica es que, si la compañía puede responder al riesgo adecuado en el momento adecuado, tendrá mayores posibilidades de ganar buenos negocios.
La IA no reemplaza el conocimiento
Otro de los conceptos planteados por Vasudeva fue lo que denominó el “knowledge to action paradox”: el desafío de contar con suficiente conocimiento para poder formular las preguntas correctas a una IA, evaluar sus respuestas y actuar sobre ellas con confianza.
“El avance de la automatización no elimina la necesidad de conocimiento especializado. Por el contrario, a medida que las tareas más rutinarias son automatizadas, las personas quedan frente a decisiones que requieren mayor capacidad de juicio”, agregó..
Nationwide, explicó, mantiene una fuerte apuesta por el “human in the loop”, especialmente en funciones como underwriting y siniestros. “La IA va a acentuar el conocimiento, no a disminuir su valor”, afirmó.
Para Vasudeva, además, las compañías necesitan cada vez más personas capaces de comprender las bases de un negocio técnico como es el seguro así como las nuevas tecnologías.
“Necesitamos más personas que sean bilingües, en el sentido de conocer tanto el lenguaje del negocio asegurador como el lenguaje de la IA”, sostuvo.
El desafío está en que los especialistas en IA pueden conocer en profundidad los modelos de lenguaje y el prompting, pero no necesariamente comprender el negocio asegurador. Y, al mismo tiempo, los profesionales del negocio pueden conocer profundamente sus procesos, pero no siempre conocer las posibilidades que ofrece la tecnología.
Cuando tecnología y negocio trabajan juntos
Lombard coincidió en la necesidad de reducir esa separación entre tecnología y negocio. En su experiencia en Goosehead, considera que la arquitectura y la forma en que se diseñan los proyectos desde el comienzo pueden determinar el resultado final.
Por ejemplo, una compañía puede preguntarse si debe construir un caso de uso de IA para un call center de manera independiente en su aplicación y en su sitio web, o si conviene desarrollar un único servicio que pueda ser utilizado desde ambos espacios. Una decisión equivocada en esa instancia puede generar meses de trabajo y nuevos costos tecnológicos.
“Si el equipo de tecnología está en un piso y el equipo de negocio está en otro, y el email es la forma en que se comunican sobre funcionalidades, están en problemas”, expresó Lombard.
En Goosehead, explicó, los equipos trabajan de manera cercana y resulta difícil distinguir entre quienes pertenecen al área tecnológica y quienes forman parte del negocio. Incluso surgieron nuevos roles. Algunos profesionales que un año atrás se desempeñaban como agentes de servicio ahora participan como entrenadores de modelos, evaluadores de casos de uso y detectores de errores.
Vasudeva coincidió con este enfoque y señaló que, en su experiencia, resulta más sencillo capacitar a los especialistas en seguros.
“Estoy comprobando que es más fácil enseñar a las personas de negocio cuáles son las posibilidades de la tecnología que hacerlo al revés”, sostuvo.
Por eso, Nationwide viene trabajando para incrementar el conocimiento del negocio dentro de sus equipos de IT y, al mismo tiempo, identificar dentro de las áreas de negocio a personas con conocimiento profundo de la actividad que puedan incorporar capacidades vinculadas con IA.
Entender la operación antes de automatizar
Lombard compartió un ejemplo vinculado con un motor de sugerencias desarrollado para analizar millones de casos al año, muchos de ellos relacionados con seguros. Sin embargo, el sistema también recibía información irrelevante (como una compra de US$ 10,99 en una pizzería) que debía ser filtrada.
A partir de allí, la compañía desarrolló distintos motores para limpiar información, eliminar duplicados y adjuntar documentación. Pero incluso esos procesos dependen de cuestiones operativas que no siempre pueden resolverse únicamente con tecnología.
Algunas aseguradoras enviaban documentación que podía ser procesada por la IA, mientras que otras mandaban un email con un enlace y pedían ingresar allí para consultar un cambio en una póliza. La IA no podía actuar sobre ese enlace.
La solución, en ese caso, fue humana: el responsable de las relaciones con las aseguradoras se reunió personalmente con los equipos correspondientes, explicó el problema y pidió que la documentación fuera enviada como archivo adjunto. A partir de ese cambio, el proceso pudo funcionar.
La capacidad de respuesta como objetivo
En Nationwide, uno de los principales focos actuales está puesto en mejorar la capacidad de respuesta. La aseguradora cuenta con una marca fuerte y personas que quieren hacer negocios con ella, pero el volumen de propuestas hace que no siempre pueda procesarlas en el tiempo necesario.
“Queremos que se nos conozca como la aseguradora más receptiva para agentes de seguros y brokers, y me gustaría que la IA ayudara de manera realmente medible a esa capacidad de respuesta”, planteó.
En este camino, la compañía está trabajando principalmente sobre tres áreas: underwriting, atención al cliente y siniestros.
En suscripción, el objetivo está directamente vinculado con mejorar la selección de riesgos y el crecimiento del negocio. En atención al cliente, la IA podría ayudar especialmente en momentos de picos de demanda, como durante temporadas de huracanes o situaciones similares a una pandemia, cuando el volumen de llamadas puede aumentar significativamente. Los siniestros constituyen el tercer espacio en el que la compañía busca avanzar, buscando ganar en velocidad de respuesta y automatización de tareas.
De ejecutores de tareas a asesores
Para Lombard, el impacto de la IA también puede modificar de manera profunda el trabajo de los profesionales que están en contacto con los clientes. La pregunta que plantea es qué tipo de rol deberían desempeñar esos profesionales en el futuro: si serán meros ejecutores de tareas o si podrán convertirse en verdaderos asesores.
“¿Están haciendo click en botones y marcando casillas? ¿O están teniendo conversaciones significativas sobre cobertura y siniestros, sobre otros activos asegurables y sobre cómo ese cliente debería pensar el próximo paso para gestionar sus riesgos?”, se preguntó.
“El objetivo es que los equipos puedan dedicar más tiempo a comprender las necesidades del cliente y acompañarlo en sus decisiones, mientras las máquinas realizan en segundo plano las tareas operativas”, sintetizó.
Para Lombard, esto es especialmente relevante porque el contacto entre un cliente y una compañía de seguros suele producirse en momentos en los que algo importante ocurrió. Por eso, la experiencia durante esa interacción tiene un peso central.
En definitiva, tanto desde Nationwide como desde Goosehead, la discusión sobre inteligencia artificial trasciende la incorporación de nuevas herramientas. El desafío pasa por identificar resultados concretos, comprender en profundidad los procesos, integrar tecnología y negocio, preservar el conocimiento especializado de los asesores profesionales y definir qué tareas deben quedar en manos de las personas y cuáles pueden ser ejecutadas por las máquinas.
