La inteligencia artificial está avanzando rápidamente en la industria aseguradora mundial, pero su impacto todavía se percibe con mayor claridad en las operaciones que en los resultados financieros. Esa es una de las principales conclusiones de un reciente informe de S&P Global Ratings, elaborado a partir de una encuesta a 121 aseguradoras y reaseguradoras de distintas regiones, que representan aproximadamente el 38% de los activos totales de las compañías de reaseguros calificadas por la agencia.
El estudio muestra que el mercado está atravesando una transición: la IA comienza a dejar atrás los experimentos aislados y los proyectos limitados a determinadas áreas para avanzar hacia estrategias corporativas más estructuradas. Sin embargo, el proceso todavía se encuentra en una etapa relativamente temprana.
De hecho, el 83% de las entidades encuestadas se ubica en fases iniciales o intermedias de su recorrido de adopción de IA, mientras que apenas el 8% afirma haber integrado completamente sus proyectos de inteligencia artificial en toda la organización.
S&P observa, no obstante, una cartera de proyectos piloto amplia y una tasa de fracaso relativamente baja, factores que, a su juicio, apuntan a una expansión significativa del uso de esta tecnología durante los próximos años.
Del piloto a la integración corporativa
La evolución que describe el informe refleja un cambio en la forma en que las aseguradoras están abordando la IA. Ya no se trata únicamente de probar herramientas en determinados departamentos, sino de comenzar a incorporarlas dentro de estrategias más amplias de transformación empresarial.
Entre los principales ámbitos de aplicación aparecen la automatización de procesos internos, la productividad de los equipos, la experiencia del cliente, la suscripción, la gestión de riesgos y la tramitación de siniestros.
La automatización de procesos internos constituye actualmente el principal objetivo: fue mencionada por el 81% de las entidades encuestadas. Le siguen las funciones de soporte interno, como el procesamiento de facturas o los chatbots destinados a empleados, señaladas por el 71%.
La relación con los clientes también ocupa un lugar relevante. Alrededor de la mitad de las aseguradoras orienta sus iniciativas de IA a mejorar la experiencia y el engagement mediante servicios en tiempo real, recomendaciones personalizadas y comunicaciones proactivas.
En paralelo, un 39% utiliza la tecnología para reforzar la gestión de riesgos, especialmente mediante herramientas de detección de fraude y modelos predictivos. En términos más generales, cerca del 80% de los participantes ya utiliza o está implementando IA en actividades vinculadas con la gestión de riesgos, con especial presencia en riesgo operativo, siniestros y suscripción.
La fotografía que surge es, por lo tanto, la de una tecnología que ya está penetrando en diferentes eslabones de la cadena de valor aseguradora, aunque con distintos niveles de madurez según la compañía y el área.
La IA agéntica todavía está en etapa experimental
Uno de los capítulos que adquiere especial relevancia en el informe es el relacionado con la denominada IA agéntica, es decir, sistemas capaces de ejecutar tareas y encadenar acciones dentro de determinados procesos con un mayor grado de autonomía.
Según S&P, su despliegue en seguros todavía se encuentra mayormente en una fase experimental. Es más frecuente encontrar implementaciones en departamentos concretos que soluciones completamente integradas a escala corporativa.
Entre los principales casos de uso aparecen la gestión de siniestros, la suscripción, el desarrollo de software, la atención al cliente y la detección de fraude.
El objetivo, en muchos de estos casos, consiste en automatizar actividades de alto volumen y relativamente baja complejidad, permitiendo que los empleados concentren su tiempo en tareas que requieren mayor intervención humana, conocimiento especializado o capacidad de decisión.
Este punto resulta particularmente relevante porque muestra que, al menos por ahora, la expansión de la IA en seguros no se está planteando exclusivamente como una sustitución de personas, sino también como una herramienta para redistribuir el trabajo dentro de las organizaciones.
El impacto financiero todavía está por demostrarse
La diferencia entre los beneficios operativos que ya empiezan a observarse y los resultados financieros constituye uno de los principales ejes del análisis de S&P.
La agencia señala que, hasta el momento, la evidencia sobre un impacto significativo de la IA en la rentabilidad sigue siendo inconclusa. De hecho, S&P Global Ratings indica que no ha registrado hasta ahora acciones de calificación crediticia directamente vinculadas con la adopción de inteligencia artificial en el sector asegurador.
Sin embargo, las expectativas de las compañías hacia los próximos años son considerablemente más ambiciosas. Las entidades encuestadas esperan alcanzar hacia 2028 una mejora de eficiencia de entre 6% y 7%, mientras que proyectan un incremento de los ingresos de entre 4% y 5%.
También se observa una fuerte modificación en las expectativas de ahorro. Mientras que en 2025 solamente el 16% de las compañías esperaba obtener ahorros de costos superiores al 3%, esa proporción podría llegar al 80% en 2028.
Para S&P, estas previsiones muestran que las compañías todavía están atravesando una etapa en la que los beneficios son principalmente operativos, pero esperan que la escala de implementación permita convertir progresivamente esas ganancias de productividad en resultados financieros más concretos.
Los presupuestos de IA crecerán de manera significativa
El aumento de las expectativas también se refleja en los presupuestos tecnológicos. Según el estudio, durante 2025 la mayoría de las aseguradoras destinó una proporción relativamente reducida de su presupuesto tecnológico a inteligencia artificial, dentro de un rango de entre 0% y 4%.
La expectativa hacia 2028 es muy diferente: la proporción media destinada a IA podría situarse entre 10% y 15% del presupuesto tecnológico. Entre las iniciativas que concentran actualmente las prioridades de inversión aparecen la automatización de workflows, las herramientas de soporte interno basadas en IA, las soluciones orientadas a mejorar la experiencia del cliente y las aplicaciones para optimizar la gestión de riesgos. S&P considera que estas iniciativas podrían contribuir a mejorar variables como la retención de clientes, la eficacia de los canales de distribución, la venta cruzada y la selección de riesgos.
Pero la agencia también introduce una cautela: dado que buena parte de las iniciativas está enfocada en eficiencia y reducción de costos, los beneficios asociados a mayores ingresos podrían resultar más difíciles de obtener y, especialmente, de medir. Por ese motivo, una adopción exitosa de IA podría mejorar la rentabilidad y, potencialmente, la solvencia, pero las inversiones que no logren generar los resultados esperados podrían convertirse en una fuente adicional de costos.
Gobernanza: el otro gran desafío
La expansión de la IA está acompañada por una preocupación creciente respecto de la gobernanza. Casi todas las compañías participantes en el estudio ya cuentan con un marco de gobernanza de IA o se encuentran desarrollándolo. Además, alrededor del 62% mantiene un inventario de modelos de inteligencia artificial. De ese grupo, aproximadamente la mitad ya incorporó ese inventario a sus programas de gestión de riesgos empresariales, mientras que el resto se encuentra trabajando en esa integración.
Para S&P, el desarrollo de estos mecanismos constituye una señal de madurez del sector, pero también responde a una necesidad concreta: una gobernanza deficiente puede generar errores en los modelos, incumplimientos regulatorios y costosos procesos de remediación.
Los principales obstáculos para avanzar con la IA están relacionados precisamente con los riesgos que rodean su implementación. La privacidad de los datos, la seguridad y el cumplimiento normativo aparecen entre las principales preocupaciones, mencionadas por más de tres cuartas partes de los participantes. A esto se suman problemas más estructurales, como la fragmentación de los datos, la dificultad para conectar las nuevas soluciones con sistemas heredados, la escasez de profesionales especializados y las dificultades para transformar proyectos piloto desarrollados localmente en herramientas aplicables a toda la compañía.
Un desafío regulatorio y tecnológico
El informe también pone el foco en la relación entre la adopción de IA y los marcos regulatorios. Las decisiones sobre qué modelos utilizar y qué proveedores contratar están cada vez más condicionadas por las normas vinculadas con privacidad de datos y soberanía nacional. En determinados mercados, esto puede traducirse en la necesidad de utilizar centros de datos localizados o incluso modelos considerados “soberanos”. En este contexto, la gestión del riesgo de terceros adquiere una importancia creciente, especialmente para aseguradoras que dependen de proveedores externos de modelos, infraestructura o servicios de inteligencia artificial.
El escenario regulatorio tampoco es homogéneo. En Europa, las compañías deben considerar simultáneamente el Reglamento de IA de la Unión Europea, el Reglamento General de Protección de Datos (GDPR) y el marco de resiliencia operativa digital (DORA). En Estados Unidos, en cambio, las aseguradoras se enfrentan a un esquema más fragmentado, con diferencias regulatorias entre estados y disposiciones impulsadas por la National Association of Insurance Commissioners (NAIC).
Distintos caminos para incorporar la tecnología
S&P tampoco identifica una estrategia única respecto del aprovisionamiento de soluciones de IA. La adquisición de modelos de terceros sin personalización aparece como la alternativa más extendida, aunque muchas aseguradoras combinan diferentes modalidades. En particular, el 70% de las compañías que desarrollan modelos internamente también utiliza soluciones de terceros, mientras que un 9% combina todas las alternativas disponibles.
Esto pone de manifiesto que la discusión no pasa únicamente por decidir entre desarrollar tecnología propia o contratarla externamente. En la práctica, las aseguradoras están construyendo modelos híbridos, en los que conviven capacidades internas con herramientas y servicios proporcionados por terceros. Esta dependencia también introduce nuevos riesgos relacionados con la seguridad, la privacidad, la continuidad operativa y el cumplimiento regulatorio.
La IA todavía no cambia las calificaciones, pero sí entra en el radar crediticio
Uno de los aspectos más relevantes desde la perspectiva de S&P Global Ratings es que la adopción de IA todavía no modificó directamente sus opiniones sobre la calidad crediticia de las aseguradoras y reaseguradoras. La agencia tampoco ha registrado hasta el momento acciones de calificación directamente vinculadas con esta tecnología.
Sin embargo, esto no significa que la IA sea irrelevante para el análisis crediticio. Por el contrario, S&P señala que tanto el potencial de generar mejoras operativas y financieras como los riesgos tecnológicos y de gobernanza asociados están adquiriendo una importancia cada vez mayor.
En este sentido, la evolución de la IA comienza a ser considerada como un factor que puede contribuir a diferenciar el desempeño de las compañías. La capacidad para escalar soluciones, transformar los pilotos en aplicaciones corporativas, controlar los riesgos y administrar adecuadamente la dependencia de terceros podría adquirir mayor peso a medida que la tecnología madure.
El escenario que plantea el informe hacia 2028, por lo tanto, no es el de una industria que ya haya completado su transformación mediante IA, sino el de un mercado que está entrando en una segunda etapa: pasar de demostrar que la tecnología funciona a conseguir que genere valor de manera sistemática, medible y sostenible.
Allí aparece uno de los principales interrogantes para los próximos años: la tecnología ya está encontrando aplicaciones concretas en la operación aseguradora, pero el desafío será determinar hasta qué punto esas mejoras pueden traducirse en una mayor eficiencia, mejores ingresos y una rentabilidad sostenible sin que los riesgos tecnológicos, regulatorios y de gobernanza terminen compensando parte de esos beneficios.
