Durante las últimas dos décadas, las aseguradoras invirtieron miles de millones de dólares en automatización, digitalización y nuevas plataformas tecnológicas con un objetivo claro: mejorar la eficiencia operativa. Sin embargo, el resultado fue paradójico.
A diferencia de industrias como las telecomunicaciones, la automotriz o el transporte aéreo, que lograron reducir significativamente sus costos administrativos desde 2005, el sector asegurador incrementó sus ratios de costos aproximadamente un 10% a nivel mundial, pese a las fuertes inversiones realizadas en tecnología.
Así lo sostiene McKinsey en su informe “How AI will reshape the economics of insurance: A CEO’s guide to strategy”, donde plantea que la inteligencia artificial podría convertirse en la primera tecnología capaz de romper definitivamente ese ciclo y transformar la economía del negocio asegurador.
La gran paradoja de la digitalización
Según la consultora, el problema nunca fue que la tecnología no funcionara. De hecho, la productividad laboral mejoró de manera considerable.
En seguros patrimoniales y de daños (P&C), la productividad aumentó un 14%, mientras que en seguros de vida el incremento alcanzó el 24%, gracias a la automatización de procesos como la emisión de pólizas, la atención al cliente y la gestión de siniestros.
Entonces, ¿por qué las aseguradoras terminaron siendo menos eficientes? McKinsey sostiene que la explicación es estructural.
Cada mejora obtenida mediante la digitalización fue neutralizada por el crecimiento simultáneo de los costos tecnológicos, las mayores exigencias regulatorias y, sobre todo, por la complejidad derivada de incorporar nuevas herramientas digitales sobre modelos operativos heredados.
En otras palabras, las compañías fueron ganando eficiencia en determinadas tareas, pero al mismo tiempo aumentó el costo total de mantener organizaciones cada vez más complejas.
La IA cambia las reglas del juego
La inteligencia artificial representa un punto de inflexión porque, a diferencia de tecnologías anteriores, como la automatización robótica de procesos (RPA), puede actuar simultáneamente sobre prácticamente toda la estructura de costos de una aseguradora.
La consultora señala que las transformaciones impulsadas por IA ya están generando reducciones de entre 20% y 40% en los costos de incorporación de nuevos clientes, además de incrementos de entre 10% y 20% en la productividad de agentes y productores de seguros.
Pero el verdadero cambio va mucho más allá de esas mejoras puntuales. La IA también modifica las economías de escala del negocio. Aunque desarrollar modelos de inteligencia artificial exige inversiones significativas en infraestructura, procesamiento, datos y plataformas, una vez implementados estos sistemas permiten reducir drásticamente el costo unitario de numerosas tareas de suscripción, atención al cliente y gestión de siniestros.
Como consecuencia, las aseguradoras que adopten una estrategia “AI-first” podrán incrementar considerablemente su volumen de operaciones sin que los costos crezcan al mismo ritmo, generando ventajas competitivas muy difíciles de igualar para quienes avancen más lentamente.
Dos modelos competitivos para el futuro
Frente a este nuevo escenario, McKinsey considera que comienzan a consolidarse dos modelos estratégicos igualmente viables.
El primero consiste en competir mediante la escala. Las grandes aseguradoras y los brokers con elevados volúmenes de primas podrán amortizar más fácilmente las fuertes inversiones necesarias para construir infraestructuras de datos, desarrollar modelos propios y desplegar plataformas de inteligencia artificial, obteniendo ratios de gastos que serán muy difíciles de alcanzar para competidores de menor tamaño.
La segunda alternativa pasa por una especialización profunda. A medida que la IA reduzca la complejidad de conectar capacidades de suscripción especializadas con plataformas de distribución, proveedores de capital y redes de gestión de siniestros, surgirán organizaciones altamente especializadas capaces de competir exitosamente sin necesidad de desarrollar toda la infraestructura tecnológica por cuenta propia.
McKinsey identifica en los nuevos Managing General Agents (MGA) nativos de IA uno de los primeros ejemplos de este modelo, donde empresas muy enfocadas aprovechan plataformas compartidas para concentrarse exclusivamente en aquello que mejor saben hacer.
Lo que la consultora considera inviable es permanecer en un punto intermedio. Las compañías deberán decidir con rapidez si construirán capacidades propias de IA o si accederán a ellas mediante alianzas estratégicas. Retrasar esa definición puede significar aceptar tanto la posición competitiva que imponga el mercado como las limitaciones tecnológicas heredadas.
El desafío ya no es la IA, sino la velocidad
Sin embargo, disponer de inteligencia artificial no garantiza por sí solo una ventaja competitiva. Así, la verdadera diferencia estará en la capacidad de las organizaciones para operar al ritmo que impone la tecnología. Aquí aparece uno de los mayores desafíos para el sector asegurador.
Tradicionalmente, las compañías desarrollan nuevos productos durante períodos que pueden extenderse por años, actualizan periódicamente sus criterios de suscripción y revisan sus modelos actuariales siguiendo ciclos relativamente largos, una lógica razonable para un negocio donde los resultados de una decisión pueden tardar años en conocerse.
Pero la inteligencia artificial funciona bajo una lógica completamente distinta. Mientras muchas aseguradoras siguen operando con tiempos medidos en meses o años, los MGA nativos de IA son capaces de diseñar, probar y perfeccionar productos en cuestión de semanas, mientras que las plataformas digitales modifican continuamente sus algoritmos de recomendación en cuestión de horas.
Según McKinsey, el riesgo competitivo ya no reside únicamente en disponer de mejores modelos de IA, sino en contar con una organización capaz de utilizarlos con la velocidad que exige el mercado.
Tres barreras que frenan la transformación
El informe identifica tres obstáculos que explican por qué muchas aseguradoras todavía no consiguen aprovechar plenamente la inteligencia artificial.
El primero es la lentitud en la toma de decisiones. Cuando las decisiones sobre estrategia, inversión o despliegue de IA deben atravesar largos procesos de aprobación y estructuras de gobierno diseñadas para otro contexto tecnológico, las organizaciones pierden capacidad para experimentar, aprender y adaptarse con rapidez.
El segundo obstáculo es la arquitectura de datos. En la mayoría de las aseguradoras, la información continúa organizada alrededor de líneas de negocio y registros históricos de siniestralidad, una estructura adecuada para el análisis actuarial tradicional, pero poco preparada para entrenar modelos de IA que necesitan detectar señales en tiempo real y combinar información procedente de múltiples áreas de la organización.
Finalmente, aparece el modelo operativo de desarrollo, sobre lo cual se advierte que muchas compañías todavía mantienen separados a los equipos de negocio y de tecnología. Ingenieros, científicos de datos y especialistas en IA desarrollan soluciones de manera aislada para luego transferirlas a las áreas operativas, cuando en realidad ambos perfiles deberían trabajar conjuntamente desde el inicio de cada proyecto.
Mucho más que un desafío tecnológico
Para la consultora, estos problemas no son independientes. Forman parte de un desafío organizacional mucho más amplio que involucra estrategia, talento, procesos, tecnología, datos y gestión del cambio.
Las aseguradoras líderes no se limitaron a incorporar inteligencia artificial sobre estructuras existentes. Reconstruyeron sus modelos operativos alrededor de las nuevas capacidades tecnológicas.
Según McKinsey, esa diferencia explica buena parte de la brecha que comienza a abrirse entre líderes y rezagados. Las organizaciones que experimentan más rápido generan más datos; esos datos permiten entrenar mejores modelos; los mejores modelos producen decisiones superiores y esa ventaja vuelve a generar nuevos datos en un círculo virtuoso que se acelera con el tiempo. La consecuencia ya comienza a reflejarse en el mercado.
De acuerdo con este análisis, las compañías líderes en inteligencia artificial han generado retornos totales para los accionistas hasta seis veces superiores a los obtenidos por las aseguradoras más rezagadas en esta transformación. Y el mensaje es claro: la inteligencia artificial ya no representa únicamente una nueva tecnología para automatizar procesos, sino que se está convirtiendo en el nuevo sistema operativo del negocio asegurador.
