A pesar de seguir adelante con casos de uso y capacidades de IA generativa, muchas compañías de seguros se encuentran estancadas en la fase piloto, incapaces de escalar o extraer valor.
La IA generativa no es sólo una moda pasajera para McKinsey, que estima que el potencial total de esta tecnología para la economía global es de 4,4 billones de dólares.
Jörg Mußhoff (socio senior de McKinsey en Berlín) se juntó con Cameron Talischi (socia en Chicago) y Khaled Rifai (otro socio en la capital alemana) para discutir cómo las organizaciones pueden escapar del «purgatorio piloto» aprovechando la IA tradicional y la automatización de procesos robóticos, además de la IA generativa; la importancia de reinventar ámbitos como los siniestros, la suscripción y la distribución; y cómo abordar desde el principio los problemas de privacidad y seguridad de los datos relacionados con la propiedad intelectual y otras cuestiones.
Tendencias y aplicaciones prometedoras
Cameron Talischi destacó que el sector de seguros ha mostrado un notable interés en la IA generativa, dada su naturaleza basada en el conocimiento y el procesamiento de datos no estructurados, áreas en las que los modelos de IA generativa sobresalen. Entre las aplicaciones más prometedoras se encuentran:
- Extracción de información: los aseguradores están utilizando la IA generativa para extraer información de fuentes no estructuradas, como registros médicos en el contexto de reclamaciones, o datos de paquetes de demanda y envíos de correos para suscripciones comerciales.
- Generación de contenidos: la creación de contenido creativo para marketing y personalización es otro campo en expansión. Esto incluye comunicar el estado de una reclamación o negociar con corredores de seguros.
- Desarrollo de software: la modernización tecnológica y digital es crucial, y la IA generativa juega un papel importante en la actualización de sistemas heredados.
Khaled Rifai añadió una categoría adicional centrada en la interacción con el cliente y autoservicio, sugiriendo que la IA generativa puede automatizar tareas de atención al cliente, como verificar coberturas o actualizar datos personales, que actualmente aún requieren intervención humana.
Superando la fase piloto y escalando
Los expertos señalaron que muchas organizaciones se quedan estancadas en la llamada «fase piloto». Talischi explicó que esto suele ocurrir cuando las empresas se centran excesivamente en la tecnología en lugar de en el impacto real para el negocio. Las organizaciones líderes están cambiando su enfoque hacia la identificación de componentes comunes en aplicaciones para crear módulos reutilizables que aceleren la implementación y gestión de casos similares.
En tanto que Rifai coincidió en la importancia de reimaginar dominios completos en lugar de enfocarse en casos aislados. Esta visión integral permite superar las limitaciones de los casos de uso aislados y abordar procesos más amplios como reclamaciones, suscripción y distribución.
Consejos prácticos para el desarrollo de capacidades
Para implementar eficazmente la IA generativa, Talischi enfatizó la necesidad de una visión estratégica y una hoja de ruta clara, así como una preparación adecuada de los datos. Las organizaciones deben considerar tanto la compra de capacidades externas como el desarrollo interno, con un enfoque en roles emergentes como los ingenieros de prompts para optimizar la interacción con los modelos.
Mientras que, por su parte, Rifai advirtió que no se debe esperar para gestionar los datos. La inversión en la comprensión y la protección de datos es crucial, especialmente a medida que la IA generativa se implementa a gran escala.
Aspectos regulatorios y éticos
El debate también incluyó preocupaciones sobre privacidad de datos y riesgos éticos. Talischi destacó la importancia de tener un marco integral que aborde problemas como la privacidad de los datos y la precisión de los modelos. En Europa, la reciente aprobación del Acta de Inteligencia Artificial de la Unión Europea establecerá estándares para el uso de estas tecnologías; aunque Rifai recomendó empezar con casos de uso menos riesgosos y avanzar de manera gradual.
En conclusión, la IA generativa ofrece grandes promesas para la industria de seguros, pero su implementación exitosa requiere un equilibrio entre la innovación tecnológica y una estrategia bien definida que abarque tanto el desarrollo de capacidades como la gestión de riesgos y regulaciones.
