Por David Leonor
En un mundo donde la tecnología avanza a pasos agigantados, la inteligencia artificial (IA) se ha convertido en una herramienta indispensable para las aseguradoras que buscan destacar y mantenerse competitivas. Según un reciente informe de McKinsey & Company, solo unas pocas aseguradoras han logrado extraer un valor significativo de la IA para obtener una ventaja competitiva. Estas son algunas de las principales conclusiones de este estudio.
Transformación integral
Prácticamente todas las aseguradoras han comenzado a implementar la IA, con numerosos casos de uso en producción. Sin embargo, los ejecutivos de muchas compañías sienten que sus empresas no son verdaderamente nativas de la IA, reconociendo que aún no han integrado esta tecnología en sus modelos de negocio. Este sentimiento, tal y como revela el informe de la consultora, alimenta el deseo de aumentar la inversión en tecnologías de IA a medida que las empresas se esfuerzan por mantenerse competitivas.
“Las aseguradoras están ansiosas por encontrar la receta correcta para el éxito, aunque pocas lo han logrado”, se destaca.
Para lograr una transformación efectiva con la IA, no basta con hacer ajustes superficiales y ejecutar algunos pilotos, o esperar que la verdadera habilitación de la IA provenga de la compra de un mosaico de productos de software como servicio de proveedores con una intención estratégica mínima, o esperar que los flujos de trabajo se transformen con soluciones de IA listas para usar.
Valor real
El valor de la tecnología digital y la inteligencia artificial es real y considerable. Las pruebas sugieren que las empresas que cuentan con capacidades líderes en tecnología digital e inteligencia artificial superan entre dos y seis veces a las rezagadas en cuanto a la rentabilidad total para los accionistas (TSR) en todos los sectores analizados.
Para crear un valor empresarial duradero a partir de la IA, las aseguradoras necesitan establecer una visión audaz y de toda la empresa para el potencial de la IA, y reestructurar profundamente cómo operan en los diversos dominios empresariales (suscripción, reclamaciones, distribución, servicio al cliente y más), integrando la tecnología en cada parte de la organización.
Desafíos
Implementar IA en las aseguradoras presenta varios desafíos significativos que deben ser abordados para lograr una transformación exitosa. El informe de McKinsey & Company detallan los principales desafíos identificados tanto en fuentes internas como externas.
Desafíos internos
1. Gestión de datos:
- La fragmentación de datos y la falta de integración de sistemas son barreras significativas. Solo el 34% de las aseguradoras ha logrado la integración de datos a nivel de sistema.
- La calidad de los datos es crucial. Implementar una sólida gobernanza de datos con políticas claras sobre cómo se recopilan, almacenan y utilizan los datos es esencial.
2. Infraestructura tecnológica:
- La mayoría de las aseguradoras aún están en proceso de modernizar sus sistemas tecnológicos. Solo el 18% ha logrado una infraestructura completamente basada en la nube.
- La integración con sistemas existentes puede ser compleja. Diseñar una arquitectura híbrida que permita la coexistencia de sistemas heredados y nuevos módulos de IA es una solución viable.
3. Gobernanza y ética:
- La implementación de marcos de gobernanza robustos y mecanismos de detección de sesgos es esencial para garantizar la equidad y mitigar los riesgos éticos en los sistemas de IA.
- La regulación y el cumplimiento normativo son desafíos importantes, especialmente con la clasificación de ciertos sistemas de IA como de «alto riesgo».
4. Cultura organizacional:
- La resistencia al cambio y la falta de habilidades en IA entre la fuerza laboral son desafíos críticos. Es necesario un enfoque multifacético para la retención y mejora de habilidades.
- La gestión del cambio es clave para asegurar la adopción de la IA en toda la organización.
Desafíos Externos
1. Costes:
• Los costes de licenciamiento y mantenimiento de soluciones de IA pueden ser elevados. Explorar opciones de IA generativa privada y alianzas estratégicas con proveedores tecnológicos puede ayudar a gestionar estos costes.
2. Ciberseguridad:
• La protección de datos y la ciberseguridad son preocupaciones importantes. Implementar medidas robustas para proteger la información sensible es crucial.
3. Fiabilidad de las fuentes de datos:
• La fiabilidad de las fuentes de datos es esencial para el éxito de la IA. Utilizar herramientas avanzadas de gestión de calidad del dato y adoptar estándares comunes puede mejorar la precisión y la fiabilidad.
4. Adaptación a la regulación:
• Las aseguradoras deben adaptarse a un marco regulatorio en constante evolución. La nueva regulación de IA en la UE, por ejemplo, establece requisitos estrictos de gobernanza y transparencia para los sistemas de IA utilizados en la evaluación de riesgos y la tarificación.
Superar estos desafíos requiere una estrategia bien planificada que incluya la modernización de la infraestructura tecnológica, la implementación de una gobernanza de datos robusta, la adaptación a la regulación y la gestión del cambio organizacional. Las aseguradoras que logren abordar estos desafíos estarán mejor posicionadas para aprovechar el potencial transformador de la IA y mantenerse competitivas en el mercado.
Fuente: David Leonor para Füture. Blog de Innovación para el sector asegurador (28 de agosto de 2025)
