La próxima ola de adopción de IA en los siniestros de seguros empieza por las decisiones, no por los flujos de trabajo

La IA ya está ayudando a automatizar partes del proceso de siniestros, pero convertir ese avance en valor a escala sigue siendo difícil. La investigación de P&C 2026 de Capgemini encontró que el 60% de las aseguradoras sigue en la etapa de exploración o de prueba de concepto, y que solo el 10% logra escalar la IA con éxito. BCG halló de manera similar que solo el 38% de las aseguradoras de P&C genera valor a escala con IA en sus flujos de trabajo centrales.

En los siniestros más simples y de menor variabilidad, el procesamiento directo (straight-through processing) es alcanzable. Cuando la cobertura, la evidencia, la responsabilidad y las vías de liquidación están claras, gran parte del siniestro puede avanzar sin la intervención de especialistas.

El desafío más difícil son los siniestros que quedan fuera de esa vía. La ambigüedad, la evidencia contradictoria, la falta de contexto o la necesidad de criterio especializado hacen que la automatización total sea menos confiable. En esos casos, la pregunta más útil no es cuánto del flujo de trabajo se puede automatizar con IA, sino qué decisiones dentro de él son las más importantes. Por decisiones entendemos los puntos del proceso de siniestros que determinan el resultado.

Esas decisiones son el punto de partida más útil para la optimización con IA.

Dónde está el valor: las decisiones que dan forma al siniestro

En el contexto de los siniestros de seguros, las decisiones pueden entenderse como los juicios concretos que determinan qué ocurre a continuación. ¿Está cubierta la pérdida? ¿A dónde debe derivarse el siniestro? ¿Amerita una derivación por fraude? ¿Es suficiente la evidencia disponible? ¿Cómo debe resolverse finalmente el siniestro?

Naturalmente, algunas de estas decisiones pesan mucho más que otras. La cobertura es un ejemplo evidente porque se ubica muy al inicio del siniestro, pero lo mismo ocurre con las decisiones sobre derivación, investigación, evidencia, liquidación y recupero.

Lo que vuelve tan trascendentes a estas decisiones es el efecto que pueden tener sobre todo lo que sigue:

• Una mejor derivación puede reducir traspasos innecesarios.
• Una derivación por fraude más precisa puede proteger la capacidad de investigación.
• Tener claridad antes sobre la evidencia puede evitar solicitudes repetidas y demoras.
• Las decisiones sobre reparación, liquidación y recupero pueden afectar de manera material la severidad y el costo del siniestro.

Mirar solo el flujo de trabajo puede ocultar esta diferencia de impacto. Un flujo de siniestros puede tener decenas de pasos, pero mejorar cada uno de ellos no genera el mismo valor. Empezar por la decisión ayuda a aislar los puntos en los que mejor información, una intervención más temprana o una ejecución más consistente pueden cambiar de forma material lo que ocurre después.

Eso es lo que hace de la decisión una unidad útil de optimización. Automatizar una tarea elimina esfuerzo de esa tarea; mejorar una decisión trascendente puede influir en lo que sucede durante el resto del siniestro.

La IA agéntica puede cambiar el trabajo en torno a las decisiones más importantes

La IA agéntica es especialmente útil en torno a las decisiones trascendentes porque el trabajo necesario para llegar a ellas muchas veces no es fijo. Lo que hay que investigar a continuación depende de la evidencia disponible, de lo que sigue sin estar claro y de si se requiere información adicional. Las partes más predecibles del proceso pueden seguir basadas en reglas o automatizadas de forma convencional.

El desafío suele ser llevar el expediente a un estado en el que se pueda tomar una decisión de forma confiable. El contexto relevante puede estar disperso entre el sistema de gestión de siniestros, el sistema de administración de pólizas, los repositorios de documentos, la correspondencia, las fuentes de datos de terceros y las acciones previas sobre el expediente. Los agentes pueden ayudar a reunir ese contexto, comparar evidencia, investigar discrepancias y completar acciones de seguimiento aprobadas a medida que el panorama se va aclarando.

Es fundamental aclarar que esto no significa entregar a la IA la decisión trascendente en sí. En las decisiones de mayor riesgo, el agente puede producir resultados estructurados que recojan la evidencia relevante, los hallazgos y las preguntas sin resolver. Luego, reglas determinísticas pueden consumir esos resultados para aplicar umbrales, emitir una decisión o derivar el siniestro a revisión humana.

Una aseguradora con sede en Alemania utiliza agentes para clasificar documentos de siniestros en el contexto de sus propias pólizas y salvaguardas. Los agentes pueden extraer datos relevantes, identificar discrepancias en los documentos presentados por los clientes, categorizar el siniestro y señalar los casos que requieren una revisión humana adicional.

Por lo tanto, la oportunidad no consiste tanto en volver agéntico un flujo de trabajo completo, sino en usar agentes para preparar el contexto en torno a las decisiones trascendentes. La lógica determinística y las personas siguen gobernando cómo se toman finalmente las decisiones.

Empiece por las decisiones donde las condiciones son las adecuadas

Un buen punto de partida para aplicar IA agéntica al proceso de siniestros es evaluar las decisiones importantes con cuatro preguntas distintas:

• ¿Cuánto impacta la decisión en el resultado? Las decisiones que afectan la gestión posterior, la pérdida, el resultado para el cliente o la participación de especialistas ofrecen más valor potencial que aquellas cuyo impacto termina en la tarea inmediata.
• ¿Qué tan variable es el camino hacia la decisión? Las decisiones que requieren múltiples fuentes, evidencia no estructurada, investigación o distintas acciones de seguimiento según lo que se encuentre son mejores candidatas para el apoyo agéntico. Cuando la secuencia ya es predecible, la automatización convencional puede ser suficiente.
• ¿Cuánto esfuerzo especializado se dedica a preparar la decisión? Si los profesionales de siniestros con experiencia dedican tiempo, una y otra vez, a reconstruir el historial, reunir información o resolver incertidumbres de rutina antes de poder aplicar su pericia, puede haber una oportunidad de adelantar más de ese trabajo.
• ¿Qué debería poder hacer el agente de forma independiente? Algunas decisiones pueden ser adecuadas para que un agente las prepare o recomiende, mientras que la ejecución sigue regida por reglas determinísticas, umbrales, aprobaciones o responsabilidad humana. Las denegaciones de cobertura, los pagos de mayor valor, los cambios de reservas y otras acciones trascendentes pueden requerir controles distintos según la aseguradora y la jurisdicción.

En conjunto, estas preguntas ayudan a distinguir entre el trabajo que debe seguir siendo de procesamiento directo o basado en reglas y las decisiones en las que la IA agéntica puede aportar más valor. También crean una base más clara para priorizar que empezar simplemente por el flujo de trabajo más manual o más complejo.

El resultado es una hoja de ruta de IA más deliberada: empezar por las decisiones que importan, entender qué las vuelve difíciles hoy y luego determinar qué partes del trabajo que las rodea se resuelven mejor con reglas, automatización, IA o un enfoque agéntico.

Por ejemplo, una aseguradora utiliza agentes para estandarizar la evidencia y aplicar controles consistentes. Los casos sencillos avanzan, mientras que los asuntos con matices se derivan a revisión de especialistas. Cada paso sigue siendo trazable hasta la evidencia original, y los comentarios de los especialistas pueden ir refinando con el tiempo los prompts, las reglas y la lógica de decisión, dentro de salvaguardas definidas.

En un sector regulado, cada paso debe poder revisarse

Para las aseguradoras reguladas, preparar una decisión es solo una parte del requisito. También debe ser posible entender qué la fundamentó, qué acciones se tomaron, qué reglas o umbrales se aplicaron y en qué punto intervino la supervisión humana en el proceso.

Esas expectativas existen a ambos lados del Atlántico. Por ejemplo, en Europa, el Consumer Duty de la FCA exige a las firmas actuar para lograr buenos resultados para los clientes minoristas. En Estados Unidos, los seguros siguen estando regulados principalmente a nivel estatal. El Model Bulletin sobre IA de la NAIC establece expectativas en materia de gobernanza, gestión de riesgos, pruebas, documentación y supervisión regulatoria para las decisiones de seguros apoyadas en IA.

En los procesos de siniestros agénticos, esto hace que la arquitectura en torno al modelo sea especialmente importante.

Un agente puede ser capaz de investigar un siniestro, reunir evidencia o recomendar un siguiente paso. Pero no necesariamente debería estar autorizado para denegar una cobertura, liberar un pago de alto valor o tomar otra determinación trascendente de forma independiente. Esos límites deben estar fuera del modelo y permanecer explícitos.

Mejores decisiones de siniestros crean valor más allá del expediente individual

Siniestros es uno de los lugares donde una aseguradora ve con mayor claridad cómo se comporta el riesgo en la práctica. Las cuestiones de cobertura, los patrones de fraude, los resultados de responsabilidad, el comportamiento de las liquidaciones y los resultados de recupero revelan dónde se sostienen los supuestos y dónde empiezan a cambiar.

Cuando el contexto y los resultados de esas decisiones se capturan de forma más consistente, ese aprendizaje resulta útil más allá de la función de siniestros. Suscripción puede ver dónde puede estar cambiando el riesgo, los equipos de producto pueden identificar fricciones recurrentes en el diseño de las pólizas, los equipos de fraude pueden afinar las señales que importan y los equipos de cartera o reaseguro pueden responder antes a los patrones de pérdida emergentes.

Esto le da a la optimización a nivel de decisión un valor estratégico más amplio. El beneficio inmediato es una mejor gestión de los siniestros complejos y un uso más eficaz de la experiencia especializada. Con el tiempo, también crea un circuito de retroalimentación más sólido entre siniestros y el resto de la aseguradora.

Los flujos de trabajo seguirán importando. Así es como operan los siniestros. Pero no siempre son el mejor lugar para empezar al decidir dónde la IA puede crear mayor valor. Empezar por la decisión facilita identificar dónde deben confluir un mejor contexto, la investigación adaptativa, los controles determinísticos y la experiencia humana.

Para los líderes de siniestros, ese es el cambio: optimizar el flujo de trabajo en torno a las decisiones que importan, en lugar de tratar el flujo de trabajo en sí como la unidad de la transformación con IA.