Del auge de la IA a un modelo de negocio transformado – Seguro Basado en Datos (Data Driven Insurance, DDI)

La velocidad a la que evoluciona actualmente la Inteligencia Artificial (IA) es inmensa. Además, la calidad de la IA mejora constantemente. Por lo tanto, no es sorprendente que muchas aseguradoras ya estén utilizando aplicaciones de IA en implementaciones tempranas. El camino hacia el futuro está trazado: las aseguradoras cuentan con un gran volumen de datos a su disposición que a menudo están infrautilizados y, con la ayuda de la IA, pueden desbloquear nuevo potencial en sus interacciones con los clientes. Los modelos de negocio están cambiando en dirección al Seguro Basado en Datos (Data Driven Insurance, DDI). El siguiente artículo describe cómo podría ser este escenario.

El Seguro Basado en Datos (DDI, por sus siglas en inglés) es nuestro marco para crear una experiencia del cliente aún mejor, centrándonos en él y aprovechando la IA. Ya sea mediante ofertas y servicios más personalizados o procesos más eficientes y autónomos a lo largo del recorrido del cliente.

El marco DDI contiene varios elementos que definen las condiciones marco para las actividades basadas en datos. Estas van desde consideraciones estratégicas y técnicas hasta condiciones procedimentales y normativas (ver figura 1).

La estrategia de datos constituye finalmente la base para las actividades posteriores. Inicialmente, define directrices fundamentales. Por ejemplo, determina si los datos deben utilizarse más para operaciones o como motor de crecimiento. Otra cuestión que surge es si los datos deben usarse solo internamente o en un ecosistema en el que también se compartan con socios. A partir de estas preguntas se formula una visión de datos y se elabora una hoja de ruta para implementarla.

Las bases tecnológicas se definen en función de la estrategia. Por un lado, se requiere un esquema de la arquitectura de datos que defina cómo se almacenan y fusionan los datos. Por otro, deben determinarse la infraestructura técnica sobre la que se construirá y los componentes tecnológicos que se utilizarán.

El recorrido del cliente está en el núcleo del DDI. En última instancia, los datos deben usarse para generar valor añadido para el cliente. Este valor puede derivarse de procesos más ágiles, opciones más variadas o productos y servicios altamente personalizados, todos ellos generalmente respaldados por IA. En la segunda parte del artículo abordaremos estos puntos con más detalle.

Como todo proceso deja rastros de datos, se pueden usar procedimientos inteligentes para verificar si el proceso está funcionando con la eficiencia prevista o si hay margen de mejora. Como parte de un proceso de mejora continua, se utilizan el monitoreo y la evaluación comparativa para elevar continuamente la eficiencia y calidad del proceso.

Además de la Ley de Protección de Datos, existen ahora otras regulaciones que rigen el uso de datos de clientes por parte de la IA, como la Ley de IA de la UE (EU AI Act). Estas deben, por supuesto, tenerse en cuenta. Sin embargo, esto es solo una parte de los aspectos de gobernanza que deben considerarse. También influyen factores tecnológicos y organizativos. Dado que estos aspectos son muy centrales, los abordaremos con más detalle en la sección final.

Como se mencionó anteriormente, el enfoque en el cliente está en el núcleo del DDI. Vemos los siguientes puntos de interacción: contacto con el cliente, asesoría al cliente y servicio al cliente (ver figura 2). Para cada uno de estos puntos existen diversos casos de uso que —apoyados por datos y mediante el uso de IA— permiten una mejor experiencia del cliente y, por ende, una mejor propuesta de valor.

Contacto con el cliente: En el pasado, la mayoría de las aseguradoras han seguido una estrategia omnicanal para atender a los clientes de manera coherente en todos los canales. Sin embargo, la integración y sincronización de canales es muy costosa y requiere mucho tiempo. Por ello, no sorprende que muchas aseguradoras gestionen ahora principalmente el canal digital y apuesten por una estrategia "digital first" o "mobile first". Para que este canal se utilice de forma coherente, el cliente debe poder ser atendido completamente a través de él. En este contexto, la IA conversacional es uno de los temas más importantes: los clientes no deberían tener que llamar a un centro de atención o consultar a un agente de seguros cuando tengan dudas, sino poder dialogar de forma completamente natural con una IA, mediante texto o voz. A diferencia de los chatbots de hace solo unos años, esto ya es posible sin problemas —y en casi cualquier idioma, incluido el alemán suizo—. Además de proporcionar información, la IA puede hacer mucho más en el diálogo con el cliente: al leer información de seguimiento, puede identificar necesidades individuales del cliente, explorarlas más a fondo en el diálogo e identificar necesidades adicionales de protección que pueden cubrirse mediante módulos complementarios (Next Best Action).

Asesoría al cliente: Como se acaba de describir, la transición del contacto con el cliente a la asesoría es naturalmente fluida. Aunque el efecto ROPO (investigar online, comprar offline) ha disminuido en comparación con el pasado, la asesoría personal aún no ha quedado obsoleta. El DDI también puede ser útil aquí. Por ejemplo, la IA puede ser utilizada por los asesores, ya sea en el centro de servicios o en campo, para obtener rápidamente una visión general resumida de quién es el cliente y qué relación tiene con la aseguradora. Así, la experiencia del cliente ya mejora porque no tiene que explicarse primero. La IA también puede proporcionar al asesor información detallada sobre si un cliente corre riesgo de cancelar su contrato. Si es así, se pueden discutir rápidamente medidas efectivas y, en el mejor de los casos, aumentar la fidelidad del cliente.

Servicio al cliente: Las actividades de servicio al cliente están vinculadas sin interrupciones con la asesoría al cliente o derivan del contacto inicial. Aquí también se utiliza IA conversacional para ayudar y apoyar a los clientes. La IA también puede emplearse en la gestión de quejas —especialmente si incluye componentes de análisis de sentimientos—. No obstante, el tema más importante en el servicio al cliente es el autoservicio. Cuantas más tareas puedan realizar los clientes de forma independiente, menos infraestructura costosa se necesita, como líneas telefónicas o centros de servicio. Con la ayuda de IA agéntica, en la que varios sistemas de IA interactúan entre sí, ahora pueden llevarse a cabo de forma autónoma y eficiente tareas más complejas, como la verificación y el pago de prestaciones, lo que mejora considerablemente la experiencia del cliente.

Además de mejorar la experiencia del cliente, todas estas actividades basadas en datos y respaldadas por IA deben tener en cuenta las condiciones marco, ya que la IA siempre debe cumplir con requisitos de confianza y seguridad, así como con las necesidades de empleados y clientes. Al utilizar IA, nos referimos generalmente al Marco de IA Confiable (Trustworthy AI Framework), que actúa como un conjunto de construcción para definir las condiciones relevantes. Este marco fue desarrollado en el marco del programa “AI for Good” bajo el paraguas de la ITU (Unión Internacional de Telecomunicaciones) y es neutral en cuanto a tecnología. Las dimensiones consideradas son factores externos, organización y tecnología (ver figura 3).

Los factores externos incluyen todo tipo de regulaciones (como la nueva Ley de Protección de Datos suiza - nDSG, o la Ley de IA de la UE), que a veces se complementan con otras certificaciones (como ISO 9001, ISO 27001, ISO 41001) y directrices (como ética, equidad). Junto con el cliente, decidimos qué normas de seguridad y calidad deben cumplirse y aplicarse en toda la empresa.

Sin embargo, esta perspectiva cubre solo una parte de los componentes cruciales para generar confianza en la IA. Los factores técnicos son igualmente importantes, como la robustez de los modelos de IA, su fiabilidad, seguridad y, sobre todo, su explicabilidad.

Por último, se requieren medidas organizativas para completar la visión y establecer una IA confiable. Estas incluyen cursos de formación y medidas de aseguramiento de la calidad, así como procesos para la gestión de datos y la presentación y salida de datos.

En resumen, vemos que el rápido desarrollo de la tecnología de Inteligencia Artificial combinado con la gran cantidad de datos disponibles para las aseguradoras es el principal motor del cambio en los modelos de negocio del sector asegurador. Esta combinación —que denominamos Seguro Basado en Datos (DDI)— está dando lugar a nuevos módulos de productos y servicios orientados a una mayor individualización y autonomía del lado del cliente. No obstante, es importante no pasar por alto las condiciones marco asociadas. El enfoque de IA Confiable (Trustworthy AI) proporciona un marco que abarca todos los aspectos de gobernanza relevantes.