La IA: la gran oportunidad de eficiencia para las aseguradoras… y también una nueva amenaza para su negocio

La inteligencia artificial puede reducir costos, mejorar la suscripción, acelerar los siniestros y detectar fraudes. Pero la misma tecnología puede generar deepfakes, errores, discriminación, filtraciones de datos, conflictos de propiedad intelectual y nuevas modalidades de fraude. Para las aseguradoras, la pregunta ya no es solamente cómo utilizar la IA, sino también cómo asegurar los riesgos que la propia IA está creando.

Durante años, la industria aseguradora ha buscado algo que parecía difícil de conseguir: hacer más con menos.

Procesar más información, responder más rápido, reducir costos, detectar fraudes, mejorar la selección de riesgos y entregar una mejor experiencia al cliente.

La inteligencia artificial parece haber llegado precisamente para eso.

Pero existe una segunda cara de esta revolución tecnológica que comienza a adquirir la misma importancia que sus beneficios.

La IA no solamente ayuda a las aseguradoras a administrar riesgos. También está creando nuevos riesgos que alguien tendrá que asumir.

Y ahí comienza una de las grandes preguntas para el futuro de la industria.

Una máquina de eficiencia

La IA ya está presente en prácticamente todo el ciclo asegurador.

Sus aplicaciones abarcan desarrollo de productos, marketing, ventas, distribución, suscripción, tarificación, atención de clientes, administración de pólizas, liquidación de siniestros y detección de fraude. Así lo reconoce la National Association of Insurance Commissioners (NAIC), que viene siguiendo sistemáticamente la utilización de IA y machine learning por parte de las aseguradoras.

El potencial es enorme.

Un modelo puede analizar miles o millones de datos en segundos.

Puede identificar patrones que difícilmente detectaría una persona.

Puede automatizar tareas administrativas.

Puede ayudar a un liquidador a clasificar fotografías de un vehículo accidentado.

Puede detectar inconsistencias en una declaración de siniestro.

Puede apoyar a un suscriptor en la evaluación de un riesgo.

Puede responder consultas de clientes durante las 24 horas.

Y puede ayudar a una compañía a encontrar señales de fraude antes de pagar un siniestro.

Para una industria en la que una parte importante de los costos está asociada al procesamiento de información, la eficiencia que ofrece la IA no es marginal: puede modificar estructuralmente el modelo operativo de una aseguradora.

Los datos de la NAIC muestran hasta qué punto esta tendencia ya está instalada. En una encuesta a 193 aseguradoras de automóviles, el 88% señaló que utiliza, planea utilizar o está explorando modelos de IA o machine learning. En seguros de salud, la cifra llegó al 92% entre las compañías participantes.

La pregunta, entonces, dejó de ser si la industria utilizará IA.

La está utilizando.

Pero la eficiencia tiene un precio

El problema aparece cuando una decisión automatizada se equivoca.

La IA puede entregar una respuesta convincente, coherente y completamente incorrecta.

Es uno de los riesgos más difíciles de comprender para una industria acostumbrada a trabajar con modelos estadísticos, información histórica y procedimientos altamente estructurados.

La NAIC advierte expresamente que los sistemas de IA generativa pueden producir información que parece correcta pero no lo es y que, por ello, sus resultados deben ser revisados cuidadosamente, especialmente cuando intervienen en decisiones importantes.

En seguros, un error de este tipo no es necesariamente una anécdota.

Puede significar rechazar incorrectamente un siniestro, asignar una tarifa equivocada, clasificar mal un riesgo o entregar información incorrecta a un asegurado.

Y cuando existe un daño, aparece inmediatamente la pregunta:

¿Quién responde?

¿La aseguradora?

¿El proveedor tecnológico?

¿El desarrollador del modelo?

¿El usuario que tomó la decisión?

¿O todos ellos?

El deepfake entra al negocio asegurador

Los deepfakes agregan otra dimensión.

La capacidad de generar imágenes, videos y voces artificiales cada vez más convincentes puede transformar el fraude tradicional.

Una fotografía puede dejar de ser evidencia suficiente.

Una grabación de voz puede no demostrar que una persona realmente dijo aquello.

Un video puede mostrar un hecho que nunca ocurrió.

Un documento puede haber sido generado artificialmente.

Esto afecta directamente al seguro.

Un asegurado podría presentar evidencia falsa para acreditar un siniestro.

Un tercero podría fabricar pruebas para obtener una indemnización.

Un delincuente podría utilizar una identidad sintética para contratar productos.

Y una compañía podría recibir información aparentemente auténtica que en realidad fue manipulada.

La tecnología que permite automatizar la validación de un siniestro también puede convertirse en la tecnología utilizada para fabricar el siniestro.

El fraude: inteligencia contra inteligencia

Aquí aparece una particular paradoja del nuevo escenario.

La IA puede convertirse en una extraordinaria herramienta antifraude.

Pero también puede convertirse en una extraordinaria herramienta para cometer fraude.

El defraudador ya no necesita necesariamente inventar una historia completa. Puede utilizar herramientas generativas para fabricar fotografías, documentos, voces, videos o conversaciones que hagan más creíble su relato.

Por eso, el futuro de la lucha contra el fraude puede convertirse en una verdadera competencia entre inteligencias artificiales.

Una utilizada para engañar.

Otra utilizada para descubrir el engaño.

Y en esa carrera, las aseguradoras tendrán que demostrar que sus sistemas pueden distinguir entre información auténtica y contenido sintético.

Cuando el algoritmo discrimina

Existe otro riesgo todavía más delicado.

La IA aprende de los datos que recibe.

Y esos datos pueden contener sesgos históricos.

Si un algoritmo aprende de decisiones anteriores que contienen discriminaciones, puede reproducirlas —e incluso amplificarlas— sin que exista una persona tomando conscientemente una decisión discriminatoria.

El problema es especialmente sensible en seguros porque la tarificación y la suscripción históricamente utilizan variables para diferenciar riesgos.

La pregunta será hasta dónde puede llegar esa diferenciación cuando el algoritmo utiliza cientos o miles de variables cuya relación con el riesgo puede ser difícil de explicar.

La NAIC ya considera la discriminación injusta, la falta de transparencia, las vulnerabilidades de los datos y la falta de precisión entre los riesgos centrales de la utilización de IA en seguros.

Y no se trata solamente de una discusión académica.

En Europa, la Ley de IA considera de alto riesgo determinados sistemas utilizados para evaluar riesgos y fijar precios en seguros de vida y salud.

La dirección regulatoria es clara: cuanto mayor sea el impacto de la IA sobre una persona, mayor será la exigencia de control.

El problema de la privacidad

Los seguros tienen una ventaja y, al mismo tiempo, una vulnerabilidad frente a la IA: poseen enormes cantidades de información.

Datos financieros.

Datos de salud.

Información patrimonial.

Historial de siniestros.

Hábitos de conducción.

Ubicación.

Imágenes.

Información familiar.

Datos provenientes de terceros.

La IA aumenta exponencialmente la capacidad de procesar toda esa información.

Pero también aumenta las consecuencias de utilizarla incorrectamente.

La propia NAIC identifica la privacidad y la protección de datos como uno de los grandes desafíos asociados a la utilización de inteligencia artificial y big data en seguros.

Para una aseguradora, una filtración de datos ya es un problema.

Pero una filtración de datos utilizados por modelos de IA puede ser todavía más compleja, porque no siempre será evidente qué información fue utilizada, dónde terminó almacenada y qué inferencias pueden obtenerse de ella.

Y aparece la propiedad intelectual

La IA generativa abre además una discusión que todavía está lejos de estar resuelta completamente: ¿quién es dueño del contenido generado o utilizado para entrenar un sistema?

Una aseguradora puede utilizar modelos externos para generar textos, imágenes, análisis o recomendaciones.

Pero ¿qué ocurre si el modelo utiliza información protegida por derechos de autor?

¿Quién responde por una eventual infracción?

¿La aseguradora que utilizó el resultado?

¿El proveedor tecnológico?

¿El desarrollador del modelo?

La discusión sobre propiedad intelectual, datos de entrenamiento y contenido generado por IA todavía está evolucionando en distintas jurisdicciones.

Para las compañías de seguros, esto significa una cosa muy concreta:

la utilización de IA también puede generar responsabilidad jurídica que antes simplemente no existía.

Entonces aparece la pregunta que interesa al seguro

Y aquí llegamos al punto más interesante.

La industria aseguradora está acostumbrada a transformar incertidumbre en riesgo y riesgo en precio.

Pero ahora la IA está generando una nueva familia de riesgos.

Deepfakes.

Errores algorítmicos.

Decisiones discriminatorias.

Violaciones de privacidad.

Infracciones de propiedad intelectual.

Fraude sintético.

Ciberataques potenciados por IA.

Interrupción de sistemas.

Uso indebido de información.

¿Son todos asegurables?

Probablemente no.

¿Son todos excluibles?

Tampoco necesariamente.

Y ese será uno de los grandes desafíos técnicos de la industria.

¿Qué deberá cubrir una póliza?

Imaginemos una empresa que utiliza IA para atender clientes.

Un sistema entrega información incorrecta y un cliente toma una decisión que le provoca un perjuicio.

¿Existe responsabilidad civil?

Ahora imaginemos una aseguradora que utiliza IA para liquidar siniestros y el sistema rechaza incorrectamente una indemnización.

¿Quién responde?

Otro escenario: una empresa utiliza un sistema generativo que produce un contenido que infringe derechos de autor.

¿Está cubierto por su póliza de responsabilidad civil?

Y uno más: un delincuente utiliza una voz generada por IA para engañar a un ejecutivo y consigue transferir millones de pesos.

¿Es un fraude tradicional, un ciberriesgo o una nueva categoría de delito digital?

La respuesta no siempre está en las pólizas actuales.

El seguro también tendrá que aprender a asegurar la IA

Este es quizás el punto de inflexión.

Hasta ahora la conversación se ha concentrado en cómo puede la IA transformar a las aseguradoras.

La próxima conversación deberá concentrarse también en cómo las aseguradoras van a transformar la gestión de los riesgos creados por la IA.

Eso puede generar nuevos productos.

Coberturas específicas de responsabilidad por IA.

Extensiones de ciberriesgo.

Protección frente a determinados fraudes sintéticos.

Cobertura de errores de modelos.

Responsabilidad por decisiones automatizadas.

Protección frente a determinadas infracciones de propiedad intelectual.

Coberturas de interrupción tecnológica.

Pero desarrollar estos productos no será sencillo.

Para tarificar un riesgo se necesita información histórica.

Y precisamente eso es lo que todavía falta en muchos riesgos asociados a la IA.

¿Cómo calcular la frecuencia de un deepfake que produce un daño económico?

¿Cómo determinar la severidad promedio de una decisión algorítmica discriminatoria?

¿Cómo establecer una prima para un riesgo que evoluciona prácticamente cada mes?

La industria tendrá que combinar experiencia actuarial, tecnología, ciberseguridad, derecho y análisis de escenarios.

La regulación también está corriendo detrás

Los reguladores ya comenzaron a reaccionar.

En Estados Unidos, la NAIC aprobó en diciembre de 2023 un modelo de directrices sobre utilización de IA por aseguradoras, que exige que las decisiones apoyadas por estas tecnologías cumplan las leyes aplicables y establece expectativas de gobernanza, gestión de riesgos, transparencia y resultados justos y precisos.

En 2025 y 2026, la NAIC avanzó además en herramientas específicas para que los reguladores puedan evaluar los sistemas de IA utilizados por las compañías, incluyendo modelos de alto riesgo y los datos utilizados como insumos.

En Chile, mientras tanto, el proyecto de ley que regula los sistemas de inteligencia artificial continúa su tramitación en el Senado. Durante 2026 la Comisión de Desafíos del Futuro ha continuado su estudio en segundo trámite constitucional. El proyecto contempla un enfoque basado en niveles de riesgo y principios como supervisión humana, protección de datos, transparencia, equidad, responsabilidad y protección de los derechos de los consumidores y de autor.

La discusión regulatoria, por tanto, ya no es una cuestión futura.

Está ocurriendo ahora.

El dilema de las aseguradoras

La industria se encuentra frente a un dilema que probablemente marcará la próxima década.

Si no adopta IA, puede perder eficiencia y competitividad.

Si la adopta sin controles suficientes, puede generar nuevos riesgos, responsabilidades y pérdidas.

Y existe una tercera posibilidad: que las aseguradoras se conviertan ellas mismas en grandes administradoras de los riesgos derivados de la IA.

Eso abriría un mercado completamente nuevo.

Pero antes deberán aprender a medirlo.

Porque el seguro no puede asegurar aquello que no entiende.

Y la IA está creando riesgos que todavía estamos aprendiendo a entender.

La gran oportunidad… y la gran amenaza

La inteligencia artificial puede ser una de las mayores oportunidades de transformación de la industria aseguradora desde la digitalización.

Puede hacer más eficiente la operación, mejorar la experiencia del cliente, ayudar a detectar fraude, acelerar procesos y permitir que las compañías tomen decisiones utilizando una cantidad de información que ningún equipo humano podría procesar por sí solo.

Pero esa misma capacidad puede generar errores a escala, discriminación automatizada, invasiones de privacidad, fraude sofisticado, deepfakes y nuevas responsabilidades.

Por eso, para las aseguradoras, la pregunta ya no debería ser simplemente “cómo incorporamos IA?”

Hay otra pregunta mucho más estratégica:

¿Qué riesgos nuevos está creando la inteligencia artificial y cuáles estamos preparados para asegurar?

Porque quizás la mayor oportunidad de negocio de la IA para la industria aseguradora no esté solamente en utilizarla.

Puede estar también en asegurar las consecuencias de utilizarla.

Y en ese escenario, la aseguradora tendrá que hacer algo que lleva haciendo desde hace siglos:

convertir una nueva incertidumbre en un riesgo comprensible, medible y asegurable.