A la industria de seguros no le faltan ambiciones de innovación. Gestión de reclamaciones habilitada por blockchain. Personalización impulsada por IA. Detección de fraude en tiempo real. El apetito por la innovación es real y está creciendo.
Pero querer innovar y estar preparado para innovar son dos cosas completamente diferentes.
Líderes de seguros en AutoRek.
A lo largo de los años, la industria se ha mostrado cautelosa ante el cambio. Esa precaución es difícil de justificar ahora. Las tecnologías que se ofrecen son demasiado poderosas y la presión competitiva demasiado alta como para ignorarlas. Sin embargo, existe una brecha cada vez mayor entre lo que las aseguradoras quieren lograr y lo que sus operaciones realmente pueden respaldar.
El artículo continúa a continuación.
La infraestructura siguiente simplemente no está diseñada para esto.
Brecha de ambición
La magnitud de esa brecha es notable. El 82% de las aseguradoras cree que la IA definirá el futuro cercano de la industria, pero solo el 14% la ha integrado completamente en sus operaciones financieras.
Los obstáculos son claros. El 42% de las organizaciones citó la integración de sistemas heredados como un desafío clave. El 39% señala el entorno de datos fragmentados. El 40% carece de experiencia interna en IA en el futuro.
Como resultado, el ciclo de liquidación es cada vez más largo. Ahora que casi la mitad de las aseguradoras enfrentan ciclos de más de 60 días y se proyecta que los volúmenes de transacciones seguirán una trayectoria ascendente, las presiones operativas no harán más que intensificarse.
Todo se reduce a la misma causa raíz: los datos. En concreto, la ausencia de datos limpios y bien gobernados.
Más de la mitad de las compañías de seguros describen su marco de gobernanza de datos como una etapa inicial o aún en desarrollo. Los resultados son visibles en el presupuesto operativo, donde se absorben grandes piezas y se corrigen errores generados por procesos manuales.
Es capital que podría financiar la innovación pero que, en cambio, es desviado por ineficiencias operativas.
En un entorno así, implementar herramientas de IA sobre los sistemas existentes no es una estrategia, es un riesgo. La IA aprende de los datos que recibe. Cuando esos datos son inconsistentes, incompletos o descontrolados, la IA no sólo se vuelve menos eficiente, sino que magnifica la disfunción ya presente en esos sistemas, pero gradualmente.
Dado que el 6% de las organizaciones informa que no utilizan IA, en algunos casos, puede ser una decisión más considerada que apresurarse a implementarla sin una base que la respalde.
La automatización requiere bases sólidas
Existe la tentación de pensar en la automatización como un complemento, algo que se puede incorporar a los flujos de trabajo existentes para suavizarlos. En un entorno de datos fragmentados, esa lógica falla rápidamente.
La automatización no resuelve la complejidad inherente. Se incrusta.
El potencial de Blockchain en seguros es real: manejo de reclamos más rápido, prevención de fraude más sólida, prueba de cobertura instantánea y acceso mejorado para consumidores desfavorecidos. Todo esto es posible gracias a un libro de contabilidad distribuido que crea un registro de eventos compartido y a prueba de manipulaciones.
Pero esa misma inmutabilidad se convierte en un problema cuando los datos subyacentes son defectuosos. Los registros bordereaux desalineados, las referencias de reclamaciones incorrectas o los datos de pólizas inconsistentes no solo crean fricciones, sino que quedan permanentemente integrados en la cadena, complicando la conciliación y el análisis de la causa raíz.
La magnitud del problema es significativa. La aseguradora promedio administra 17 fuentes de datos separadas que alimentan los procesos de primas, y la automatización en capas a través de esta fragmentación solo aumentará la complejidad.
En última instancia, el valor de la cadena de bloques depende completamente de la precisión, la alineación y la gestión de los datos que fluyen hacia ella. La misma lógica se aplica a la personalización. La inteligencia artificial y el análisis avanzado pueden ayudar a los operadores a identificar clientes en riesgo de deserción, crear ofertas personalizadas y anticipar la demanda.
Pero sólo cuando se entrena con datos confiables y controlados. La innovación no resuelve un problema de datos. Expresa.
Las organizaciones que no hayan invertido en datos agregados limpios tendrán dificultades para innovar.
La regulación como catalizador, no como limitación
Las mismas vulnerabilidades de datos que socavan el despliegue de la IA y la adopción de blockchain también crean exposición regulatoria.
El 51% de las aseguradoras afirma que los requisitos regulatorios son el principal impulsor de la modernización del back-office. Pero para muchas empresas, la regulación se presenta como una presión externa, que incluye casillas de verificación, plazos ajustados e hitos costosos, en lugar de un diferenciador competitivo.
Las aseguradoras con visión de futuro están tratando el cumplimiento como una asequibilidad, no como un costo. El deber del consumidor de la FCA requiere que las empresas demuestren buenos resultados para los clientes en cada punto de contacto. La gobernanza de la IA requiere decisiones automatizadas explicables y auditables.
La privacidad de los datos requiere que las empresas sepan exactamente qué datos poseen, dónde se encuentran y cómo se mueven. Cada régimen es distinto, pero los tres se basan en las mismas capacidades subyacentes: datos precisos, bien gobernados y rastreables.
Las organizaciones con marcos de gobernanza maduros no tienen prisa cuando cambian los requisitos. Su infraestructura ya crea el rastro de auditoría, la precisión de la conciliación y la coherencia de los informes que esperan los reguladores. Esta es la base que promueve la innovación.
Construyendo para lo que viene después
Las empresas que están viendo los mayores retornos de la innovación no son las más rápidas. Invierten en la infraestructura operativa que hace posible la innovación sostenible.
Esto significa conciliación automática para garantizar la precisión de los datos en todos los sistemas, así como formatos de datos estandarizados que permiten la integración sin intervención manual. Sobre todo, esto significa marcos de gobernanza que puedan sustentar tanto el cumplimiento normativo como la implementación de la IA.
Nada de esto es glamoroso. Pero separa a las empresas que pueden sostener la innovación de aquellas que la declaran.
La industria sabe adónde quiere llegar. La pregunta es si la infraestructura subyacente puede respaldar el viaje y, para la mayoría de las organizaciones, la respuesta honesta sigue siendo no.
Hemos presentado las mejores plataformas de inteligencia empresarial.
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar las mejores y más brillantes mentes de la industria tecnológica actual.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
