La adopción de IA en el sector de seguros está creciendo a un ritmo que pocos lograron prever.
Y junto con ese avance acelerado, surge una preocupación que no se puede ignorar: los marcos de gobernanza simplemente no están consiguiendo seguir esa velocidad.
Fue exactamente eso lo que Willis, una de las mayores referencias globales en el mercado de seguros, puso sobre la mesa recientemente.
La alerta va directo al grano — las empresas están implementando soluciones de inteligencia artificial a gran escala, pero las estructuras que deberían orientar, controlar y garantizar el uso responsable de esas tecnologías todavía están dando sus primeros pasos. 🚨
Esa brecha entre lo que la tecnología ya puede hacer y lo que la gobernanza aún no cubre representa un riesgo real, tanto para las aseguradoras como para los consumidores que dependen de esas decisiones automatizadas.
En este artículo nos sumergimos a fondo en ese escenario, entendemos lo que Willis identificó, por qué importa y qué está en juego cuando la innovación corre más rápido de lo que las reglas pueden alcanzar. 👇
Lo Que Willis Identificó y Por Qué Llamó la Atención
Willis no es cualquier empresa del sector. Con décadas de trayectoria en el mercado global de seguros y una visión amplia sobre riesgos corporativos, cuando levanta una bandera sobre gobernanza de IA, el mercado presta atención — y hace bien en hacerlo.
Los posicionamientos recientes de la compañía apuntan a un escenario preocupante: mientras las herramientas de inteligencia artificial se vuelven cada vez más sofisticadas e integradas a los procesos de suscripción, análisis de siniestros, tarificación y atención al cliente, los marcos que deberían garantizar que todo eso funcione de forma ética, transparente y auditable todavía están lejos de cubrir el terreno necesario. No es una crítica a la tecnología en sí, sino al ritmo desequilibrado de esa transformación.
El punto central que plantea Willis es que la velocidad de la adopción de IA en el sector de seguros está creando una especie de zona gris, donde decisiones importantes — que afectan directamente la vida de las personas — son tomadas por algoritmos que todavía no tienen supervisión adecuada.
Imaginemos un sistema automatizado negando una cobertura de salud o clasificando a un cliente como alto riesgo con base en patrones que ningún humano puede explicar con claridad. Eso ya está sucediendo, y la ausencia de marcos de gobernanza robustos significa que no hay mecanismos claros para impugnar, revisar o corregir esas decisiones de forma eficiente.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Otro aspecto relevante que Willis trajo a la discusión es la cuestión de la responsabilidad. Cuando un modelo de IA comete un error que resulta en perjuicio financiero o daño al consumidor, ¿quién responde por eso? ¿La aseguradora? ¿El proveedor de la tecnología? ¿El desarrollador del modelo? Esa falta de claridad sobre responsabilidad y rendición de cuentas es exactamente el tipo de vacío que marcos de gobernanza bien estructurados deberían abordar, pero que, en la práctica, todavía no tiene respuesta definitiva en la mayor parte de las organizaciones del sector.
Por Qué la Gobernanza Se Está Quedando Atrás
Entender por qué los marcos de gobernanza están retrasados con respecto a la adopción de IA exige mirar las dinámicas internas de las empresas y el ambiente regulatorio externo al mismo tiempo.
Del lado interno, existe una presión enorme por eficiencia, reducción de costos y ganancia de competitividad. Las herramientas de IA entregan resultados medibles y rápidos — ya sea en la agilidad para aprobar pólizas, en la detección de fraudes o en la personalización de productos de seguros. Ante esas ganancias tangibles, la tendencia natural de las organizaciones es acelerar la implementación y dejar las discusiones sobre control y supervisión para un segundo momento. El problema es que ese segundo momento muchas veces nunca llega, o llega demasiado tarde.
Del lado externo, el escenario regulatorio todavía está en construcción en prácticamente todos los mercados relevantes. Reguladores alrededor del mundo — incluyendo en España, con la DGSFP, y en Europa, con el AI Act — están trabajando para crear directrices específicas para el uso de IA en sectores sensibles como el de seguros. Pero la regulación lleva tiempo, pasa por procesos de consulta pública, revisión y adaptación, mientras la tecnología avanza en ciclos de meses. Esa asimetría de velocidad crea exactamente el vacío que Willis está señalando: empresas adoptando IA de forma masiva antes de que cualquier estructura legal o normativa esté lista para encuadrarla adecuadamente.
Existe además un tercer factor que complica aún más este cuadro: la complejidad técnica de los modelos de IA modernos. A diferencia de sistemas tradicionales de software, donde la lógica de decisión puede auditarse línea por línea, los modelos de machine learning y redes neuronales profundas operan de formas que ni sus propios creadores consiguen explicar completamente.
Eso convierte el desarrollo de marcos de gobernanza eficaces en un desafío técnico enorme, que va mucho más allá de simplemente crear políticas internas o documentar procesos. Se necesita capacidad técnica especializada, herramientas de interpretabilidad y cultura organizacional orientada a la transparencia — y todo eso demanda inversión y tiempo que no siempre las empresas están dispuestas a dedicar antes de cosechar los frutos de la tecnología. 🤖
Lo Que Está en Juego Para el Sector de Seguros
El mercado de seguros tiene una característica que lo hace particularmente sensible a fallos de gobernanza de IA: trata directamente con momentos de vulnerabilidad de las personas. Un siniestro de salud, un accidente de coche, la pérdida de un bien — son situaciones donde el consumidor ya está fragilizado y depende de una respuesta justa, transparente y fundamentada de la aseguradora.
Cuando esa respuesta es generada por un algoritmo sin supervisión adecuada, sin explicabilidad y sin mecanismos de impugnación claros, el potencial de daño va mucho más allá de lo financiero. Alcanza la confianza en el sector como un todo, y la confianza, en el mercado de seguros, es literalmente el producto que se está vendiendo.
Además del impacto directo en los consumidores, la ausencia de marcos sólidos también expone a las propias aseguradoras a riesgos significativos:
- Riesgos regulatorios, con multas y sanciones a medida que las regulaciones sobre IA ganan fuerza alrededor del mundo
- Riesgos reputacionales, cuando decisiones automatizadas controvertidas llegan a los medios o resultan en procesos judiciales
- Riesgos operacionales, cuando modelos entrenados con datos históricos pasan a reproducir patrones problemáticos a escala industrial
Willis, como especialista en gestión de riesgos, entiende mejor que nadie que ignorar esas señales de alerta en el corto plazo puede generar pasivos enormes en el mediano y largo plazo.
Es importante dejar claro que la alerta de Willis no es un manifiesto contra la adopción de IA. Todo lo contrario. La inteligencia artificial tiene el potencial de hacer que el sector de seguros sea más eficiente, más accesible y más justo — siempre que se implemente de la forma correcta.
Lo que se está señalando es la necesidad urgente de equilibrar la velocidad de adopción con la madurez de gobernanza, garantizando que las organizaciones no recojan solo los beneficios inmediatos de la tecnología mientras empujan sus riesgos hacia el futuro. Ese equilibrio es exactamente lo que separa una transformación digital exitosa de una crisis anunciada. 💡
Marcos de Gobernanza: Lo Que Falta y Lo Que Se Puede Hacer
Cuando hablamos de marcos de gobernanza para IA, no estamos hablando de burocracia ni de frenar la innovación. Estamos hablando de estructuras prácticas que definen cómo los modelos se desarrollan, prueban, monitorean y actualizan a lo largo del tiempo.
Esto incluye elementos fundamentales como:
- Políticas claras sobre qué datos pueden usarse para entrenar modelos
- Mecanismos para garantizar que esos datos sean representativos y estén libres de sesgos problemáticos
- Métricas de desempeño monitoreadas de forma continua
- Definición de quién tiene la autoridad — y la responsabilidad — de intervenir cuando algo se sale de lo esperado
En el sector de seguros, donde las decisiones de IA tienen impacto directo en la vida financiera de las personas, esos elementos no son opcionales. Son fundamentales.
Algunas organizaciones más maduras ya están avanzando en esa dirección. Grandes grupos aseguradores internacionales comenzaron a crear comités internos dedicados a la ética en IA, a contratar especialistas en interpretabilidad de modelos y a adoptar marcos como el NIST AI Risk Management Framework o las directrices del IEEE para sistemas autónomos.
En España, iniciativas como las recomendaciones de la DGSFP sobre el uso de modelos predictivos y las discusiones en torno a la transposición del AI Act europeo están pavimentando el camino, pero todavía hay una distancia considerable entre lo que se está discutiendo en los foros técnicos y lo que se está efectivamente implementando en las operaciones del día a día de las aseguradoras.
La Importancia de la Transparencia y la Explicabilidad
Uno de los pilares más críticos de cualquier marco de gobernanza de IA es la capacidad de explicar cómo un modelo llegó a determinada decisión. En el universo técnico, esto se conoce como explainability o explicabilidad, y en el sector de seguros esta cuestión adquiere una dimensión aún más relevante.
Cuando una aseguradora niega una cobertura, ajusta el valor de una prima o clasifica un perfil de riesgo, el consumidor tiene derecho a entender los criterios detrás de esa decisión. Los modelos tradicionales de análisis actuarial, por más complejos que fueran, tenían una lógica que podía rastrearse y explicarse. Con modelos de deep learning y redes neuronales cada vez más complejas, esa trazabilidad se convierte en un desafío técnico significativo.
Willis entiende que sin transparencia, el sector corre el riesgo de crear una relación de desconfianza con sus clientes. Nadie quiere recibir una respuesta automática sin saber el motivo detrás de ella, especialmente en momentos de estrés, como el registro de un siniestro. La construcción de mecanismos de explicabilidad no es solo una buena práctica — en muchas jurisdicciones, se está convirtiendo en una exigencia legal.
En Europa, por ejemplo, el AI Act clasifica los sistemas de IA usados en seguros como potencialmente de alto riesgo, lo que significa que habrá exigencias rigurosas de documentación, auditabilidad y explicabilidad. Las empresas que se anticipen a esas exigencias estarán en una posición mucho más cómoda que aquellas que necesiten correr para adaptarse después de que la regulación entre en vigor. 📋
Herramientas que usamos a diario
El Papel de la Cultura Organizacional en la Gobernanza de IA
De nada sirve tener un marco perfecto en el papel si la cultura de la empresa no sostiene su aplicación en la práctica. Este es otro punto que merece atención cuando hablamos sobre la alerta de Willis.
La gobernanza de IA eficaz depende de personas que entiendan los riesgos, que se sientan responsables por las decisiones automatizadas y que tengan canales claros para reportar problemas cuando los identifiquen. Eso exige formación, comunicación interna constante y, sobre todo, liderazgo comprometido con el tema.
En muchas aseguradoras, la adopción de IA todavía se trata como un proyecto puramente tecnológico, delegado a equipos de datos o de TI. Cuando la gobernanza queda restringida a esos departamentos, pierde la visión holística necesaria para cubrir todos los impactos que un modelo de IA puede generar — desde cuestiones legales y regulatorias hasta implicaciones en la experiencia del cliente y en la reputación de la marca.
Las empresas que están consiguiendo avanzar de forma más equilibrada son aquellas que tratan la gobernanza de IA como una responsabilidad multidisciplinar, involucrando áreas como cumplimiento normativo, jurídico, operaciones, atención al cliente e incluso comunicación. Ese enfoque integrado permite que los riesgos se mapeen de forma más completa y que las respuestas a eventuales problemas sean más ágiles y coordinadas.
El Escenario Global y las Lecciones Para España y Latinoamérica
La alerta de Willis se hace eco de una tendencia que se está observando en mercados de todo el mundo. En Estados Unidos, organismos reguladores estatales ya comenzaron a exigir que las aseguradoras divulguen cuándo y cómo utilizan IA en sus procesos de decisión. En Europa, el AI Act está creando el marco regulatorio más abarcador del planeta para sistemas de inteligencia artificial, con requisitos específicos para sectores de alto riesgo como el financiero y el de seguros.
En España y en los mercados hispanohablantes, el escenario todavía está en fase de maduración. Los reguladores locales han estado siguiendo de cerca las discusiones internacionales y ya han señalado su intención de incorporar directrices específicas para el uso de modelos de IA y algoritmos predictivos en el mercado asegurador. Paralelamente, la transposición del AI Act europeo al marco normativo español avanza con potencial de impactar directamente la forma en que las aseguradoras podrán utilizar estas tecnologías.
Para las empresas del mercado hispanohablante, el momento es de preparación. Esperar a que la regulación llegue para recién entonces pensar en gobernanza puede ser una estrategia arriesgada. Los costos de adaptación retroactiva — tanto financieros como operacionales — tienden a ser significativamente mayores que las inversiones en estructuras de gobernanza construidas desde el inicio del proceso de adopción tecnológica.
Lo que la situación actual exige es un cambio de mentalidad: tratar la gobernanza de IA no como un costo o un obstáculo a la innovación, sino como un componente estratégico de la propia adopción tecnológica. Las empresas que consiguen construir estructuras de gobernanza robustas antes de escalar sus soluciones de IA tienen una ventaja competitiva real — no solo porque evitan riesgos, sino porque construyen credibilidad ante reguladores, socios y consumidores.
En el mercado de seguros, donde la regulación es parte intrínseca del negocio, esa credibilidad vale mucho más que cualquier ganancia de corto plazo que una implementación apresurada pudiera generar. 🎯
