La inteligencia artificial, al auxilio de las prestaciones de reaseguros
El especialista Otakar G. Hübschmann expuso en la asamblea de la Asociación Panamericana de Fianzas, que se desarrolla en Miami, acerca del rol de la inteligencia artificial para reducir costos y detectar fraudes.

19 May, 2023

Del 14 al 17 de mayo se desarrolló en Miami, Estados Unidos, la asamblea de la Asociación Panamericana de Fianzas (PASA APF). Se trató de la XXXIV reunión de la entidad, y se realizó poniendo el eje en los desafíos que enfrenta el mercados de fianzas y reaseguros en la región.

La Asociación Panamericana de Fianzas se fundó en 1972 y tiene miembros en 35 países de tres continentes. Agrupa representantes del mercado mundial de fianzas, cauciones, garantías, seguro de crédito y sus respectivos reaseguros.

Uno de los oradores principales del evento fue Otakar G. Hübschmann, jefe de Datos Aplicados, Aprendizaje automático y Ciencias de Datos, en Transatlantic Reinsurance, Nueva York. El especialista dialogó con NBS acerca de cuál es el rol de la inteligencia artificial en el mundo del reaseguro.

—¿Contribuirá la inteligencia artificial al desarrollo de modelos de reaseguro más eficientes y accesibles?
—Cuando hablamos de inteligencia artificial en el contexto del reaseguro, generalmente nos referimos a tratar de optimizar algún objetivo a través del aprendizaje automático, algo que queremos maximizar (como las primas) o minimizar (como la frecuencia o la gravedad de los reclamos).
El aprendizaje automático puede hacer predicciones para todos estos tipos de objetivos. El beneficio de utilizar el aprendizaje automático radica en las cosas que las máquinas pueden hacer mejor que los humanos, como realizar una gran cantidad de cálculos a gran velocidad y escala.

A medida que el aprendizaje automático se desarrolle, la industria del reaseguro se volverá más eficiente.

A medida que el aprendizaje automático se desarrolle y el costo de la computación disminuya, la industria del reaseguro se volverá más eficiente, especialmente en áreas como la prueba de modelos, el procesamiento de reclamos y la suscripción algorítmica; y estas aplicaciones se volverán más ampliamente accesibles. Sin embargo, antes de que eso pueda suceder, la calidad de los datos y la capacidad de extraer datos de los sistemas heredados deben mejorar.

—¿Ayudará la inteligencia artificial a reducir los costos en el segmento de reaseguro?
—Además de los costos operativos adicionales del aprendizaje automático y la inteligencia artificial, existen otras barreras que seguirán obstaculizando su aplicación. Ya mencioné la falta de calidad y estandarización de los datos, así como la dependencia continua de una serie de sistemas de software heredados. Sin una abundancia de datos limpios y estandarizados, los modelos de aprendizaje automático tienen dificultades para alcanzar los niveles de eficacia requeridos por el reaseguro.
Muchas empresas en el sector aún dependen de sistemas de IT que no pueden comunicarse entre sí. Esto se debe, a veces, a fusiones o adquisiciones a lo largo de la historia de la empresa, pero dificulta proyectos, como la exportación de detalles de pólizas a reclamos, y estos problemas de datos pueden retrasar o incluso poner fin a proyectos de aprendizaje automático.

—¿Puede la inteligencia artificial ayudar a reducir el fraude en el mercado de seguros?
—La detección de fraudes es una aplicación ampliamente utilizada del aprendizaje automático tanto en servicios financieros como en la industria de seguros. A través del aprendizaje supervisado, podemos entrenar modelos con ejemplos de fraudes para que los algoritmos puedan detectar esos patrones en nuevos datos no vistos anteriormente. Un obstáculo común en la detección de fraudes es que el número de eventos fraudulentos es (esperemos) mucho menor que el número de eventos no fraudulentos, por lo que es necesario tener en cuenta este desequilibrio al entrenar un modelo de aprendizaje automático.

Otakar G. Hübschmann
Share This