De prompts a procesos: lo que los actuarios necesitan saber sobre la IA agéntica
No todas las formas de inteligencia artificial son iguales, y para los actuarios esta distinción es especialmente importante.
Por qué la transparencia y la precisión de la IA son especialmente importantes para los actuarios
El trabajo actuarial exige un nivel especialmente alto en tres aspectos que la mayoría de las profesiones no tienen que equilibrar al mismo tiempo:
- Responsabilidad regulatoria: Los resultados actuariales, ya se trate de modelos de tarificación, reservas técnicas o capital, están sujetos a supervisión regulatoria y deben ser validados por profesionales certificados. Los errores o resultados que no puedan explicarse pueden tener consecuencias legales y de cumplimiento normativo.
- Impacto financiero: Las decisiones actuariales afectan directamente a las primas, las reservas para siniestros y los márgenes de solvencia. Un modelo defectuoso no solo genera un informe incorrecto; puede llevar a una tarificación inadecuada del riesgo y provocar una selección adversa en toda una cartera.
- El criterio de explicabilidad: Los actuarios reciben una formación específica para justificar y defender cada supuesto de sus modelos. Un resultado de caja negra no es aceptable, por muy preciso que parezca a primera vista.
La mayoría de las profesiones pueden permitirse experimentar con herramientas de IA que ocasionalmente se equivocan o son opacas. Los actuarios no. Por eso entender las distintas generaciones de IA importa tanto aquí, y por eso no todas las herramientas de IA tienen cabida en un flujo de trabajo actuarial.
Predictiva, generativa, agéntica: entendiendo el panorama de la IA
Para entender qué es realmente la IA agéntica, y por qué representa un cambio genuino y no otra palabra de moda, ayuda entender cómo hemos llegado hasta aquí.
Nivel 1: IA predictiva
La IA predictiva llevó a los actuarios más allá de Excel. Estos modelos multivariantes predicen desde ratios de siniestralidad hasta tasas de abandono y niveles de suscripción. Aquí es donde el machine learning dejó su huella por primera vez en el trabajo actuarial, y donde Akur8 lideró la transformación en seguros, sustituyendo herramientas obsoletas por una tarificación impulsada por ML que combinaba rigor estadístico con total transparencia. Lo que antes requería semanas de esfuerzo manual se volvió más rápido, más preciso y explicable por diseño.
Nivel 2: IA generativa
La IA generativa amplió esas capacidades de la predicción a la producción, generando informes, resúmenes, código y análisis a partir de entradas en lenguaje natural. Sin embargo, esta generación de IA traía consigo riesgos bien documentados.
Como han señalado reguladores y profesionales del sector, la IA generativa a menudo opera con procesos de toma de decisiones opacos y un cierto grado de impredecibilidad, lo que la hace vulnerable a errores, alucinaciones y usos indebidos. Para los actuarios, cuyos resultados conllevan peso regulatorio y financiero, esa impredecibilidad supone una barrera fundamental para su adopción.
Nivel 3: IA Agéntica
Aquí es donde comienza la verdadera transformación. Se trata de sistemas que no solo responden a prompts; planifican, deciden y ejecutan tareas de varios pasos con un cierto grado de autonomía. El cambio es significativo: de responder preguntas a completar misiones. Según el informe «State of AI 2025» de McKinsey, el 62% de las organizaciones ya está al menos experimentando con agentes de IA, y el 23% afirma estar escalando sistemas de IA agéntica en al menos una función de negocio. Sin embargo, en cualquier función dada, no más del 10% de los encuestados dice que sus organizaciones están escalando agentes de forma amplia, lo que significa que la mayor parte del sector todavía está averiguando cómo hacerlo funcionar en la práctica.
Todas las plataformas dicen tener IA. No todas entienden de consideraciones actuariales
La inteligencia artificial está en todas partes en el sector asegurador en este momento. Todas las plataformas dicen estar "impulsadas por IA". Todos los proveedores prometen transformación. Pero cuando se trata de tarificación, se está pasando por alto una pregunta crítica: ¿tu IA realmente entiende cómo funcionan los modelos de tarificación?
La tarificación es un problema de ciencia estadística y actuarial que requiere un conocimiento profundo de estructuras de modelos como los GLM y los GBM, de interacciones complejas, de riesgos de sobreajuste y de los marcos regulatorios que rigen cómo se pueden usar esos modelos. Las herramientas de IA genéricas no tienen ningún marco de referencia para nada de esto.
La IA generativa a menudo opera con procesos de toma de decisiones opacos y un cierto grado de impredecibilidad, lo que la hace vulnerable a errores, «alucinaciones» y usos indebidos. El resultado es una caja negra situada en el corazón de tu proceso de negocio más sensible: una IA que actúa con confianza, pero que no puede explicar su razonamiento en los términos actuariales que exigen los reguladores, los auditores o tus propios estándares profesionales. Para un actuario cuya certificación le exige respaldar cada supuesto de un modelo, eso no es una herramienta. Es un riesgo.
El problema se agrava con una IA agéntica equivocada. El riesgo no es solo obtener una respuesta incorrecta. Es que, sin los puntos de control humanos adecuados, una respuesta incorrecta se propaga por todo un flujo de trabajo antes de que alguien la detecte. Un supuesto erróneo cometido al principio puede acumularse a lo largo de las iteraciones, afectando a la estructura del modelo, a la selección de variables y, en última instancia, a las tarifas que llegan a los asegurados. Si a esto le sumamos los requisitos regulatorios sobre explicabilidad de modelos y documentación de presentación, lo que está en juego queda aún más claro: una IA agéntica que opera sin fundamentos actuariales es una caja negra situada en el corazón de tu proceso de negocio más sensible.
Lo que la IA agéntica debería hacer realmente en un flujo de tarificación
La IA agéntica en tarificación no debería apartar a los actuarios de la ecuación. Simplemente debería liberarlos de las tareas que les hacen perder tiempo, para que puedan dedicar más tiempo a las decisiones que requieren su experiencia. Hecho correctamente, la IA agéntica se encarga de la ejecución, mientras el actuario gestiona el criterio.
Así es como se ve esto en la práctica:
- Construir y actualizar las partes más tediosas de la estructura de tarificación: automatiza pasos repetitivos del flujo de trabajo para que los actuarios puedan construir y actualizar las partes más tediosas de su estructura de tarifas más rápido y con menos esfuerzo manual.
- Generar informes a partir de plantillas reutilizables: estandariza y automatiza la creación de informes complejos, eliminando el formateo repetitivo y la extracción manual de datos.
- Guía para la creación de fórmulas: ayuda a los actuarios a construir y refinar fórmulas adaptadas a sus necesidades específicas, con sugerencias claras y contextuales en cada paso.
- Detectar problemas con las variables antes del modelado: revisa de forma proactiva el uso de variables en un conjunto de datos y señala inconsistencias, como variables mal categorizadas o ambiguas, antes de que afecten a los resultados.
- Trabajar en varios idiomas: permite a los equipos consultar, resumir y colaborar en cualquier idioma, de modo que los equipos actuariales globales puedan trabajar sin fricciones.
- Aprovechar las presentaciones de tarifas de la competencia: importa tablas de tarifas externas directamente al flujo de trabajo de tarificación, compara las tarifas de la competencia con tu propia cartera y utilízalas como referencia para construir o refinar tu estrategia.
- Ayuda a crear y actualizar las partes más tediosas de la estructura de tarificación: automatiza la ejecución del flujo de trabajo para que los actuarios puedan pasar de los datos a una tarifa sin tener que unir manualmente cada paso.
Los agentes de Akur8 están construidos para el trabajo actuarial, no para los titulares sobre IA
Según el informe «State of AI» de McKinsey, la adopción de agentes de IA en el sector asegurador está escalando más rápido en las funciones de riesgo, legal y cumplimiento (16% de los encuestados) y en la gestión del conocimiento (16%), funciones que se encuentran claramente dentro del ámbito del trabajo actuarial. Sin embargo, las funciones en las que los actuarios probablemente tienen el mayor impacto —el desarrollo de productos y servicios (diseño de tarifas, tarificación) y la estrategia (modelado de capital, rentabilidad)— muestran tasas de adopción de solo un 0-2% en el sector asegurador. Esa brecha no es una señal de que la IA agéntica no sea relevante para los actuarios de tarificación. Es una señal de que las herramientas adecuadas todavía no existían. Para los actuarios, que se exigen un alto nivel de transparencia, auditabilidad y rigor estadístico, los agentes de IA genéricos simplemente no han sido adecuados para su propósito. Esa es precisamente la brecha que los agentes de Akur8 están diseñados para cerrar.
La mayoría de las herramientas del mercado son grandes modelos de lenguaje genéricos reutilizados para uso empresarial, sin ningún fundamento en lógica actuarial, rigor estadístico o contexto regulatorio. Los agentes de Akur8 son diferentes por diseño. Funcionan directamente sobre la infraestructura de la plataforma de Akur8, de modo que los resultados no se generan por conjeturas, sino que se basan en la misma infraestructura nativa de ML que impulsa la plataforma de tarificación de Akur8. Tus prompts y tus datos permanecen seguros, nunca se reutilizan ni se emplean para entrenar modelos. Cada acción es visible, cada resultado es rastreable, y nada cambia sin tu aprobación. Esta no es una IA adaptada para actuarios a posteriori. Es una IA construida desde cero, curada por los equipos actuariales y de producto de Akur8, en torno a los flujos de trabajo, casos límite y estándares que el trabajo actuarial realmente exige.
