IA actuarial: ¿quién decide todavía?

La inteligencia artificial se está imponiendo progresivamente en los procesos de las aseguradoras. Tras unas primeras experimentaciones centradas en la productividad, los agentes de IA aplicados a los procesos actuariales ahora asisten a los equipos, proponen recomendaciones y aceleran ciertos procesos de decisión. Esta evolución desplaza el debate más allá del rendimiento tecnológico. ¿Cómo preservar el juicio y la responsabilidad actuarial cuando la IA participa en el razonamiento?

Esta pregunta ya no es teórica. En Addactis, los intercambios mantenidos con aseguradoras en Europa y América Latina muestran que los temas de gobernanza, confianza y explicabilidad están ahora en el centro de los proyectos de IA. Porque en los seguros, producir un resultado no es suficiente. Es necesario poder reconstruir su lógica, defender sus hipótesis y asumir sus consecuencias.

Desde hace varias décadas, las aseguradoras automatizan los cálculos y procesan volúmenes de datos crecientes. Los motores actuariales han ganado en potencia, los modelos se han sofisticado y los requisitos regulatorios se han reforzado.

Hoy en día, los equipos deben comprender las variaciones observadas, justificar sus hipótesis e integrar sus modelos en un marco sólido de validación, control y revisión independiente. Los cierres prudenciales y contables ilustran esta evolución. Una parte importante del tiempo de los actuarios se dedica ahora a explicar los resultados más que a calcularlos. Esta tendencia debería intensificarse con el aumento de los volúmenes de datos, la creciente complejidad de las carteras y la exigencia cada vez mayor de calidad, trazabilidad y gobernanza de los modelos.

En este contexto, la cuestión ya no es solo producir más rápido, sino comprender mejor lo que se produce.

Contrario a ciertas ideas preconcebidas, la IA no cuestiona los fundamentos de la profesión. Los métodos actuariales de referencia se mantienen, al igual que los principios de prudencia. Los requisitos regulatorios siguen aplicándose. La responsabilidad profesional no desaparece. Lo que cambia es la manera en que los análisis se preparan, se documentan y se explotan.

Los agentes de IA pueden explorar varios escenarios, detectar anomalías, comparar enfoques y producir síntesis. El actuario ya no se limita a realizar cálculos; también supervisa el razonamiento propuesto por la IA. La calidad actuarial se basa ahora tanto en el dominio de los métodos como en la capacidad de supervisar sistemas que generan análisis y recomendaciones. Se dedicará menos tiempo a la ejecución técnica y más a la validación, al cuestionamiento de hipótesis, a la interpretación de los resultados y a la gobernanza de las herramientas utilizadas.

El actuario seguirá siendo responsable de las decisiones tomadas, incluso cuando se apoyen en una IA. El riesgo no es que la IA decida por sí sola, sino que sus recomendaciones dejen de ser suficientemente cuestionadas.

Históricamente, las herramientas actuariales se evaluaban por su precisión y su robustez. Con la llegada de los agentes de IA, un tercer criterio se vuelve esencial: su capacidad para explicar su razonamiento.

En un contexto actuarial, una recomendación no puede adoptarse únicamente porque parezca pertinente. El usuario debe comprender las hipótesis utilizadas, los criterios aplicados, las alternativas consideradas y las razones que sustentan la conclusión. Esta exigencia está en el centro de la responsabilidad actuarial.

Un resultado que explicable es difícil de defender ante un comité, un auditor, un supervisor o la dirección general. También limita la capacidad del actuario para ejercer su juicio profesional. La confianza no nace únicamente de la calidad del resultado, sino de la comprensión del camino que conduce a él. La explicabilidad no es, por tanto, una funcionalidad adicional: constituye una condición de adopción.

Es precisamente sobre este tema donde se centran varios trabajos de innovación llevados a cabo por Addactis. La experiencia adquirida junto a las aseguradoras en modelización de riesgos, reporting regulatorio, gestión actuarial y provisiones ha hecho emerger una convicción: el valor de un sistema de IA no reside únicamente en la respuesta producida, sino también en la explicación que la acompaña. Se trata de permitir al usuario comprender el razonamiento subyacente, cuestionarlo si es necesario y documentar su decisión.

Desde esta perspectiva, la IA no debe considerarse una caja negra, sino una herramienta capaz de hacer explícita la lógica de sus análisis.

La provisión técnica es uno de los procesos más exigentes del ciclo actuarial: moviliza grandes volúmenes de datos, múltiples hipótesis y calendarios a menudo ajustados. Los equipos deben comparar varios métodos, comprender las desviaciones observadas, justificar sus elecciones y producir una documentación sólida. Es precisamente en este contexto donde los agentes actuariales especializados pueden contribuir a asegurar el análisis y la toma de decisiones.

En el ámbito de la provisión técnica, un agente de IA puede explorar distintos métodos, analizar sus resultados, identificar los principales factores explicativos, comparar los escenarios posibles y generar un primer análisis estructurado.

También puede poner de manifiesto las desviaciones significativas que requieren una revisión más profunda y preparar las justificaciones esperadas en la fase de validación. El valor no reside en la automatización en sí misma, sino en la transparencia del razonamiento. ¿Por qué se prioriza un método? ¿Qué parámetros influyen más en el resultado? ¿Qué alternativas han sido descartadas? ¿Qué impacto tendrían otras hipótesis? Son preguntas a las que el usuario debe poder responder en todo momento.

En esta lógica se inscribe el Agent Reserving desarrollado por Addactis. Conectado al entorno actuarial existente y sujeto a las reglas de validación definidas por el usuario, explora diferentes enfoques de provisión técnica, destaca los principales factores explicativos y produce un análisis documentado, revisado, completado y validado por el actuario. El objetivo no es sustituir al experto, sino proporcionarle una base sólida, transparente y revisable, cuyo valor se mide tanto por el tiempo ahorrado como por la calidad de las justificaciones producidas.

Así, el actuario conserva el control total del proceso, mientras que el agente contribuye a acelerar la exploración, la documentación y la comprensión de los resultados en beneficio de decisiones mejor fundamentadas.

Esta reflexión encuentra un eco particular en América Latina, donde numerosas aseguradoras llevan a cabo simultáneamente varias transformaciones: modernización de los sistemas de información, refuerzo de las prácticas de gobernanza, mejora de la calidad de los datos y desarrollo de la gestión del riesgo. En este contexto, la adopción de la IA no puede abordarse únicamente desde la perspectiva de la automatización. También debe reforzar la comprensión y el control de las decisiones tomadas.

En la región, esta evolución exige articular la experiencia actuarial, el conocimiento local del mercado, la calidad de los datos y la gobernanza operativa. En Argentina, en particular, la colaboración iniciada con KPMG ilustra esta voluntad de combinar conocimiento del mercado, experiencia actuarial e innovación tecnológica para responder concretamente a los retos de las aseguradoras.

El futuro de la IA en los seguros probablemente no se decidirá por su capacidad de realizar más cálculos. Los motores actuariales ya cumplen eficazmente esta función. Se decidirá más bien por su capacidad de reforzar la comprensión de los resultados y asegurar la toma de decisiones. Las organizaciones que obtengan el mayor valor sabrán combinar potencia analítica, experiencia sectorial, calidad de los datos y gobernanza del riesgo de modelo. El actuario seguirá desempeñando un papel central: su juicio, su conocimiento de la cartera y su comprensión del contexto seguirán siendo insustituibles.

La inteligencia artificial puede, sobre todo, permitirle ejercer este papel de manera diferente: menos centrado en la producción, más orientado a la interpretación; menos movilizado por tareas repetitivas, más concentrado en decisiones de alto impacto. La verdadera pregunta no es, por lo tanto, si la IA reemplazará al actuario, sino cómo diseñar una IA que refuerce su práctica profesional espetando las exigencias de transparencia, trazabilidad y responsabilidad propias del actuarial.

Es esta convicción la que guía actualmente los trabajos de Addactis en materia de inteligencia artificial. Más que una automatización de tareas, la ambición es construir herramientas que refuercen el juicio actuarial en un marco de control, explicabilidad y confianza.