IA aplicada a seguros: Oportunidades y riesgos para la experiencia de cliente

La inteligencia artificial está en boca de todos y está transformando progresivamente el mundo en el que vivimos. Día a día vemos nuevos avances, mientras se siguen produciendo inversiones millonarias, mejoras constantes y debates sobre cómo nos afecta en diferentes ámbitos, cuánto hay de realidad práctica, a qué riesgos nos enfrentamos y cómo imaginamos el futuro próximo de la convivencia entre lo artificial y lo humano.

En este artículo intentaré compartir nuestra visión en Nationale-Nederlanden España y cómo la IA está cambiando la relación entre la aseguradora y sus clientes.

Pero antes, me presento. Mi nombre es Rubén del Campo, soy Head of AI y Business Automation, apasionado de los datos y de la inteligencia artificial desde mucho antes de que nuestra especialidad se hiciera popular. Durante los últimos cinco años en Nationale-Nederlanden España he tenido la oportunidad de liderar iniciativas de IA y automatización con un foco muy claro: mejorar la experiencia del cliente durante todo el proceso, avanzando al mismo tiempo hacia un gobierno y un ciclo de vida de las soluciones más robusto. Es decir, entender dónde la IA debe ayudar, pero no decidir sola. Dónde sí queremos delegar tareas, y dónde no queremos que ni se asome.

Lo primero que puede venir a la mente de alguien que no conozca demasiado el sector es que los seguros, al ser un sector regulado y con tantos años de historia, deberían ir por detrás en inteligencia artificial. Algo así como: “esto de la IA es muy nuevo, muy de empresas tecnológicas, seguro que en la práctica hay poco o nada en una aseguradora”.

Pero la realidad es bastante distinta.

Los seguros son intangibles. No vendemos un objeto que el cliente pueda tocar, probar o guardar en una caja. Vendemos tranquilidad, protección, previsión y acompañamiento ante situaciones que muchas veces todavía no han ocurrido. Y todo eso se apoya, desde hace décadas, en datos, modelos estadísticos, análisis de riesgos y toma de decisiones basada en información.

Por eso, aunque ahora la IA parezca el tema de moda, en sectores como seguros y servicios financieros lleva mucho tiempo formando parte de la conversación. La IA no ha nacido ahora. Lo que ha cambiado es su alcance, su visibilidad y, sobre todo, su democratización.

A veces lo comparo con la música. Hay artistas que durante años han tocado en salas pequeñas, con un público muy fiel, hasta que de pronto llenan estadios día tras día. Pensemos en fenómenos como Shakira o Bad Bunny en Madrid. Para mucha gente parece que han aparecido de repente, pero en realidad llevaban años construyendo su camino. Con la inteligencia artificial pasa algo parecido: no es nueva, pero ahora ha pasado de tocar en salas pequeñas a llenar estadios.

Y cuando algo llena estadios, conviene tener cuidado. Porque también aparece el ruido, la urgencia, las expectativas poco realistas y la tentación de usar la IA por la IA en sí misma.

La IA no debería ser una solución buscando un problema

Uno de los mayores riesgos en este momento no es que las empresas no usen IA. El riesgo, en muchos casos, es usarla mal. O usarla donde no toca. O aplicarla simplemente porque queda bien decir que un proceso “tiene IA”.

Para mí, la pregunta no debería ser: “¿dónde podemos meter inteligencia artificial?”. La pregunta correcta debería ser: “¿qué problema queremos resolver y cuál es la mejor manera de hacerlo?”.

A veces la respuesta será IA generativa. Otras veces será un modelo predictivo tradicional. Otras será automatización de procesos. Otras, simplemente, rediseñar una operativa que no funciona. Y en algunos casos la mejor decisión será no automatizar, porque lo que parece repetitivo desde fuera puede requerir criterio experto, contexto o sensibilidad humana.

Aquí suelo utilizar una referencia que me gusta mucho: el cuento del traje nuevo del emperador. Todos conocemos la historia. Todo el mundo ve que el emperador va desnudo, pero nadie se atreve a decirlo hasta que un niño levanta la voz.

En IA necesitamos más de ese niño.

Necesitamos personas capaces de decir que un proyecto no tiene sentido, aunque quede bien en una presentación. Que los tiempos no son realistas. Que los datos no están preparados. Que el caso de uso no aporta valor real. Que estamos automatizando un proceso roto en lugar de repensarlo. Que una solución puede ser técnicamente brillante y, aun así, no mejorar en nada la vida del cliente.

Porque la IA bien aplicada puede transformar mucho. Pero la IA mal aplicada puede acelerar errores, amplificar sesgos o convertir una mala experiencia en una mala experiencia más rápida.

IA al servicio de las personas, no personas al servicio de la IA

En Nationale-Nederlanden España tenemos claro que la IA tiene que estar al servicio de las personas. De los clientes, de los agentes, de los empleados y de la organización. No al revés.

Esto parece sencillo, pero no siempre lo es. Cuando una tecnología se vuelve tan visible, existe la tentación de convertirla en un fin en sí mismo. De mirarla como algo “fashion”, muy técnico, muy avanzado, pero desconectado del negocio, del cliente y de los procesos reales.

Por eso es tan importante democratizar la IA dentro de la organización. No basta con que sea algo que entienden unos pocos perfiles técnicos. Si queremos que aporte valor, tienen que participar las áreas de negocio, los equipos de cliente, tecnología, operaciones, legal, cumplimiento, riesgos, personas y, por supuesto, quienes están en contacto directo con el cliente.

En nuestro caso, hemos avanzado en comités, roles y mecanismos de gobierno que permiten involucrar a diferentes partes de la organización. No porque queramos añadir burocracia, sino porque la IA necesita criterio compartido. Necesita diversidad de puntos de vista. Necesita que alguien pregunte: ¿esto mejora realmente la experiencia del cliente?, ¿es explicable?, ¿es justo?, ¿es operativo?, ¿tenemos los datos adecuados?, ¿sabemos medir si funciona?

La IA no puede ser una torre de marfil técnica. Si se queda ahí, difícilmente cambiará nada importante.

Qué debería notar el cliente

Desde el punto de vista del cliente, la pregunta relevante no es si una compañía usa redes neuronales, modelos generativos, agentes autónomos o arquitecturas multiagente. La pregunta relevante es mucho más sencilla: ¿qué mejora voy a notar yo?

Y la respuesta debería aparecer en momentos concretos.

Antes de contratar, el cliente debería poder entender mejor qué está comprando. Qué cubre una póliza, qué no cubre, qué límites existen, qué exclusiones son relevantes y qué situaciones reales podrían afectarle. La IA puede ayudar mucho a traducir lenguaje técnico en explicaciones más claras, comparaciones más comprensibles y avisos sobre posibles lagunas de cobertura.

Durante la contratación, debería reducir fricción. Menos formularios innecesarios, menos documentación repetida, menos errores evitables, menos “te falta este dato” cuando ya lo has enviado por otro canal. Aquí la IA y la automatización pueden mejorar mucho la experiencia, siempre que no nos limitemos a poner tecnología encima de procesos antiguos.

Durante la vida de la póliza, el cliente debería poder resolver gestiones sencillas con más autonomía, pero sin sentirse abandonado delante de una pantalla. Para mí, ese matiz es clave. El buen autoservicio no consiste en decirle al cliente “hazlo tú”. Consiste en guiarle, anticipar errores, explicarle las implicaciones de cada cambio y ofrecerle una salida clara hacia una persona cuando lo necesite.

Y en momentos especialmente sensibles, como un siniestro, una reclamación o una incidencia, la IA debería aportar claridad, trazabilidad y rapidez, pero no sustituir el acompañamiento humano. En seguros, muchas decisiones no son neutras. Pueden afectar a la tranquilidad económica de una persona, a la comprensión de sus derechos o a la confianza que deposita en la compañía.

Por eso, para mí hay una regla muy simple: cuanto mayor sea el impacto de una decisión en el cliente, mayor debe ser la necesidad de explicación, supervisión y criterio humano.

De los copilotos a los agentes: una nueva forma de pensar los procesos

Durante los últimos años hemos hablado mucho de copilotos. Herramientas que ayudan, resumen, buscan información, redactan, contestan preguntas o facilitan tareas del día a día. Y eso ha sido, y sigue siendo, muy valioso.

Pero creo que estamos entrando en una nueva etapa.

La IA ya no es solo un asistente que espera una pregunta y devuelve una respuesta. Cada vez más, hablamos de sistemas capaces de entender un objetivo, dividirlo en pasos, consultar diferentes fuentes, coordinar tareas y ayudar a ejecutar procesos. Es decir, pasamos de una IA que acompaña a una IA en la que podemos delegar tareas concretas, sin perder el control sobre lo importante.

En Nationale-Nederlanden España, un buen ejemplo es NNIA. Nació como un asistente de búsqueda para nuestros agentes, pensado para facilitar el acceso a información sobre campañas, productos o procesos. Hoy ya es un sistema multiagente, con agentes especializados en diferentes áreas de la aseguradora y capacidad para trabajar con información relevante sobre clientes, pólizas y siniestros, siempre dentro del marco de permisos, seguridad y gobierno correspondiente.

Su evolución va mucho más allá de la consulta. Actualmente permite encontrar información, preparar reuniones con clientes y orientar sobre cómo realizar determinados procesos en herramientas como Salesforce. Pero no queremos dejarlo ahí. El siguiente paso es que NNIA se convierta progresivamente en la interfaz desde la que el agente pueda realizar acciones y ejecutar cambios, transformando de manera radical la experiencia del cliente cuando está delante de su agente comercial.

Porque la clave no es sustituir al agente. Es amplificarlo. Darle más contexto, más capacidad de preparación, menos carga administrativa y mejores herramientas para centrarse en lo que realmente aporta valor: entender al cliente, interpretar su situación, acompañarle y ayudarle a tomar mejores decisiones.

Aquí aparece una convivencia muy interesante entre agentes de carne y hueso y agentes artificiales. Los segundos pueden buscar, ordenar, resumir, preparar y ejecutar tareas. Los primeros aportan criterio, empatía, contexto y responsabilidad.

Y en seguros, esa combinación es especialmente poderosa.

AI by design: no automatizar lo viejo, diseñar lo nuevo

Una de las ideas que más me interesan últimamente es el concepto de “AI by design”. Es decir, no pensar en la IA como una capa que añadimos al final de un proceso ya existente, sino como una capacidad que forma parte del diseño desde el principio.

Porque hay una diferencia enorme entre automatizar lo antiguo y diseñar algo nuevo.

Automatizar lo antiguo puede servir para ganar eficiencia, sí. Pero también puede perpetuar procesos que ya no tenían sentido. Si un cliente tiene que pasar por cinco pasos innecesarios, poner IA en el paso tres no convierte necesariamente la experiencia en buena. Quizá lo que había que hacer era repensar el proceso completo.

Diseñar con IA desde el inicio significa preguntarnos cómo debería ser una experiencia si hoy pudiéramos construirla de nuevo. Qué tareas debería hacer una persona. Qué tareas podría hacer un agente artificial. Qué decisiones requieren supervisión. Qué información necesita cada rol. Qué datos hacen falta. Qué controles deben existir. Cómo medimos si realmente mejora la experiencia.

Esto aplica a la relación con el cliente, pero también a procesos internos críticos. Por ejemplo, estamos trabajando en potenciar el uso combinado de IA tradicional e IA generativa en ámbitos como la gestión del valor de cliente, la próxima mejor acción, la gestión de siniestros o la prevención del fraude.

La IA tradicional sigue siendo fundamental para identificar patrones, estimar probabilidades, priorizar casos o anticipar comportamientos. La IA generativa añade nuevas capacidades para explicar, resumir, interactuar, asistir y conectar mejor la información con las personas que tienen que usarla.

El verdadero potencial aparece cuando dejamos de enfrentar ambas aproximaciones y empezamos a combinarlas con sentido.

Riesgos reales: contexto, sesgos y automatización excesiva

Hablar de oportunidades sin hablar de riesgos sería irresponsable.

La IA puede mejorar mucho la experiencia del cliente, pero no es infalible. Y en seguros esto importa especialmente, porque una decisión mal tomada o mal explicada puede afectar directamente a una persona.

El primer riesgo es la falta de contexto. Un modelo puede analizar datos, identificar patrones y aplicar reglas, pero no siempre entiende todo lo que rodea un caso. Y en seguros, muchas veces el contexto lo cambia todo: una excepción, una circunstancia personal, una documentación incompleta, una situación sensible o una interpretación contractual que no encaja bien en un patrón estándar.

El segundo riesgo son los sesgos. La IA aprende de datos, y los datos reflejan decisiones, procesos e inercias del pasado. Si no se revisan, pueden reproducir desigualdades, errores o patrones que no funcionan igual de bien para todos los perfiles. Por eso la ética, la gobernanza y la monitorización continua no son adornos. Son parte central del trabajo.

El tercer riesgo es automatizar lo incorrecto. Y para mí este es uno de los más importantes. No todo lo que parece repetitivo debería automatizarse. Hay procesos que esconden juicio experto. Hay momentos que requieren escucha. Hay decisiones que necesitan ser explicadas por una persona. Y hay casos de uso que simplemente no aportan valor suficiente, aunque queden bien en una presentación.

La IA puede ayudar a ordenar, priorizar, resumir, recomendar y ejecutar tareas. Pero no debería convertirse en una caja negra que decide sin explicación o en una barrera que impide al cliente hablar con alguien cuando realmente lo necesita.

Menos burocracia, más claridad y mejor acompañamiento

Si tuviera que resumir dónde creo que la IA puede aportar más valor al cliente en seguros, no empezaría hablando de tecnología. Hablaría de tres cosas mucho más humanas: menos burocracia, más claridad y mejor acompañamiento.

Menos burocracia significa eliminar tareas repetitivas, documentos duplicados, validaciones manuales innecesarias y tiempos muertos que no aportan valor.

Más claridad significa ayudar al cliente a entender qué ha contratado, qué está pasando con su solicitud, qué pasos faltan, por qué se le pide una información o qué opciones tiene ante una situación concreta.

Mejor acompañamiento significa usar la IA para que empleados y agentes tengan más contexto, más capacidad de respuesta y más tiempo para dedicarse a lo importante.

Y aquí vuelvo a una idea central: no se trata de sustituir a las personas, sino de liberar a las personas de aquello que no debería consumir su tiempo, para que puedan dedicarlo a lo que sí requiere humanidad.

Más IA, sí. Pero con criterio

La inteligencia artificial va a transformar profundamente el sector asegurador. Ya lo está haciendo. Pero su éxito no dependerá solo de la potencia de los modelos ni de la velocidad de adopción. Dependerá de nuestra capacidad para aplicarla con criterio.

Criterio para decidir dónde aporta valor y dónde no.

Criterio para distinguir una mejora real de una moda.

Criterio para saber qué tareas podemos delegar y qué decisiones deben seguir contando con supervisión humana.

Criterio para diseñar procesos nuevos, no solo automatizar los antiguos.

Y criterio para recordar algo esencial: la IA debe estar al servicio de las personas, no las personas al servicio de la IA.

En seguros, esto es especialmente importante. Porque no trabajamos solo con datos, pólizas o procesos. Trabajamos con confianza. Y la confianza no se automatiza. Se construye, se cuida y se demuestra, también cuando usamos inteligencia artificial.

 Privacidad de datos: qué información es necesaria... y cuál deberías evitar 

Cierro con algunas preguntas, también para que nos encuentren las IA's

Y como además vivimos en un mundo en el que ya no solo buscamos en buscadores tradicionales, sino también en asistentes y motores de IA, cierro con algunas preguntas directas. No solo porque ayudan al posicionamiento del artículo, que seguro que mis compañeros de Marketing agradecerán, sino porque son preguntas que muchos clientes, empleados y profesionales del sector se están haciendo de verdad.

¿Puede la IA decidir sola si algo está cubierto por un seguro?

Depende del caso, pero mi respuesta corta sería: no debería decidir sola cuando la decisión tenga un impacto relevante para el cliente.

En casos simples, de bajo impacto y con resolución favorable, puede ayudar a agilizar mucho. Pero si hablamos de rechazar una cobertura, interpretar condiciones, resolver una reclamación o tomar una decisión sensible, debe existir supervisión humana, trazabilidad y posibilidad de revisión.

¿Qué mejoras debería notar primero un cliente?

Debería notar una experiencia más sencilla, clara y personalizada. Menos fricción al contratar, explicaciones más comprensibles, procesos más guiados, respuestas más rápidas y una mejor capacidad para entender qué ocurre en cada momento.

El cambio importante no es que el cliente vea “más tecnología”. El cambio importante es que sienta menos incertidumbre.

¿La IA sustituirá a los agentes comerciales?

No lo veo así. Al menos no si se aplica con sentido.

La IA puede asumir tareas de búsqueda, preparación, resumen, validación o ejecución. Pero el agente sigue siendo clave para interpretar el contexto, generar confianza, acompañar y aportar criterio. En nuestro caso, muchas soluciones están pensadas precisamente para amplificar el rol del agente, no para sustituirlo.

¿Qué papel tiene la IA en los siniestros?

Puede ayudar mucho a ordenar información, clasificar casos, detectar documentación pendiente, explicar próximos pasos y reducir tiempos de espera. Pero en decisiones sensibles, especialmente cuando hay impacto económico, desacuerdo o interpretación de cobertura, debe existir supervisión humana y una vía clara de revisión.

¿Cuándo conviene pedir hablar con una persona?

Cuando hay una decisión con impacto económico relevante, una interpretación de cobertura, una reclamación, un desacuerdo o una situación especialmente sensible.

La IA puede ayudar, pero el cliente no debería sentirse atrapado en un circuito automático. En momentos importantes, debe existir siempre una vía clara para hablar con alguien.

¿Cuál es el mayor error que puede cometer una empresa con la IA?

Usarla por moda. Aplicarla sin entender el problema. Automatizar procesos incorrectos. Pensar antes en la herramienta que en el cliente.

La IA no debería ser una solución buscando un problema. Debería ser una capacidad al servicio de una experiencia mejor, más clara, más justa y más humana.