Programa
1. Base teórica: IA generativa aplicada a siniestros
Cada concepto se ilustra con un ejemplo del proceso de siniestros
- Situación actual en el sector asegurador.
- Qué es un LLM (Large Language Model) y por qué entiende documentos de pólizas.
- El “prompt como instrucción”: cómo hablar con la IA para obtener resultados útiles.
- Mapa de herramientas relevantes para siniestros.
- Marco regulatorio: RGPD y AI Act en siniestros.
- Acercamiento a las principales IAs generativas (Copilot, Claude, Gemini, ChatGPT, NotebookLM, Perplexity).
- Cómo personalizar las distintas IAs generativas y darles instrucciones específicas.
- Bibliotecas de prompts.
- Límites y advertencias.
2. Apertura del siniestro: triaje inteligente y captura de datos
Errores en la captura de datos, en la clasificación del tipo de siniestro o en la asignación inicial del gestor se arrastran a lo largo de todo el proceso. La IA puede actuar aquí como un primer filtro que clasifica, extrae información clave y apoya la asignación.
- Cómo un LLM lee e interpreta un parte de siniestro en texto libre.
- Clasificación automática del tipo de siniestro: criterios y riesgos de error.
- Extracción de entidades clave: fecha del hecho, partes, daño reclamado, cobertura aparente.
- Triaje inteligente: prioridad, complejidad estimada, asignación de equipo.
- Extracción estructurada de información de un parte en texto libre.
- Límites y advertencias.
Impacto esperado en esta fase: Reducción de errores en apertura. Mayor precisión en clasificación inicial. Asignación más rápida al equipo adecuado. Reducción del TAT desde la primera acción del expediente.
3. Análisis de cobertura con IA documental
Revisar pólizas complejas, condicionados generales y particulares, endosos y exclusiones. La IA documental permite hacer esta tarea en segundos, con una precisión comparable a la de un profesional experimentado, siempre que este sepa interpretar y validar la salida.
- Cómo funcionan los LLMs como “asistentes documentales”: lectura, comprensión y síntesis de documentos extensos.
- Diferencia entre subir un PDF a un chat y usar un sistema con índice documental (RAG).
- Qué sabe hacer la IA con un condicionado de póliza y qué no: límites de comprensión legal.
- Interrogatorio de cobertura sobre condicionado real.
- Construcción de una base de conocimiento con varios condicionados del ramo.
- Límites y advertencias.
Impacto esperado en esta fase: Reducción del tiempo de análisis documental de horas a minutos. Mayor consistencia en las decisiones de cobertura entre gestores. Reducción de fugas por coberturas no identificadas o mal aplicadas. Mejor documentación del expediente para posibles reclamaciones.
4. Comunicación con el asegurado: calidad y eficiencia
Cartas de rechazo mal redactadas, tiempos de respuesta largos, tono inadecuado o información incompleta son fuentes frecuentes de reclamaciones y conflictos. La IA puede ayudar a redactar comunicaciones más claras, más rápidas y adaptadas al perfil del asegurado.
- Por qué la calidad de la comunicación impacta en el NPS y en la ratio de reclamaciones formales.
- Cómo la IA generativa puede adaptar el tono, la complejidad y el canal de una comunicación.
- Redacción asistida de comunicaciones tipo.
- Creación de una biblioteca de plantillas de comunicación personalizables.
- Límites y advertencias.
Impacto esperado en esta fase: Reducción del tiempo de redacción por comunicación. Mayor consistencia y calidad en el lenguaje hacia el asegurado. Reducción de reclamaciones formales por comunicación deficiente. Mejora del NPS en siniestros.
5. Peritación y valoración de daños con apoyo de IA
Preparación del encargo pericial, el análisis del informe de perito, detección de incoherencias entre la valoración y las coberturas y la elaboración de contra-argumentaciones técnicas fundamentadas.
- El papel de la IA en la cadena peritación-liquidación: dónde añade valor y dónde no puede sustituir al perito.
- Visión artificial aplicada a siniestros: qué puede hacer.
- Análisis de informes periciales con LLMs: extracción de valoraciones, detención de inconsistencias y confrontación con póliza.
- Análisis de informe pericial de siniestro de hogar o automoción.
- Límites y advertencias.
Impacto esperado en esta fase: Detección temprana de valoraciones infladas o incoherentes. Reducción del coste medio del siniestro. Mayor control de la fuga indemnizatoria en la fase pericial. Aceleración del ciclo peritación-liquidación.
6. Detección y prevención del fraude
La IA permite detectar patrones de fraude que el ojo humano no puede procesar a escala, así como apoyar la investigación, la construcción del expediente de evidencias y la redacción de informes para la vía judicial.
- Tipos de fraude en siniestros.
- Cómo funciona la IA predictiva en detección de fraude: modelos de scoring, redes de relaciones y anomalías.
- Herramientas especializadas del mercado.
- El rol del analista humano: la IA como generador de alertas, no como veredicto.
- Análisis de expediente con señales de alerta de fraude.
- Búsqueda de información pública con IA.
- Análisis de documentos con IA: detección de manipulaciones en facturas y presupuestos.
- Redacción asistida del informe de investigación de fraude para uso interno.
- Límites y advertencias.
Impacto esperado en esta fase: Mayor tasa de detección temprana de fraude. Reducción del coste por fuga indemnizatoria fraudulenta. Expedientes de investigación más sólidos y mejor documentados. Eficiencia del equipo antifraude al priorizar alertas de mayor probabilidad.
7. Liquidación y negociación: decisión asistida
La IA puede apoyar al liquidador con análisis comparativos, simulaciones de escenarios, revisión de precedentes internos y redacción de propuestas de acuerdo, sin sustituir el criterio técnico y la responsabilidad del profesional.
- Cómo la IA puede apoyar la decisión de liquidación: escenarios, benchmarks y consistencia.
- El modelo de decisión asistida: IA + criterio humano + trazabilidad.
- Implicaciones de la automatización de la liquidación: cuándo es útil y cuándo es arriesgado.
- Simulación de escenarios de liquidación.
- Redacción asistida de acuerdos transaccionales y cartas de finiquito.
- Checklist IA de cierre de expediente: lista de verificación automática antes de liquidar.
- Límites y advertencias.
Impacto esperado en esta fase: Mayor consistencia en las decisiones de liquidación entre gestores y equipos. Reducción de pagos no justificados por falta de revisión. Aceleración del proceso de acuerdo. Mejor documentación de la razón de la decisión.
8. Cierre, reporting e indicadores de impacto
Generar reportes más rápidos, detectar patrones en la cartera de siniestros y construir indicadores que permitan gestionar el departamento con mayor precisión.
- KPIs clave en siniestros: TAT, coste medio, ratio combinado, tasa de fraude, NPS en siniestros.
- Cómo la IA puede ayudar a generar análisis de cartera y narrativa de reporting.
- IA generativa para el conocimiento institucional: documentar lo que funciona.
- Análisis de cartera.
- Crear una base de conocimiento con los expedientes más complejos resueltos (anonimizados) para uso interno.
- Límites y advertencias.
Impacto esperado en esta fase: Reporting más rápido y mejor presentado. Detección de patrones que permiten decisiones preventivas. Cultura de aprendizaje continuo en el departamento de siniestros. Mejor seguimiento de KPIs para el cuadro de mando directivo.
9. Gobernanza, regulación y hoja de ruta personal
El último módulo cierra el ciclo con una mirada hacia afuera y hacia adelante. Consolida el marco regulatorio, ofrece un modelo de gobernanza para el uso de IA en el departamento de siniestros y proporciona al participante una hoja de ruta personalizada para los próximos 90 días.
- Resumen del AI Act: calificación de riesgo de los sistemas de IA en siniestros.
- Principios de gobernanza para el uso de IA en el departamento.
- Dosis de realismo: qué puede hacerse hoy, qué requiere apoyo del área TI y qué necesita aprobación corporativa.
- Hoja de ruta personal 90 días: cada participante identifica 3 casos de uso a implementar, con prioridad, herramienta y primer paso.
