La IA generativa ha captado una cantidad impresionante de atención e inversión en la industria de seguros en los últimos años, y en 2025 la IA agéntica impulsará aún más atención y entusiasmo.
Aparentemente, todas las industrias se apresuran a adoptar la tecnología de IA generativa, y el sector de los seguros no es una excepción. Las empresas con modelos GPT (como OpenAI, Amazon, Google, Microsoft, Meta, Anthropic y otras) continúan invirtiendo fuertemente en el desarrollo y la mejora de sus respectivos modelos de lenguaje a gran escala (LLM). Estos modelos están mostrando a las aseguradoras que tienen el potencial de revolucionar la industria de los seguros y ya están influyendo de manera significativa en la forma en que las aseguradoras operan.
Celent anticipa que la velocidad de los avances tecnológicos en el campo de la IA generativa (por ejemplo, IA agéntica, computación más rápida y eficiente como DeepSeek y QwQ-32B de Alibaba), combinada con las presiones competitivas y la maduración de la aplicación de la IA generativa a través del aumento del nivel de comodidad de los aseguradores y la claridad regulatoria, continuará avivando el interés de inversión por parte de las aseguradoras.
> Seminario web | Vea cómo IDP está impulsando la modernización de los seguros
¿Dónde nos encontramos ahora?
Según una encuesta de Celent a aseguradoras de América del Norte en marzo de 2025 sobre el uso de la IA generativa en seguros, las aseguradoras están adoptando esta tendencia, con un 44 % que ya tiene una solución basada en IA generativa en producción. Esto representa un aumento del 57 % respecto a aquellos que tenían IA generativa en producción en 2024. Además, otro 38 % indicó que tendrán una solución de IA generativa en producción dentro del próximo año.
Si el uso proyectado se mantiene, aproximadamente el 80 % de las aseguradoras estadounidenses habrán implementado una solución basada en IA generativa para el primer trimestre de 2026, una estadística impresionante. La adopción de la IA generativa se extiende a lo largo de la cadena de valor de los seguros, con la experiencia del cliente interna (es decir, los empleados) como el área principal de enfoque.
Además, las reclamaciones y la suscripción están avanzando rápidamente, probablemente debido a las enormes mejoras en eficiencia que las aseguradoras están observando en la ingesta de documentos y la síntesis de grandes volúmenes de datos utilizados en casos de uso de reclamaciones y suscripción, especialmente datos no estructurados.
Muchas aseguradoras también están aprovechando las relaciones con terceros para obtener rápidamente lo que necesitan. La buena noticia, según nuestros hallazgos en el reciente informe de Celent “GenAI in Legacy Modernization”, es que los proveedores de plataformas y servicios están adaptando rápidamente la IA generativa en sus plataformas y servicios, añadiendo una plétora de nuevas capacidades en un período de tiempo muy breve.
El futuro de la IA agéntica y el rápido ritmo del cambio
Algo que las aseguradoras están aprendiendo es que el lanzamiento de los modelos GPT vino acompañado de un ritmo vertiginoso de cambio. Y aquí llega la IA agéntica, que se refiere a sistemas de IA capaces de actuar de manera autónoma, tomar decisiones y ejecutar tareas basadas en el análisis de datos.
La IA agéntica está comenzando a ganar tracción en la industria de seguros y rápidamente se está convirtiendo en el nuevo tema de discusión como el siguiente paso en las aplicaciones de IA.
La IA agéntica tiene un gran potencial para transformar las operaciones de seguros en diversas funciones. Este salto hacia agentes de IA más independientes promete transformar la manera en que operan las compañías de seguros, lo que resultará en una eficiencia aún mayor, experiencias de cliente mejoradas y una gestión de riesgos optimizada.
Ya, un pequeño porcentaje de aseguradoras está implementando soluciones de IA agéntica a través de pilotos y pruebas de concepto, con un selecto grupo (4 %) avanzando hacia la producción. Según se indica en la encuesta más reciente de IA generativa de Celent, el 22 % de las aseguradoras afirmaron que tendrán una solución basada en IA agéntica en producción para finales de 2026.
El potencial de la IA agéntica en las operaciones de seguros
Atención al cliente
Los asistentes virtuales, que manejan consultas complejas sobre políticas, pueden ofrecer soporte hiperpersonalizado las 24 horas del día a través de diversos canales y guiar a los clientes en procesos como la incorporación o la presentación de reclamaciones. La IA agéntica también puede involucrar proactivamente a los asegurados con recordatorios oportunos y sugerencias de cobertura, mejorando la experiencia general del cliente.
Suscripción de pólizas
La IA agéntica analiza grandes cantidades de datos estructurados y no estructurados en tiempo real para crear perfiles de riesgo más precisos y dinámicos. Esto permite la personalización de precios de pólizas y recomendaciones, reduciendo el riesgo de precios mal calculados. Al igual que la IA generativa, la IA agéntica libera aún más tiempo para que los agentes de seguros se concentren en casos complejos y en las aprobaciones finales.
Procesamiento de reclamaciones
La IA agéntica tiene el potencial de automatizar todo el ciclo de vida de los siniestros, desde la evaluación inicial y la verificación de documentos hasta la detección de fraudes y las recomendaciones de pago. Reducirá significativamente los tiempos de procesamiento, incrementará el procesamiento directo al mejorar la eficiencia operativa y minimizar los puntos de contacto manuales, y mejorará la satisfacción del cliente mediante una resolución más rápida de las reclamaciones.
Detección y prevención de fraudes
Al analizar continuamente los patrones de datos y monitorear las presentaciones de reclamos en tiempo real para detectar anomalías, la IA agéntica refuerza la detección de fraudes. Puede coordinarse con bases de datos externas para validar la autenticidad de las reclamaciones, ayudando a reducir las pérdidas por actividades fraudulentas.
Modelización del riesgo climático y ESG
La IA agéntica puede analizar datos ambientales en tiempo real para mejorar el modelado de riesgos relacionados con el cambio climático y otros factores ESG.
Eficiencia operativa general
La IA agéntica automatiza funciones administrativas rutinarias, como actualizaciones de políticas, aprobaciones de reclamaciones e informes de cumplimiento. También puede optimizar los recursos de los empleados, reducir los errores y disminuir el costo de la reelaboración, lo que lleva a ahorros en los gastos operativos y una mayor rentabilidad.
Cumplimiento normativo más sólido
La IA agéntica agiliza la elaboración de informes y respalda el cumplimiento de las normas.
El siguiente gráfico es la respuesta cuando se pregunta a las aseguradoras sobre su opinión respecto al impacto futuro de la IA agéntica en toda la cadena de valor de los seguros:
Con la nueva tecnología de IA surgen nuevos desafíos
A pesar del inmenso potencial, es necesario abordar varios desafíos para implementar la IA generativa y la IA agéntica con éxito en el sector de los seguros.
Cumplimiento normativo y fundamentación
Las aseguradoras deben asegurar la transparencia en la toma de decisiones usando la IA para cumplir con las normas regulatorias y evitar prácticas discriminatorias. La naturaleza de “caja negra” de muchos LLM dificulta la explicación de su razonamiento.
Para solucionarlo:
- Priorice la transparencia y la fundamentación en los modelos de IA, optando por técnicas de IA interpretables siempre que sea posible.
- Implemente marcos sólidos de gobernanza de IA que incluyan auditorías periódicas para detectar sesgos y asegurar la equidad.
- Mantenga registros detallados de los datos utilizados, el desarrollo de modelos y los procesos de toma de decisiones para la revisión regulatoria, incluso si no se requiere en este momento.
- Interactúe con los grupos reguladores para entender los requisitos dinámicos de la IA en el sector de seguros.
Sesgo y consideraciones éticas
Cualquier LLM puede perpetuar los sesgos presentes en los datos con los que se entrena, lo que puede llevar a resultados injustos o discriminatorios. Las aseguradoras son las encargadas de asegurar la equidad y considerar las implicaciones éticas.
Para solucionarlo:
- Establecer directrices y principios éticos claros para la IA. Estos principios deben reflejar los valores y los requisitos legales de la organización.
- Proporcione una capacitación exhaustiva para asegurar que la IA generativa pueda razonar eficazmente y ofrecer resultados fiables.
- Cure y audite los datos de capacitación para identificar posibles sesgos.
- Emplee técnicas de detección y mitigación de sesgos durante el desarrollo del modelo.
- Monitoree continuamente los sistemas de IA para detectar patrones discriminatorios y recalibre los modelos según sea necesario.
Integración de sistemas heredados
La integración de nuevos sistemas de IA con la infraestructura heredada puede ser compleja y costosa.
Para solucionarlo:
- Adopte un enfoque por fases para la integración, priorizando áreas clave para la implementación de IA.
- Utilice API y middleware para conectar sistemas heredados con nuevas plataformas de IA.
- Considere soluciones en la nube para una mayor flexibilidad y escalabilidad.
Preocupaciones por el desplazamiento laboral
La automatización de procesos impulsada por cualquier forma de IA puede generar inquietudes sobre el desplazamiento laboral de los empleados.
Para solucionarlo:
- Elabore un plan de comunicación para todo lo relacionado con la IA.
- Invierta en la capacitación y mejora de las habilidades de los empleados actuales.
- Cree una universidad de IA y/o un programa de certificación de IA.
- Colabore con proveedores y consultores externos de IA para ayudar a desarrollar habilidades internas o cerrar la brecha de habilidades.
Altos costos iniciales de implementación
Invertir en la tecnología, el talento y la infraestructura necesarios para la IA generativa y la IA agéntica puede implicar importantes costos iniciales.
Para solucionarlo:
- Aproveche las plataformas en la nube para acceder a recursos de computación escalables y rentables.
- Optimice los modelos de IA para un rendimiento eficiente.
- Invierta en la infraestructura de TI necesaria y en expertos para apoyar las implementaciones de IA.
Potencial de consecuencias no deseadas
A medida que los agentes de IA operan con una autonomía cada vez mayor, existe el riesgo de acciones o resultados no intencionados que podrían afectar negativamente a los clientes o a la empresa.
Para solucionarlo:
- Los agentes de IA deben someterse a pruebas exhaustivas en entornos simulados que reproduzcan situaciones del mundo real, incluidos casos límite y posibles modos de fallo.
- Utilizar métodos formales para verificar la corrección y las propiedades de seguridad de los componentes de los agentes de IA.
- Diseñe agentes con componentes modulares y priorice la interpretabilidad (entender por qué un agente tomó una decisión específica) para facilitar la depuración, el monitoreo y la comprensión de posibles puntos de falla.
- Diseñe agentes con solo los permisos y el acceso necesarios a los datos y sistemas requeridos para sus tareas específicas.
Los agentes de IA deben someterse a pruebas exhaustivas en entornos simulados que reproduzcan situaciones del mundo real, incluidos casos límite y posibles modos de falla.
El panorama futuro
El futuro de la IA agéntica en el sector de seguros probablemente implicará un enfoque altamente integrado, combinando las fortalezas de la IA con la experiencia de los empleados. Los agentes de IA autónomos se encargarán de tareas rutinarias y ofrecerán perspectivas basadas en datos.
A medida que se mejore la eficiencia, los empleados se enfocarán más en la toma de decisiones complejas, la gestión de excepciones y las iniciativas estratégicas. El desarrollo de interfaces no-code y fáciles de usar también facilitará una adopción más amplia en diversos equipos de seguros.
A medida que la tecnología de IA agéntica madura y se resuelven los desafíos, la IA agéntica está en posición de convertirse en un componente esencial del panorama de soluciones de la industria de seguros, fomentando la innovación y proporcionando un valor considerable.
Acerca del autor
Keith Raymond es analista principal en la práctica de seguros de Celent en América del Norte. Tiene una amplia experiencia en la industria y es experto en IA, IA generativa, automatización de procesos, transformación empresarial y operaciones para seguros de propiedad y accidentes, así como de vida, salud y rentas vitalicias. La investigación de Keith se centra en la automatización de procesos a lo largo de toda la cadena de valor del seguro, y es autor de una serie de informes de Celent sobre el impacto de la IA generativa en las operaciones de seguros. Suele presentarse como orador en las principales conferencias de tecnología de la industria de seguros, como Insurtech Connect, Insurtech Insights e Insurance Innovators. Keith también organiza un Bootcamp de IA Generativa para aseguradoras de América del Norte y el Simposio anual de IA Generativa de Celent.
