Una oferta tan variada como los requisitos

Por lo tanto, la clave del reaseguro estructurado reside en las necesidades concretas de cada aseguradora primaria. “Siempre partimos del problema específico de un cliente y tratamos de encontrar una solución con ayuda de los contratos de reaseguro”, aclara el Dr. Eike Meerbach, experto en reaseguro estructurado en el servicio central de gestión de suscripciones de la Deutsche Rück. A fin de encontrar soluciones adecuadas, para las reaseguradoras es decisivo comprender las necesidades de sus clientes de manera precisa y trabajar codo a codo con ellos.

La oferta de soluciones estructuradas de reaseguro en el mercado es tan variada como las necesidades concretas de las aseguradoras primarias. No obstante, sus elementos característicos son, entre otros, la cobertura para periodos de recurrencia bajos (5 a 20 años), la limitación de posibilidades de ganancias y pérdidas, una transferencia de riesgos limitada pero suficiente, la duración plurianual de los contratos o también la inclusión de riesgos y componentes de autofinanciación. Por lo general, la cobertura se coloca a través de una o unas pocas reaseguradoras, es decir, no en el mercado general de reaseguro. Para las reaseguradoras son una forma de fidelizar clientes y diferenciarse en un mercado cada vez más competitivo, con una volatilidad de los resultados globalmente baja. Para las aseguradoras primarias, estas coberturas ofrecen soluciones personalizadas y rentables.

Optimizar los requisitos de capital y reducir la volatilidad de los resultados

En los últimos años, han ido surgiendo en el mercado formas estándar de reaseguro estructurado con las que las aseguradoras primarias han podido resolver sus principales problemas. Sin duda, el clásico es el contrato estructurado de ratio de solvencia, que se adapta a las necesidades de los clientes, pero que también permite planificar los requisitos de capital y de solvencia a través de varias líneas de negocio y/o a lo largo de los años. De esta manera, las soluciones estructuradas pueden sustentar los planes de crecimiento con objetivos determinados y la creación de nuevos campos de negocio.

Otra forma establecida son los acuerdos plurianuales de “stop-loss” o AXL (excedente anual de siniestros). Estos reducen la volatilidad de los resultados y aseguran las cifras planificadas, incluso de varias líneas de negocio y, en caso necesario, también como soluciones anuales. Un ejemplo de esto son los programas “Retention-sub-layer”, cuya demanda ha aumentado especialmente en los últimos años. Estos programas ofrecen protección contra el aumento de la frecuencia por debajo de las prioridades del programa de reaseguro tradicional, dentro de una sola línea de negocio, pero también en varias líneas, lo que garantiza una cobertura a la aseguradora primaria ante un aumento de las prioridades del programa tradicional de reaseguro. En ocasiones, también se utilizan coberturas retrospectivas para gestionar los requisitos de capital de solvencia. Se trata de coberturas de reservas técnicas, denominadas Adverse Development Cover o Loss Portfolio Transfers, sobre una base estructurada.

Estar disponible permanentemente, procesar siniestros complicados con eficiencia y ofrecer pólizas a medida son algunos de las demandas que las aseguradoras deben satisfacer para sus clientes con el uso de la Inteligencia Artificial (IA). El aprendizaje automático, una categoría de la IA, procesa datos estructurados y lleva años brindando apoyo a las aseguradoras. Es decir, clasifica, reconoce y analiza. No obstante, la novedad es el uso de la IA Generativa (IAGen): a partir de datos no estructurados, genera contenidos nuevos de forma completamente autónoma que se asemejan a los analizados anteriormente. “La IAGen no implica solo a los modelos de lenguaje”, aclara Ruben Wienigk, Ingeniero de IA y Automatización de la Deutsche Rück. “La tecnología se puede aplicar de múltiples maneras, incluso aunque no funcione igual de bien en todas partes. El desafío consiste en encontrar casos prácticos que den un resultado fiable y que valgan la pena.”

Bancos de datos

Un caso práctico típico es la gestión del conocimiento: las aseguradoras almacenan sus conocimientos en bancos de datos y los interrelacionan gracias a las respuestas de la IAGen. Es decir, los empleados pueden formular preguntas, de manera similar a ChatGPT, sobre temas específicos, y reciben respuestas basadas en documentos internos. “La IAGen establece un puente entre los datos que la empresa ha recopilado y las personas que los utilizan en el trabajo diario y que deben poder acceder a ellos rápidamente”, explica Robert Schnoeckel, el nuevo responsable de nuevas tecnologías en Versicherungsforen Leipzig, un proveedor alemán de conocimientos para la industria del seguro.

Extracción de documentos

Como parte del proceso de automatización, la IAGen puede procesar datos no estructurados de manera contextual a partir de correos electrónicos, archivos PDF o documentos escaneados. Por ejemplo, puede identificar tipos de documentos, tales como facturas y contratos y extraer la información relevante. De esta manera, se reducen los errores y se aceleran los procesos, lo que constituye una gran ventaja si se tiene en cuenta la falta de personal y la presión de costes. “La IAGen puede ayudar de este modo a los empleados a superar los desafíos diarios de manera más eficiente”, aclara Wienigk.

Modelos de riesgo

Hace tiempo que las aseguradoras se valen de programas de software para estimar los riesgos. Gracias a los volúmenes de datos disponibles, la IAGen brinda una gran cantidad de información que, si bien se procesa en segundos, es más actual y precisa. Por ejemplo, puede acceder a fuentes externas automáticamente, tales como datos meteorológicos, que luego contextualiza con los datos de los clientes y siniestros históricos para detectar modelos o anomalías. Schnoeckel agrega: “Se trata de una colaboración clásica entre el ser humano y la IAGen. Los sistemas procesan una enorme cantidad de datos y brindan sugerencias, y los analistas de riesgo analizan, establecen prioridades y elaboran ofertas a medida.” Lo decisivo es que los empleados evalúen activamente y se responsabilicen de la decisión final, como parte integrante del proceso.

Sistemas de diálogo

Los chatbots responden a consultas inmediatamente, reaccionan en función del contexto y brindan asesoramiento rápido y personalizado. Las preguntas de rutina aclaran los sistemas de manera independiente, de modo que los empleados pueden concentrarse en las consultas más complejas de los clientes, que requieren del criterio humano. Es decir, que con la IAGen la comunicación con los clientes es claramente más automatizada. Sin embargo, Wienigk recalca lo siguiente: “En la relación con el cliente, la cercanía y la confianza también cuentan. Algunos clientes no quieren comunicarse con un chatbot, sino con un ser humano real. Porque en caso de un siniestro se necesita más empatía. Y eso solo lo puede ofrecer una persona de carne y hueso.”

Reconocimiento de imágenes

Las herramientas de reconocimiento de imágenes de la IAGen analizan las fotografías de los automóviles dañados y evalúan inmediatamente la gravedad del siniestro. Sin embargo, las herramientas más avanzadas van un poco más allá: muestran las reparaciones necesarias, calculan los costes y transfieren pequeñas sumas de dinero de manera completamente automática. Para ello, emplean herramientas basadas en el análisis de una gran cantidad de siniestros y de fotos de siniestros, y sacan conclusiones razonables. De esta manera, los gestores de siniestros procesan los casos de manera más rápida. “El tratamiento de siniestros es el mayor factor de costes en las aseguradoras. El potencial de ahorro en este ámbito es enorme”, afirma Schnoeckel.

Personalización

En la actualidad ya se utilizan los algoritmos de la inteligencia artificial para los productos de seguros, tales como la telemática. Las herramientas de la IA analizan datos continuamente, p. ej., automóviles conectados, hogares inteligentes -smart homes- o wearables, y simplifican considerablemente el manejo de estos volúmenes de datos. “De esta manera, las aseguradoras pueden cotizar el riesgo real en vez de tener que hacer estimaciones generales, por ejemplo, asumir que los conductores inexpertos ocasionan más accidentes que los experimentados”, explica Wienigk. “Así, los productos son más justos y atractivos.”

La IA en sí misma no es responsable porque no es una persona jurídica. Por lo tanto, el ser humano debe asumir la responsabilidad. Anja Käfer-Rohrbach, directora general adjunta de la Asociación Alemana de Seguros (GDV), aclara: “Los drones controlados por IA están sometidos a los mismos principios que los automóviles y otras aeronaves: existe una responsabilidad inapelable del propietario, independientemente de la falta”. Sin embargo, las aseguradoras podrían solicitar un reembolso y los abogados deberían analizar si el propietario es responsable o si el dron estaba dañado (el hardware, el software o los datos de entrenamiento). Si no es posible averiguar cómo tomó la IA sus decisiones, difícilmente podrá determinarse cuál fue el error. Las primeras leyes en la materia ponen más énfasis en las nuevas tecnologías. Pero, ¿se modifican también las constelaciones de responsabilidad?

Aspectos jurídicos que están cambiando

El 1 de agosto de 2024 entró en vigor la Ley de Inteligencia Artificial de la UE. El reglamento clasifica los sistemas de IA por clases de riesgos y determina cómo las empresas pueden implementarlos; también establece multas para los casos de incumplimiento. “El reglamento determina el manejo de la IA, pero no especifica quién debe responder por los daños”, explica el Dr. Daniel Kassing, abogado especializado en el derecho de seguros y socio en Clyde & Co Europe LLP.

Con la nueva Directiva europea de responsabilidad de los productos, que entró en vigor el 8 de diciembre de 2024, la situación ha cambiado. Esta Directiva regula las reclamaciones de indemnización por daños y perjuicios de las personas físicas frente a los fabricantes u otros agentes económicos. Y, por primera vez, aclara las cosas: el software y los sistemas de IA son considerados únicamente productos en el sentido de la responsabilidad de los productos.

Además, la Directiva amplía el espectro de las personas que podrían considerarse responsables. Es decir, en el futuro la responsabilidad recaerá en los prestadores de servicios de plataforma y de tratamiento de pedidos, por ejemplo, si no es posible ubicar a un fabricante chino. Las empresas que hasta ahora se creían exentas del riesgo de responsabilidad deberán considerar la posibilidad de contratar un seguro de responsabilidad de producto, añade la GDV. Además, la Directiva simplifica la tarea de recopilar pruebas a los damnificados. En el procedimiento judicial, podrán solicitar que el fabricante presente la información relevante. Y este deberá demostrar dónde radica la falla. Esto alarga los procesos y los encarece. “Es de esperar que las demandas por daños y perjuicios contra los fabricantes se multipliquen y se vuelvan más complejas, especialmente en los primeros años”, anticipa Kassing.

Originalmente, la UE pretendía establecer normas de responsabilidad también para casos prácticos de la IA, con una ley propia fuera del alcance de la Ley de Responsabilidad de los Productos. “También se analizó si los propietarios de determinados sistemas de IA deberían contratar un seguro obligatorio de responsabilidad civil similar al que se utiliza para los accidentes de tránsito”, explica Kassing. Sin embargo, en febrero de 2025 la Comisión de la UE detuvo el proyecto por falta de acuerdo. Queda abierta la posibilidad de retomar la idea. Kassing añade: “En caso contrario, puedo imaginarme que se discutirá cómo ampliar las leyes existentes en referencia a las normas de responsabilidad de la IA.”

Por qué funcionan las normas vigentes

La GDV parte de la base de que, de momento, poco cambiará más allá de la legislación sobre responsabilidad de los productos: “Aunque la IA sea considerada como algo completamente nuevo, hace tiempo que el ser humano recibe mucha asistencia en su trabajo gracias al software”, explica Käfer-Rohrbach. “Los casos de IA se pueden resolver con las actuales leyes de responsabilidad.”

Un ejemplo: los dermatólogos utilizan hace tiempo herramientas de IA para sus diagnósticos, especialmente para detectar cánceres de piel. Si el software no detecta un tumor y el médico tampoco lo detecta, por lo general paga en primer lugar el seguro de responsabilidad profesional del médico. Porque es él quien toma la decisión final y asume la responsabilidad. “La IA es una herramienta en la que no se puede confiar ciegamente”, recalca Kassing.

Si se produjo una falla en el software, el seguro puede reclamar al fabricante del dispositivo médico. Las cuestiones que continúan siendo determinantes son: ¿El fallo se debió a un error en el tratamiento o en el dispositivo? “En principio, todos deben responder, incluso aquel que responda por daños independientemente de la IA”, resume la GDV. “Por lo general, en primer lugar responde aquel a quien la parte perjudicada pueda demandar más fácilmente.”