Lo que hace que la IA sea tan efectiva detectando irregularidades y fraudes es su capacidad para identificar patrones y anomalías.
Por Itai Ben-Zaken | 15 de julio del 2025
Durante años, fue sorprendentemente fácil para las irregularidades deslizarse a través de solicitudes de seguros, generalmente pasando desapercibidas hasta que era presentada una reclamación, a cuyo punto las consecuencias podrían caer directamente en los asegurados.
En el espacio de seguros para propietarios, eso podría significar decir que un techo había sido reemplazado más recientemente de lo que en realidad fue, dejar de reportar la cantidad real de unidades de un edificio o excluir a un inquilino comercial. A veces es intencional otras no lo es. Muchos dueños de propiedades simplemente no conocen las respuestas exactas, y las aseguradoras históricamente no hacen muchas preguntas de seguimiento.
Pero las consecuencias son reales en este mercado de $60 billones donde aproximadamente un 20% de las solicitudes contienen malas interpretaciones solo sobre la edad de los techos. En toda la industria de los seguros en general, los fraudes de los seguros no médicos cuestan más de $40 billones al año, aumentando las primas anuales de $400 a $700 para la familia promedio. Se acumula rápidamente, y los asegurados honestos terminan pagando la factura. Ahí es donde la IA está comenzando a hacer una diferencia.
En Honeycomb, utilizamos una mezcla de imágenes aéreas, fotos a nivel de la calle y registros públicos para verificar automáticamente lo que hay en una solicitud de seguros. ¿Realmente el techo fue reemplazado el año pasado? ¿El edificio tiene 12 unidades o 20? Podemos responder esas preguntas en segundos, sin enviar a alguien a la propiedad. Eso reduce las conjeturas requeridas por el asegurado durante el proceso de sometimiento y nos ofrece una imagen más exacta del riesgo desde el inicio.
Es interesante destacar que el objetivo original de esta tecnología no fue la prevención de fraudes sino facilitar la cotización de propiedades y agilizar el proceso de suscripción. Pero una mejor información desde el inicio también ayuda a evitar precios inexactos y reduce la necesidad de inspecciones manuales costosas o la resolución de disputas basadas en precisiones no intencionadas en el futuro. Lo que convierte a la IA en algo muy efectivo en detectar irregularidades y fraudes es su capacidad de identificar patrones y más importante aún, anomalías. Al analizar millones de puntos de información a través de propiedades, localidades e historias de reclamaciones, los sistemas de la IA aprender a identificar lo que es “normal”.
Pueden señalar los valores atípicos rápidamente, ya sea una forma de techo inusual que no coincide con la condición reportada, pies cuadrados que parecen diferentes comparados con edificios similares o un grupo de reclamaciones que siguen un patrón inusual. Estas son discrepancias que los humanos podrían pasar por alto, especialmente a escala, pero saltan a una máquina entrenada para buscarlas.
Y lo que es más importante, la IA hace esto en tiempo real, sin añadir fricción a la experiencia del cliente. No se trata de tratar a todos con sospecha sino de utilizar mejor las herramientas para verificar y así obtener una póliza más precisa que permita que todas las partes se beneficien.
El impacto ha sido tangible: nuestro promedio de pérdidas, la cantidad de reclamaciones pagadas comparado con lo que se cobra en primas, es significativamente por debajo del promedio de la industria. Eso nos dice que estamos identificando las discrepancias a tiempo, suscribiendo con más precisión y ofreciendo cotizaciones “con precio justo” y precios y experiencia consistente en un mercado donde los precios de los seguros han aumentado significativamente.
La industria en general se está moviendo hacia la misma dirección. Casi un 60% de las aseguradoras están actualmente utilizando la IA para identificar reclamaciones sospechosas, y se espera que el mercado de detección de fraudes crezca a $17 billones para el año 2028. A medida que los costos de hacer negocios continúen aumentando debido a eventos del clima, la inflación y otros factores, la precisión y la equidad se convierten en algo más importante que nunca.
La mayoría de los solicitantes no son malos actores, simplemente no tienen toda la información, y los procesos no han facilitado la precisión. Las aseguradoras tradicionales nunca habían pensado en cómo garantizar la integridad de la información de solicitudes auto reportadas, entrenar a los clientes efectivamente para que pongan lo que deseen y que nadie realmente lo notará.
Con la IA, podemos establecer un fundamento más alto para la precisión y la confianza. Y eso es bueno para todos. Al final del día, son los clientes honestos quienes terminan pagando la factura de todas las ineficiencias en el sistema, y las solicitudes mal representadas son una gran parte de ello. Al solucionar esto, estamos haciendo que el sistema sea más justo y aseguramos que los clientes honestos salgan ganando.
De Paz y Asociados, SRL 