Desde principios de 2023, la IA generativa ha sido tema de conversación en todas las industrias y entre el público en general. Ha cautivado tanto a futuristas como a pragmáticos, que ensalzan sus ventajas y se preocupan por sus riesgos. Pero también ha quedado claro que, a pesar del protagonismo de la IA generativa, sigue habiendo muchas preguntas sobre lo que es, lo que no es y lo que significa para las empresas que intentan averiguar cómo encaja esta innovación en sus planes tecnológicos. Nos sentamos con Eric Sibony, Chief Scientist and Chief Product Officer de Shift, para conocer su punto de vista sobre esta apasionante tecnología y lo que puede significar para el sector de los seguros.

Shift: ¿Cómo definiría la IA generativa para alguien que no esté muy familiarizado con este campo y con lo que está ocurriendo en él?

Eric Sibony: En esencia, la IA generativa es un nuevo tipo de sistema, o más concretamente nuevos tipos de modelos, que están diseñados específicamente para generar un resultado distinto en función de lo que se les pide. Y como me doy cuenta de que he dado una definición circular, veamos más de cerca cómo funciona realmente la IA generativa. Teniendo en cuenta que la IA generativa puede utilizarse para producir una gran variedad de resultados, incluidos el arte y la música, me centraré en el texto.

Desde nuestro punto de vista, lo más intrigante de la IA generativa es cómo puede abordar los textos y, en particular, el lenguaje natural. Como tal, la IA generativa puede procesar prácticamente cualquier tipo de texto al que tenga acceso. Es capaz de analizar noticias o artículos, documentos comerciales o jurídicos, o resúmenes o informes financieros. Realmente, todas las variedades de textos que la IA generativa puede analizar son demasiado exhaustivas para enumerarlas aquí. Y tal vez más importante que los tipos de textos que la IA generativa puede ingerir sea la cantidad. Las comunidades científicas y tecnológicas implicadas en la IA generativa han encontrado formas de que los modelos sean capaces de ingerir enormes cantidades de datos. Hablamos fácilmente de miles de millones de puntos de datos.

Lo más interesante de la IA generativa es que un único modelo -por ejemplo, el modelo GPT de OpenAI o el modelo LLaMA de META- es capaz de aprender de estas cantidades masivas de datos. Y aunque el aprendizaje automatizado, principio fundamental de la IA generativa, lleva décadas utilizándose en relación con la IA, nunca se había aplicado a esta escala.Estos modelos han aprendido y se han entrenado en miles y miles de millones de fuentes de datos. 

Lo que lo hace tan intrigante es que al desplegarlo tienes un modelo que ya ha sido entrenado y que ya sabe hacer muchas cosas. Ese es su punto de partida inicial, que es radicalmente diferente de los enfoques más tradicionales de la IA. Con un enfoque estándar basado en el aprendizaje automático de la IA, tienes un problema que quieres resolver. Reúnes un conjunto de datos y te propones predecir algo sobre el conjunto de datos que has reunido. Pero primero hay que etiquetar manualmente los datos. Así que acabas con un conjunto de datos etiquetados, una tendencia y un algoritmo relacionado con el problema concreto que querías resolver. Y cuando tienes otro problema que abordar, repites el proceso de nuevo.

Con la IA generativa, el modelo es capaz de realizar muchísimas tareas. Y lo mejor de todo es que no se trata de tareas para las que el modelo se haya entrenado específicamente. Estamos hablando de millones de tareas para las que no han sido entrenados. Estos nuevos modelos lingüísticos de gran tamaño (LLM) son totalmente capaces de responder a cualquier tipo de pregunta que les hagamos o de resolver cualquier tipo de problema que tengamos. Se le puede pedir cualquier cosa! 

Shift: ¿Cuáles son algunas de las ventajas que la IA generativa puede ofrecer al sector de los seguros?

Eric Sibony: Antes de entrar en los aspectos específicos de los seguros, creo que hay un buen ejemplo que resonará en todos los sectores. La IA generativa ya está demostrando su capacidad para producir primeros borradores de correos electrónicos y otro tipo de correspondencia, así como otras comunicaciones escritas. Creo que muy pronto veremos esa capacidad aplicada a las presentaciones y otras formas de contenido. Si la IA Generativa puede eliminar la parte más difícil de la comunicación para algunas personas -comenzar cuando se enfrentan a una pantalla en blanco-, los empleados podrán dedicar su tiempo a actividades que generen mucho más valor para la empresa. Esta es una de las verdaderas promesas de la IA generativa.

Pero creo que, para las aseguradoras, la generación de contenidos es sólo el principio. Cada día, los profesionales de los seguros tienen que examinar un montón de documentos diferentes para extraer la información específica que necesitan para hacer su trabajo. Estos documentos pueden estar relacionados con el proceso de suscripción, el proceso de siniestros, el proceso de renovación, o cualquiera de los numerosos procesos críticos para el funcionamiento de un negocio de seguros. 

Ahora, imagínese que un tramitador de siniestros, por ejemplo, pudiera simplemente pedir un resumen específico de todos los documentos relacionados con un siniestro en el que está trabajando. O mejor aún, que esos resúmenes relevantes estuvieran esperándoles cuando se sientan frente al ordenador para empezar el día. En lugar de pasar horas leyendo formularios de declaración de siniestros, notas de los peritos, informes policiales, partes meteorológicos u otros documentos asociados, podrían dedicarse directamente al trabajo verdaderamente importante: decidir cómo proceder con el siniestro que tienen delante. Para las aseguradoras, la IA generativa encierra la promesa real de proporcionar a los empleados del sector la información que necesitan, cuando la necesitan, para tomar las mejores decisiones posibles.

Shift: Cuando se piensa en la IA Generativa, ¿qué retos potenciales debe tener en cuenta el sector de los seguros y cómo se pueden abordar?

Eric Sibony: Como he mencionado anteriormente, los modelos de IA generativa pueden ingerir cantidades asombrosas de datos y producir resultados convincentes. Al mismo tiempo, esos resultados pueden carecer de contexto o incluso contener errores en función de la fuente de datos a la que se acceda. Lo hemos visto con algunas de las soluciones de IA generativa más fáciles de usar que utilizan Internet para producir resultados.

Para las aseguradoras que exploran cómo la IA generativa podría beneficiar a su organización, yo diría que el primer gran reto se centra en los datos. Los seguros son un negocio lleno de matices. Tienen su propio lenguaje. Tienen sus propias normas y reglamentos. Como tal, las aseguradoras deben ser diligentes con los datos que su solución de IA generativa utiliza para producir resultados. El hecho de que los modelos de IA generativa puedan ingerir miles de millones de fuentes de datos no significa que deban hacerlo.

Tomar el tiempo necesario para comprender qué quiere conseguir con tu inversión en IA generativa y qué procesos quiere que respalde. Por ejemplo, un chatbot orientado a los asegurados requiere un conjunto de datos diferente al de un chatbot orientado a los potenciales nuevos clientes. Se evitan muchos posibles dolores de cabeza si adaptan eficazmente sus conjuntos de datos a lo que intenta conseguir.

Shift: ¿Cómo está ayudando Shift Technology al sector de los seguros a adoptar la IA Generativa?

Eric Sibony: Shift ha estado trabajando con LLM desde 2020, y estamos en camino de tener el Servicio Azure OpenAI en producción en nuestras soluciones a finales de este trimestre, por lo que estamos bastante familiarizados con la promesa y los desafíos potenciales asociados con este enfoque de IA. Como ya hemos comentado, la verdadera potencia de la IA generativa reside en su capacidad para analizar el lenguaje natural y producir un resultado utilizable, básicamente nada más sacarlo de la caja. Sin embargo, como la IA generativa carece de contexto, no sabe necesariamente si el resultado que produce es "correcto" o "incorrecto" para una solicitud determinada. 

Al redactar el primer borrador de un correo electrónico o una nota, esto no es tan importante. La cosa cambia si se trata de ayudar a un profesional de los seguros a tomar una decisión sobre qué hacer con un siniestro o la solicitud de póliza. Y ahí es donde Shift puede ayudar.

En primer lugar, tenemos un historial probado de aplicación de inteligencia artificial a los retos específicos asociados con la toma de decisiones a lo largo de los ciclos de vida de las pólizas y los siniestros. Somos expertos en la creación de conjuntos de datos de seguros depurados y mapeados, listos para ser utilizados por modelos generativos de IA. Además, podemos proporcionar al sector asegurador el contexto que da confianza a los resultados producidos por la IA generativa. Pero quizás lo más importante es que no sólo somos expertos en crear conjuntos de datos de seguros excepcionales, sino también en crear conjuntos de datos específicos para las necesidades únicas de nuestros clientes. No todas las aseguradoras son iguales, por lo que no tiene sentido ofrecer un enfoque único para sus datos.

Para obtener más información sobre cómo Shift puede ayudarte a adoptar la IA generativa para hacer frente a los retos específicos a los que se enfrenta el sector asegurador, contacta con nosotros hoy mismo.