Marc Jones es el CTO de Shift Technology
Cada pocos años surge una nueva tecnología que parece captar a la perfección el espíritu de la época. Algunas de estas tecnologías nunca alcanzan todo su potencial y se recuerdan con cariño como un «oh, lo que podría haber sido». Otras, como el smartphone, son verdaderos disruptores que cambiaron o crearon industrias, y dejaron su huella en el mundo para siempre. Con la aparición de la IA generativa, parece que nos encontramos de nuevo en ese lugar.
Uno de los elementos cruciales de una tecnología que «cambia el mundo» es el alcance potencial de su impacto. El Segway, por ejemplo, iba a cambiar el mundo del transporte personal. Han pasado 20 años y cada vez es más raro encontrar a un usuario de Segway en la calle. Claramente, el impacto del Segway fue bastante limitado. El smartphone... ¿hace falta decir más? Teniendo en cuenta estos criterios, es evidente que la IA generativa está mucho más cerca del campo de los teléfonos inteligentes que del Segway.
Sin embargo, para que una nueva tecnología se considere realmente revolucionaria, debe tener aplicaciones en múltiples audiencias, sectores y mercados verticales. Debe poder ser utilizada con seguridad, tanto por consumidores como por empresas. Y debe ser realmente útil a lo largo del tiempo. La IA generativa se ajusta a estas características.
Características necesarias de las tecnologías transformadoras
Cuando hablamos de una tecnología transformadora es importante entender que no todas las industrias o usuarios individuales la adoptarán de la misma manera. E incluso dentro de un mismo sector, podemos estar hablando de casos de uso muy diferentes en función de las distintas necesidades de negocio. Sin embargo, hay algunas constantes que deben tenerse en cuenta a la hora de evaluar el potencial de una tecnología transformadora. Entre ellas figuran:
- Seguridad: ¿puede implantarse y utilizarse la tecnología de forma segura sin exponer a los usuarios a riesgos indebidos?
- Eficacia: ¿representa la tecnología un cambio en el status quo que permite a los usuarios realizar algo con mayor rapidez y eficacia, o incluso cosas nuevas que antes simplemente no eran posibles?
- Accesibilidad y escalabilidad: ¿pueden utilizar la tecnología quienes quieran y cuando quieran?
Si una tecnología cumple estos requisitos básicos, es muy probable que estemos hablando de un verdadero punto de inflexion. Entonces, ¿cómo se aplica esto a la IA generativa y al sector de los seguros y cómo pueden las aseguradoras garantizar de que su uso de la tecnología cumple estos tres puntos cruciales?
Garantizar la seguridad de la IA generativa
Para las aseguradoras que estén pensando en utilizar la IA generativa, la seguridad es una de las principales preocupaciones. La solución debe ser segura para proteger tanto a la empresa como a sus asegurados. Una de las mejores formas de garantizarlo es trabajar con un socio de confianza que tenga un historial probado de despliegue de soluciones empresariales con la seguridad como prioridad. Por ejemplo, Shift está trabajando con Microsoft y su solución Azure OpenAI para añadir nuevas capacidades de IA generativa a nuestras soluciones de toma de decisiones de seguros, lo que facilita llevar la IA generativa a la empresa aseguradora de forma segura.
Otro aspecto clave para que la IA generativa sea lo más segura posible está relacionado con los datos que estas soluciones ingieren para realizar su trabajo. Es fundamental saber de dónde proceden esos datos y quién tiene acceso a ellos. Por ejemplo, ¿su solución de IA generativa tendrá acceso a datos de fuera de la empresa (lo que quizá no sea tan buena idea), o sólo podrá acceder a datos de dentro de la empresa que hayan sido cuidadosamente limpiados, sin ruido y curados?
Hacer que la IA Generativa sea eficaz
Como toda inteligencia artificial, la IA Generativa es tan buena como los datos que se le proporcionan. Con demasiada frecuencia oímos el estribillo de que más datos es mejor cuando se trata de IA. En el caso de la IA generativa, puede que no sea la mejor manera de ver las cosas. Ya hemos abordado el concepto de seguridad de los datos y por qué los datos sin ruido, curados y limpiadospueden ser más seguros que los obtenidos directamente de Internet o de otras fuentes públicas. Cuando hablamos de la eficacia de la IA generativa, esas mismas cualidades son igualmente importantes. El objetivo de la IA generativa es producir resultados que beneficien al usuario.
Para las personas que experimentan con una tecnología como ChatGPT, el resultado deseado puede ser un primer borrador de un correo electrónico comercial o un documento similar. En una situación así, tener acceso a muchos datos diferentes puede ser útil. Sin embargo, los seguros son un sector con muchos matices y los resultados de la IA generativa tendrán una finalidad de negociomuy específica. Las aseguradoras pueden, por ejemplo, recurrir a la IA generativa para aumentar la capacidad de detección de fraudes o apoyar estrategias de automatización de siniestros. En ese caso, se requiere un enfoque más matizado para poner los datos a disposición de la solución. Seleccionando cuidadosamente los datos accesibles para la solución de IA generativa en uso, podrá entrenar sus modelos de forma más eficiente y eficaz y garantizar que las respuestas generadas tengan el contexto correcto y sean realmente efectivas para la empresa.
Hacer que la IA generativa sea accesible y escalable
Cualquier solución tecnológica es tan útil como sea accesible y escalable. Para muchas aseguradoras, eso significará hacer de la IA generativa una parte integral de las soluciones que sus empleados utilizan a diario. En lugar de desplegar una solución independiente y animar a los empleados a «descubrirla», integrar la tecnología puede ayudar a garantizar una adopción sin problemas y una rápida recepción de los beneficios. Como parte de una solución tecnológica ya implantada en la empresa (piense de nuevo en las soluciones de detección de fraudes o de automatización de reclamaciones), los empleados no necesitan aprender y perfeccionar una nueva forma de hacer las cosas. La nueva forma seríaparte simplemente de las tecnologías que utilizan a diario, sólo que proporcionando resultados más eficaces.
Conclusión
La IA generativa muestra un potencial real para ofrecer impactos positivos no sólo en el sector de los seguros, sino también en muchos otros. Para las aseguradoras, será fundamental comprender en qué ámbitos la IA generativa puede aportar más beneficios y desarrollar estrategias ganadoras para incorporar la tecnología a su combinación actual. La seguridad, la eficacia y la escalabilidad serán las claves del éxito cuando las aseguradoras determinen cómo sacar el máximo partido de la IA generativa.
Para obtener más información sobre cómo Shift puede ayudarle a adoptar la IA generativa para hacer frente a los desafíos únicos a los que se enfrenta el sector de los seguros, póngase en contacto con nosotros hoy mismo.
