Solo el 11% de aseguradoras tiene datos listos para la inteligencia artificial según KPMG
- Fecha original
- Fecha en Limonatic
El uso de la Inteligencia Artificial se ha consolidado en el sector asegurador, aunque las entidades enfrentan retos para maximizar su impacto a medio plazo. Según un informe de KPMG, solo el 11% de las aseguradoras cuenta con datos preparados y otro 11% tiene clara la visión del retorno de inversión.
Margarita Gabarró, CFO y COO de Zurich España, señala que existe confusión al medir más el despliegue técnico que el beneficio real. Juan Pablo Galán, CEO de Verti, añade que entre un 5% y un 10% del sector destina la IA a generar ingresos, abogando por un modelo híbrido donde las personas son clave para mantener la confianza.
Para Arnau Taule, de Generali, es vital una gobernanza transparente e implicación total de todas las funciones. Óscar Paz, fundador de insurNOW, recalca que el crecimiento con IA requiere autocrítica sobre los puntos de partida y un enfoque centrado en las personas para completar la propuesta de valor.
Análisis editorial
El uso de la Inteligencia Artificial ha llegado al sector seguros para quedarse, pero las entidades tienen un largo camino por recorrer para sacarle el máximo partido. La tesis central es que la implementación efectiva se encuentra frenada no solo por barreras técnicas, sino por una madurez organizacional deficiente y una visión estratégica dispersa.
Según un informe de KPMG, solo el 11% de las aseguradoras posee los datos necesarios para implementar con éxito soluciones de inteligencia artificial. Un igual porcentaje (11%) tiene definida la estrategia de retorno que justifica su adopción tecnológica. Esta brecha crítica revela una confusión generalizada entre medir la mera adopción de herramientas versus evaluar el impacto real en la productividad, lo que impide un crecimiento sostenido.
Los expertos advierten sobre los riesgos de escalar sin claridad conceptual. Margarita Gabarró (Zurich España) indica que se mide más el caso de uso que el retorno real, mientras que Juan Pablo Galán (Verti) señala que solo entre el 5% y un 10% del sector utiliza la IA específicamente para generar ingresos y fomentar el crecimiento empresarial. Arnau Taule (Generali) enfatiza la necesidad de gobernanza transparente e implicación total del equipo para lograr eficiencia, advirtiendo que la fragmentación hacia decisiones individualizadas diluye el impacto organizacional.
El éxito a medio plazo dependerá de transitar desde la medición superficial del uso tecnológico hacia modelos híbridos que prioricen la gobernanza transparente y el valor humano. El sector asegurador debe priorizar la claridad conceptual sobre el retorno antes de escalar el despliegue masivo, estableciendo una gobernanza clara donde todas las funciones asuman responsabilidad para asegurar que la IA actúe como un vehículo complementario que mantenga la confianza del cliente.
Contexto y análisis adicional
Digest
Resumen ejecutivo
- La inteligencia artificial se ha consolidado en el sector asegurador, pero su implementación efectiva enfrenta barreras significativas de madurez organizacional.
- A pesar del potencial de crecimiento, la mayoría de las entidades carece de datos preparados y una visión clara de retorno sobre la inversión.
Evidencias
- Solo el 11% de las aseguradoras posee los datos necesarios para implementar con éxito soluciones de inteligencia artificial.
- Un igual porcentaje (11%) tiene definida la estrategia de retorno que justifica su adopción tecnológica.
- Entre un 5% y un 10% del sector utiliza la IA específicamente para generar ingresos y fomentar el crecimiento empresarial.
- Existe una confusión generalizada entre medir la mera adopción de herramientas versus evaluar el impacto real en la productividad.
Acciones
- Reevaluar las métricas actuales para dejar de medir solo la adopción de IA y comenzar a rastrear su impacto directo en la productividad individual.
- Establecer una gobernanza clara donde todas las funciones de negocio asuman responsabilidad sobre el uso de estas herramientas.
- Diseñar estrategias que integren la inteligencia artificial como un vehículo complementario, asegurando que el factor humano mantenga la confianza y empatía del cliente.
Conclusión final
El éxito a medio plazo dependerá de transitar desde la medición superficial del uso tecnológico hacia modelos híbridos que prioricen la gobernanza transparente y el valor humano.
Riesgos
Riesgos/alertas
- Brecha crítica de madurez en datos: solo el 11% de las aseguradoras cuenta con datos preparados para implementar IA.
- Desconexión estratégica entre despliegue tecnológico y retorno financiero debido a la confusión conceptual sobre los objetivos de medición.
- Fragmentación del enfoque de adopción hacia decisiones individualizadas por trabajador, lo que diluye el impacto organizacional.
- Baja penetración efectiva en operaciones centrales: únicamente entre el 5% y el 10% utiliza IA para funciones clave como la gestión geográfica o generación de ingresos.
Acciones recomendadas
- Priorizar la claridad conceptual y la definición de la visión de retorno antes de escalar el despliegue masivo de herramientas.
- Establecer un modelo híbrido que combine la eficiencia tecnológica con el factor humano para mantener la confianza del cliente.
- Implementar una gobernanza transparente y clara donde todas las funciones de negocio asuman responsabilidad sobre el uso de IA.
- Realizar autocrítica interna para evaluar el punto de partida actual y alinear los recursos hacia objetivos de crecimiento medibles.
Señales/evidencias
- Según KPMG, solo el 11% de las entidades tiene datos listos y otro 11% tiene definida la visión de retorno.
- Margarita Gabarró (Zurich España) indica que se mide más el caso de uso que el retorno real.
- Juan Pablo Galán (Verti) señala que solo entre el 5% y el 10% destina IA a funciones específicas como gestión geográfica o ingresos.
- Arnau Taule (Generali) enfatiza la necesidad de gobernanza transparente e implicación total del equipo para lograr eficiencia.
Conclusión
El sector asegurador se encuentra en una fase inicial de madurez con deficiencias estructurales en datos y visión estratégica, lo que obliga a priorizar la claridad conceptual sobre el retorno antes de escalar el despliegue masivo.
Autor · clanes
Votos · compartir
Las historias descartadas o eliminadas no admiten votos ni reportes.
Sentimiento
Entidades (agregadas)
Hover para ver referencias.Detalles avanzados Timeline y mini scoring
Evolución temporal
-
Enviada
hace 2 semanas · Historia enviada para revisión
-
Último estado
hace 2 semanas · Última actualización registrada
Mini scoring (LScore)
Fuentes
- Fuente principal
-
expansion.com
https://www.expansion.com
Comentarios