Tramitador de siniestros — tareas, una a una

Recoger el siniestro

La recogida estructurada contra un documento de póliza es el caso ideal para la automatización: las preguntas se conocen de antemano, las respuestas se comprueban contra registros que la aseguradora ya tiene, y una respuesta equivocada sale a la luz de inmediato en vez de años después. El propio informe anual de Lemonade afirma que, a finales de 2023, el 98% de las veces su bot de siniestros recoge el primer aviso y paga o rechaza sin intervención humana.

Esa cifra es de una aseguradora directa al consumidor que escribe ramos personales sencillos, y la frase siguiente del mismo informe dice que los siniestros que el bot no está autorizado a resolver, o en los que detecta motivos de preocupación, se derivan a expertos humanos de siniestros. Así que establece que el extremo de la recogida está automatizado en esa empresa, no que el trabajo de siniestros ya no necesite gente. Tampoco dice nada sobre las aseguradoras tradicionales que corren sistemas antiguos, que son la mayor parte del mercado por primas.

Decidir si está cubierto

Donde los hechos están limpios y la póliza es estándar, esto es aplicar reglas y las máquinas lo hacen con coherencia — con más coherencia que una persona cansada al final de un turno. Lo que no se transfiere es el caso donde los hechos están en disputa, porque decidir qué versión de los hechos creer no es una regla, y quien decide tiene que responder por haberla creído.

Es un juicio sobre la estructura del trabajo, no una medición de cada cuánto se disputan los hechos — y esa proporción difiere enormemente según el ramo. Tampoco dice que coherente sea lo mismo que correcto: una regla aplicada con coherencia a una póliza mal escrita produce una injusticia coherente.

Ponerle un número a la pérdida

La estimación de daños a partir de fotos y la valoración de piezas son ya corrientes y de verdad rápidas — el lado del coste de esta tarea encaja bien con un modelo entrenado sobre millones de reparaciones. Lo que queda es la discusión: un taller que dice que el presupuesto es demasiado bajo, un reclamante cuyo objeto no tiene precio de mercado, y la decisión de quién absorbe la diferencia.

No dice nada sobre la exactitud en objetos poco habituales ni en mercados donde el suministro de piezas es volátil, ni sobre si unas valoraciones más rápidas cambiaron lo que reciben los reclamantes. Ninguna de las dos cosas se ha medido públicamente.

El siniestro que no encaja

La automatización mejora en los casos que se parecen a casos anteriores, que es la definición de lo que aquí no puede hacer. La excepción es además donde están de verdad el dinero y la reputación de una aseguradora: un puñado de siniestros inusuales mal llevados cuesta más que miles de rutinarios, y saber cuál es el inusual caro es criterio sobre esta cartera concreta.

Es un juicio sobre dónde está el riesgo, no una medición de cuántos siniestros son excepciones. Tampoco afirma que las personas lleven bien las excepciones — un tramitador cansado a volumen es exactamente como se escapa un siniestro caro.

Decirle que no a alguien

Un sistema puede producir un rechazo; no puede ser la parte que responda por él. En la mayoría de los mercados un siniestro rechazado viene con derecho a una explicación, una vía de reclamación y un regulador, y cada una de esas cosas necesita a una persona a la que se le pueda preguntar por qué. Esta es la tarea que convierte un departamento de siniestros de una función de proceso en una función que responde.

Protege que haya alguien que responda, no la plantilla. Una sola persona puede responder por muchas denegaciones automáticas, y en varios mercados la explicación que se da es ella misma una plantilla. Lo que fijaría cuánto pesa este deber es una actuación sancionadora contra una aseguradora por una denegación automática, que aún no ha aparecido.

Detectar el siniestro inventado

Detectar patrones en toda una cartera es algo que las personas no pueden hacer en absoluto, así que este es uno de los casos más claros donde la máquina añade capacidad en vez de sustituirla. Lo que sigue siendo humano es la decisión de actuar sobre un aviso: acusar de fraude a un cliente es un acto jurídico con consecuencias, y la confianza de un modelo no es una prueba.

Nada de esto mide los falsos positivos, que son el coste entero de esta tarea — un reclamante señalado por error es una persona acusada de un delito por un modelo estadístico. El rendimiento en detección de fraude tampoco lo publican casi nunca las aseguradoras, así que esto se apoya en la forma del problema y no en una medición.