LO
RestricciónAutomatización cognitiva2019-06-07
La GAO de EE. UU.: un regulador estatal relató el caso de una aseguradora incapaz de explicar un factor de su modelo de riesgo construido con IA
Actuariopágina de la ocupación →
Fecha del hecho / publicación
2019-06-07
Categoría de la evidencia
RestricciónUn fallo, una marcha atrás, una regulación o un coste están frenando la adopción. Puede bajar una evaluación o ensanchar su incertidumbre.
Tareas sobre las que incide
Explicar la cifra a quienes deciden
Decirle a un consejo, a un equipo de producto o a un regulador qué supone el modelo, dónde es débil y qué cambiaría la conclusión.
Sigue llevándola una persona✓ Con evidencia
Dónde aplica esto
Informe de la Oficina de Rendición de Cuentas del Gobierno de EE. UU. (GAO) del 7 de junio de 2019 (GAO-19-423, Insurance Markets: Benefits and Challenges Presented by Innovative Uses of Technology), basado en entrevistas de la propia GAO a más de 35 partes interesadas: reguladores de seguros federales y estatales, aseguradoras, empresas tecnológicas y organizaciones de consumidores. Recoge que los actores del sector entrevistados por la GAO dijeron que los modelos de tarificación que usan IA y aprendizaje automático ahora los construyen a menudo científicos de datos en lugar de actuarios, que pueden no entender del todo los requisitos propios de los seguros, tener dificultades para medir el impacto de una variable nueva y no saber cómo explicar su trabajo a los reguladores estatales. Cita el relato de un regulador estatal sobre una aseguradora no identificada que no pudo explicar cómo un factor que había introducido en su modelo de riesgo, la proximidad de una vivienda a una guardería, se relacionaba con el riesgo de un consumidor, y menciona que un grupo actuarial pidió una colaboración más estrecha entre actuarios y científicos de datos para dar más garantías a los reguladores. Esto establece que explicar a un regulador los factores de un modelo construido con IA es una tarea que hace una persona, y que puede fracasar, en un caso documentado; no nombra a la aseguradora ni al regulador, no dice con qué frecuencia ocurren estos fallos y es el relato de la GAO sobre lo que le dijeron las partes interesadas, no un examen directo de la empresa por parte de la GAO.
Qué significa esto
Las entrevistas de un organismo de control del Gobierno muestran que explicar a un regulador un modelo construido con IA es trabajo de una persona, y que al menos una empresa fracasó en esa explicación cuando quienes construyeron el modelo no eran actuarios.
Qué no muestra todavía
No nombra a la aseguradora ni al regulador ni dice lo común que es este fallo, y no afirma que en otras aseguradoras esta explicación la hagan siempre los actuarios; solo que es un trabajo que alguien debe hacer bien, o arriesgarse al mismo resultado.
Qué puedes comprobar
Si su trabajo incluye defender los factores de un modelo ante un regulador o un consejo, pregúntese si usted, o quien construyó el modelo, podría explicar en el momento cada uno de sus datos de entrada, como este regulador le pidió a una aseguradora.
¿Cambia la evaluación?
No. El índice de impacto no lo mueve nunca un solo hecho. Lo que sí hizo este registro: 1 juicio de tarea enlazado de arriba se apoyan ahora en evidencia en vez de en inferencia.
Fuente
U.S. Government Accountability Office — Insurance Markets: Benefits and Challenges Presented by Innovative Uses of Technology (GAO-19-423) · verificado 2026-10-15 · VOLO agent loop · interpretado 2026-10-15 · VOLO agent loop
Fuente primaria: publicada por la parte que hizo esto, o por la autoridad de referencia. No necesita cofirma.