Qué se automatizó de verdad en siniestros, y qué sigue sin automatizarse

Si lees la prensa de tecnología para seguros de este año, concluirías que el manejo de siniestros está casi resuelto.

Las cifras que circulan son llamativas. Las aseguradoras con adopción de IA a escala completa habrían saltado de 8% a 34% en un solo año. Las tasas de procesamiento sin intervención humana habrían pasado de entre 10% y 15% a entre 70% y 90%. El récord más citado de Lemonade es un siniestro liquidado en dos segundos, con la gran mayoría de los primeros avisos recibidos sin intervención de nadie.

Nosotros construimos y operamos una plataforma de gestión de siniestros para una firma de investigación que maneja alrededor de 25,000 casos al año en 28 entidades legales. Así que tenemos un punto de vista específico sobre esos números, y conviene ser directos.

Casi todos son ciertos en sentido estricto y engañosos en la forma en que se leen.

Lee el denominador antes que el número

Casi toda estadística impresionante de automatización en siniestros está medida sobre un subconjunto deliberadamente favorable, y el subconjunto casi nunca se menciona.

La liquidación en dos segundos de Lemonade es real. También es un siniestro de líneas personales de monto bajo: captura estructurada por una app, un asegurado respondiendo preguntas estándar en orden fijo, y un modelo de fraude que puede negarse a autoaprobar cualquier cosa inusual. Es una pieza de ingeniería genuinamente excelente aplicada al siniestro más automatizable que existe.

No te dice casi nada sobre un siniestro de responsabilidad civil comercial en Monterrey, donde el expediente llega como fotografías tomadas con un celular en una bodega, la redacción de la póliza está en disputa, tres partes discrepan sobre la secuencia de los hechos, y lo que la aseguradora requiere es un ajuste escrito y defendible.

Las propias cifras publicadas por Lemonade ilustran el punto mejor que nosotros. Al cierre de 2025 la empresa reportó que 96% de los primeros avisos de siniestro se recibieron sin intervención humana, y que 55% de los siniestros se automatizaron de principio a fin. Ambos números son impresionantes. También son números distintos, y esa diferencia es todo el tema de este texto. El primero mide la recepción, que es un formulario de chat. El segundo mide la resolución. Todo lo difícil vive en el espacio entre 96 y 55, y casi todos los resúmenes colapsan los dos.

Lo mismo aplica a las cifras de procesamiento automático. Un 90% sobre los tipos de siniestro seleccionados para procesamiento automático no es un 90% sobre la cartera. Cuando hemos podido ver las definiciones de fondo, la mejora suele ser real y suele ser como un tercio de lo que sugiere el titular.

Nada de esto significa que la tecnología esté sobrevendida. Significa que los números publicados responden a una pregunta que no es la tuya.

Qué se automatiza bien, por lo que hemos visto

Cuatro cosas funcionan de forma confiable, y son consistentes con lo que hemos escrito sobre dónde sí paga la automatización: volumen alto, varianza baja, un punto natural de verificación y una definición estable de lo correcto.

Clasificación de entrada. Decidir qué tipo de siniestro llegó, a qué entidad y aseguradora pertenece, y a qué fila debe entrar. Volumen alto, evidente cuando se equivoca, y el error sale a la superficie en minutos porque la siguiente persona que lo abre esperaba otra cosa.

Extracción de documentos a campos estructurados. Números de póliza, fechas de siniestro, identificadores de vehículo, montos, nombres de las partes. El caso para el que construimos rastreaba 93 campos por expediente en una hoja de cálculo antes de que la reemplazáramos. Sacar la mayoría de esos campos de un documento entrante en lugar de teclearlos es el mayor ahorro de tiempo disponible en siniestros, y es poco vistoso.

Verificación de integridad del expediente. Comparar lo que hay en el archivo contra lo que esta aseguradora exige para este tipo de siniestro en esta etapa, y avisarle a alguien qué falta. Es la automatización más subestimada del ramo. No decide nada, no puede equivocarse de forma cara, y elimina una enorme cantidad de retrabajo causado por expedientes que salen incompletos.

Primeros borradores de correspondencia. Las cartas, actualizaciones de estatus y secciones de reporte que se escriben todos los días a partir de los mismos hechos. Una persona sigue leyéndolas y firmándolas. El ahorro está en la captura, no en el criterio.

Nota lo que tienen en común. Ninguna decide el siniestro. Todas son revisadas por alguien que de todos modos iba a mirar ese trabajo.

Qué no se automatiza, y sigue sin automatizarse

Decisiones de cobertura sobre cualquier cosa en disputa. En el momento en que el resultado depende de cómo aplica una cláusula a un conjunto específico de hechos, estás en el negocio de la interpretación, y la interpretación es exactamente lo que un modelo produce con seguridad y sin responsabilidad. También es donde equivocarse cuesta más y donde es más probable que tu razonamiento salga a la luz.

Todo aquello donde el expediente es la única evidencia. En trabajo de investigación, el expediente de ajuste es lo que un juez ve dos años después. Una cifra extraída que nadie releyó, alimentando una factura, un reporte y una pista de auditoría, no es una ganancia de productividad. Es un pasivo con puntaje de confianza.

Reconstrucción de hechos entre varias partes. Cuando el trabajo es conciliar tres versiones del mismo incidente, el valor está en notar qué no cuadra. Los modelos están optimizados para producir narrativas plausibles, que es justo lo contrario de la habilidad requerida.

Manejo de excepciones, de forma permanente. Toda operación de siniestros tiene una cola larga: la moneda equivocada, la póliza endosada la semana pasada, la entidad que atiende distinto a esta aseguradora. La cola no se encoge porque automatizaste la cabeza. Se vuelve una porción mayor de lo que hacen las personas, lo que cambia a quién necesitas contratar.

El giro regulatorio es la verdadera historia de 2026

Mientras la industria publicaba cifras de rendimiento, el piso se movió por debajo, aunque no de la forma en que lo cuentan casi todos los resúmenes.

La ley de IA de Colorado, la SB 24-205, se sigue citando como si hubiera entrado en vigor el 1 de febrero de 2026. No fue así. Su implementación se pospuso al 30 de junio de 2026, y después el marco fue reescrito de fondo por la SB 26-189, firmada en mayo de 2026 y con entrada en vigor prevista para el 1 de enero de 2027.

Hay dos cosas que vale la pena tomar de ahí, y ninguna es el titular.

La primera es que los seguros se trataron como caso especial y no como caso general. Bajo la ley original, una aseguradora se consideraba en cumplimiento si ya estaba sujeta a las reglas del comisionado de seguros sobre datos externos de consumidores, algoritmos y modelos predictivos. Ese patrón se repite: los legisladores concluyen que el sector asegurador ya tiene un aparato de supervisión y que debe gobernarse a través de él. Los requisitos que de verdad te obligan tienen mucha más probabilidad de venir de tu regulador de seguros que de una ley general de IA.

La segunda es que el vaivén mismo es la lección. Dos años de aplazamientos y reescrituras en el estado más observado significa que nadie puede construir con sensatez hacia un texto específico. Lo que ha sobrevivido a todas las versiones es la misma exigencia de fondo: documentar qué hace el sistema, probarlo contra resultados dispares y poder nombrar a quien responde por él.

Ese es el requisito duradero, y es un requisito de gobernanza más que de tecnología: alguien de alto nivel tiene que poder firmar una declaración sobre cómo se toman las decisiones.

Si hoy no puedes producir, para un siniestro dado, un registro de qué pasos se automatizaron, qué vio el modelo, qué produjo, con cuánta confianza y quién lo revisó, no tienes una brecha de cumplimiento en el futuro. La tienes ahora, y se va a descubrir en el peor momento posible.

Por eso construimos la pista de auditoría antes que la automatización, no después. Es la parte menos interesante del sistema y la que determina si el resto es utilizable.

Qué construiríamos primero

Si operas siniestros y quieres el beneficio sin la exposición, la secuencia que funciona no es la que proponen la mayoría de los proveedores.

1. Primero completa el expediente. Automatizar encima de correspondencia que vive en la bandeja de un ajustador y evidencia en una carpeta compartida produce decisiones rápidas sobre información parcial. Arregla el registro, luego automatiza.
2. Empieza por las verificaciones de integridad. La mejor razón de valor a riesgo de toda la categoría. No se decide nada, y el retrabajo baja de inmediato.
3. Después extracción, con un umbral que tú controles. Por encima de la línea de confianza archiva solo; por debajo, lo ve una persona. Ese número es una decisión de negocio, no una configuración técnica, y alguien del lado del negocio debería controlarlo.
4. Después redacción, conservando la firma. La persona sigue siendo responsable de lo que sale.
5. Deja en paz las decisiones de cobertura hasta que puedas explicar, por escrito y ante un regulador, cómo se llegó a cualquiera de ellas.

El resumen honesto

Siniestros es uno de los mejores encajes genuinos para IA en cualquier industria. El volumen es real, los documentos son repetitivos y el trabajo manual es enorme.

Pero la parte automatizable es la capa administrativa de leer, extraer, verificar y redactar, no la resolutiva. Las firmas que obtienen valor duradero están automatizando la captura y conservando el criterio, y están construyendo el registro que les permite demostrar cuál fue cuál.

Las que compran la liquidación en dos segundos normalmente están comprando la demo del siniestro más fácil de alguien más.

Si quieres una lectura sobre qué partes de tu operación de siniestros son realmente automatizables, ahí empieza el diagnóstico, y la plataforma de siniestros describe cómo se ve el ciclo completo cuando corre en un solo sistema en lugar de seis.