Uso de la inteligencia artificial y los datos para identificar riesgos emergentes antes de que afecten a las operaciones

Los riesgos emergentes rara vez se manifiestan de forma repentina. Lo más habitual es que aparezcan de forma discreta, en reclamaciones que parecen rutinarias pero que luego se agravan, en litigios que salen a la luz cuando ya se han cerrado los plazos clave para intervenir, o en la volatilidad de las reservas, que genera sorpresas posteriores para los equipos financieros y de gestión de riesgos.

Para muchas organizaciones, estas situaciones les resultan familiares. Un siniestro que parecía controlado cambia de rumbo de repente. La constatación de que existe un litigio llega tarde. Las opciones se reducen. Para cuando el riesgo se hace plenamente visible, la oportunidad de influir en el resultado ya ha pasado. En el entorno operativo actual, el reto ya no es acceder a los datos, sino obtener visibilidad con la suficiente antelación para actuar mientras aún se dispone de margen de maniobra.

La inteligencia artificial y la analítica avanzada se están convirtiendo en herramientas esenciales para salvar esa brecha, ya que ayudan a las organizaciones a pasar de reaccionar ante los riesgos emergentes una vez que se han producido a identificarlos antes y gestionarlos de forma más planificada.

Por qué la detección temprana de riesgos es más importante que nunca

El riesgo operativo, ya sea relacionado con las reclamaciones, las tendencias en la plantilla o las interrupciones en la cadena de suministro, suele seguir una trayectoria predecible. Lo que comienza como un problema manejable va ganando en complejidad a medida que pasa el tiempo, se acumulan las decisiones y se reducen las opciones de intervención.

En los siniestros, la rapidez es tan importante como la precisión. Una visibilidad tardía suele traducirse en menos opciones de gestión, mayores fricciones con las partes interesadas y un menor control sobre los resultados. Una vez que el litigio ha avanzado, se han establecido los protocolos de atención o se han fijado las expectativas, la capacidad de influir de manera significativa en el coste, la duración o la experiencia se ve considerablemente reducida.

Una detección temprana cambia esa trayectoria. Cuando las organizaciones pueden identificar las señales de riesgo más cerca de su punto de origen, conservan su capacidad de elección. Pueden intervenir antes, recurrir a los expertos adecuados en una fase más temprana y tomar decisiones con mayor seguridad en lo que respecta a las reservas, la estrategia y los pasos a seguir. El resultado no es solo una mejor información, sino un mayor control sobre los resultados.

En Sedgwick, esta dinámica se hace especialmente patente en los siniestros de larga duración, en los que el coste final puede tardar años en conocerse. Sin información temprana, los equipos suelen gestionar la situación basándose en medias históricas o en indicadores rezagados. Con señales más tempranas, pueden influir en la dirección que toma el proceso mientras aún es posible una intervención significativa.

Más allá de los límites: hacia una visión continua

Tradicionalmente, muchos métodos de identificación de riesgos se basaban en umbrales fijos, valores monetarios, demandas presentadas o el tiempo transcurrido. Aunque resultan útiles, estas señales suelen aparecer cuando el riesgo ya se ha materializado.

Un enfoque más moderno considera el riesgo como un espectro, en lugar de como un resultado binario. En lugar de preguntarse si una reclamación ha superado un límite predefinido, las organizaciones se preguntan dónde se sitúa en relación con el conjunto más amplio de casos que gestionan. Esto permite establecer prioridades de forma continua, en lugar de recurrir a una escalada tardía.

La evolución de los modelos de gravedad y puntuación de Sedgwick refleja este cambio. En lugar de señalar únicamente las reclamaciones que superan un importe arbitrario en dólares, la última generación de modelos evalúa el 100 % de las reclamaciones, desde aquellas que se prevé que se resuelvan con un coste mínimo o nulo hasta las que, en última instancia, podrían entrar en las categorías de mayor exposición.

Esta visión global de la población permite detectar el riesgo en una fase más temprana, antes de que se activen los factores desencadenantes tradicionales y cuando aún es posible influir en las decisiones sobre cómo abordarlo.

Puntuación temprana en la práctica: un ejemplo sencillo

Pensemos en una reclamación por lesiones corporales que, en un principio, se presenta como moderada. Tradicionalmente, habría seguido una tramitación estándar hasta que los costes o las acciones judiciales hubieran provocado una escalada. Con un enfoque de puntuación basado en percentiles, las primeras señales sitúan la reclamación en un nivel más alto en comparación con otras similares, aunque los costes absolutos sigan siendo bajos.

Esa señal temprana da lugar a una gestión diferente. La reclamación se revisa antes, se asigna a personal con más experiencia y se gestiona teniendo más en cuenta el riesgo de litigio y la complejidad médica. Aunque los resultados nunca están garantizados, la orientación de la gestión cambia mientras aún es posible influir en ella. Ese cambio, precoz y deliberado, es el valor que aporta detectar el riesgo antes.

De la predicción a la toma de decisiones proactiva

El verdadero valor de la inteligencia artificial y la analítica no reside únicamente en la predicción, sino en lo que las organizaciones hacen con esa información. Una visión temprana solo tiene importancia si sirve de base para la acción.

Para los clientes, esto se traduce en menos sorpresas de última hora, una coordinación más temprana de los conocimientos especializados y una mayor confianza en las reservas y las previsiones. Cuando el riesgo se identifica antes, los equipos pueden intervenir mientras aún existen opciones, en lugar de tener que gestionar la escalada una vez que ya se ha producido.

En Sedgwick, la evaluación de la gravedad se integra directamente en los flujos de trabajo operativos. La información se facilita en los momentos clave de la toma de decisiones, no como análisis independientes. Las reclamaciones de mayor riesgo se remiten antes a peritos con experiencia, especialistas en litigios o recursos clínicos, mientras que las de menor riesgo siguen vías más ágiles. Esta integración transforma la gestión diaria de las reclamaciones, no solo la elaboración de informes.

Las organizaciones que obtienen buenos resultados con la IA la consideran una herramienta de apoyo a la toma de decisiones, no un fin en sí misma. La información debe presentarse en su contexto, en el momento en que se toman las decisiones, para que pueda influir de manera significativa en los resultados.

La importancia de contar con una base de datos sólida

La eficacia de los modelos avanzados depende en gran medida de la calidad de los datos en los que se basan. Muchas organizaciones se enfrentan a dificultades no porque carezcan de ambición analítica, sino porque sus datos siguen estando fragmentados, son inaccesibles o están mal gestionados.

Una estrategia de datos moderna hace hincapié en la accesibilidad, la estandarización y la confianza. Los datos estructurados y no estructurados deben estar disponibles en entornos que permitan el análisis a gran escala, al tiempo que se mantienen controles rigurosos en materia de seguridad, privacidad y cumplimiento normativo.

La trayectoria de Sedgwick en el ámbito de la ciencia de datos pone de relieve esta lección. En los últimos años, la organización ha invertido en modernizar su infraestructura de datos, trasladando los datos de los sistemas heredados a plataformas reguladas y basadas en la nube, diseñadas para el análisis y la inteligencia artificial. La ingesta estandarizada, la transformación, los controles de acceso basados en roles, la anonimización y la auditabilidad están integrados en el proceso, creando una base que sustenta tanto el conocimiento como la confianza.

Sin esta base, incluso los modelos más sofisticados tienen dificultades para ampliarse o ofrecer resultados sólidos.

La IA responsable como principio fundamental

A medida que la inteligencia artificial se va integrando cada vez más en la toma de decisiones operativas, es fundamental hacer un uso responsable de ella. La gobernanza no es solo una norma interna, sino también una garantía para el cliente.

Las prácticas responsables en materia de IA favorecen la auditabilidad, la explicabilidad y la justificabilidad, lo que reduce los riesgos normativos, legales y reputacionales derivados. Unas normas claras sobre el uso de los datos, la supervisión de los modelos y la participación humana contribuyen a garantizar que los análisis respalden las decisiones en lugar de enturbiarlas.

En Sedgwick, esto se plasma en una gobernanza formal de la IA, el uso de herramientas aprobadas, la formación obligatoria y un enfoque coherente que mantiene siempre la intervención humana. Las variables sensibles solo se utilizan cuando mejoran de forma significativa los resultados y son adecuadas para el caso de uso concreto. Para los clientes, esto se traduce en información en la que pueden confiar, que pueden explicar y que pueden respaldar.

Mirando hacia el futuro: de los modelos a la inteligencia adaptativa

El futuro de la identificación de riesgos irá más allá de los modelos predictivos tradicionales. La IA generativa y los análisis avanzados están abriendo la puerta a una exploración más profunda de los flujos de trabajo, las narrativas y las señales interconectadas que antes resultaban difíciles de analizar a gran escala.

Sedgwick ya está estudiando cómo la IA generativa puede complementar los modelos existentes mediante la síntesis de historiales de siniestros, la identificación de tendencias emergentes en grandes poblaciones y la posibilidad de que los equipos formulen preguntas más sofisticadas sobre sus datos en tiempo real. Estas capacidades apuntan hacia una forma de inteligencia más adaptativa, que evoluciona al ritmo de las necesidades operativas en lugar de permanecer estática.

Lo que se mantendrá constante es el objetivo. Las organizaciones seguirán buscando información más temprana, una mayor seguridad y la capacidad de actuar antes de que el riesgo se convierta en una interrupción.

A menudo, el punto de partida consiste simplemente en comprender en qué aspectos se pueden pasar por alto hoy en día las primeras señales. A partir de ahí, la conversación deriva de forma natural hacia lo que podría cambiar si se dispusiera de una visibilidad más temprana.

En un entorno marcado por la incertidumbre, la capacidad de anticipar lo que está por venir, y no solo lo que ya ha sucedido, puede ser una de las ventajas más importantes que una organización puede desarrollar.