WEBINAR | Lo que nadie te dice sobre la IA agéntica

Haz clic aquí para ver el webinar completo.

Desde la trampa de la arquitectura que limita silenciosamente a la mayoría de las iniciativas de inteligencia artificial (IA), pasando por el muro de datos que bloquea los casos de uso decisionales, hasta los desafíos de gestión del cambio que hacen descarrilar incluso implementaciones técnicamente sólidas, este webinar aborda lo que la industria todavía no dice abiertamente, y lo que necesita escuchar antes de su próxima inversión en IA.

Agenda de la sesión #

• Diagnóstico real de la inversión en IA generativa: por qué el 92 % de las aseguradoras está invirtiendo, pero la mayoría de los casos de uso siguen siendo de optimización y no de toma de decisiones
• La trampa de la arquitectura: por qué integrar la IA dentro de su sistema core crea limitaciones estratégicas ocultas
• IA nativa frente a IA lista: dónde debería residir la inteligencia en spasu ecosistema
• Cómo cerrar la brecha entre la prueba de concepto y la producción: gestión de la desviación (drift), explicabilidad y gestión del cambio
• La verdadera barrera de datos: gobernar el 85 % de los datos no estructurados que las aseguradoras no están utilizando

Lo que aprenderá #

• Por qué el 92 % de las aseguradoras de vida norteamericanas está invirtiendo en IA generativa, pero la mayoría sigue optimizando procesos estáticos en lugar de transformar la forma en que evalúan y actúan frente al riesgo
• Qué es la "trampa de la arquitectura", por qué integrar la IA dentro de los sistemas core crea limitaciones estratégicas ocultas, y cómo las aseguradoras más innovadoras están diseñando en torno a ella
• La diferencia entre ecosistemas habilitados por IA y ecosistemas nativos de IA, y por qué la inteligencia necesita cada vez más residir fuera del sistema de registro para impulsar la toma de decisiones en tiempo real
• Por qué la brecha entre la prueba de concepto y la producción no es solo un problema técnico: cómo lucen realmente la gestión de la desviación, la explicabilidad y el diseño con supervisión humana a gran escala
• El modelo de tres etapas (evaluar, predecir, ejecutar) que lleva a la IA de la reducción de costos al crecimiento de ingresos, y las decisiones de infraestructura de datos que hay que tomar hoy para lograrlo
• Consejos prácticos para ejecutivos de seguros sobre por dónde empezar: desde la propiedad de la gobernanza y la adopción por parte de los empleados hasta los criterios de selección de proveedores para una IA agéntica lista para producción

Puntos clave de esta sesión #

La inversión en IA generativa es real, pero la mayoría de la industria sigue en modo de eficiencia. #

La encuesta 2026 a directores de informática (CIO) de Celent muestra que la participación de la IA generativa en los presupuestos de IA y aprendizaje automático se ha duplicado interanualmente, y que el 92 % de las aseguradoras de vida norteamericanas está invirtiendo o planea hacerlo en los próximos dos años. Pero la mayoría de los casos de uso en producción — resumen de documentos, clasificación de solicitudes, copilotos internos — son iniciativas de optimización. No cambian la forma en que las aseguradoras evalúan o actúan frente al riesgo. Ese cambio, de la eficiencia a la toma de decisiones, es donde comienza la verdadera transformación.

La trampa de la arquitectura: por qué integrar la IA en su sistema core es un error estratégico. #

Muchas aseguradoras introducen la IA en entornos que nunca se diseñaron para soportarla. Cuando la IA se integra dentro de un sistema de registro, hereda las limitaciones de ese sistema: procesamiento por lotes, disparadores de ciclo de vida estáticos, ninguna respuesta en tiempo real. El resultado es una IA probabilística que opera dentro de un entorno determinista. Las aseguradoras que están haciendo esto bien diseñan la IA para que resida fuera del sistema core de administración de pólizas, conectada mediante una arquitectura basada en eventos y regida por una lógica clara de supervisión humana.

IA nativa frente a IA lista: dónde reside la inteligencia importa más que si la IA está presente. #

Un sistema core nativo de IA es una mejora significativa, pero sigue siendo, en esencia, un sistema de registro: construido para la estabilidad y la coherencia, no para la adaptación. Un ecosistema listo para la IA trata al sistema core como el corazón (el sistema de verdad), mientras que la toma de decisiones se traslada a una capa cognitiva fuera del core. Esa capa de inteligencia puede observar señales, responder de forma continua y evolucionar con el tiempo sin contaminar la lógica determinista del core.

La brecha entre la prueba de concepto y la producción no es solo técnica, también es organizacional. #

La mayoría de las aseguradoras puede construir una prueba de concepto convincente. Lo difícil es hacerla confiable a gran escala: medir la desviación (drift) a lo largo del tiempo, gestionar versiones de modelos, construir lógica de anulación (override) y estructurar los ciclos de retroalimentación que permiten que los sistemas de IA mejoren. Igual de importante es gestionar la percepción de los empleados. Si tu fuerza laboral cree que la IA la está reemplazando, su retroalimentación será reservada, y el sistema nunca mejorará. El despliegue en modo sombra (shadow deployment), las pruebas por cohortes y la recomendación asistida por humanos son el enfoque gradual que realmente funciona.

La verdadera barrera de datos no es la disponibilidad, es el 85 % que no estás gobernando. #

La mayoría de las aseguradoras gobierna aproximadamente el 15 % de sus datos: registros estructurados de los sistemas core. El otro 85 % — documentos, correos electrónicos, registros de llamadas, decisiones históricas — no está estructurado, no está gobernado y es inaccesible. Pasar de los casos de uso de eficiencia a los de crecimiento requiere resolver esa brecha. Las aseguradoras que se toman en serio la toma de decisiones impulsada por IA deben pensar en la arquitectura de lago de datos, la gobernanza de datos no estructurados y cómo manejan la información personal (PII) y la información médica protegida (PHI) en un entorno agéntico.

Acerca de nuestros ponentes expertos #

Fabio Sarrico, Analista senior de seguros – APAC, EMEA y LATAM, Celent #

"La conversación está pasando de '¿podemos usar la IA generativa?' a 'cómo operacionalizamos la toma de decisiones mediante sistemas agénticos', y ahí es donde la realidad empieza a hacerse evidente."

Fabio Sarrico es analista principal en la práctica de seguros de Celent, con sede en Londres. Cubre las tendencias tecnológicas globales de seguros en las líneas de vida, P&C (daños y accidentes) y especialidades, con investigaciones que abarcan la modernización de sistemas core, la suscripción, la distribución y la prevención de fraude. Contribuye a la cobertura global de Celent en América Latina, EMEA y Asia-Pacífico, y domina el portugués, el español y el inglés.

Ghassan Karam, ASA, ACIA, Vicepresidente adjunto de Gestión de Producto, Equisoft #

Ghassan Karam, vicepresidente adjunto de Gestión de Producto en Equisoft, es actuario acreditado ASA con más de 13 años de experiencia en sistemas core de seguros, consultoría actuarial y tecnología de seguros. Lidera la estrategia para sistemas core basados en la nube, la productividad de back-office y la analítica impulsada por IA, modernizando las operaciones de las aseguradoras con tecnología de vanguardia.

Profundice su conocimiento: la IA agéntica en seguros #

• La trampa de la arquitectura: sistema core nativo de IA vs. ecosistema listo para la IA
• Equisoft AI: el puente hacia la inteligencia en seguros
• Knowledge hub sobre modernización de sistemas core
• Caso de estudio: gestión de tareas habilitada por IA para requisitos pendientes