La brecha de rentabilidad esperada entre las aseguradoras más avanzadas en el uso responsable de la inteligencia artificial y las que todavía carecen de controles sólidos ya es considerable: el 59% de las primeras prevé un retorno de la inversión alto o muy alto, frente a ninguna de las firmas rezagadas. El dato sitúa la gobernanza de la IA en seguros como un factor empresarial ligado al rendimiento de los proyectos, además de a su seguridad.
La conclusión procede de la segunda edición de Data and AI Impact Report: The New Economics of Trust , un estudio de SAS elaborado con datos de IDC. El informe clasifica como líderes a las organizaciones que han desarrollado buenas prácticas de supervisión, calidad de los datos y auditoría. Estas compañías orientan sus iniciativas principalmente hacia la eficiencia operativa y el crecimiento de los ingresos, mientras que las menos maduras se concentran en el ahorro.
La diferencia resulta relevante porque la IA ya ha superado la fase experimental en una parte amplia del sector. El 54% de las entidades aseguradoras encuestadas dispone de proyectos operativos o desplegados a escala corporativa. A medida que estas herramientas intervienen en más procesos, la capacidad para explicar sus resultados, detectar errores y asignar responsabilidades pasa a condicionar su escalado.
Más presupuesto con expectativas elevadas
La inversión seguirá creciendo pese a las diferencias de madurez. El 76% de las aseguradoras planea elevar durante el próximo año su presupuesto destinado a algoritmos. Además, el 84% espera obtener un balance positivo y seis de cada diez calculan un retorno de la inversión superior al 50%, asociado, según el estudio, a mejoras directas para el cliente.
Estas cifras describen previsiones de las organizaciones encuestadas, no resultados financieros ya materializados. Aun así, muestran que el sector no plantea una retirada de recursos, sino una ampliación de los despliegues. La cuestión operativa consiste en determinar si los controles internos evolucionarán al mismo ritmo que el presupuesto y el número de decisiones delegadas en sistemas automatizados.
El enfoque de cada organización también influye en el tipo de valor que espera conseguir. Las entidades líderes conceden más peso a la eficiencia y a los ingresos, mientras que las rezagadas priorizan la reducción de costes. El informe vincula así las mejores expectativas de retorno con una aplicación más amplia de la tecnología, apoyada en mecanismos de control, y no únicamente con el volumen de inversión.
La política interna separa a líderes y rezagadas
La distancia más visible aparece en la formalización de las reglas de uso. El 78% de las empresas líderes ha comunicado una política de IA responsable a su plantilla, frente al 3% de las organizaciones menos maduras. La diferencia indica que la gobernanza depende de trasladar criterios claros a los equipos que diseñan, contratan, supervisan o utilizan estos sistemas, además de incorporar controles técnicos.
Una política interna puede delimitar los casos que requieren intervención humana y establecer cómo se revisan los datos o se documenta una decisión. En el ámbito asegurador, donde los algoritmos pueden procesar numerosos trámites, la ausencia de pautas compartidas dificulta mantener un criterio homogéneo cuando una respuesta debe explicarse o corregirse. El informe no cuantifica el efecto individual de cada práctica, pero sí relaciona el conjunto de supervisión, calidad de datos y auditoría con una mayor madurez.
Esta relación también matiza la expectativa de que automatizar procesos produzca por sí mismo un ahorro estable. Si una parte significativa de las decisiones necesita una revisión posterior, la organización debe destinar tiempo y personal a corregir resultados. El coste de esa intervención puede reducir la eficiencia prevista y retrasar la extensión de la herramienta a procesos más sensibles.
Las rectificaciones revelan el coste de la falta de explicabilidad
Los datos globales e intersectoriales de la encuesta ilustran esa fricción, aunque no corresponden exclusivamente a aseguradoras. Cerca del 80% de las organizaciones participantes reconoce que interviene para corregir más del 10% de las decisiones adoptadas por sistemas automatizados. Un tercio debe hacerlo en más del 30% de los casos, una proporción que convierte la supervisión humana en una parte habitual de la operación.
La incapacidad para explicar cómo alcanzó el algoritmo una conclusión representa el 34,5% de los motivos de revisión. También aparecen posibles sesgos, información inexacta y riesgos relacionados con la seguridad de las decisiones. La explicabilidad adquiere así una función práctica: permite comprobar el resultado, justificarlo ante las áreas implicadas y decidir si el sistema puede seguir actuando o necesita una corrección.
El estudio se basa en una encuesta realizada en abril de 2026 a 2.699 directivos y responsables de decisión de 28 países, con foco en banca, seguros, ciencias de la salud y administraciones públicas. Su alcance permite comparar grados de madurez y expectativas, aunque las cifras de retorno reflejan las previsiones expresadas por los participantes.
Para las aseguradoras que aumenten su inversión, el siguiente paso operativo será acompasar cada nuevo despliegue con reglas conocidas por la plantilla, datos sometidos a controles de calidad, mecanismos de auditoría y criterios de intervención humana. Sin esa infraestructura, una parte del presupuesto destinado a automatizar procesos puede terminar absorbida por la revisión de decisiones que el propio sistema no logra explicar.
