Cómo la IA transformará la economía de los seguros.

Foto: informe de MacKinsey, 23/07/2026

La IA podría revolucionar las estructuras y dinámicas tradicionales del sector. Las operadoras, distribuidores y proveedores de tecnología que se preparen ahora obtendrán una ventaja competitiva.

En las últimas dos décadas, el sector asegurador mundial se ha mantenido estancado. Si bien las aseguradoras han registrado un crecimiento constante en las primas, el apalancamiento operativo se ha reducido en los ramos de seguros generales, de vida y de salud (Gráfico 1). Las primas brutas suscritas han crecido aproximadamente un 4,9% anual desde 2005, alcanzando una cifra estimada de 8,3 billones de dólares en 2025; sin embargo, los beneficios antes de impuestos crecieron solo un 4,3 % en el mismo período, llegando a aproximadamente 580 mil millones de dólares.¹ El aumento de los requisitos de capital ha sido un factor que ha contribuido a este bajo rendimiento.

Además, el sector ha demostrado ser resistente a las disrupciones. Las principales fuerzas económicas que reestructuraron fundamentalmente otros sectores —la globalización, la digitalización, el auge de las plataformas económicas— pusieron a prueba la resistencia del sector, pero no alteraron su estructura económica. Las posiciones competitivas cambiaron solo gradualmente. El capital fluyó lentamente entre geografías y líneas de negocio. Los mercados públicos continuaron considerando a los seguros como una fuente estable de generación de ingresos con escasa susceptibilidad a las disrupciones estructurales. El capital privado innovó en la gestión de balances e inversiones, pero no afectó a la mayoría de las demás áreas del negocio. Los ejecutivos con visión de futuro de 2006 reconocerían fácilmente el sector de los seguros en 2026.

Anexo 1

Este estancamiento no ha sido del todo negativo. El sector lidera sistemáticamente a otros sectores en dividendos y recompra de acciones. Ha seguido desempeñando un papel vital en la economía y la sociedad globales, más recientemente durante la pandemia mundial. Sin embargo, está experimentando nuevas presiones. La inteligencia artificial tiene el potencial de transformar cuatro dinámicas clave del sector que han marcado su relativo estancamiento durante las últimas dos décadas:

• Crecimiento y relevancia rezagados. La participación del sector asegurador en las oportunidades económicas no ha seguido el ritmo del aumento del riesgo subyacente. En la última década, los ingresos crecieron más lentamente (1,24 veces) que la mayoría de los sectores principales e incluso que el PIB mundial (1,58 veces). La brecha global de protección ante catástrofes naturales alcanzó los 133.000 millones de dólares en 2025.² Y actualmente menos del 1% de los costos cibernéticos mundiales están asegurados, lo que supone un déficit de aproximadamente 900.000 millones de dólares.³

• Los costos de distribución son elevados. Las comisiones y los gastos de adquisición consumen entre diez y veinticinco centavos de cada dólar de prima en seguros generales, y hasta ochenta centavos de la prima del primer año en seguros de vida. La estructura de costos ha variado poco a pesar de las sucesivas inversiones digitales.

• Productividad estancada. Los índices de gastos se han mantenido prácticamente invariables durante dos décadas. El índice promedio de gastos de seguros generales ha oscilado entre el 27 y el 32 por ciento desde 2005, con las empresas líderes por debajo del 22 por ciento y las rezagadas en el 32 por ciento, una brecha que la tecnología no ha hecho más que ampliar.

• Ritmo lento de cambio. Si bien la industria ha comenzado a moverse más rápido, históricamente se ha quedado rezagada con respecto a otros sectores en la adopción de tecnología e innovación.

Este artículo analiza cada uno de estos aspectos y cómo los actores de las cadenas de valor de los seguros de vida, comerciales y personales pueden ir más allá de los modelos de IA (cuando todas las empresas usan los mismos modelos, nadie tiene ventaja) y utilizar la nueva tecnología para crear ventajas competitivas. No ofrecemos una hoja de ruta; el ritmo y la secuencia del cambio son demasiado inciertos. Lo que ofrecemos es una guía: una perspectiva sobre la dirección en la que se mueve cada una de estas fuerzas y una serie de acciones que generan ventajas competitivas sin importar el momento en que se produzcan.

Los actores mejor posicionados serán aquellos con la tesis más clara sobre la dirección del cambio y la estrategia más ágil, como un velero que vira con frecuencia, manteniéndose lo más cerca posible del rumbo óptimo incluso cuando el destino aún no es visible.

Desde aseguradoras y reaseguradoras hasta distribuidores y proveedores de tecnología, ninguno está exento de las decisiones subyacentes que generan estas fuerzas, y todos tienen el potencial, impulsado por la IA, de impulsar una industria estancada hacia una nueva senda de crecimiento.

¿Una brecha cada vez mayor entre el aumento del riesgo y la pérdida de relevancia?

El crecimiento de los ingresos ha sido inferior al de la mayoría de las principales industrias y al del PIB mundial (Gráfico 2). Los seguros personales representaron el 1% del PIB mundial en 2023, frente al 1,2% en 2019, y el crecimiento en los mercados desarrollados se debió principalmente a aumentos de tarifas más que a la expansión hacia nuevos riesgos. La brecha global de protección contra catástrofes naturales es, sin duda, enorme; según otra estimación, que utiliza una metodología diferente, la prima adicional necesaria para cubrir las pérdidas no aseguradas asciende a 424 mil millones de dólares.⁴ Otros riesgos también presentan una cobertura insuficiente; actualmente, menos del 1% de los costos cibernéticos globales están asegurados. En conjunto, los seguros están perdiendo relevancia en el entorno de riesgos, incluso a medida que este se vuelve más complejo.⁵

Anexo 2

¿Puede una industria impulsada por la IA cambiar las reglas del juego? El escenario optimista es real, basado en nuevos riesgos, nuevas soluciones y un nuevo acceso al mercado:

• Nuevos riesgos: La IA crea nuevas categorías de riesgo que amplían el mercado potencial total de maneras que antes no se podían cubrir a gran escala. La responsabilidad civil derivada de la IA, la interrupción de la actividad empresarial no física y las transiciones de la fuerza laboral potenciada por la IA son grupos de riesgos que crecen más rápido de lo que la oferta actual de productos del sector puede abarcar. Además, la IA incrementa el riesgo cibernético, que ya está insuficientemente asegurado. Los productos paramétricos, la microcobertura integrada (pólizas pequeñas integradas en el punto de venta, como la protección de viaje ofrecida al reservar un vuelo o la cobertura de dispositivos al finalizar la compra) y las pólizas bajo demanda habilitadas por datos en tiempo real podrían extender la cobertura a segmentos que antes no eran rentables de atender.

• Nuevas soluciones: La IA también abre una segunda vía, menos explorada, hacia la relevancia: un cambio de la mera transferencia de riesgos a la colaboración en la gestión de riesgos. El seguro tradicional es fundamentalmente reactivo: un instrumento financiero que responde después de que algo sale mal. La IA posibilita algo diferente: una monitorización continua de riesgos basada en datos que ayuda a los clientes a comprender, cuantificar y mitigar las exposiciones antes de que se conviertan en reclamaciones. Consideremos las posibilidades: telemática que asesora a los conductores en tiempo real mientras recalcula la "prima por minuto" de conducción. Ingeniería y prevención de riesgos comerciales, actualizadas diariamente con datos satelitales, telemáticos y del Internet de las Cosas. Asesoramiento de salud habilitado por IA para mejorar la mortalidad, la morbilidad y la longevidad. Estas colaboraciones en la gestión de riesgos existen hoy en día en algunos ámbitos, pero aún no están integradas en el núcleo de una nueva propuesta de valor de los seguros, una que traslade a las aseguradoras del margen de las decisiones de gestión de riesgos de los clientes al centro de ellas.

• Nuevo acceso al mercado: Una tercera vía —quizás la más trascendental para la expansión del mercado— pasa por la suscripción y la calidad de las reclamaciones. Para muchos riesgos, la barrera para una cobertura más amplia no es la falta de demanda, sino la falta de confianza en una fijación de precios sólida y en la capacidad de realizar una suscripción fiable. Los riesgos relacionados con la propiedad expuesta al cambio climático, los riesgos cibernéticos y los riesgos asociados a la IA comparten un problema común: las aseguradoras no disponen de datos fiables suficientes para fijar precios precisos, y la frecuencia y la gravedad de las reclamaciones en estas líneas son difíciles de predecir. El resultado son primas elevadas, cobertura restringida o rechazos directos, dejando grandes cantidades de riesgos legítimos sin asegurar.

  
  

  La IA aborda directamente ambos aspectos: la suscripción y las reclamaciones. Una mejor ingesta de datos en tiempo real y la recalibración continua de los modelos pueden afinar la fijación de precios para riesgos volátiles. Además, una mayor precisión en las reclamaciones —reservas más precisas, identificación más temprana de problemas, mejores decisiones de liquidación— reduce la incertidumbre de los costes que obliga a adoptar precios conservadores en primer lugar. Una aseguradora que mejore su índice de siniestralidad en cinco puntos en un riesgo que antes subestimaba, podrá suscribir más pólizas de ese tipo, ofrecer precios más competitivos y llegar a clientes que actualmente no pueden acceder al mercado. De hecho, incluso sin IA, la precisión en la gestión de siniestros ya es una prioridad estructural. La IA simplemente amplía esta oportunidad. Las aseguradoras que desarrollen esta capacidad primero tendrán una ventaja en costes y la confianza necesaria para entrar en mercados que otras no abordarán.

  
  

Un escenario pesimista no es menos real. Los riesgos digitales no se comportan como los fondos de seguros tradicionales. La infraestructura compartida en la nube, las dependencias comunes de los modelos de IA y las cadenas de suministro interconectadas implican que un solo fallo puede desencadenar pérdidas en cientos de miles de empresas simultáneamente. La responsabilidad derivada de la IA y el riesgo cibernético sistémico podrían estar correlacionados de tal manera que resulte realmente difícil diversificarlos y fijar precios de forma responsable. El capital alternativo, que prospera con el riesgo independiente, puede tener un interés limitado en exposiciones altamente correlacionadas que se mueven simultáneamente. Las aseguradoras que entran en estas líneas sin desarrollar la capacidad analítica para comprender cómo se propagan las pérdidas corren el riesgo de repetir un patrón conocido: perseguir primas en una categoría en crecimiento antes de comprender la estructura de riesgo subyacente. La relevancia exige nuevas capacidades de suscripción, no solo nuevos productos.

Preguntas para los líderes de toda la cadena de valor:

• ¿Tenemos una visión clara de qué nuevos mercados de riesgo creará la IA y un plan creíble para captarlos antes de que lo hagan los competidores?

  
  

• ¿Estamos sometiendo a prueba nuestros modelos de cartera y de precios a los cambios en las correlaciones de riesgo impulsados ​​por la IA, o seguimos basándonos en supuestos de independencia histórica?

  
  

• ¿Sabemos cómo combinar las perspectivas de futuro con las pérdidas históricas al desarrollar nuevos productos y fijar sus precios?

  
  

• ¿Cómo estamos reinventando la gestión de siniestros con la IA como factor clave para reducir el índice de siniestralidad y mejorar la experiencia del cliente, tanto para los productos actuales como para los futuros?

  
  

• ¿Tenemos un plan claro para utilizar la IA y liberarnos de las limitaciones históricas del sector (como los índices de gastos estancados y el lento ritmo de cambio)?

¿De agentes al comercio agente?

Los seguros siempre han sido un producto que se vende, no que se compra, y los distribuidores desempeñan un papel fundamental en la gestión del asesoramiento, el acceso y la resolución de problemas durante todo el proceso. Crean conciencia sobre el riesgo, explican pólizas complejas, guían a los clientes durante la suscripción, ajustan el riesgo al capital y gestionan las interacciones de servicio, a menudo ralentizadas por los sistemas heredados de las aseguradoras. Esta estructura se ha mantenido durante décadas, y la distribución ha resultado rentable para las aseguradoras. Hoy en día, alrededor del 85% de los seguros de propiedad y accidentes en EE. UU. y el 95% de las primas de seguros de vida se distribuyen a través de agentes, corredores y agentes generales. La digitalización ha tenido poco efecto en la dinámica general. En algunos mercados, los agregadores han aumentado la transparencia de precios y han transferido parte del volumen de seguros personales a canales directos, pero han dejado la estructura general prácticamente intacta.

El tenaz control de los distribuidores sobre la relación con el cliente se refleja en la economía del sector. Los distribuidores han superado sistemáticamente a las aseguradoras en rentabilidad total para el accionista (si bien cabe destacar que este año, los mercados también han reconocido la amenaza de la IA para estas empresas, con una de las mayores caídas en la rentabilidad total para el accionista en décadas). En gran medida, este éxito financiero se sustenta en las comisiones, que apenas han variado desde 2005 (Gráfico 3). Después de las reclamaciones, la distribución es la categoría de coste más importante en los seguros de propiedad y accidentes. También representa un coste elevado en la vida. Nuestra investigación muestra que las aseguradoras multicanal de propiedad y accidentes tienen ratios de costes al menos un 30% superiores a los de las aseguradoras directas, y esta diferencia se atribuye casi en su totalidad a los costes de ventas y distribución.6

La IA es la primera tecnología con el potencial de crear un verdadero cambio de paradigma. Nuevas plataformas de IA han irrumpido en el panorama y competirán por puntos de control cruciales, como la propiedad de los datos de los clientes, el acceso privilegiado a la demanda y la capacidad de orquestar ecosistemas complejos. Casi la mitad de los clientes en Norteamérica ya utilizan la IA en sus procesos personales de compra de seguros. A medida que estos mismos clientes adoptan la IA para la investigación, el asesoramiento y la compra de otros servicios complejos, ¿qué aspectos de la experiencia actual de compra de seguros son lo suficientemente sólidos como para mantenerlos en los canales actuales? Para los compradores de riesgos más complejos, ¿qué probabilidades hay de que la IA no elimine, al menos, la fricción y el esfuerzo necesarios para estructurar, contratar y monitorear el riesgo, y comience a cambiar la economía del sector? Tres dinámicas determinarán cómo se desarrolla esta historia:

• La interfaz está disponible para todos, especialmente para riesgos más simples. En nombre de los clientes, la IA de agentes ahora tiene la capacidad de monitorear las fechas de renovación, consultar las API de las aseguradoras en tiempo real, comparar la cobertura y el precio de múltiples productos y recomendar cambios mucho antes de que el cliente inicie el proceso. Los asesores de salud y los copilotos financieros de IA amplían esto aún más, integrando los seguros en un asesoramiento más amplio sobre salud, patrimonio y riesgos. Los seguros integrados van aún más allá: el cliente ni siquiera busca un seguro, sino que compra cobertura en el momento en que la necesita, ya sea al comprar un automóvil, firmar una compra de una casa o reservar un vuelo. En este mundo, especialmente para riesgos más simples y frecuentes, la "puerta de entrada" al cliente ya no es la oficina del agente ni el sitio web de la aseguradora, sino cualquier asistente, plataforma o ecosistema de IA en el que el cliente confíe para que actúe en su nombre. Los riesgos estratégicos son una nueva forma de oscuridad y pérdida de influencia: cuando los intermediarios de IA deciden qué opciones mostrar, estar en la mente de los agentes o gastar más en publicidad ya no garantiza que siquiera se esté en el conjunto de opciones que considera la IA del cliente. Las estrategias tradicionales de marketing, promoción y posicionamiento pierden gran parte de su efectividad; la clave reside en definir los criterios y los datos que impulsan las recomendaciones de la IA. Tanto para las operadoras como para los intermediarios, la lógica de las recomendaciones se convierte en el nuevo campo de batalla para el crecimiento.

• La ventaja informativa podría estar cambiando. El sector de los seguros siempre se ha basado en la información. La ventaja de las aseguradoras radicaba en conocer el riesgo mejor que el cliente, gracias a décadas de registros de causas de siniestros, trayectorias de costes de reparación y resultados de litigios. Los corredores han puesto en entredicho esta ventaja al agregar datos de múltiples aseguradoras para desarrollar inteligencia comparativa que ninguna aseguradora individual posee. La IA eleva aún más el nivel de exigencia. Las plataformas de IA que observan el comportamiento en diferentes mercados y los proveedores de datos que poseen información financiera y de consumidores podrían crear perfiles de clientes más predictivos que los historiales de suscripción en líneas de alta frecuencia, mientras que los corredores con datos de múltiples aseguradoras pueden usar la IA para acumular inteligencia comparativa que ninguna aseguradora individual posee. Los actores actuales que dan por sentado que su ventaja de datos es exclusiva e inalterable podrían ser los últimos en reconocer que no lo es.

• La confianza siempre ha sido el pilar fundamental, pero se está fragmentando. El seguro es una promesa, evaluada bajo presión. Históricamente, la confianza funcionaba como una herramienta de retención: mantenía a los clientes renovando y preservaba las relaciones a pesar de las dificultades. Pero la confianza en los seguros no es una sola cosa. Tiene al menos tres componentes que la IA afectará de manera diferente. La confianza en la relación —la conexión humana en reclamaciones complejas, consejos difíciles, momentos de verdadera angustia— es algo que la IA aún no puede replicar, y los actores que inviertan deliberadamente en ella verán cómo se multiplica. La confianza en las credenciales —licencias, credibilidad institucional, calificaciones de solvencia— ha sido históricamente una ventaja para las empresas establecidas, pero a medida que las plataformas y los actores nativos de IA acumulan sus propias formas de credibilidad, esa ventaja está al alcance de cualquiera. La confianza en la explicación y el asesoramiento —la capacidad de los humanos para ayudar a un cliente a comprender qué está cubierto, por qué su reclamación se resolvió de esa manera y qué debe hacer a continuación— es un área donde la IA puede superar al modelo tradicional: es paciente, imparcial, está disponible a cualquier hora y no hace que los clientes se sientan tontos por preguntar. Las compañías de transporte que traten las tres dimensiones de forma deliberada estarán mejor posicionadas que aquellas que consideren la confianza como un simple requisito de cumplimiento.

Si bien estos cambios son reales y ya visibles, el futuro de la distribución no será monolítico. La desintermediación avanzará rápidamente en algunos productos y segmentos, y mucho más gradualmente o no se producirá en absoluto en otros. En las líneas personales estandarizadas, es probable que los agentes y plataformas de IA se ubiquen entre los clientes y las aseguradoras, redirigiendo el volumen a medida que más actividad pase por sus interfaces en lugar de los canales tradicionales. En segmentos más complejos (seguros comerciales de mercado medio, seguros especializados y seguros personales para personas con alto patrimonio), donde el asesoramiento, la estructuración a medida y la defensa de reclamaciones son más importantes, es más probable que la IA aparezca primero como una fuerza para la compresión de costos y el aumento de capacidades, haciendo que sea materialmente más barato y fácil para los agentes y corredores cotizar, explicar y brindar servicio, en lugar de desplazarlos por completo. En esos segmentos, existe un escenario en el que las comisiones se comprimen, las aseguradoras pueden recuperar parte del margen y la intermediación puede disminuir modestamente en lugar de colapsar. La pregunta estratégica no es tanto "¿reemplazará la IA a la distribución?" Y aún más: "¿Quién capta el valor en constante evolución (transportistas, distribuidores o clientes) y quién, en última instancia, es dueño de la relación con el cliente a medida que se desarrollan estas dinámicas?" Hoy en día, la respuesta es en gran medida los distribuidores; mañana, puede que sigan siendo los distribuidores, pero en la próxima década, la IA podría volver a plantear la cuestión.

Preguntas para los líderes:

Para las aseguradoras:

• Cuando el agente de IA de su mejor cliente busque cobertura, ¿los encontrará a ustedes y en qué condiciones?

• En situaciones de riesgos complejos, ¿quién es su verdadero cliente: la IA del distribuidor, el modelo de lenguaje a gran escala (LLM) o el asegurado?

Para agentes y corredores:

• ¿Su propuesta de valor se basa en el acceso o en el asesoramiento, y cómo están desarrollando una u otra opción, o ambas, para el futuro de la IA?

• ¿Cómo aprovechará el dividendo de eficiencia que la IA le ofrece: para aumentar la productividad de los productores entre dos y tres veces, incrementar los márgenes o mejorar sus capacidades y servicios?

Para las plataformas:

• Sus datos de comportamiento pueden predecir mejor las necesidades de los clientes que el historial de suscripción de cualquier aseguradora.

• ¿Qué generará más valor: las alianzas estratégicas o la suscripción directa del riesgo?

• ¿Quién controla la lógica de tus recomendaciones de seguros y a quién beneficia prioritariamente?

¿Cumplirá la IA la promesa, largamente postergada, de aumentar la productividad?

A diferencia de la mayoría de los sectores, el sector asegurador no ha logrado mejorar su eficiencia en costes en las últimas dos décadas (Gráfico 4). Nuestro análisis de grandes empresas globales muestra que, si bien los sectores de telecomunicaciones, automoción y aerolíneas han reducido considerablemente sus ratios de costos (gastos generales y administrativos respecto a los ingresos) desde 2005, los ratios de costes del sector asegurador son un 10% más elevados a nivel mundial, a pesar de que el sector ha invertido fuertemente en automatización y herramientas digitales.

La explicación no reside en que la tecnología no haya mejorado la productividad laboral; de hecho, lo hizo, en un 14% en seguros generales y en un 24%en seguros de vida, en lo que respecta a reclamaciones, servicio y emisión de pólizas.⁷ El problema es estructural: las ganancias se vieron sistemáticamente contrarrestadas por el aumento de los costos de TI, los gastos generales de cumplimiento y la complejidad que suponía integrar nuevas herramientas digitales en los modelos operativos heredados. La eficiencia mejoró, pero los costos promedio del sector aumentaron.

La IA transforma la situación de dos maneras. En primer lugar, puede aplicarse a toda la estructura de costos de una forma que las tecnologías anteriores (como la automatización robótica de procesos) no permitían, creando el potencial para reducir drásticamente los costos marginales en suscripción, reclamaciones y servicio al cliente simultáneamente. Actualmente, las transformaciones a nivel sectorial ya están generando reducciones del 20 al 40% en los costos de incorporación de clientes y mejoras del 10 al 20% en la productividad de los agentes de seguros.⁸

En segundo lugar, y de mayor trascendencia, la IA transforma la economía de escala. Si bien la IA no es gratuita (existen costos reales de computación, modelos y orquestación), estos costos ya están generando preocupación en algunas empresas.⁹

Tiene el potencial de reducir significativamente el costo unitario de muchas tareas de suscripción, administración y gestión de siniestros, por debajo de los métodos actuales basados ​​en reglas y la intervención humana. Esto permite a las aseguradoras que priorizan la IA aumentar el volumen mucho más rápido que los costos, logrando niveles de productividad y apalancamiento operativo muy difíciles de igualar para las empresas rezagadas.

Este cambio tiene consecuencias competitivas y sugiere dos caminos viables para las aseguradoras:

• Escala: Las aseguradoras y los corredores con un volumen de primas suficiente para amortizar el capital inicial necesario para la infraestructura de datos, el desarrollo de modelos y las plataformas tecnológicas operarán con ratios de gastos que a los generalistas de tamaño mediano les cuesta igualar, no porque los costes unitarios mucho más bajos estén fuera de su alcance, sino porque la inversión necesaria para llegar a ese punto favorece a quienes pueden distribuirla entre una base más amplia.

• Especialización profunda: A medida que la IA reduce las dificultades para conectar la capacidad de suscripción especializada con las plataformas de distribución, los proveedores de capital y la infraestructura de gestión de siniestros, una empresa que se distinga por una actividad y acceda a todo lo demás a través de socios podría estar igualmente bien posicionada. El auge de los agentes generales de gestión (MGA) nativos de IA que se integran en la infraestructura de plataformas en lugar de desarrollarla es una muestra temprana de esta tendencia.

Lo que no se puede defender es la postergación o la solución intermedia. La elección entre poseer la plataforma completa de IA y acceder a ella mediante alianzas es cada vez más urgente. Las empresas necesitan claridad en dos cuestiones simultáneamente: dónde compiten —a través de la escala o la especialización profunda— y cómo aprovecharán la tecnología para lograrlo. Sin esa claridad, las empresas se convierten en receptoras por partida doble: aceptan la posición competitiva que les asigna el mercado y aceptan la plataforma tecnológica que poseen actualmente o la que ofrecen los proveedores. Las empresas que tratan la IA como un programa de modernización gradual que se desarrolla paralelamente al negocio, en lugar de como una disrupción competitiva, pueden encontrarse con que la brecha con el liderazgo del sector se ha ampliado demasiado cuando se refleja en los resultados financieros.

Preguntas para los líderes de toda la cadena de valor:

¿En qué punto de la curva de costes nos encontramos hoy, y qué ocurrirá con nuestra posición competitiva si la escala necesaria para ser competitivos en costes se reduce a la mitad en los próximos cinco años?

Si optamos por especializarnos, ¿dónde tenemos una ventaja duradera: acceso y conocimiento del cliente, selección y modelado de riesgos, u otra cosa? ¿Qué nos da la confianza de que esa ventaja se mantendrá?

¿Pueden las aseguradoras crear un modelo operativo que se adapte a la velocidad de la tecnología?

Los seguros operan con plazos calibrados según los riesgos que cubren. Los ciclos de desarrollo de productos se miden en años. Las revisiones actuariales están vinculadas a la duración de la "cola" de siniestros. Las directrices de suscripción suelen actualizarse anualmente. Estos ciclos no son irracionales: reflejan la naturaleza del riesgo a largo plazo y las consecuencias de los errores de precios en un sector donde los errores tardan años en manifestarse en los índices de siniestralidad. Sin embargo, crean una desventaja estructural en un entorno competitivo que avanza a la velocidad de la tecnología. Las agencias de gestión de seguros (MGA) nativas de la IA desarrollan, prueban y perfeccionan productos en semanas. Las plataformas digitales actualizan los algoritmos de recomendación en horas. El ritmo al que pueden cambiar las posiciones competitivas se está acelerando, y los modelos operativos de la mayoría de las empresas establecidas se diseñaron para un ritmo completamente diferente.

El riesgo competitivo aquí no radica principalmente en la capacidad de la IA, ya que la mayoría de las operadoras (y también los intermediarios) pueden acceder a modelos y herramientas similares. Se trata de si el sistema operativo está diseñado para utilizarlos a la velocidad que exige el mercado. Los actores que integran la IA en sistemas operativos heredados observan que la brecha entre la implementación de la IA y su respuesta competitiva real se amplía con el tiempo. Tres limitaciones definen comúnmente esa brecha, comenzando por la que se ve más directamente afectada por los ciclos de tiempo lentos:

• Velocidad de decisión. Sin derechos de decisión y responsabilidades claras, las decisiones estructurales sobre la estrategia, la aplicación y el enfoque de la IA se integran en ciclos de planificación anuales o más largos, revisiones de gobernanza poco frecuentes y cadenas de aprobación diseñadas para un ritmo diferente. El resultado es una organización incapaz de avanzar con la continuidad y la velocidad que requiere el despliegue iterativo de la IA.

• Arquitectura de datos. La mayoría de los datos de las aseguradoras se organizan en torno a eventos de siniestros históricos y líneas de productos, silos optimizados para el análisis actuarial en lugar de la detección de señales en tiempo real. Dentro de una línea de productos, esta estructura suele ser defendible, pero se convierte en una limitación cuando la IA necesita trascender fronteras: venta cruzada en la distribución, detección de fraude entre productos o retención y fijación de precios a nivel de cliente. Los sistemas nativos de IA requieren una arquitectura diferente para el entrenamiento e iteración rápidos de modelos.

• Modelo operativo de entrega. La mayoría de las empresas aún no han desarrollado un modelo de entrega en el que el talento técnico —ingenieros de IA, arquitectos y científicos de datos— esté verdaderamente integrado en las funciones empresariales y trabaje de forma colaborativa, ágil y a gran escala. En cambio, la tecnología y el negocio permanecen separados, de modo que el desarrollo de IA a menudo implica simplemente lanzar soluciones al azar en lugar de construirlas conjuntamente. Cerrar esta brecha requiere más que contratar personal; requiere rediseñar la forma en que los equipos técnicos y empresariales colaboran.

  
  

Como hemos argumentado en nuestro trabajo reciente sobre la transformación de la IA en los seguros¹⁰ Estos no son problemas técnicos aislados. Más bien, son síntomas de un desafío organizacional más amplio que abarca las seis dimensiones de una empresa reestructurada : una estrategia que no se ha comprometido con la transformación de toda la empresa; talento concentrado en centros de excelencia en lugar de integrado en las funciones comerciales; un modelo operativo con ciclos de cambio lentos; infraestructura tecnológica demasiado rígida para respaldar una implementación rápida; datos no diseñados para el aprendizaje en tiempo real; y una adopción y gestión del cambio que tratan la IA como un proyecto o un componente en lugar de una nueva forma de trabajar.

La mayoría de las operadoras tienen brechas en más de una dimensión. Las operadoras que generan rendimientos desproporcionados de la IA han abordado las seis simultáneamente.

Estas líderes han reconstruido su forma de operar en torno a sus capacidades, no solo han implementado nuevas capacidades en las operaciones existentes. Como deja claro nuestra investigación intersectorial ,¹¹ La capacidad de probar, aprender y escalar más rápido que la competencia constituye en sí misma una ventaja competitiva estructural . Una iteración más rápida genera más datos, mejores datos mejoran los modelos y una dinámica acumulativa amplía continuamente la brecha entre líderes y rezagados. En el sector de los seguros, esta brecha ya es visible: los líderes en IA han generado un TSR seis veces mayor que los rezagados.¹²

Preguntas para los líderes de toda la cadena de valor:

En función de las seis dimensiones de una empresa reestructurada (estrategia, talento, modelo operativo, tecnología, datos y adopción), ¿cuáles son las limitaciones que le impiden avanzar al ritmo de las empresas nativas tecnológicas?

¿Han logrado pasar con éxito de los proyectos piloto a la industrialización en al menos una parte del negocio, o siguen acumulando pruebas de concepto mientras sus competidores desarrollan ventajas a nivel de producción?

Agilidad estratégica en la era de la IA.

Hemos argumentado que la IA probablemente transformará cuatro dinámicas —la pérdida de relevancia, los altos costos de distribución, la productividad estancada y la lentitud del cambio— que han caracterizado al sector asegurador durante los últimos 20 años. Otra versión plausible de esta historia resultaría más cómoda para los líderes del sector. Sería así: la IA mejora la productividad marginalmente. La economía de la distribución se mantiene en gran medida estable (a medida que los agentes y corredores profundizan sus relaciones con los clientes y amplían los servicios que ofrecen). La estructura fundamental de quién posee el riesgo, quién lo distribuye y quién obtiene beneficios permanece prácticamente intacta.

Como dijimos al principio, no ofrecemos una hoja de ruta. Un plan de IA a cinco años basado en capacidades supuestas corre el riesgo de quedar obsoleto antes de su implementación. Los líderes pueden determinar qué futuro es más probable si así lo desean. Pero el desafío práctico para los ejecutivos radica en cómo actuar estratégicamente cuando la trayectoria precisa es incierta. Las empresas que desarrollen la capacidad de corregir el rumbo de forma rápida y repetida, en lugar de apostar por un único plan estratégico, tendrán oportunidades de ampliar su ventaja competitiva a medida que el entorno cambie.

Nuestro trabajo con empresas de todo el mundo confirma cada vez más que los líderes no esperan a tener una visión clara. Están invirtiendo ahora en las capacidades, los datos y los cambios en el modelo operativo que definirán su posición, independientemente de cómo se desarrollen los acontecimientos. Aquí presentamos tres decisiones acertadas que todos los directores ejecutivos pueden tomar hoy mismo:

Primero, define tu ambición y designa a alguien responsable de lograrla . Las empresas que generan el valor más duradero a partir de la IA parten de una tesis clara: ¿Qué tipo de empresa estamos construyendo y qué problema empresarial intentamos resolver? ¿Utilizaremos la IA principalmente para fortalecer la atención al cliente —controlando y protegiendo el acceso a clientes y distribuidores— o para convertirnos en el motor de riesgo y producto más potente que potencialmente impulse las relaciones con los clientes de otros (agentes, plataformas, ecosistemas)? ¿Utilizaremos la IA para ganar principalmente en escala y coste, o en profundidad de especialización en un dominio inigualable?

El objetivo no es elegir solo una o dos opciones y abandonar las demás, sino definir claramente dónde invertir las mayores sumas en IA y diseñar el modelo operativo para obtener el primer puesto en las áreas seleccionadas. Si bien muchas opciones pueden resultar atractivas, intentar abarcarlas todas a la vez, sin la convicción ni la inversión necesarias para liderar ninguna, casi nunca funciona. Cada mes sin una respuesta clara representa un mes de inversión insuficiente en el camino que finalmente elijan los líderes.

La claridad de dirección es solo una parte del proceso. Las empresas que realmente avanzan con rapidez y alcanzan una escala significativa están lideradas por un CEO que se responsabiliza visiblemente de la transformación de la IA y ha designado a un líder sénior con plena responsabilidad para su implementación. Este líder necesita la autoridad, los recursos y el mandato para impulsar la agenda de IA de principio a fin, trabajando en estrecha colaboración con los líderes de negocio, tecnología y recursos humanos, en lugar de distribuir la responsabilidad entre un comité. Paralelamente, los líderes de negocio deben definir la ambición de la IA para sus respectivos ámbitos, en coordinación con la transformación de la empresa en su conjunto y al servicio de la misma. En un entorno donde la tentación de realizar pruebas piloto, ser cauteloso y postergar es constante, este tipo de responsabilidad clara y de alto nivel es lo que convierte la intención estratégica en una ventaja competitiva.

En segundo lugar, hay que construir el motor que realmente lo haga posible , y seguir haciéndolo a medida que el mercado cambie. Una estrategia clara solo crea valor si la organización puede ejecutarla con rapidez y adaptarse con agilidad cuando el panorama cambie. Esto significa invertir en tres cosas simultáneamente y tratarlas a todas como igualmente fundamentales:

• La columna vertebral tecnológica. Se necesita una arquitectura diseñada para el aprendizaje continuo, el despliegue rápido y la mejora iterativa, no una colección de proyectos piloto superpuestos a una infraestructura heredada. El enfoque más eficaz consiste en seleccionar dos o tres de los problemas empresariales de mayor valor, desarrollar capacidades reales en ellos y permitir que la organización aprenda lo que significa operar a la velocidad de la tecnología antes de escalar aún más. Las lecciones aprendidas en esos primeros ámbitos son tan importantes como los resultados.

• El modelo operativo. En esos mismos ámbitos prioritarios, el diseño de cómo interactúan las personas y la tecnología en el día a día debe evolucionar a la par que la tecnología misma. La mayoría de las transformaciones no fracasan por un rendimiento deficiente de la tecnología, sino porque el entorno empresarial que la rodea no se adapta. Las estructuras de aprobación, los derechos de decisión y los ciclos de gobernanza diseñados para una era más lenta no se ajustan automáticamente a las nuevas herramientas. Las empresas que lo hacen bien están rediseñando deliberadamente esas estructuras primero dentro de sus ámbitos prioritarios, manteniendo el criterio humano en los aspectos más importantes y permitiendo que la automatización tome el control donde ofrece mejores resultados. Lo que se construye en esos ámbitos se convierte en el modelo para todo lo que viene después.

• Talento. Concentre a sus mejores profesionales en esos mismos ámbitos prioritarios, trabajando con fluidez en la intersección del profundo conocimiento empresarial y la capacidad de IA, integrados en las funciones donde se desarrolla el trabajo, en lugar de estar aislados en un centro de excelencia. Estas personas son el recurso más escaso del sector hoy en día, y esta escasez no se resolverá solo con la contratación. Desarrollar una sólida base de talento donde más se invierte acelera tanto los resultados como el aprendizaje, y la capacidad desarrollada en los primeros ámbitos se convierte en la base y el modelo para su expansión en el resto de la empresa.

En tercer lugar, cambia la forma en que cambias. La mayoría de las organizaciones subestiman lo difícil que es lograr que cientos o miles de personas adopten nuevas formas de trabajar. Implementar un modelo o una herramienta no es lo mismo que cambiar el comportamiento, y el cambio de comportamiento a gran escala requiere un enfoque fundamentalmente diferente al que la industria ha aplicado históricamente a los despliegues tecnológicos. Las empresas que lideran el sector consideran la adopción como una capacidad estratégica en sí misma. Comienzan ayudando a los empleados a comprender cómo la IA permite a la organización cumplir con su propósito fundamental para los clientes y las comunidades; luego, diseñan programas de activación y sistemas de gestión que involucran a los equipos de primera línea a gran escala; capacitan a las personas con nuevas capacidades de manera precisa, inmediata y práctica, en lugar de teórica; y construyen la infraestructura de retroalimentación para monitorear el progreso en tiempo real.

Este último punto es más importante de lo que la mayoría de los líderes esperan. Sin una visibilidad real de cómo se desarrolla la adopción, las organizaciones avanzan a ciegas. Los equipos que parecen estar transformándose pueden haber vuelto discretamente a sus hábitos habituales; los ámbitos que deberían generar beneficios económicos pueden estar quedándose cortos; los esfuerzos de cambio que parecen suficientes desde la dirección pueden necesitar ser rediseñados por completo en primera línea. Lograr un alto grado de transparencia no es un simple ejercicio de elaboración de informes. Es lo que permite a la organización corregir el rumbo con la suficiente rapidez para mantenerse a la vanguardia en un mercado implacable.

En conjunto, estos tres compromisos describen algo más que una estrategia de IA. Describen una empresa reinventada: una que sabe lo que es, ha desarrollado la capacidad para ofrecerlo y ha fortalecido su estructura organizativa para seguir adaptándose a medida que cambian las circunstancias y se revelan el camino y el potencial, aún desconocidos, de la IA.

Fuente: MacKinsey&Company

Acerca del/de los autor/es

Jason Ralph es socio de la oficina de McKinsey en Minneapolis, Johannes-Tobias Lorenz es socio sénior en la oficina de Düsseldorf, Nick Milinkovich es socio en la oficina de Toronto, Sid Kamath es socio en la oficina de Charlotte, Tanguy Catlin es socio sénior en la oficina de Boston y Gabriella Meijer es socia asociada en la oficina de Detroit.

Los autores desean agradecer a Alexa Della Fera, Amy Enrione, Daniel Garza, Grier Tumas Dienstag, Josue Ulate Chinchilla, Matthew Scally, Ramzi Elias, Robert Malan y Yannick Meier por sus contribuciones a este artículo.

Este artículo fue editado por Mark Staples, director editorial de la oficina de Nueva York.

Links:

1.- MacKinsey Insurance Global Pools

2.- Análisis del clima y catástrofes 2006, AON

3.- Adrien Currat, Joe Perry y Jeffrey Yong, Análisis del ciberseguro: La red de seguridad digital corporativa , Financial Stability Institute, junio de 2026.

4.- Instituto Swiss Re.

5.- Adrien Currat, Joe Perry y Jeffrey Yong, Análisis del ciberseguro: La red de seguridad digital corporativa , Financial Stability Institute, junio de 2026.

6.- “ El imperativo de la productividad en los seguros ”, McKinsey, 14 de agosto de 2019.

7.- “ El imperativo de la productividad en los seguros ”, McKinsey, 14 de agosto de 2019; Alex D'Amico, Kweilin Ellingrud, Daniel Garza y ​​Nancy Szmolyan, “ El imperativo de la productividad para las aseguradoras de vida y rentas vitalicias de EE. UU. ”, McKinsey, 16 de marzo de 2021.

8.- “ El futuro de la IA en el sector asegurador ”, McKinsey, 15 de julio de 2025.

9.- “ ¿Merece la pena ese agente de IA? La economía de los agentes y el modelo operativo moderno ”, McKinsey Quarterly , 13 de julio de 2026.

10.- “ El futuro de la IA en el sector asegurador ”, McKinsey, 15 de julio de 2025.

11.- “ Reconfigurados y a la vanguardia: los líderes digitales y de IA están dejando atrás al resto ”, McKinsey, 12 de enero de 2024.

12.- “ El futuro de la IA en el sector asegurador ”, McKinsey, 15 de julio de 2025.