Las aseguradoras están perdiendo dinero en pólizas que no pueden identificar. La IA busca cambiar eso

Incluso en un año sólido para la industria, una startup afirma que entre el 20% y el 30% de las pólizas de una aseguradora pueden no ser rentables. Ha recaudado $8 million para ayudar a encontrarlas.

Los aseguradores de propiedad y accidentes de EE. UU. acaban de registrar uno de sus mejores años de suscripción en décadas, según un informe de Soteris, una startup respaldada por Y Combinator que vende software a la industria. 

Sin embargo, los resultados generales sólidos pueden ocultar puntos débiles. Soteris dice que muchas aseguradoras están perdiendo dinero silenciosamente en una parte significativa de sus pólizas y no tienen una forma fiable de identificar cuáles.

Soteris sale del modo sigiloso con más de $8 million en financiación semilla y un nuevo producto dirigido a ese problema. Su CEO, Sunit Shah, habló sobre lo que percibe como el punto ciego de la industria y lo que corregirlo podría significar para las aseguradoras y sus clientes.

Por qué las aseguradoras no pueden ver el problema

Las aseguradoras establecen precios y evalúan el desempeño agrupando a clientes similares, como conductores de cierta edad en una región determinada. Dado que cualquier póliza individual produce un siniestro o no, los actuarios han tratado durante mucho tiempo las diferencias dentro de un grupo como ruido aleatorio. Un grupo puede parecer saludable mientras algunas pólizas dentro de él pierden dinero, y el costo real de una póliza solo se muestra cuando llegan los siniestros, a veces años después de la venta.

“Todas las aseguradoras saben que están redactando pólizas que les harán perder dinero,” dijo Shah en una declaración. Argumenta que les faltan las herramientas para encontrar esas pólizas. Trabajando con aseguradoras, afirma, descubrió que incluso aquellas con libros fuertes llevaban pólizas que reducían la ganancia, en algunos casos entre el 20% y el 30% del total.

Una industria que avanza hacia la póliza individual

El tamaño del premio es la razón por la que la idea está recibiendo atención. McKinsey ha estimado que las aseguradoras podrían elevar sus resultados de suscripción, la ganancia obtenida al redactar pólizas, entre un 30% y un 50% mediante acciones coordinadas como recortar negocios no rentables y recuperar ganancias en grupos que parecen saludables en promedio. El informe de la consultora de 2025 informe de seguros señala una segmentación más fina y personalización hasta el individuo como la dirección a la que se dirige la industria.

Soteris es una startup que trabaja en ese cambio. Su enfoque utiliza aprendizaje automático, una forma de IA que aprende patrones a partir de datos históricos, para analizar las pólizas pasadas de una aseguradora de millones o incluso miles de millones de maneras. La empresa dice que un equipo que trabaja en hojas de cálculo podría ejecutar decenas o cientos. Al combinar esos análisis, puntúa cada póliza de forma individual en lugar de como parte de un grupo.

La empresa afirma que las aseguradoras pueden obtener una puntuación en menos de un cuarto de segundo, cuando se solicita una cotización o en cualquier momento posterior, y que la configuración lleva menos de 90 días.

De los siniestros al beneficio

El primer producto de Soteris, en uso con aseguradoras y las agencias que venden en su nombre desde 2020, predice cuánto del prima de cada póliza se pagará en siniestros. La empresa dice que ha evaluado más de 100 millones de solicitudes de pólizas por un valor superior a $180 mil millones en primas, y que los clientes mejoraron su ratio de pago de siniestros en 5 a 15 puntos porcentuales en un año.

El nuevo producto avanza un paso más, hacia el beneficio. El dinero de una póliza a menudo se reparte entre la empresa que la vende, la que posee la licencia estatal y la que aporta el capital, cada una tomando una parte distinta. Soteris afirma que el costo de los siniestros de una póliza no revela lo que gana para la empresa que la emite. La nueva herramienta estima esa cifra y la reporta en EBITDA, una medida común de beneficio operativo.

La empresa indica que varios proyectos piloto mostraron que el EBITDA de las aseguradoras aumentó entre un 70% y un 125%. Estos fueron pilotos y no implementaciones completas, y los resultados son propios de Soteris.

Qué podría significar para los clientes

Para alguien que compra seguro de coche o de vivienda, Shah dice que el efecto principal está del lado de la aseguradora, ya que la herramienta ayuda a garantizar que cada póliza sea rentable. Argumenta que el beneficio para los clientes es indirecto.

“El objetivo principal de las aseguradoras es aumentar su número de pólizas, por lo que el efecto secundario es que esto les permite bajar los precios para captar más cuota de mercado,” dijo Shah. “Así que, para la mayoría de la gente, esperaríamos que sus tarifas sean más bajas de lo que serían si la aseguradora no utilizara nuestro producto.”

Eso es una expectativa, no una garantía. La respuesta de Shah se centró en los precios y no abordó si los clientes marcados como no rentables podrían ser denegados en la cobertura o no renovados. La descripción de la empresa sobre su propio producto, que hace que las aseguradoras dejen de redactar pólizas que nunca serían rentables, sugiere que esa es una cuestión real.

La cuestión de la equidad

El uso de IA por parte de las aseguradoras ha generado preocupaciones de que las personas puedan ser tarifadas injustamente o rechazadas por un algoritmo. «Es una preocupación válida y es una que nos tomamos en serio», dijo Shah. Señala las normas existentes contra la discriminación y los requisitos de pruebas de sesgo, y afirma que la regulación es una razón para desarrollar IA internamente en lugar de depender de chatbots externos. Soteris afirma que sus modelos permiten mostrar cuánto contribuyó cada factor a cualquier resultado, lo que, según él, es importante para las aseguradoras porque cumplir correctamente con la regulación es esencial para tener éxito en la industria.

Por qué la espera y quién lo respalda

Soteris ha trabajado con aseguradoras desde 2020, pero solo ahora se está haciendo pública. Shah afirma que el problema tomó tiempo en resolverse. Construir el equipo adecuado fue difícil, y descubrió que los expertos externos al sector asegurador no encajaban automáticamente. «La experiencia en el dominio fue muy importante», dijo. Su propio camino comenzó con un negocio paralelo que desarrollaba modelos de precios para aseguradoras de vida mientras estaba en la escuela de posgrado. Tras obtener un doctorado en economía, trabajó en el fondo de cobertura Pine River Capital y ayudó a liderar un proyecto allí para crear una reaseguradora de propiedad y accidentes. «Fue realmente allí donde aprendí lo genuinamente difícil que es el seguro», comentó.

La ronda semilla fue liderada por Spider Capital, con la participación de Intact Private Capital, Amplify Partners, Foundation Capital, Webb Investment Network y Overlook Ventures. Soteris no nombró a ningún cliente. «En esta etapa no podemos compartir públicamente esta información debido a obligaciones contractuales», declaró Shah.

Qué observar

La dirección de la industria es clara: cada vez más aseguradoras quieren fijar precios y evaluar el riesgo póliza por póliza. Las preguntas abiertas son cuánto del posible beneficio es real fuera de los proyectos piloto y a dónde termina. Las aseguradoras podrían trasladar los ahorros a los clientes mediante precios más bajos, como espera Shah, o conservarlos como márgenes más altos mientras suscriben menos pólizas. Es probable que los reguladores vigilen de cerca qué clientes terminan en el lado desfavorable de las puntuaciones.