IA generativa: avances recientes y casos de uso en seguros

08 August 2023

Bence Lukacs, experto en productos del socio de innovación digital Supercharge, evalúa el potencial de la IA generativa y considera lo que iniciativas como ChatGPT podrían deparar para el futuro de los seguros.

This page has been translated automatically.

Pocos avances tecnológicos de los últimos años han suscitado más debate que el crecimiento de la inteligencia artificial (IA). Rara vez lejos de los titulares este año, la IA está cobrando literalmente vida propia, y con el muy publicitado lanzamiento de ChatGPT, nos enfrentamos a grandes preguntas sobre las recompensas -y los riesgos- de una tecnología que podría cambiar el mundo.

"Hemos llegado a un punto de inflexión", afirma Bence Lukacs. "Con la creación de grandes modelos lingüísticos (LLM) como ChatGPT, podemos crear las llamadas aplicaciones 'killer technology' en todos los sectores, sin olvidar el de los seguros". El término se refiere a una innovación radical que arrasará rápidamente con el uso de las técnicas o procesos que la precedieron. Hasta ahora, la IA ha desempeñado un papel limitado en el sector de los seguros, principalmente en aplicaciones específicas y limitadas, por lo que no ha sido transformadora. Sin embargo, mediante el procesamiento del lenguaje natural, la tecnología de IA podría abrir posibilidades para una amplia gama de nuevos casos de uso".

El poder del lenguaje

Aunque ChatGPT es el nombre que está en boca de todos en estos momentos, es más interesante fijarse en la tecnología que hay detrás y en cómo los modelos lingüísticos están dando forma a una amplia gama de soluciones avanzadas de IA. Como explica Lukacs, ChatGPT pertenece a la familia de modelos lingüísticos de transformadores generativos preentrenados (de ahí la abreviatura GPT).

"La IA generativa incluye modelos de IA que pueden crear nuevo texto, imágenes, vídeo, audio, código u otros tipos de datos, basándose en el material sobre el que fueron entrenados", afirma Lukacs. "ChatGPT es un ejemplo de LLM que toma un fragmento de texto como indicación o instrucción y luego genera una respuesta probable que se ajuste al contexto. Con la IA estrecha, sólo se pueden realizar tareas limitadas y específicas, mientras que los modelos lingüísticos pueden realizar tareas complejas en un dominio mucho más amplio."

Los LLM, promovidos por un número creciente de grandes empresas tecnológicas, utilizan un algoritmo de IA de aprendizaje profundo que procesa conjuntos de datos masivos para generar nuevos contenidos.

Inteligencia entrenada

Como explica Lukacs, la inteligencia de la IA generativa procede de su amplio entrenamiento inicial con una gran cantidad de datos: el elemento "preentrenado" de la abreviatura GPT: "Hablamos de procesamiento del lenguaje natural porque eso es lo que hacen estos modelos lingüísticos. Procesan texto en lenguaje natural en cualquier idioma en el que hayan sido entrenados. Siguen una instrucción del usuario, puede ser una pregunta o una instrucción escrita, a partir de la cual el modelo genera una respuesta basada en la gran cantidad de texto relevante en el que se ha entrenado".

Además de recurrir a ingentes cantidades de información de dominio público, como contenidos de Internet, añade Lukacs, se puede aumentar el conocimiento de los modelos con datos e información propios. Por ejemplo, una compañía de seguros podría construir un chatbot que ayude a responder a las preguntas de los clientes sobre una póliza.

"La integración con tus propias fuentes de datos y sistemas será un punto fuerte", afirma Lukacs. "Si conectas un modelo lingüístico a tus propios sistemas y fuentes de datos con una API, puedes aprovechar las increíbles capacidades del modelo de IA para tus propios casos de uso específicos".

Casos de uso en seguros

Lukacs afirma que es poco probable que la IA generativa elimine pronto la necesidad de intervención humana directa en procesos empresariales críticos. Pero hay muchas formas de complementar y mejorar las prácticas tradicionales de los seguros. A la vista del interés actual por esta tecnología, Lukacs ve varias ventajas claras en la familia de modelos lingüísticos subyacentes: "A nivel básico, se podrían crear chatbots muy flexibles para las tareas cotidianas de los seguros", afirma. "Por ejemplo, resumir documentos de seguros para facilitar su lectura y generar respuestas a las consultas de los clientes a partir de sus propias bases de conocimientos. Con una integración sencilla a través de API, podría analizar y clasificar siniestros, y emplear un asistente de chatbot habilitado para GPT. Por último, mediante la integración avanzada de API con los sistemas centrales, podría automatizar el proceso de reclamación y liquidación, y agilizar las cotizaciones."

Comprender los riesgos y las limitaciones

A pesar de los muchos aspectos positivos de la IA, cada vez oímos hablar más de los peligros si evoluciona demasiado rápido y sin los controles necesarios. Para las aseguradoras, el exceso de confianza en interpretaciones y toma de decisiones no humanas entraña riesgos: "Tenemos que ser conscientes de los errores y los sesgos", advierte Lukacs. Es lo que llamamos alucinación o confabulación. Es cuando el modelo genera respuestas falsas porque no tiene una comprensión semántica profunda y en su lugar utiliza cálculos probabilísticos para generar resultados. Esto a veces puede descarriarse, por eso la supervisión y evaluación humanas siguen siendo importantes".

Construir para el futuro

Según Lukacs, debemos considerar la nueva generación de modelos de IA como una base que hay que perfeccionar y desarrollar continuamente para que se adapte a su propósito: "Si se toma el modelo GPT y se le aplica formación específica de un dominio, se puede aumentar su rendimiento y precisión en tareas muy concretas, como detectar fraudes en una reclamación de seguros o responder a una consulta sobre una póliza de seguros", afirma. "Con una personalización y un ajuste adicionales, puede aumentar la fiabilidad y el rendimiento de los modelos básicos para sus propios casos de uso. Esa es la verdadera potencia de estos modelos".

About Supercharge

Supercharge is an innovation partner that helps clients realise the benefits of digital technology. It works worldwide across many industries, including insurance, and designs, engineers and scales digital products to make businesses fit for the future.

Blog posts

Clearspeed’s intelligent voice-based screening technique aims to build trust, accelerate claims processing and minimise fraud. Alex Martin, Clearspeed CEO, explains the value of voice analytics.
Customers are driving insurers to engage more with AI-powered automated messaging technology like chatbots. Johannes Seebacher, co-founder of software provider riskine, describes their benefits and how they can even be used to offer risk analysis for customers.

User questions

Answered questions

Unanswered questions

Please note that submitted questions are public.

Views: 7083

Downloads: 0

Ratings by number of stars:
0 %
0 %
0 %
0 %
0 %

Page is favored by 0 user.

Contact inquiries: 0

Rate this page!