Hoy en día se habla mucho de las virtudes de las organizaciones basadas en datos. Esto es razonable hasta cierto punto, pero ¿qué significa realmente? Cuando se trata de decisiones operativas rutinarias, en particular, la tendencia actual parece favorecer el aumento de la automatización sobre el juicio humano. Los datos no mienten -o eso es lo que se dice-, así que es mejor recurrir a los modelos de decisión programática.
Eso puede ser razonable en algunas situaciones, pero cuando se opera en un ámbito complejo y lleno de matices, como las reclamaciones de seguros de accidentes, por ejemplo, ese paradigma de decisión altamente automatizado puede empezar a desmoronarse muy rápidamente. Entran en juego miles de variables diferentes. Los historiales médicos y los informes de accidentes contienen detalles sutiles que proporcionan pistas vitales sobre los riesgos potenciales. Para complicar aún más las cosas, las minucias importantes suelen estar enterradas en lo más profundo del contenido narrativo.
Un gestor de siniestros con experiencia puede captarlo, siempre que disponga del tiempo y la atención adecuados para revisar la documentación. ¿Puede un algoritmo lograr lo mismo?
La respuesta corta es que sí, pero eso viene con una advertencia de vital importancia. En ámbitos complejos, el análisis avanzado de datos no debe impulsar las decisiones automatizadas; debe informar y capacitar a los seres humanos para que tomen decisiones más eficaces. Las iniciativas de inteligencia artificial (IA) más eficaces de la actualidad hacen exactamente eso.
Impulsado por los datos vs. Informado por los datos
La distinción aquí es de vital importancia. El paradigma basado en los datos tiene que ver con la automatización. Se trata de alejar la responsabilidad de la toma de decisiones de los actores humanos y confiar en los algoritmos para que ocupen su lugar.
Por el contrario, un enfoque basado en los datos capacita y ayuda a las personas a tomar mejores decisiones, señalando los riesgos potenciales, destacando las anomalías y vigilando los cambios que puedan indicar la necesidad de atención. Es un ayudante, no un sustituto.
Si nos fijamos en mi ejemplo del sector de los seguros de accidentes, para los gestores de siniestros esto tiene poderosas implicaciones. Imaginemos, por ejemplo, que un trabajador lesionado ha faltado a tres citas consecutivas de fisioterapia. ¿Qué significa eso? Si el empleado ya no siente la necesidad de tratamiento, puede ser una señal de que está listo para volver al trabajo, pero también podría ser una indicación de que el caso ha dado un giro a peor. En cualquiera de los dos casos, hay que informar a un perito de la situación para que pueda hacer una evaluación adecuada.
En un ámbito complejo, este enfoque basado en los datos tiene un enorme potencial para transformar la cultura y los procesos de la organización.
En una organización informada por los datos, el tiempo puede dedicarse a tomar decisiones significativas y con impacto. Dado que ya no tienen que dedicar su tiempo a escudriñar los registros en busca de información relevante, disponen de suficiente ancho de banda para aplicar su criterio profesional a los casos de alta prioridad. La IA hace ese trabajo por ellos.
Las organizaciones informadas por los datos pueden aplicar sus valiosos recursos a cargas de trabajo predictivas basadas en la gravedad. Pueden centrarse en los siniestros que necesitan atención hoy, basándose en datos en tiempo real. La IA revisa y escanea los documentos entrantes y notifica a los peritos cuando un caso requiere su atención.
La oportunidad de negocio
El enfoque basado en datos ya está operativo en varias empresas líderes de todo el mundo. Está transformando los procesos e impulsando el cambio cultural, pero no de la manera que muchos escépticos de la IA han predicho. Las organizaciones basadas en datos no están deshumanizando sus procesos. Por el contrario, están potenciando y elevando a sus profesionales de las reclamaciones, permitiéndoles centrarse en un trabajo significativo e impactante.
El paradigma de los datos consiste en centrarse en los siniestros adecuados en el momento oportuno. Se trata de detectar correlaciones y anomalías, identificar riesgos potenciales y ponerlos en conocimiento de un gestor de siniestros experimentado.
¿El resultado? Una organización informada por los datos tiene una duración de los siniestros menor y unos costes totales de siniestros inferiores a la media. No es de extrañar que los trabajadores de las organizaciones informadas por los datos también disfruten de una satisfacción laboral sustancialmente mayor. Estas empresas están generando un alto retorno de la inversión, no reduciendo sus plantillas, sino elevándolas a actividades de mayor valor.
El debate entre construir y comprar
¿Cómo consigue una organización este tipo de transformación? Comienza con una predisposición a la innovación y el reconocimiento de que la analítica de datos avanzada tiene el potencial de transformar la gestión de siniestros desde una perspectiva operativa.
La sabiduría convencional nos dice que los datos propios son un activo diferenciado. En otras palabras, las empresas dan un gran valor a sus datos internos porque son suyos y nadie más los tiene. Sin embargo, en el mundo de la IA y el aprendizaje automático, más datos es generalmente mejor. Cuando los modelos de ML tienen acceso a mayores volúmenes de información, procedentes de una gama relativamente amplia de fuentes, pueden «aprender» más rápida y eficazmente.
La creación y el mantenimiento de este tipo de conjuntos de datos de gran volumen pueden ser extraordinariamente costosos y requerir mucho tiempo. La implicación para las aseguradoras es que en el debate de construir o comprar, hay un argumento cada vez más poderoso para ir más allá de los datos propios y adoptar las mejores plataformas de su clase para impulsar el modelo informado por los datos.
Esto proporciona un proceso de co-innovación flexible, permitiendo a las aseguradoras aprovechar soluciones y plataformas que ya han sido probadas en el mundo real, sin reinventar la rueda. Es la alternativa rápida para las empresas que quieren convertirse en organizaciones informadas por los datos.
Tyler Jones, CCO de CLARA Analytics | Editadopor CambioDigital OnLine
