IA per a asseguradores: per què els pilots de sinistres i subscripció no arriben a producció

Si estàs buscant IA per a la teva asseguradora —o ja tens pilots en marxa—, segurament reconeixes l'escena: un proveïdor t'ensenya una demo que llegeix un comunicat de sinistre i el resumeix en segons, o que classifica un risc de subscripció a l'instant. Impressiona. Sis mesos després, aquell pilot continua sent un pilot. L'automatització real de sinistres i subscripció no ha arribat a producció, i ningú sap explicar per què. La raó és la mateixa en gairebé totes les asseguradores mid-market, i no té a veure amb el model d'IA que vas triar.

Per què les asseguradores acumulen pilots que no escalen

L'assegurança és, en el fons, un negoci de documents i decisions regulades: comunicats, pòlisses, condicionats, informes pericials, historials, respostes a licitacions. És exactament el tipus de feina on la IA generativa sembla encaixar de meravella —i per això els pilots es multipliquen—. Però una demo es fa amb l'expedient net i el cas feliç; l'operació real té la casuística de milers d'assegurats, amb formats estranys, excepcions i conseqüències regulatòries. Entre la demo i aquesta realitat hi ha tres murs que qualsevol CIO o director d'operacions d'una asseguradora reconeix:

• La IA no coneix el teu negoci assegurador. Un assistent genèric no sap què és una franquícia deduïble en el teu ram, com distingeixes un frau d'un sinistre legítim, ni quina clàusula del teu condicionat aplica. Respon en genèric i s'equivoca just en la vora on l'error és car.
• No hi ha criteri de qualitat reproduïble. Sense una manera automàtica de comprovar si la IA va classificar bé un risc o va extreure bé una dada del comunicat, cada release és una aposta. I en un procés que afecta la prima o el pagament d'un sinistre, apostar no és una opció.
• El cost i la traçabilitat no estan sota control. Sense mesurar el cost per expedient processat i sense deixar rastre de per què la IA va decidir el que va decidir, la factura de tokens creix, l'equip de compliment bloqueja el desplegament, i el cas de negoci que justificava el projecte desapareix.

Els tres processos on més promet la IA (i més s'encalla)

No tots els processos fallen pel mateix, però el patró es repeteix. Aquests són els tres on les asseguradores mid-market concentren els seus pilots —i on el salt a producció es decideix:

Sinistres

Automatitzar sinistres amb IA —llegir el comunicat, extreure les dades, contrastar amb la pòlissa, proposar una resolució— és el cas estrella. I el que més es trenca en escalar: cada ram té la seva documentació, cada sinistre la seva excepció, i un error en l'extracció o en l'aplicació d'una cobertura té cost directe. Producció exigeix que la IA entengui la teva tipologia de sinistres i que cada decisió sigui verificable i auditable, no que "normalment encerti".

Si aquest és el teu cas, la peça que baixa al detall —les sis fases del sinistre, què exigeix l'AI Act després de la reforma del juliol de 2026 i com començar per una tipologia acotada— és automatitzar sinistres amb IA.

Subscripció

Automatitzar la subscripció d'assegurances amb IA —avaluar el risc, classificar, demanar informació que falta— promet escurçar temps d'emissió. Però subscriure és decidir sobre la prima i sobre a qui assegures: un model que biaixa o al·lucina no és un bug, és un problema regulatori i comercial. Sense el context de les teves regles de subscripció i sense control sobre per què decideix, no passa el filtre de riscos.

Resposta documental i RFP

Corredories i asseguradores dediquen centenars d'hores a respondre licitacions i a produir documentació tècnica sobre un corpus enorme de condicionats i precedents. Un RAG sobre aquests documents és dels usos amb millor retorn —i dels més fàcils de subestimar—: si el sistema cita malament una clàusula o barreja condicionats, l'error viatja a un client o a una oferta vinculant. El valor és real; l'exigència de precisió, també.

Què exigeix producció en un entorn regulat (que la POC no)

Portar la IA d'un pilot assegurador a producció no és un problema de triar millor model: és un problema de consistència, govern i cost, agreujat perquè el sector està regulat. Quatre coses que la demo es salta i producció no perdona:

• Enginyeria de context del teu negoci: recollir com funcionen de veritat els teus rams, les teves regles de subscripció, la teva tipologia de sinistres i els teus condicionats, i convertir-ho en el context que fa servir la IA. És el que fa que respongui com la teva asseguradora i no com un chatbot genèric.
• Verificació en cada pas: avaluacions reproduïbles que comproven si la sortida és correcta abans que afecti un expedient. Sense evals no hi ha producció possible en un procés que toca primes o pagaments.
• Traçabilitat i compliment (AI Act): el disseny compliance-first —registre de decisions, explicabilitat, control humà— no és un afegit posterior; és el que permet que riscos i compliment aprovin el desplegament. En assegurances, un sistema que no pot justificar les seves decisions no arriba a producció.
• Cost per expedient, mesurat: el cost real de la IA no és el preu del model, és el que costa processar un expedient útil de principi a fi. Mesurar-lo des del primer prototip és el que evita la factura que es multiplica en escalar i manté viu el cas de negoci.

Com començar sense un "gran projecte d'IA"

L'error car és llançar un programa d'IA transversal que promet transformar tota la companyia i que, als sis mesos, no ha posat un sol procés en producció. La manera que funciona és la contrària:

1. Un procés, no una plataforma. Tria el procés amb dolor més clar i mesurable —normalment sinistres d'un ram concret, o resposta documental—. Un, ben fet, ensenya més i convenç més que deu a mitges.
2. Criteri de qualitat abans que automatització. Defineix com sabràs que la IA encerta (l'eval) abans de construir res. Si no ho pots mesurar, no ho pots posar davant d'un assegurat.
3. Governança i cost des del dia u. Instrumenta la traçabilitat i el cost per expedient des del primer prototip, no quan arribi l'auditoria o la factura. En un sector regulat, això no és opcional.
4. Del pilot provat, a expandir. Quan un procés funciona en producció amb mètriques, tens el cas intern per portar el mateix mètode al següent. La IA corporativa de la teva asseguradora es construeix procés a procés, no d'un big bang.

Preguntes freqüents

Per a què serveix la IA en una asseguradora mid-market?

Sobretot per automatitzar processos intensius en documents i decisions: gestió de sinistres (llegir comunicats, extreure dades, contrastar amb la pòlissa), subscripció (avaluar i classificar risc), i resposta documental o a RFP sobre el teu corpus de condicionats. El valor no està en un chatbot genèric, sinó a aplicar la IA a un procés concret amb el context del teu negoci i amb control de cost i compliment.

Per què el meu pilot d'IA per a sinistres o subscripció no arriba a producció?

Perquè la demo fa servir l'expedient net i producció fa servir la casuística real de milers d'assegurats. Sense enginyeria de context (que la IA conegui els teus rams, regles i condicionats), sense evals reproduïbles (que comprovin si encerta) i sense traçabilitat per a compliment, el sistema falla a la vora, l'equip de riscos bloqueja el desplegament i el cost es descontrola. No és el model: és el mètode que separa una POC d'una operació governada.

Com compleix amb l'AI Act un sistema d'IA per a assegurances?

Amb disseny compliance-first: registre de cada decisió, explicabilitat de per què la IA va proposar el que va proposar, i control humà en els punts que afecten prima, cobertura o pagament. La traçabilitat no s'afegeix al final; es dissenya des del principi, i és precisament el que permet que el sistema passi el filtre de riscos i compliment i arribi a producció.

Conclusió

Els pilots d'IA de les asseguradores no s'encallen per falta de talent ni per triar malament el model: s'encallen per saltar-se el mètode que converteix una demo en una operació regulada i rendible. Context del teu negoci assegurador, verificació en cada pas, traçabilitat per a compliment i cost per expedient mesurat — això és el que fa que sinistres, subscripció i resposta documental arribin a producció i aguantin. I es fa per processos concrets, no amb un gran projecte que ho promet tot.

Si tens un pilot assegurador encallat entre la demo i producció —o vols arrencar bé des del principi— comença per un diagnòstic: en unes setmanes saps quin context i quines evals calen, què exigeix el teu procés per complir, i què costa de veritat.

Tot això forma part d'una idea més àmplia: construir la intel·ligència IA de la teva empresa, procés a procés, amb la IA que entén com treballeu.