Entrevista con Raúl de Villa Cano, Cofundador y Director de Soluciones Digitales para Seguros en Tech and Solve
En un entorno donde el crecimiento del sector asegurador convive con mayor presión en siniestralidad, costos y expectativas de servicio, la conversación ya no gira en torno a “si” implementar inteligencia artificial, sino en “cómo” hacerlo sin comprometer el margen técnico ni la experiencia del cliente.
Desde su experiencia acompañando a aseguradoras en procesos de transformación, Raúl de Villa Cano es claro: el mayor desafío no es tecnológico, es estructural.
El verdadero problema: el modelo operativo, no la tecnología
“El sector asegurador en 2025 creció alrededor de 13% en primas respecto a 2024, pero ese crecimiento viene acompañado de mayor siniestralidad, presión en costos y expectativas de servicio mucho más altas”, explica De Villa Cano.
La ecuación es clara: proteger el margen técnico mientras el cliente exige inmediatez, transparencia y autoservicio.
Desde su perspectiva, el principal desafío no es adoptar nuevas herramientas digitales, sino transformar modelos operativos heredados que siguen dependiendo de alta manualidad, validaciones redundantes y procesos fragmentados. “Cuando el modelo operativo no está diseñado para decidir rápido y bien, la tecnología termina amplificando ineficiencias en lugar de resolverlas”, señala.
La IA, advierte, no puede ser un parche ni una capa adicional sobre procesos obsoletos. Su verdadero valor aparece cuando rediseña de forma inteligente el flujo completo —desde la captura del dato hasta la decisión— con trazabilidad y métricas financieras claras.
De pilotos prometedores a impacto real
Uno de los fenómenos más comunes en la industria es la proliferación de pilotos de IA que nunca escalan. El problema, afirma De Villa Cano, es que muchas aseguradoras prueban tecnología, pero no construyen capacidad organizacional.
“Según IBM, el 95% de los pilotos corporativos de IA no genera retornos medibles ni llega a producción. Eso explica por qué tanta disrupción se queda en laboratorio”, comenta.
Las causas se repiten: pilotos sin integración al core, sin patrocinio ejecutivo con KPI financiero asociado y sin una visión clara de industrialización.
Medir precisión de modelos o velocidad de algoritmos no es suficiente. “Si no impacta indicadores como ratio combinado, costo por siniestro, productividad comercial o CAC, la iniciativa se queda en innovación interesante, pero marginal”, afirma.
Para él, la diferencia entre experimento e impacto es simple: el impacto cambia la estructura económica del negocio.
En Tech and Solve trabajan bajo una premisa clara: no hay piloto sin destino. Antes de iniciar, debe estar definido qué dominio se transforma, cómo se integra al modelo operativo y qué indicador estratégico se va a mover.
Los tres pilares de una transformación real
La IA solo se convierte en una palanca estratégica cuando tres elementos avanzan de forma coordinada: datos confiables y gobernados, procesos rediseñados de punta a punta y liderazgo ejecutivo activo con objetivos financieros claros.
En un país donde la penetración del seguro ronda el 3% del PIB, bajo metodología OCDE, De Villa Cano es claro: “El crecimiento no puede depender solo de vender más. Necesitamos operar mejor y tomar mejores decisiones”.
Cuando uno de estos factores falta, la IA se convierte en gasto tecnológico. Cuando los tres están alineados, se transforma en ventaja competitiva sostenible.
¿Optimización marginal o transformación real?
Para distinguir entre ambos enfoques, De Villa Cano propone una pregunta clave: ¿qué KPI estratégico está moviendo la iniciativa?
Automatizar tareas aisladas puede generar ahorros puntuales, pero no cambia el negocio. En contraste, rediseñar dominios completos —como siniestros, suscripción o distribución— sí transforma la estructura de costos, la velocidad operativa y la experiencia del cliente.
“Los casos verdaderamente transformacionales afectan alto volumen, impactan una decisión clave y están conectados directamente a métricas financieras”, explica. La métrica, enfatiza, es el juez final.
Hoy, los retornos más claros y sostenibles de la IA en seguros se concentran en tres frentes:
Operaciones y backoffice, con reducciones de tareas manuales de entre 20% y 40% cuando el rediseño es integral y no solo automatización.
Siniestros, donde el triage inteligente, la validación documental automatizada y los workflows integrados reducen tiempos de ciclo, aumentan el STP y fortalecen el control antifraude.
Productividad comercial, mediante copilotos para agentes y automatización de cotización y emisión, potenciando canales existentes sin reinventar el modelo de distribución.
“El retorno sostenible aparece cuando la inteligencia se integra al flujo operativo y al core del negocio. Ahí deja de ser promesa tecnológica y se convierte en disciplina operativa”, puntualiza.
Tendencia vs ventaja competitiva
De cara al futuro, el directivo es contundente: la diferencia entre las aseguradoras líderes y las rezagadas no será quién tiene IA, sino quién la convierte en capacidad operativa.
Ejemplos globales lo demuestran. Ping An rediseñó su ecosistema completo integrando datos, salud y suscripción en tiempo real. Lemonade nació con un modelo IA-native, concebido desde el inicio como un sistema de decisiones automatizadas. Allianz, como incumbente, industrializó dominios clave mediante automatización end-to-end y gobierno global de datos.
En contraste, las organizaciones que adoptan tecnología como tendencia acumulan soluciones aisladas sin impacto estructural ni conexión directa con el desempeño financiero.
“En los próximos años, muchas aseguradoras tendrán IA. La diferencia será convertirla en gobierno de decisiones y en impacto financiero medible”, concluye.
Porque, en un mercado con presión sobre márgenes y brechas de cobertura, la ventaja competitiva no estará en innovar más rápido, sino en transformar mejor.
www.techandsolve.com | raul.devilla@techandsolve.com
