Hace unos años, Stephen Hawking afirmó que la IA puede ser la creación más grandiosa de la humanidad, pero que también puede ser la última. Si la frase no anticipa, por lo menos sí resume una actitud bastante generalizada de asombro y de temor apocalíptico. Esta plática es un llamado a la ecuanimidad que apela al fundamento de la profesión actuarial. Propongo una interpretación del riesgo asociado a la IA que permite una separación de distintos tipos de riesgo; y apunto a la conveniencia de gestionarlos de una manera diferenciada.

Ejemplos prácticos de cómo se puede aplicar la IA en los diferentes procesos del día a día del mundo asegurador: smooth onboarding de clientes, segmentación comercial, estimación de la propensión a compra, modelización de la tasa de abandono…

Por su relevancia y presencia mediática las encuestas electorales están siempre siendo juzgadas por la población interesada, a veces sin tener información suficiente, a veces cuestionadas porque no nos gustan sus resultados.

Esta plática pretende, sin entrar en fórmulas matemáticas, explicar todos los elementos que hay que considerar en el análisis de las encuestas y en particular las electorales y comentar sobre las que se levantaron para las elecciones de este año.

Los cambios en la legislación de pensiones han causado mucha polémica.  Las nuevas reglas ayudan socialmente, pero no resuelven la heterogeneidad de los sistemas, ni el problema financiero. El Mtro. Francisco Miguel Aguirre nos presentará su visión y propuesta de la ruta a seguir para diseñar una ley general que regule a todos los sistemas públicos de pensiones en México.

Machine Learning (ML) es una tecnología que aplica técnicas computacionales y estadísticas para automatizar tareas mediante la identificación de patrones en la información. En la presentación explicaremos los conceptos fundamentales de esta tecnología, que implica un cambio de paradigma en el diseño de procesos de cómputo.

En la banca, sus aplicaciones son vastas y ofrecen ventajas significativas. Un ejemplo es la detección de fraudes y lavado de dinero, donde ML analiza transacciones para identificar anomalías, reduciendo costos y tiempos de revisión manual. En la evaluación de solicitudes de crédito, ML puede predecir la probabilidad de pago basado en datos históricos, mejorando las predicciones y costos.

Los chatbots, impulsados por el Natural Language Processing, mejoran la atención al cliente al ofrecer respuestas consistentes y disponibles 24/7. Bank of America, por ejemplo, utiliza su chatbot Erica para alertar a los clientes sobre sus hábitos de consumo y recordatorios de pagos, logrando una adopción significativa entre los usuarios. El procesamiento de documentos también se ve optimizado con ML, como en el caso de JPMorgan y su herramienta COiN, que analiza contratos legales en segundos, ahorrando tiempo y recursos.

La segmentación de clientes mediante técnicas de clustering permite a los bancos ofrecer productos adecuados a diferentes grupos, mejorando la relación con los clientes y las ventas. Asimismo, la retención de clientes se puede incrementar identificando patrones en cancelaciones anteriores y abordando proactivamente las posibles problemáticas. Las recomendaciones de productos, similares a las que ofrecen Netflix o Amazon, pueden adaptarse a los gustos del cliente, anticipando sus necesidades.

Además, el análisis de sensibilidad a los precios y el sentiment analysis permiten a los bancos comprender mejor a sus clientes y sus percepciones, ajustando estrategias y mejorando productos. Estas aplicaciones no solo benefician a la banca, sino que son transferibles a otros sectores, mostrando el impacto transversal de Machine Learning en la optimización y mejora de servicios empresariales.

En esta conferencia, veremos 3 casos prácticos de cómo un actuario se puede apoyar en la inteligencia artificial para ahorrarnos muchísimo tiempo. Los casos son:

Únete a nuestra conferencia para descubrir cómo Flask está transformando la validación de imágenes médicas y la automatización del cálculo regulatorio de créditos. Aprende a desarrollar sistemas que verifican la autenticidad de radiografías y estudios médicos, previniendo fraudes en seguros, y herramientas automáticas que aseguran el cumplimiento normativo y mejoran la eficiencia en el cálculo crediticio. No te pierdas esta oportunidad de explorar soluciones innovadoras que elevarán tus habilidades y optimizarán tus procesos. ¡Regístrate ahora y sé parte del futuro tecnológico en los sectores médico y financiero!

Únete a nuestra conferencia para descubrir cómo Flask está transformando la validación de imágenes médicas y la automatización del cálculo regulatorio de créditos. Aprende a desarrollar sistemas que verifican la autenticidad de radiografías y estudios médicos, previniendo fraudes en seguros, y herramientas automáticas que aseguran el cumplimiento normativo y mejoran la eficiencia en el cálculo crediticio. No te pierdas esta oportunidad de explorar soluciones innovadoras que elevarán tus habilidades y optimizarán tus procesos. ¡Regístrate ahora y sé parte del futuro tecnológico en los sectores médico y financiero!

Nuevos riesgos, especialmente los de transición climática, están teniendo mayor frecuencia y mayor severidad, lo que está impactando fuertemente en el mercado asegurador colombiano y de todo el mundo.

En esta conferencia, exploraremos cómo podemos enfrentar estos riesgos a través de nuestra estrategia de datos para la toma de decisiones, partiendo de la premisa de que no contamos con información o la que tenemos no es útil.

Nuevos riesgos, especialmente los de transición climática, están teniendo mayor frecuencia y mayor severidad, lo que está impactando fuertemente en el mercado asegurador colombiano y de todo el mundo.

En esta conferencia, exploraremos cómo podemos enfrentar estos riesgos a través de nuestra estrategia de datos para la toma de decisiones, partiendo de la premisa de que no contamos con información o la que tenemos no es útil.

La rápida integración de la inteligencia artificial y el aprendizaje automático (IA/AA) en el sector de la salud ha traído avances significativos en los últimos años. Actualmente, la IA/AA se utiliza en todo el espectro de actividades relacionadas con la salud, incluyendo:

Soporte en la toma de decisiones clínicas,
Revisiones automáticas de historiales clínicos,
Modelado predictivo de costos y resultados en salud,
Detección de fraudes.
Discutiremos algunas de las formas comunes en que la IA/AA se utiliza en el espacio de la salud hoy en día por los actuarios, junto con las oportunidades potenciales y los riesgos asociados a estos usos.

Los temas específicos incluirán:

Técnicas de modelado comúnmente utilizadas en la actualidad,
Uso del procesamiento del lenguaje natural,
Los compromisos entre explicabilidad y precisión,
La evolución de las regulaciones en Estados Unidos en torno al uso de IA/AA en salud, y consideraciones para garantizar que la IA/AA funcione en interés del público en todos los países,
Riesgos asociados con inexactitudes y sesgos en los modelos.

Ningún proyecto de datos es igual, pues cada uno tiene sus propios retos, oportunidades y posibles soluciones que impactan en su desarrollo. Sin embargo, tienen en común el ciclo de vida del dato – desde la creación hasta la destrucción de este – y hay quienes definen entre 5 y 8 pasos que hacen referencia a (1) creación, (2) almacenamiento, (3) uso, (4) resguardo y (5) destrucción. Platicaremos de cada una de las etapas enfatizando en la importancia de la protección de datos así como en el gobierno de datos definido como «la planeación, seguimiento y ejecución sobre la gestión de activo de datos».

En la intersección del talento, la tecnología y la ética, los actuarios enfrentan un paisaje transformado por la inteligencia artificial, que desafía los paradigmas tradicionales de riesgo y predicción. Esta presentación explorará cómo la IA está redefiniendo el futuro del trabajo y la protección social, destacando tanto las oportunidades sin precedentes para la innovación y eficiencia, como los dilemas éticos emergentes. Discutiremos el desarrollo de marcos normativos adaptativos que aseguren que la IA no solo aumente la eficacia actuarial, sino que también fortalezca los principios de equidad y transparencia, contribuyendo así a la ratificación y el respeto de las Normas Internacionales del Trabajo y las buenas prácticas internacionales.

Esta sesión explicará el uso de la telemática, más comúnmente conocida como UBI correspondiente a seguros basados en el uso. Mientras que la UBI ha sido utilizada por las Compañías de Seguros por más de una década, la adopción por los usuarios ha sido muy lenta. En esta conferencia se mostrarán diferentes tipos de productos ofrecidos en los Estados Unidos, como las aseguradoras usan la información telemática para determinar precios y la adopción del mercado en la oferta de productos similares.

Esta sesión explicará el uso de la telemática, más comúnmente conocida como UBI correspondiente a seguros basados en el uso. Mientras que la UBI ha sido utilizada por las Compañías de Seguros por más de una década, la adopción por los usuarios ha sido muy lenta. En esta conferencia se mostrarán diferentes tipos de productos ofrecidos en los Estados Unidos, como las aseguradoras usan la información telemática para determinar precios y la adopción del mercado en la oferta de productos similares.

Una plática dirigida a la industria de seguros hacia soluciones proactivas y cuantitativas para abordar el posible sesgo racial en los precios de los seguros y los posibles prejuicios que afectan las cotizaciones.

«La implementación de la IFRS 17 establece principios para el reconocimiento, medición, presentación e información a revelar en los contratos de seguro. Su implementación aborda grandes retos, complejidad e integración de sistemas. En esta plática te invitamos a revisar la gestión eficaz de los datos y te daremos ejemplos prácticos y puntos clave.
1. El papel de los datos en la IFRS 17
Recogida de datos: Tipos de datos necesarios (actuariales, financieros, etc.).
Calidad de los datos: Exactitud, integridad y fiabilidad de los datos.
Gestión de los datos: Almacenamiento, tratamiento y análisis de los datos.
2. Retos relacionados con los datos
Complejidad de los datos: Diversidad y volumen de los datos que hay que gestionar.
Integración de sistemas: necesidad de integrar distintos sistemas y fuentes de datos.
Cumplimiento y seguridad: Garantizar el cumplimiento de la normativa y la seguridad de los datos.
3. Soluciones y buenas prácticas
Tecnologías y herramientas: Uso de software y herramientas de gestión de datos.
Gobernanza de datos: aplicación de políticas y procedimientos para la gestión de datos.
Formación y concienciación: Importancia de formar a los equipos en la gestión de datos.
4. Casos prácticos y ejemplos
Ejemplos reales: Presentación de casos reales en los que la gestión de datos fue crucial para la aplicación de la IFRS 17.
Lecciones aprendidas: Qué se puede aprender de estos ejemplos para mejorar la gestión de datos.
5. Conclusión
Resumen de puntos clave: Resumen de la importancia de los datos en la IFRS 17.
Perspectivas de futuro: Evolución de la gestión de datos en el contexto de las normas contables.»

«La implementación de la IFRS 17 establece principios para el reconocimiento, medición, presentación e información a revelar en los contratos de seguro. Su implementación aborda grandes retos, complejidad e integración de sistemas. En esta plática te invitamos a revisar la gestión eficaz de los datos y te daremos ejemplos prácticos y puntos clave.
1. El papel de los datos en la IFRS 17
Recogida de datos: Tipos de datos necesarios (actuariales, financieros, etc.).
Calidad de los datos: Exactitud, integridad y fiabilidad de los datos.
Gestión de los datos: Almacenamiento, tratamiento y análisis de los datos.
2. Retos relacionados con los datos
Complejidad de los datos: Diversidad y volumen de los datos que hay que gestionar.
Integración de sistemas: necesidad de integrar distintos sistemas y fuentes de datos.
Cumplimiento y seguridad: Garantizar el cumplimiento de la normativa y la seguridad de los datos.
3. Soluciones y buenas prácticas
Tecnologías y herramientas: Uso de software y herramientas de gestión de datos.
Gobernanza de datos: aplicación de políticas y procedimientos para la gestión de datos.
Formación y concienciación: Importancia de formar a los equipos en la gestión de datos.
4. Casos prácticos y ejemplos
Ejemplos reales: Presentación de casos reales en los que la gestión de datos fue crucial para la aplicación de la IFRS 17.
Lecciones aprendidas: Qué se puede aprender de estos ejemplos para mejorar la gestión de datos.
5. Conclusión
Resumen de puntos clave: Resumen de la importancia de los datos en la IFRS 17.
Perspectivas de futuro: Evolución de la gestión de datos en el contexto de las normas contables.»

Los actuarios tienen la misión de predecir el futuro en un mundo cada vez más incierto. Debatiremos cómo los actuarios están en una posición única para afrontar este reto y qué debemos hacer para responder a la aparición de nuevos riesgos, nuevas tecnologías y nuevas oportunidades.