Rachid Chair, Enterprise Account Manager – Financial Services de Amazon Web Services Argentina, se hizo presente en la jornada “Cómo reactivar las ventas frente al nuevo escenario económico”, que Todo Riesgo organizó el 29 de abril en el entrepiso del Buenos Aires Marriott Hotel. El tema de su exposición fue “La inteligencia artificial como aliada: ¿por qué es importante, por qué ahora?”.
Por ahí al ver mi nombre en la grilla esperaban a un speaker internacional. Lamento decepcionarlos: soy tucumano, vivo desde hace varios años en la Ciudad de Buenos Aires y trabajo en Amazon Web Services (AWS).
AWS es una empresa que trabaja la vertical de tecnología de Amazon. Trabajamos cross con muchos clientes de la industria. En mi caso, trabajo particularmente con clientes de la industria financiera. Así que opero mucho con la industria del seguro, entre otras industrias dentro de esa vertical.
Necesidades
Lo que nos trae acá hoy, obviamente, es cómo reactivar las ventas, cómo ser más eficientes de cara a nuestros clientes, cómo poder ganar mercado y cómo estar primero. Desde una estrategia sólida y comercial hay varios pensadores que arrancan por el por qué, después por el cómo (cómo habilitamos ese por qué) y luego siguen por el qué o con qué herramienta específicamente.
Separé algunas cuestiones que llevan a reflexionar. Lo primero tiene que ver con el ADN de Amazon. Hay una frase de Jeff Bezos, Founder and Executive Chair de Amazon, relacionada con innovar, pensar en el cliente y crear nuevas verticales de negocios. Tiene que ver con entender que los clientes –y ahí existe un debate de si el cliente son los productores o el cliente final– están maravillosamente insatisfechos todo el tiempo. Por más que hagamos algo nuevo y les demos una nueva funcionalidad, siempre van a querer algo más, algo mejor. Siempre hay necesidades, a las que llamamos necesidades duraderas. Por más que se les dé un producto a un precio que crean correcto, no dirán: “Qué bueno que está este producto, te voy a pagar más”. Uno siempre va a buscar necesidades duraderas de algo que sea mejor, más eficiente, más barato y con más variedad. Entonces, tenemos un hecho: nuestros clientes están todo el tiempo insatisfechos, por así decirlo.
Dentro de la industria, Amazon atraviesa a un montón de aseguradoras e insurtech. Precisamente, las insurtech tendrán un rol especial en esta disertación como habilitadores de transformación y de la llegada a los clientes finales para poder captarlos y darles más y mejores servicios.
Hitos
En esta conversación quiero rescatar algunos hitos que estamos viviendo en el mercado. Claramente, hay un cambio generacional, un cambio de la audiencia del cliente del seguro. Por ahí, ese cliente tiene otro tipo de necesidades o consume sus servicios (hasta los de seguros) a través de elementos digitales. Busca que todas sus experiencias sean digitales.
Por otro lado, tenemos cuestiones geopolíticas, inflacionarias y de costumbres del país que les generan cierta presión a las primas y que hacen que tienda a elevarse su precio.
Después, obviamente, hay un marco regulatorio. En la Argentina, quizá, no es tan asfixiante como en otras regiones, pero el cliente siempre está insatisfecho. Tenemos que estar corriendo detrás de las regulaciones para poder innovar y cumplir con las regulaciones que propician los entes. Entre otras cuestiones, para quien crea servicios y productos, hay presiones sobre sus costos para hacerlos cada vez más eficientes y más baratos. Esto es un cuello de botella que muchas veces nos impide innovar y crear nuevas soluciones de valor.
Hay otros elementos que parecen inconexos y que provienen más desde el lado de la tecnología. Muchos consideran que estamos frente a una cuarta revolución industrial que, por una parte, se potencia con la inteligencia artificial. Para tomar conciencia de su importancia, una de las mejores variables es la de la velocidad. Para poder alcanzar a 50 millones de usuarios, la radio tardó 38 años. A un elemento más moderno, como las redes sociales (Facebook, por ejemplo), le llevó casi cuatro años alcanzar esa cantidad de gente. En tanto, a la Inteligencia Artificial Generativa (IA Generativa), que es el ADN de aplicaciones como Chat GPT, le llevó un mes.
50 millones de usuarios en un mes: es un hito que nos llama la atención y pensamos que estamos frente a algo que es transformacional, disruptivo y, nos guste o no, es un tren que pasa y nos subimos o nos aplasta.
¿Cómo podemos usar esto a nuestro favor para poder entender mejor a nuestros clientes y servirlos mejor? Se hicieron ciertas entrevistas a los CEO de las empresas líderes del mundo y se considera que, cuando se tiene en cuenta este tren, el 50% de las empresas top del mundo no estarán en ese listado dentro de los próximos diez años. Habrá una transformación significativa del mercado. Por otro lado, la mayoría de esos ejecutivos consideran que el 60% de sus nuevas inversiones estarán vinculadas con la generación de nuevos negocios potenciados por herramientas como la inteligencia artificial.
Insurtech
La insurtech intenta agregar funcionalidad a algo que al mercado asegurador le cuesta, que es modificar los core de seguros, es decir, las estructuras del servicio base. Permite poder transformarlas y modificarlas para tener agilidad y generar nuevos productos y valor rápidamente. A las empresas de seguros les cuesta mucho, inclusive en la Argentina. Entonces, dentro del ecosistema de servicios que tiene, el mercado insurtech viene a colaborar con las empresas de seguros para darles herramientas a los productores y al cliente final que permitan generar valor más rápidamente.
Además de los clientes insatisfechos y la inteligencia artificial, otro dato es que el 60% de las inversiones del último tiempo fueron a parar a insurtech relacionadas con IA Generativa. No es un dato menor.
Inteligencia artificial
¿Qué es esto de la inteligencia artificial? ¿Qué es la IA Generativa? ¿Por qué las inversiones se van por ese lado? ¿Por qué creemos que es importante? ¿Y por qué a un productor de una empresa de seguros, a una aseguradora o a quien está en la cadena de distribución de valores les resulta importante? ¿Termina siendo relevante?
Empezamos por aclarar algunos conceptos para nivelar a la audiencia. Se llama inteligencia artificial a la capacidad de simular un comportamiento o alguna actitud propia del ser humano a través de una herramienta de software, como identificar una imagen, traducir un texto, hacer una recomendación sobre la base de un conjunto de lecciones o poder identificar un video.
La inteligencia artificial tiene un montón de subdisciplinas. Al machine learning (aprendizaje de máquina, en español) lo vemos en el día a día con alguna herramienta que dé su motor de recomendación. Por ejemplo, tengo un cliente que tiene asegurado los bienes 1, 2 y 3. Compro el bien 4 y es propenso a asegurarlo. Entonces, recomienda que lo asegure. Este es un algoritmo de fondo que está basado probablemente en el aprendizaje de máquina.
El segundo concepto, que es deep learning, es otra disciplina. Se usa cotidianamente en las aplicaciones de seguros, por ejemplo, cuando se da de alta una póliza y piden que se le saque una foto al vehículo. Esta capacidad de entender si ese vehículo es real, si está en buen estado o si no es el mismo vehículo y hay fraude, esta capacidad de razonamiento corre por cuenta de esta segunda disciplina que se llama deep learning.
Creación
La tercera es la IA Generativa, que es otra subdisciplina un poco más compleja y que es la que está revolucionando el mundo en este momento. ¿Por qué lo hace? Porque, a diferencia de las otras que pueden traducir un texto o convertir un texto a voz, ésta puede crear cosas. Quiero que se queden con esa frase de que la IA Generativa es distinta porque crea e inventa cosas de la nada, con lo bueno y lo malo.
¿Qué es lo que puede crear? Puede ayudar a crear nuevas experiencias para los clientes o a resolver cuestiones de productividad. La IA Generativa es muy buena para hacer resúmenes de texto o para la generación de escritos. A través de estas herramientas, hay empresas de la industria de medios que en la Argentina generaron notas en menos de 17 minutos, notas con 5 mil palabras listas para ser publicadas. Hay departamentos de Legales de la industria aseguradora que están generando contratos muy rápidamente y compañías de seguros locales que están analizando siniestros también muy rápidamente. La productividad es el pilar más fuerte en el que estas herramientas se distinguen.
Por otro lado, también generan mayor información de valor para la toma de decisiones, así como potencian la creatividad. De este modo, dentro del ciclo de vida del negocio del seguro, pueden ayudar a crear varias cosas y a potenciar la creatividad dentro de las empresas del negocio.
Servicios
¿Cómo la industria del seguro está adoptando los servicios de tecnología de AWS dentro del ciclo de vida del negocio? Por un lado, ayudan a tener una mejor prospección de clientes: entender quién es el cliente. El servicio se llama Customer 360. Hay muchas compañías aquí que tienen servicios financieros, seguros, riesgos del trabajo e inclusive banca. Poder nutrir a los clientes de una visión de 360º para que ayude a tomar decisiones es una de las herramientas.
Otra herramienta existe en la distribución o en el alta de clientes, donde ya se usa hace rato el procesamiento de documentos. Puedo sacarle una foto al carnet de manejo o a una cédula y que eso me sirva como elemento de entrada para completar el documento. También está el soporte de la omnicanalidad o el contact center de los clientes. Después hay distintas cuestiones que se usan dentro de la parte interna en el modelo de precios, de riesgos y demás. No estoy contando ninguna novedad. Ahora, la IA Generativa ayuda a potenciar algunas cuestiones de estos canales de una forma distinta y lo estamos empezando a ver.
En la Argentina estamos trabajando con muchas empresas de seguros. Una de ellas se dio cuenta que, respecto del conversion rate que tienen de los leads que se generan a través de clientes que completan información por las páginas, mientras más rápido sea el contacto, mayor es el nivel de conversión. Lo que decidieron es crear una herramienta de inteligencia artificial con una conversación humana y semántica para que directamente agarre a esos clientes, los barra y genere un primer contacto a través de WhatsApp preguntándoles si llenaron el formulario y si les interesó tal cosa. Ya con ese primer check y primer filtro podían saber si era un cliente real y si les interesaba. Se dieron cuenta que todavía no estaban libres para dejar todo esto a la inteligencia artificial. Hay una persona de fondo, que pueden ser los productores, a los que se les entrega un cliente prospectado, maduro y con intención de compra real.
Una de las cosas que se busca ahí es ayudar a mejorar la segmentación de mercado, ahorrarles tiempo a los productores y dar mayor nivel de conversión en el momento de generar un nuevo potencial cliente.
Interacciones
Otra de las cosas que estamos haciendo son interacciones iniciales en lenguaje natural. Los productores puedan llamar a un contact center de una aseguradora y decir que se tiene tal problema. Si bien atiende un asesor virtual del otro lado, habla en lenguaje natural. No dice: “Tenés opción uno para esto, opción dos para aquello…”. Esto no sirve. Si lo llamo diciéndole que tuve un accidente de trabajo y me rompí una gamba (este tipo de inteligencias aprende de la semántica y de los lunfardos de nuestro lenguaje), responde: “¿Te rompiste una pierna? Perfecto. ¿Es urgente? Te derivo a un agente o te tomo los datos y te estaremos contactando”. Desde el punto de vista de interacciones humanas, cambia significativamente la experiencia del cliente, ahorra tiempos, ahorra costos para la organización y genera una mejor experiencia para el cliente final.
La otra vuelta hablaba con un director de Siniestros de una compañía alemana que tiene presencia en la Argentina. Me contó que uno de los elementos de mayor fricción que tenía en momentos de un siniestro era la carga de información (no era consistente). Por ejemplo, en un formulario on line, un cliente respondía con su nombre y apellido en diferente orden al indicado o cada asegurado escribía diferente su fecha de nacimiento. Esto generaba fricción en los procesos automáticos de la carga de información. Se volvía al cliente y no se le podía cargar el siniestro. Era un dolor de cabeza.
Entonces, luego de cargar un documento y sacar fotos al carnet de manejo y a la información del siniestro, una de las grandes novedades de la IA Generativa es que entiende cuál es el documento de fondo y cuáles son los campos. Si hay algo que no entiende o que hay que enriquecer, lo pregunta en el momento. En una interacción en tiempo real para la ingesta de documentos ayuda a que el reclamo del cliente impacte en forma correcta, le ahorra tiempo a la compañía, reduce fricciones con el cliente final, acelera los tiempos de resolución de los siniestros y, al final del día, fidelizamos al asegurado a través de este tipo de herramientas.
Lecciones
Los casos de uso son muchos. Obviamente, hay algunos aprendizajes que hay que llevar a la práctica. Si bien pueden parecer muy lindos y revolucionarios, hay que llevarlos con cuidado. Existen algunas lecciones puntuales que aprendimos en el camino e invitamos a los clientes a que, si bien experimenten, tengan cuidado.
Primero: usemos la herramienta correcta para el trabajo correcto. ¿A qué me refiero? Salió un documento de la Universidad de Buenos Aires acerca de cómo los departamentos de Legales de las aseguradoras estaban utilizando la inteligencia artificial para hacer sumarización y resumen de siniestros, entre otras cosas.
Chat GPT, que es una herramienta buenísima, es una herramienta pública, lo que significa que toda información que se pone ahí va al mundo. Entonces, si la información confidencial de las organizaciones o de los clientes después va a otra persona y la consulta, probablemente esa inteligencia artificial haya aprendido lo que se le pasó y pueda responder cuestiones propias del conocimiento privado de las organizaciones. Hay herramientas que garantizan la seguridad y la privacidad de la información.
Segundo: obviamente, para que aprendan y sean efectivas para las organizaciones, no se les puede enseñar a estas inteligencias cualquier cosa. Lleva tiempo, hay que entrenarlas con los datos de las organizaciones, lleva mucha prueba y error y, en algún momento, se empieza a generar valor.
Tercero: tenemos que enamorarnos del problema y no de la solución. Muchas veces creemos que resolverá absolutamente todo y no es así. Hay procesos tradicionales que son determinísticos, mientras que la inteligencia artificial es probabilística, lo que significa que a una pregunta le puede dar dos respuestas. Capaz, las dos son válidas, pero hay cuestiones en la que la respuesta tiene que ser determinística. Tenemos que estar seguros de lo que dice. No podemos generar un asistente o un cirujano para preguntarle qué pierna le va a cortar a una persona. No debe haber probabilidad y tiene que ser una certeza. Entonces, hay que elegir la herramienta correcta para el escenario correcto.
Cuarto: se van a transformar las disciplinas. Un análisis indicó que en 1960 el 50% de los empleos actuales no existían. Imagínense cómo la tecnología, que nos atraviesa a todos y cada uno de nuestros roles y profesiones, transformará nuestros roles. Si no nos transformamos, sabemos que hay un factor de riesgo. Todos tenemos miedo de cuánta es nuestra vida útil. Los que trabajan en organizaciones y, por ahí, tienen posiciones de liderazgo deben acompañar a la gente, ayudar a que ellos puedan potenciar sus habilidades naturales o en lo que son buenos, aprendiendo a usar estas herramientas y a sacar lo mejor de la persona.
Quinto: esto tiene que ser implementado en forma responsable. Por ejemplo, si voy a utilizar esta herramienta para preguntar si me conviene asegurar un bien de lujo de una persona que tiene menos de 30 años, está estudiando y tiene un origen étnico que en esa ciudad alcanza un 60% de probabilidad de ir preso, la inteligencia artificial va a decir: “No sé si te lo recomiendo porque este pibe termina en cana y nadie te paga un mango”.
El bot aprende así a tener sesgos. Hay mucha ética que se está trabajando alrededor de la inteligencia artificial para que no tenga sesgos, para que sea lo más abierta posible y para poder tratar en forma equitativa cada una de las preguntas que le hagamos. La legislación y los entes reguladores persiguen este tipo de iniciativas.
Animarse
Habiendo dicho todo esto, cuento una anécdota de Thomas Edison. A finales del siglo XIX, para mostrar que la distribución eléctrica era una solución viable, él iluminó una calle en una feria en New Jersey. A través de esa muestra, donde la gente quedó maravillada, muchos empezaron a pensar cómo implementarla a escala.
Hay que animarse a probar. El mensaje es ese. Las organizaciones como la nuestra, que somos proveedores de tecnología, estamos convencidos de que la innovación es la hermana gemela del fracaso. Hay que probar, equivocarse.
Por un lado, AWS trabaja con las insurtech y, por el otro, con las aseguradoras. Hay que pedirles a los proveedores que, de alguna forma, implementen servicio de valor y que se animen a probar. Dentro de un contexto seguro, podemos inclusive acompañar también desde el punto de vista económico. Pero hay que animarse a probar y a prender la primera luz en la primera calle para generar el impacto que esperamos en el futuro de los clientes.
Seguinos en las redes:
Facebook: https://bit.ly/TodoRiesgoFacebook
Instagram: https://bit.ly/3OOsqMo
LinkedIn: https://bit.ly/TodoRiesgoLinkedIn
X: https://bit.ly/TodoRiesgoTwitter
YouTube: https://bit.ly/TodoRiesgoYouTube
