Los agentes de IA en los servicios financieros y los seguros

Muchas empresas de servicios financieros están experimentando con la IA a través de programas piloto, pero quedan por resolver varios desafíos. Algunas de las principales preocupaciones son la seguridad de los datos, la precisión de los large language models (LLM) y el riguroso escrutinio de los organismos reguladores sobre el papel de la IA en la toma de decisiones financieras. Los casos de uso actuales son principalmente internos, con algunas soluciones de chatbots orientadas al cliente que abordan consultas de servicio no críticas. 

Recientemente, ha aumentado el interés de todos los sectores, incluidos los servicios financieros, en los agentes basados en IA generativa, también denominada “IA agéntica”. Los agentes de IA dependen de los LLM para realizar tareas de forma autónoma, ya que utilizan las capacidades de los modelos para comprender, generar e interactuar con el lenguaje natural. Los LLM fundacionales, como Llama, Anthropic Claude, Mistral, GPT y Gemini, se entrenan con grandes cantidades de datos de texto (hasta el punto de que no hay más datos de texto para seguir entrenándolos) y pueden realizar diversas tareas relacionadas con el lenguaje. Estos modelos, cuando se integran con sistemas de agentes de IA en una plataforma como Snowflake, proporcionan la base para entender el contexto, generar respuestas, impulsar una mayor automatización y eficiencia, y tomar decisiones más fundamentadas en tiempo real en función de la información que reciben. 

Sistemas de agentes de IA

En los sistemas de agentes de IA, un agente coordinador es un componente central que gestiona y dirige las actividades de otros agentes (o subsistemas) para lograr objetivos generales. Este agente coordinador suele actuar como director, orquestando acciones, asignando recursos y tomando decisiones de alto nivel. Para llevar a cabo sus tareas con eficacia, el agente coordinador puede utilizar herramientas, modelos u otros agentes orientados a dominios u orientados a tareas de forma complementaria, lo que garantiza que el sistema pueda comprender el contexto y ejecutar acciones específicas para lograr los resultados deseados.

Orientados a dominios 

Los servicios orientados a dominios se especializan en comprender y procesar el lenguaje relacionado con un sector, campo o área de conocimiento específicos. Por lo tanto, pueden generar respuestas o decisiones más precisas, relevantes y conscientes del contexto en ese ámbito. 

En el caso de los agentes de IA, los modelos orientados a dominios pueden ayudar al sistema a comprender tareas específicas y actuar en consecuencia con mayor eficacia. En el caso de los seguros, por ejemplo, estos modelos podrían generar un lenguaje de póliza más preciso, evaluar los factores de riesgo o interpretar los datos de las reclamaciones, en consonancia con los estándares del sector.

Orientados a tareas 

Por su parte, los servicios orientados a tareas se centran en lograr objetivos específicos. Estos modelos se entrenan para comprender la secuencia de pasos necesaria para completar una tarea específica y se integran con sistemas más amplios para realizar acciones de forma autónoma. Los modelos orientados a tareas no solo están diseñados para comprender el lenguaje, sino también para interactuar con herramientas, recuperar datos y tomar medidas en pos de un objetivo bien definido. 

Cortex Analyst: generación de SQL de alta precisión

Snowflake Cortex Analyst se puede considerar un servicio de agentes orientado a tareas porque está optimizado para un objetivo específico, que es la generación precisa de SQL para recuperar datos de una tabla de Snowflake. Para ello, Cortex Analyst realiza estas tareas:

• Interpretación de la intención del usuario: El modelo procesa la entrada en lenguaje natural o la información contextual (por ejemplo, qué tipo de datos busca el usuario) y verifica que existan los datos para responder a la pregunta o volver al usuario y pedirle claridad.

• Generación de consultas SQL prácticas: Según esa interpretación, crea código SQL que se puede ejecutar para recuperar o manipular datos relevantes de una base de datos. Su precisión en la generación de SQL procede de comprender el contexto de lo que se almacena en cada tabla. 

• Finalización de la tarea: El objetivo final de este proceso es generar un SQL de gran precisión que satisfaga una necesidad específica de consulta o extracción de datos, que es una tarea clara y definida.

Sistemas de agentes en los seguros

Para que las empresas, especialmente en sectores complejos como el de los seguros, obtengan información práctica, deben ir más allá de las bases de datos y aprovechar también contratos, documentos y otros datos no estructurados en los que se pueden hacer búsquedas mediante otro tipo de servicio orientado a tareas: un almacén de vectores. 

Al representar documentos como vectores numéricos, los agentes de IA pueden buscar documentos de reclamaciones y leerlos automáticamente, extraer detalles relevantes (como el tipo de incidente, la evaluación de daños, la cobertura de pólizas, etc.) y generar consultas SQL para recuperar datos adicionales de una base de datos de reclamaciones o un sistema de pólizas.

A continuación, se podría utilizar un LLM para formular recomendaciones, actualizar el estado de las reclamaciones o poner en marcha nuevas acciones, todo ello impulsado por la coordinación del agente entre la comprensión de los documentos (datos no estructurados) y la interacción con la base de datos (estructurados).

El papel de Accenture y Snowflake para facilitar los agentes de IA

Accenture y Snowflake están a la vanguardia en lo que respecta a los agentes de IA para las empresas, ya que abordan las necesidades tecnológicas y estratégicas. Nuestro enfoque se centra en lo siguiente:

• Proporcionar una plataforma de datos e IA unificada con herramientas y capacidades punteras que permite a desarrolladores, científicos y equipos de datos crear e implementar rápidamente modelos y aplicaciones de IA con seguridad y gobernanza a nivel empresarial, con la facilidad de la infraestructura gestionada de Snowflake.

• La gobernanza unificada integral, desde la ingesta hasta la aplicación, permite a los equipos ofrecer una nueva ola de agentes de datos que utilizan una recuperación de datos estructurados y no estructurados, lista para usar, de alta precisión.

• Orientar a los clientes en la selección de casos de uso de gran valor, aprovechar la experiencia de Accenture en el asesoramiento a altos directivos e impulsar el valor para los clientes a través de la plataforma de datos e IA unificada de Snowflake, que simplifica el proceso.

El AI Data Cloud, una plataforma de todo en uno

Snowflake y Accenture ofrecen una solución integral para la IA empresarial diseñada para potenciar casos de uso de agentes de IA de forma eficaz:

• Todos tus datos en un solo lugar: Snowflake proporciona una plataforma escalable y unificada para gestionar todas tus necesidades de datos —ya sean tablas de Snowflake o archivos PDF en almacenamiento de objetos— en un único lugar, lo que reduce los silos, mejora la calidad de los datos y promueve una integración fluida. 

• Sólida gobernanza: Nuestra plataforma gobernada habilita la seguridad y el cumplimiento de los datos, desde la ingesta hasta la aplicación de IA, de modo que ninguno de tus datos se utilice para entrenar modelos externos (excepto cuando lo indiques para llevar a cabo ajustes). Por ello, Snowflake es una opción excepcional para pilotar e implementar nuevos casos de uso de agentes de IA.

• Herramientas de IA creadas para empresas

  • Snowflake Cortex Search y Snowflake Cortex Analyst: Interactúan con los datos empresariales a través de interfaces conversacionales y proporcionan acceso seguro a LLM fundacionales.

  • Document AI: Automatiza el procesamiento de diversos tipos de documentos, desde formularios estándar hasta notas manuscritas.

  • Snowflake ML: Permite a los científicos de datos crear, entrenar e implementar modelos de aprendizaje automático o personalizar modelos de representación vectorial directamente en Snowflake utilizando lenguajes de programación conocidos, como Python, al tiempo que aprovechan las potentes capacidades de procesamiento de datos de Snowflake para flujos de trabajo escalables y eficientes.

• Experiencia industrial: Accenture comprende las necesidades de los clientes y cómo resolver problemas mediante los agentes de IA.

Al combinar estas capacidades, Snowflake y Accenture permiten a las empresas personalizar sus soluciones de IA a la vez que mantienen la flexibilidad y el control. 

Un marco estratégico para la adopción de la IA

La implementación de la IA agéntica requiere un enfoque estructurado. A continuación, encontrarás nuestras recomendaciones para orientar a las empresas en su proceso de adopción:

• Comienza con casos de uso que generen un alto valor empresarial: Centrate en casos de uso en los que se acepte una precisión aproximada. Da prioridad a las áreas en las que una toma de decisiones más rápida o la aceleración de procesos proporciona más valor que una precisión minuciosa. Logra el equilibrio entre la gestión de riesgos y la creación de valor para la comercialización rápida.

• Establece como objetivo primero las áreas de baja regulación: En sectores muy regulados, como el de los servicios financieros, implementar la IA en áreas con altos niveles de cumplimiento puede ser más lento debido a los estrictos estándares de atención y procesos de aprobación. Comienza con dominios menos regulados para lograr resultados más rápidos a la vez que abordas gradualmente los casos de uso regulados a medida que mejora la fiabilidad de la IA.

• Mantén la intervención humana (por ahora): Para mitigar los riesgos relacionados con la explicabilidad, la atención al cliente y la precisión, mantén la supervisión humana en los procesos basados en IA. A medida que la tecnología madure y la fiabilidad aumente, podrás reducir gradualmente la intervención humana. Sin embargo, en los casos de uso regulados o de alto riesgo, la revisión humana debe seguir siendo un componente clave hasta que se establezca plenamente la fiabilidad de la IA.

Caso de uso: el agente de reclamaciones de IA generativa de Accenture

Accenture ha aprovechado la plataforma de Snowflake para crear un innovador agente de reclamaciones de seguros de IA. En ese agente de IA ha combinado su propia experiencia con las herramientas de Snowflake para automatizar partes clave del proceso de las reclamaciones. Este agente de IA puede revisar documentos, resumir información, tomar decisiones sobre reclamaciones y generar cartas de reclamación personalizadas para los clientes, con la explicación sobre la causa de una aprobación o denegación.

Según Mike Lao, líder del equipo de datos e IA de Accenture, “en la base del agente de reclamaciones de IA generativa se encuentra Snowflake AI Data Cloud, que incluye funciones como Document AI, capaz de procesar distintos documentos, como permisos de conducir, recibos y formularios. También utilizamos Snowflake Cortex Analyst, que ayuda al agente de reclamaciones de IA a analizar datos y documentos de pólizas para tomar decisiones fundamentadas”.

El hecho de que Accenture haya decidido centrarse en las reclamaciones se debe a sus conocimientos sobre el sector de los servicios financieros, en el que no siempre se necesita un 100 % de precisión para aprobar las reclamaciones. Curiosamente, los clientes suelen estar dispuestos a aceptar pagos parciales a cambio de que sus reclamaciones se procesen más rápido. Según constató Accenture, hay cierta flexibilidad en el pago de las reclamaciones, y las decisiones pueden apelarse de forma interna, sin necesidad de que intervenga ninguna entidad reguladora. Esto contrasta con otros ámbitos donde los requisitos de precisión son más estrictos, como en el asesoramiento financiero, en el que hay una responsabilidad fiduciaria. En cambio, en las reclamaciones, la regulación es menor, lo que ofrece a las empresas de seguros más flexibilidad para ajustar los pagos dentro de sus márgenes. La posibilidad de agilizar los pagos puede mejorar significativamente tanto los resultados finales de la aseguradora como la satisfacción del cliente.

Para garantizar la fiabilidad y la satisfacción del cliente, Accenture ha incluido el ingenio humano en el agente de reclamaciones de IA. Mike Lao defiende: “La participación de los humanos es importante. Estamos transformando los procesos de trabajo mediante la IA para ampliar su adopción en las empresas y cumplir las expectativas de los clientes”.

El equipo de Accenture en Manila (Filipinas) tiene una amplia experiencia en el pago de reclamaciones y trabaja con empresas aseguradoras de todo el mundo. Este proyecto supone el primer paso hacia una adopción más amplia de los agentes de IA en diversos sectores de los servicios financieros. Kaushik GD, Head of Financial Services de APJ en Snowflake, señala: “En el futuro, esperamos que los agentes de IA ayuden con la planificación financiera y el asesoramiento para las inversiones personales. Sin embargo, todavía falta tiempo, ya que tanto las soluciones técnicas como las normativas están evolucionando”.