Por Sofía Trongé, Phillip Beyer y Ailen Okharedia.

— Al finalizar el artículo original escrito en inglés, se encuentra la versión en español. La traducción puede tener errores que no reflejen con exactitud la información brindada por los actuarios que escribieron el artículo. —

The underwriting function has always sat at the intersection of art and science—balancing clinical judgment, statistical rigor, and operational efficiency. Today, that balance is being fundamentally redefined. Advances in optical character recognition (OCR), artificial intelligence (AI), and data infrastructure are not simply optimizing underwriting workflows; they are transforming how risk is understood, evaluated, and priced. For actuaries, this shift presents both an opportunity and a responsibility: to help shape systems that are not only more efficient, but also transparent, equitable, and grounded in sound risk management principles.

Modernization Deep Dive: From Fragmentation to Intelligence

A persistent challenge in underwriting has been the heavy reliance on unstructured data—attending physician statements, lab reports, medical records, and agent notes. Historically, extracting meaningful insights from these sources required time-intensive manual review. OCR and AI are now addressing this bottleneck by converting unstructured inputs into structured, analyzable data at scale.

These technologies are not merely digitizing documents; they are enabling real-time interpretation. AI models can flag impairments, summarize medical histories, and identify inconsistencies across sources. This reduces cycle times, improves consistency, and allows underwriters to focus on higher-value decision-making.

Real-world applications are already demonstrating impact. Automated medical summarization tools are shortening case turnaround times. AI-assisted triage systems are prioritizing complex cases. Meanwhile, specially trained large language models (LLMs) are being deployed to interpret underwriting guidelines, generate decision rationales, and even assist in drafting communications to agents and customers.

Complementing these tools are advances in data analysis and visualization. Interactive dashboards and near-real-time experience monitoring capabilities allow actuaries and underwriters to explore emerging trends, mortality shifts, preferred class performance, and risk patterns—with unprecedented speed and granularity.

The Evolution of Underwriting: Past, Present, and Future

The underwriting paradigm is evolving along a clear trajectory:

• Traditional Model: Characterized by comprehensive evidence collection—full labs, medical exams, and extensive record gathering. Underwriters “pull” information, often leading to long cycle times and high friction for applicants.
• Modern Model: A spectrum of approaches, including accelerated underwriting, use of third-party data and scoring tools, and selective evidence requirements. Here, risk assessment is more dynamic, blending traditional inputs with alternative data sources.
• Future State: A fundamentally different paradigm where data is “pushed” to underwriters in intelligent, curated ways. Predictive models pre-assess risk, AI assistants synthesize information making the underwriting process more proactive than reactive. The role of the underwriter shifts from information gatherer to decision strategist.

Actuarial Impact: Expanding the Toolkit

For actuaries, these changes are profound. The integration of AI into underwriting introduces new modeling paradigms:

• Deterministic Models: Still essential for pricing, valuation, and regulatory reporting. These models remain auditable and interpretable, forming the backbone of actuarial work.
• Generative AI: Emerging as a powerful complement. Generative AI can accelerate the development of underwriting guidelines, simulate complex scenarios, and extract insights from vast datasets by translating underwriting results into actionable guideline changes and modeling the potential future impacts of those changes on underwriting outcomes.

AI is also enabling a new class of underwriting “accelerators”:

• Decision support tools and scoring systems that enhance, rather than replace, human judgment.
• Rapid experience study platforms that shorten analysis cycles from months to days.
• AI agents that monitor competitor underwriting guidelines and identify market shifts.
• Advanced cause-of-death analytics that inform product design and risk selection strategies.

Governance in an AI-Driven World

As AI becomes embedded in underwriting, robust model governance frameworks are critical. Importantly, there is a growing emphasis on avoiding “black-box” models. Transparency and interpretability are becoming non-negotiable, especially in regulated environments. Key considerations include:

• Auditability and Transparency: Models must be explainable, with clear documentation of inputs, assumptions, and outputs.
• Performance Monitoring: Continuous validation is required to ensure models remain accurate over time.
• Bias Detection and Mitigation: AI systems must be evaluated for unintended bias, particularly when using alternative data sources.
• Documentation and Version Control: Given the rapid pace of model iteration, maintaining clear records is essential for both internal governance and regulatory compliance.

Regulatory uncertainty remains a challenge. While innovation is accelerating, guidance on acceptable use of AI in underwriting is still evolving. Actuaries will play a central role in bridging this gap—ensuring that innovation aligns with regulatory expectations and ethical standards.

Challenges and the Human Element

Despite the promise of technology, underwriting transformation is not without risk. One of the most significant challenges is the need for new skill sets. Underwriters must become fluent in data interpretation, AI-assisted tools, and model outputs. Training and adaptability will be critical.

At the same time, the importance of experienced underwriters cannot be overstated. Their judgment, intuition, and domain expertise are essential for validating model outputs, handling edge cases, and ensuring that automation does not override sound risk assessment principles.

Conclusion: A Call to Action for Actuaries

The modernization of underwriting is not a distant vision—it is happening now. For actuarial professionals, this is a moment to lead. By engaging deeply with AI technologies, shaping governance frameworks, and collaborating closely with underwriting and data science teams, actuaries can help build systems that are not only more efficient, but also more fair, transparent, and resilient.

The future of underwriting will not be defined by technology alone, but by how thoughtfully it is applied. In that future, the actuarial voice will be more important than ever.

ESP

La suscripción en un punto de inflexión: cómo la IA, los datos y la perspectiva actuarial están redefiniendo la evaluación del riesgo

La función de suscripción siempre se ha situado en la intersección entre el arte y la ciencia, equilibrando el juicio clínico, el rigor estadístico y la eficiencia operativa. Hoy, ese equilibrio está siendo redefinido de manera fundamental. Los avances en reconocimiento óptico de caracteres (OCR), inteligencia artificial (IA) e infraestructura de datos no se limitan a optimizar los procesos de suscripción: están transformando la manera en que se comprende, evalúa y tarifica el riesgo. Para los actuarios, este cambio representa tanto una oportunidad como una responsabilidad: contribuir al diseño de sistemas que no solo sean más eficientes, sino también transparentes, equitativos y sustentados en sólidos principios de gestión de riesgos.

Modernización en profundidad: de la fragmentación a la inteligencia

Un desafío persistente en la suscripción ha sido la fuerte dependencia de datos no estructurados: informes de médicos tratantes, resultados de laboratorio, historias clínicas y notas de agentes. Históricamente, extraer información relevante de estas fuentes requería una revisión manual intensiva y demandaba una cantidad considerable de tiempo. Actualmente, el OCR y la IA están abordando este cuello de botella al convertir información no estructurada en datos estructurados y analizables a gran escala.

Estas tecnologías no se limitan a digitalizar documentos; permiten su interpretación en tiempo real. Los modelos de IA pueden identificar y señalar condiciones médicas relevantes, resumir historias clínicas y detectar inconsistencias entre distintas fuentes. Esto reduce los tiempos de procesamiento, mejora la consistencia y permite que los suscriptores concentren sus esfuerzos en decisiones de mayor valor agregado.

Las aplicaciones en el mundo real ya están demostrando su impacto. Las herramientas automatizadas de resumen de información médica están reduciendo los tiempos de resolución de los casos. Los sistemas de triaje asistidos por IA permiten priorizar los casos más complejos. Al mismo tiempo, modelos de lenguaje de gran escala (LLM) especialmente entrenados están siendo utilizados para interpretar pautas de suscripción, generar fundamentos para las decisiones e incluso colaborar en la redacción de comunicaciones dirigidas a agentes y clientes.

Estos desarrollos se complementan con los avances en análisis y visualización de datos. Los tableros interactivos y las capacidades de monitoreo de experiencia prácticamente en tiempo real permiten a actuarios y suscriptores analizar tendencias emergentes, cambios en la mortalidad, desempeño de las clases preferenciales y patrones de riesgo con una velocidad y un nivel de granularidad sin precedentes.

La evolución de la suscripción: pasado, presente y futuro

El paradigma de la suscripción está evolucionando siguiendo una trayectoria clara:

• Modelo tradicional: Se caracteriza por una recopilación exhaustiva de evidencia: análisis de laboratorio completos, exámenes médicos y una extensa recopilación de antecedentes. Los suscriptores deben “buscar” o “extraer” activamente la información, lo que suele generar largos tiempos de procesamiento y una elevada fricción para los solicitantes.
• Modelo moderno: Comprende un espectro de enfoques que incluye la suscripción acelerada, el uso de datos de terceros y herramientas de scoring, así como requerimientos selectivos de evidencia. En este esquema, la evaluación del riesgo es más dinámica y combina fuentes de información tradicionales con fuentes de datos alternativas.
• Estado futuro: Un paradigma fundamentalmente diferente, en el que los datos son “enviados” a los suscriptores de manera inteligente y seleccionada. Los modelos predictivos realizan una evaluación preliminar del riesgo y los asistentes de IA sintetizan la información, haciendo que el proceso de suscripción sea más proactivo que reactivo. El rol del suscriptor evoluciona así desde la recopilación de información hacia el de estratega en la toma de decisiones.

Impacto actuarial: ampliando la caja de herramientas

Para los actuarios, estos cambios son profundos. La integración de la IA en la suscripción introduce nuevos paradigmas de modelización:

• Modelos determinísticos: Continúan siendo esenciales para la tarificación, valuación y presentación de información regulatoria. Estos modelos mantienen su auditabilidad e interpretabilidad y constituyen la columna vertebral del trabajo actuarial.
• IA generativa: Está emergiendo como un poderoso complemento. La IA generativa puede acelerar el desarrollo de pautas de suscripción, simular escenarios complejos y extraer conocimiento de grandes volúmenes de datos, traduciendo los resultados de suscripción en modificaciones concretas y accionables de las pautas, y modelizando los posibles impactos futuros de esos cambios sobre los resultados de suscripción.

La IA también está habilitando una nueva categoría de “aceleradores” de suscripción:

• Herramientas de apoyo a la toma de decisiones y sistemas de scoring que potencian, en lugar de reemplazar, el juicio humano.
• Plataformas de análisis rápido de experiencia que reducen los ciclos de análisis de meses a días.
• Agentes de IA que monitorean las pautas de suscripción de competidores e identifican cambios en el mercado.
• Análisis avanzados de causas de muerte que contribuyen al diseño de productos y a las estrategias de selección de riesgos.

Gobernanza en un mundo impulsado por la IA

A medida que la IA se integra en los procesos de suscripción, resulta fundamental contar con marcos sólidos de gobernanza de modelos. En particular, existe un énfasis creciente en evitar los modelos de “caja negra”. La transparencia y la interpretabilidad se están convirtiendo en requisitos innegociables, especialmente en entornos regulados. Entre los principales aspectos a considerar se encuentran:

• Auditabilidad y transparencia: Los modelos deben ser explicables y contar con una documentación clara de sus datos de entrada, supuestos y resultados.
• Monitoreo del desempeño: Se requiere una validación continua para garantizar que los modelos mantengan su precisión a lo largo del tiempo.
• Detección y mitigación de sesgos: Los sistemas de IA deben ser evaluados para detectar sesgos no intencionales, particularmente cuando utilizan fuentes de datos alternativas.
• Documentación y control de versiones: Dado el rápido ritmo de iteración de los modelos, mantener registros claros resulta esencial tanto para la gobernanza interna como para el cumplimiento regulatorio.

La incertidumbre regulatoria continúa siendo un desafío. Si bien la innovación se está acelerando, los lineamientos sobre los usos aceptables de la IA en la suscripción aún se encuentran en evolución. Los actuarios tendrán un papel central para cerrar esta brecha, garantizando que la innovación se encuentre alineada con las expectativas regulatorias y los estándares éticos.

Desafíos y el factor humano

A pesar del potencial de la tecnología, la transformación de la suscripción no está exenta de riesgos. Uno de los desafíos más significativos es la necesidad de desarrollar nuevas competencias. Los suscriptores deberán adquirir fluidez en la interpretación de datos, el uso de herramientas asistidas por IA y la comprensión de los resultados generados por los modelos. La capacitación y la capacidad de adaptación serán fundamentales.

Al mismo tiempo, no debe subestimarse la importancia de los suscriptores experimentados. Su juicio profesional, intuición y conocimiento especializado del negocio son esenciales para validar los resultados de los modelos, abordar casos excepcionales y garantizar que la automatización no desplace los principios sólidos de evaluación del riesgo.

Conclusión: un llamado a la acción para los actuarios

La modernización de la suscripción no es una visión de un futuro lejano: está ocurriendo ahora. Para los profesionales actuariales, este es un momento para asumir un rol de liderazgo. Al involucrarse profundamente con las tecnologías de IA, contribuir al diseño de marcos de gobernanza y colaborar estrechamente con los equipos de suscripción y ciencia de datos, los actuarios pueden ayudar a construir sistemas que no solo sean más eficientes, sino también más justos, transparentes y resilientes.

El futuro de la suscripción no estará definido únicamente por la tecnología, sino por la manera reflexiva y responsable en que esta sea aplicada. En ese futuro, la voz actuarial será más importante que nunca.