Desde el primer ser humano que logró encender una chispa sin quemarse, la historia de la ingeniería ha sido como un carrusel de inventos. Primero, aprendimos a salvar grandes distancias y transportar mercancías con la ayuda de la rueda; antes de que nos diéramos cuenta estábamos construyendo majestuosas pirámides. A principios del siglo XVII, los gigantescos molinos de viento hicieron enloquecer a algún que otro caballero en las profundidades de la Mancha.
Más adelante, con el auge de la imprenta, liberamos el conocimiento, rellenando con él las páginas de millones y millones de libros. La Revolución Industrial nos trajo el uso de la máquina de vapor y la llegada del telégrafo transformó el mundo.
La llegada del siglo XX fue otra revolución; en tan solo un siglo, pasamos de levantar los pies del suelo con los hermanos Wright a plantarlos en la Luna con el Apolo 11. Ahora, en el siglo XXI, el reto al que nos enfrentamos, no solo como ingenieros, sino también como sociedad, es aprender a convivir con un formato digital abrumador, que alberga todos los datos que generamos y seguiremos generando a lo largo de nuestra historia.
En el proceso de aprender a abordar, aprovechar y optimizar todos los datos disponibles, la inteligencia artificial generativa se ha convertido en una pieza clave. Nuestro entorno de trabajo ha evolucionado significativamente a lo largo de los años. En poco tiempo hemos pasado de un sistema tradicional y analógico a un modelo híbrido, gracias a la incorporación del formato digital. Sin embargo, es ahora, con la IA generativa, cuando nos enfrentamos a una verdadera gran revolución. Nos encontramos a las puertas de un modelo completamente diferente que nos ha de permitir sumergirnos en una nueva dimensión de trabajo.
En este contexto, existe una tendencia generalizada a reaccionar negativamente ante las posibles consecuencias adversas del uso de la IA generativa, pretendiendo limitarla en lugar de adoptar una política proactiva que le ayude a crecer. No obstante, la realidad es que las múltiples ventajas que puede ofrecernos esta tecnología disipan los miedos que siempre acompañan a lo -hasta ahora- desconocido. El reto al que nos enfrentamos actualmente, en un entorno laboral como el nuestro, es encontrar dónde meter el uso de esta herramienta en la ecuación para poder mejorar, cambiar o incluso reinventar los hábitos de trabajo.
Como ingenieros de riesgos debemos conocer los diferentes riesgos que puedan amenazar la viabilidad técnica y económica de cualquier empresa. Identificar una exposición requiere un conocimiento detallado de la organización, el mercado en el que opera, los aspectos jurídicos, sociales, políticos y culturales actuales, así como comprender los objetivos estratégicos de cada compañía que tenemos en nuestro porfolio -o va a formar parte de él- para conocer las amenazas y oportunidades.
La estimación del riesgo puede ser cuantitativa, semicuantitativa o cualitativa en términos de la probabilidad de ocurrencia y la posible consecuencia. El resultado que obtenemos del proceso de análisis de riesgos nos permite desarrollar un perfil que proporciona una calificación detallada para cada activo evaluado en lo que se refiere a continente, procesos, gestión, emergencias y contingencias. Como resultado obtenemos una valoración en las diferentes coberturas que aseguramos: daños materiales, avería de maquinaria, pérdida de beneficios, responsabilidad civil, etc. Al evaluar las consecuencias y la probabilidad de cada uno de los riesgos identificados, podemos priorizar aquellos riesgos clave que requieren un análisis más detallado. En este proceso de identificación de riesgos, ¿nos puede ayudar la IA generativa? Sí, sin duda.
La IA generativa nos puede ayudar a analizar todos los datos que recibimos y que hemos ido acumulando en todos estos años. y por tanto nos puede ayudar a tener una muestra más amplia de todos los activos que aseguramos.
La seguridad que aporta a la empresa nuestra capacidad, como ingenieros de riesgos, de evaluar la información aportada por la IA, hace que nuestro valor se incremente, ya que disponemos de mayor tiempo para dedicar a otros análisis más complejos y en los que la IA generativa no tiene capacidad de aportar valor. Con una mayor muestra analizada de activos en nuestra compañía, podemos priorizar de manera más exacta aquellos riesgos en los que verdaderamente es necesario poner el foco y, por tanto, anticiparnos a las posibles pérdidas específicas que estos activos pueden sufrir debido a riesgos naturales, incendios y/o fallos de los equipos, entre otros. Esta predicción nos permite maximizar el valor para los asegurados al comprender mejor el riesgo, la pérdida y la prevención utilizando información sobre las propiedades de nuestros clientes y la forma en la que sus activos están construidos, diseñados y protegidos.
Por supuesto, no debemos de olvidar que la IA se alimenta de datos, y, por lo tanto, debemos seguir contribuyendo a incrementar esa biblioteca de la que disponemos, y continuar entrenando modelos para permitir que esta herramienta siga creciendo y desarrollándose.
El paradigma de la IA generativa está recorriendo un extenso camino y aún nos queda un largo trayecto por explorar. Lo que está claro es que vivimos en una sociedad en la que abunda el dato; sin embargo, como seres humanos que somos, tenemos limitaciones operativas para poder analizar todos los datos que generamos. Desaprovechar las virtudes que ofrece la IA generativa, sería como navegar a motor en un barco de vela con viento de aleta, perdiendo la ventaja de algo que está aquí para quedarse. En el mundo actual, es esencial estar en la cresta de la ola para no quedarse atrás.
Autoría del texto:
Nuria Gil pertenece al equipo de Ingeniería de servicios de MAPFRE GLOBAL RISKS. Es ingeniera química y cuenta con 7 años de experiencia en el sector de la protección, de los cuales los últimos 4 años los ha dedicado al sector asegurador.
