¿Puede un modelo de lenguaje razonar como un actuario?

Por Jonas Osman Abdelghafour.

Comentario sobre una convocatoria de propuestas de 2026 del Grupo de Trabajo de Inteligencia Artificial de la Casualty Actuarial Society (CAS). Los detalles completos están en el sitio web de la CAS.

El Grupo de Trabajo de Inteligencia Artificial de la CAS ha lanzado una convocatoria de investigación que examina cómo los modelos de lenguaje de gran tamaño pueden adaptarse deliberadamente para apoyar el razonamiento actuarial esencial en los seguros de propiedad y accidentes (P&C).

Léase con atención, porque la redacción es precisa de un modo en que la mayoría de los comentarios sobre IA en seguros no lo son. No extraer datos. No automatizar tareas. Apoyar el razonamiento actuarial esencial. Y no "¿pueden los LLM hacer esto por defecto?" sino cómo pueden adaptarse deliberadamente para ello.

Es una pregunta mucho más difícil de lo que parece, y creo que es la correcta. Permítanme explicar por qué, y qué tendría que demostrar una respuesta seria.

---

Qué es realmente el "razonamiento actuarial"

La expresión se usa de forma laxa. Bien definido, el razonamiento actuarial es un conjunto específico de operaciones cognitivas, y no son todas del mismo tipo.

Selección bajo evidencia escasa. Elegir un patrón de desarrollo, un factor de cola, una forma distribucional, cuando los datos no determinan la respuesta. El actuario no está calculando —está decidiendo qué calcular, sobre fundamentos que son defendibles pero no derivables.

Reconciliación de indicaciones contradictorias. El desarrollo pagado dice una cosa, el incurrido dice otra, la frecuencia-severidad dice una tercera. El razonamiento es lo que ocurre en el hueco entre ellas.

Propagación de supuestos. Comprender que un cambio en el supuesto de tendencia afecta a la siniestralidad, que afecta a la indicación de tarifa, que afecta al supuesto de retención, que afecta al mix, que afecta a la tendencia. Los actuarios mantienen estas cadenas de dependencia en mente y razonan sobre ellas ante los cambios.

Reconocimiento de cuándo el método no es aplicable. La habilidad más valiosa y menos documentada de la profesión. Saber que un chain-ladder es inapropiado para esta cartera, este año, por un cambio que nadie anotó.

Comunicar la incertidumbre a personas que quieren una cifra. Es genuinamente una tarea de razonamiento, no de presentación: decidir qué rango es defendible y qué salvedades son materiales.

Un LLM que produce un texto de apariencia actuarial plausible no está haciendo nada de esto. Hace la quinta tarea mal y las otras cuatro, en absoluto.

Los tres modos de fallo que importan

Cualquiera que evalúe LLM para el razonamiento actuarial se topará con estos. Merece la pena nombrarlos de antemano.

Fluidez confundida con competencia. Un modelo de lenguaje producirá una justificación bien estructurada, segura y redactada de forma profesional para la selección de un factor de cola. La calidad de la prosa no está correlacionada con la idoneidad de la selección. Es el mayor riesgo de toda el área, porque el trabajo actuarial se juzga en parte por su calidad escrita, y un sistema que escribe bien pasará una revisión que no debería pasar.

Aritmética que parece correcta. Los modelos de lenguaje manejan el razonamiento numérico de forma poco fiable y difícil de detectar, en particular en cálculos de varios pasos donde un error intermedio se propaga. La mitigación es arquitectónica —el modelo debe orquestar cálculos realizados por código determinista, nunca realizarlos él mismo—, y cualquier investigación que no adopte este patrón está probando lo que no debe.

Ausencia del caso negativo. El juicio actuarial trata en buena medida de no hacer cosas. No aplicar un método, no confiar en un segmento de datos, no extrapolar. Un modelo entrenado con trabajo actuarial publicado ha visto abrumadoramente los casos en que se aplicaron métodos, no el conjunto mucho más amplio en el que un actuario experimentado decidió calladamente lo contrario. Es un problema de datos de entrenamiento sin solución fácil, y es la razón por la que "el modelo coincidió con el actuario" es una evidencia débil.

En qué consistiría realmente una adaptación deliberada

La expresión de la CAS —adaptados deliberadamente— implica que el objeto de estudio no es la capacidad lista para usar. Cuatro vías de adaptación, en orden ascendente de promesa para este dominio:

Elicitación mediante prompts estructurados. La más barata, y más eficaz de lo que su reputación sugiere. Obligar al modelo a enumerar alternativas, exponer la evidencia de cada una e identificar qué cambiaría su selección produce un resultado notablemente mejor que las preguntas abiertas. También produce un rastro de razonamiento auditable, que aquí importa más que la calidad de la respuesta.

Anclaje mediante recuperación (retrieval). Conectar el modelo con material de referencia real —normas de práctica, la documentación metodológica propia de la firma, análisis previos de la misma cartera. Esto aborda la metodología alucinada, que es el fallo visible más común. No aborda la calidad del juicio.

Ajuste fino (fine-tuning) sobre corpus de dominio. A menudo propuesto, y soy escéptico para esta aplicación. El ajuste fino sobre literatura actuarial publicada enseña al modelo a sonar más como esa literatura. Dado que la fluidez ya es el principal factor de confusión, hacer el resultado más fluido sin hacer el razonamiento mejor es, se podría argumentar, contraproducente.

Orquestación de herramientas con componentes deterministas. La vía más prometedora. El modelo de lenguaje gestiona las partes en las que es genuinamente bueno —interpretar la pregunta, seleccionar un enfoque, explicar el resultado, señalar inconsistencias— mientras que toda operación numérica se ejecuta en código que puede inspeccionarse y probarse. Esto aprovecha la ventaja comparativa real y elimina por completo el modo de fallo aritmético.

Cómo debería evaluarse un sistema así

Si yo estuviera diseñando la evaluación, la construiría en torno a cuatro pruebas, y ponderaría las dos últimas con más peso.

1. Selección de método frente a un panel de expertos. Presentar casos en los que el método apropiado es discutido y comparar la selección y el razonamiento del modelo frente a un panel. Medir el acuerdo, pero medir por separado la calidad del razonamiento expuesto —una respuesta correcta por una razón equivocada es un fallo.

2. Sensibilidad a la información material. Cambiar un hecho relevante en el caso —un cambio a mitad de año en la gestión de siniestros, una variación en los límites de póliza— y comprobar si la recomendación cambia adecuadamente. Un modelo que da la misma respuesta independientemente del contexto material está haciendo coincidencia de patrones, no razonando, y esta prueba lo expone de inmediato.

3. Comportamiento de rechazo. Presentar casos en los que la respuesta profesional correcta es que los datos no sustentan una conclusión. ¿Lo dice el modelo, o produce igualmente una estimación segura de sí misma? Es la prueba más diagnóstica disponible, y casi nadie la aplica.

4. Robustez frente a un encuadre sesgado. Presentar el mismo caso encuadrado para sugerir una respuesta preferida. ¿Se mueve la recomendación del modelo? La independencia actuarial tiene valor precisamente porque resiste la presión comercial. Un sistema que se desplaza ante preguntas sesgadas no puede cumplir esa función.

La cuestión profesional de fondo

Hay una pregunta bajo la técnica que la profesión aún no ha respondido.

Cuando un actuario firma una opinión informada por el análisis de un modelo de lenguaje, ¿qué exige la obligación profesional que haya hecho? Las normas aplicables exigen que el actuario comprenda los métodos y modelos en los que se apoya, se convenza de su idoneidad y documente su juicio. Nada de eso cambia porque haya intervenido un modelo.

Mi lectura es que la cadena de confianza debe permanecer intacta: el actuario debe poder explicar la selección, defenderla con independencia de la justificación del modelo, e identificar las circunstancias en las que sería errónea. Un modelo que produce una conclusión que el actuario no puede defender de forma independiente no ha apoyado su razonamiento —lo ha sustituido—, y la firma que sigue no está debidamente respaldada.

Eso no es un argumento en contra de la investigación. Es un argumento a favor exactamente del enfoque que ha elegido la CAS: apoyar el razonamiento actuarial, adaptado deliberadamente. Apoyar significa que el actuario razona mejor. No significa que el actuario razone menos.

Lo que espero que produzca la investigación

No una puntuación de referencia. Una taxonomía: qué tareas de razonamiento actuarial mejoran genuinamente estos sistemas, cuáles dejan sin cambios, y cuáles degradan activamente al añadir una justificación fluida a un juicio de calidad inalterada.

Esa tercera categoría es la que la profesión más necesita mapear, y es la que los proveedores comerciales tienen menos incentivos para investigar.

---

Conclusiones clave

• La convocatoria del Grupo de Trabajo de IA de la CAS apunta a la adaptación deliberada de los LLM para apoyar el razonamiento actuarial esencial en P&C —un problema mucho más difícil que la extracción de datos.
• El razonamiento actuarial comprende la selección bajo evidencia escasa, la reconciliación de indicaciones contradictorias, la propagación de supuestos, el reconocimiento de la inaplicabilidad de un método y la comunicación de la incertidumbre.
• El riesgo dominante es la fluidez confundida con competencia: el trabajo actuarial se juzga en parte por su calidad escrita, así que un sistema que escribe bien pasa una revisión que no debería pasar.
• La orquestación de herramientas con componentes de cálculo deterministas es la vía de adaptación más prometedora; el ajuste fino sobre literatura publicada podría agravar el factor de confusión de la fluidez.
• El comportamiento de rechazo y la robustez frente a un encuadre sesgado son las pruebas de evaluación más diagnósticas, y rara vez se aplican.

---

Preguntas frecuentes

¿Puede la IA sustituir al juicio actuarial? La evidencia actual no lo respalda. Los modelos de lenguaje pueden apoyar tareas de razonamiento específicas —sacar a la luz alternativas, comprobar la coherencia, redactar explicaciones—, pero las operaciones de juicio esenciales, como la selección de método bajo evidencia escasa y el reconocimiento de cuándo un método no es aplicable, siguen siendo humanas. Las normas profesionales también exigen que el actuario firmante comprenda y pueda defender los métodos en los que se apoya.

¿Cuál es el principal riesgo de usar LLM en el trabajo actuarial? Que la fluidez se confunda con competencia. Un modelo de lenguaje produce una justificación segura y redactada de forma profesional independientemente de si la selección subyacente es apropiada, y el trabajo actuarial se evalúa en parte por su calidad escrita. Esto hace que el juicio deficiente sea más difícil de detectar, no más fácil.

¿Cómo debería documentarse el trabajo actuarial asistido por LLM? El actuario debe registrar el juicio con independencia del resultado del modelo —las alternativas consideradas, la base de la selección y las circunstancias en las que la selección sería errónea. Si el actuario no puede defender la conclusión sin referirse a la justificación del modelo, la confianza depositada no está adecuadamente respaldada.

---

Jonas Osman Abdelghafour es el fundador de Quantica Risk Model, que construye y valida de forma independiente modelos actuariales y de IA para aseguradoras. Este artículo es un comentario sobre una convocatoria de investigación de la CAS de acceso público.