Conversión de narrativas de siniestros a variables actuariales

Por Jonas Mohamed Osman Abdelghafour.

Comentario sobre la investigación publicada por la Casualty Actuarial Society (CAS) en junio de 2026. El documento original, de Rob Lieberthal y Richard Tran, está disponible en la CAS y merece la pena leerlo íntegramente.

En junio de 2026, la Casualty Actuarial Society publicó una investigación sobre la aplicación de modelos de lenguaje extensos (LLM, por sus siglas en inglés) a datos de siniestros no estructurados. En resumen: los autores construyeron un marco de prueba de concepto de dos etapas que convierte la información narrativa de los siniestros en 36 variables actuariales estructuradas, separando la extracción a nivel de documento de la síntesis a nivel de siniestro, y validaron la extracción frente a una revisión experta clínica independiente utilizando un enfoque de "humano en el bucle" (human-in-the-loop). El trabajo incluye código de fuente abierta y un conjunto de datos sintéticos.

Esa descripción es corta y subestima lo que es interesante del documento. El titular —"los LLM pueden leer archivos de siniestros"— no es la contribución. La contribución es la arquitectura, y específicamente una decisión de diseño que la mayoría de los profesionales que construyen herramientas similares hacen mal.

Permítanme explicar cuál es esa decisión y por qué es importante.

---

El problema, para cualquiera que no lo haya vivido

Un archivo de siniestro es principalmente texto. Notas del tramitador, informes médicos, correspondencia, documentos legales, informes policiales, transcripciones de llamadas, fotografías con pies de foto. Una aseguradora de No Vida posee enormes cantidades de esta información.

Un modelo actuarial, mientras tanto, consume variables estructuradas: tipo de lesión, parte del cuerpo, categoría de tratamiento, estado de litigio, indicadores de comorbilidad, estado de retorno al trabajo. Hoy en día, la brecha entre ambos se salva mediante una de estas tres cosas: un esquema de codificación aplicado por los tramitadores en el primer aviso, un conjunto de reglas basadas en palabras clave, o nada en absoluto.

Las tres opciones pierden información. La codificación en el primer aviso se realiza antes de conocer los hechos y rara vez se revisa. Las reglas de palabras clave son frágiles: "sin evidencia de fractura" y "evidencia de fractura" difieren en una palabra y significan cosas totalmente opuestas. Y la tercera opción, no hacer nada, significa que los datos más ricos que posee la aseguradora nunca entran en un modelo.

Esta es la razón por la que los actuarios de reservas han sospechado durante mucho tiempo que la varianza residual en sus modelos es en parte legible: está sentada en el archivo, en prosa, invisible para el triángulo de desarrollo.

Por qué dos etapas, y por qué es el punto clave

La forma intuitiva de construir esto es en una etapa: dar al modelo todo el archivo del siniestro, pedir las variables y obtener una tabla de vuelta.

Ese enfoque falla en producción por razones que no son obvias hasta que lo ves suceder.

Dilución del contexto. Un archivo de siniestro grande puede tener cientos de páginas. Incluso con una ventana de contexto larga, la atención del modelo se degrada a lo largo de entradas muy extensas, y un detalle en la página 180 que contradice la página 12 puede simplemente perderse.

Resultados no trazables. Si el modelo devuelve "estado de litigio: representado", no se puede saber qué documento respaldaba eso. Cuando es incorrecto, no se puede averiguar por qué, y no se puede corregir sistemáticamente.

Errores correlacionados. Una mala interpretación temprana en un prompt largo se propaga. Una lesión mal identificada fluye a través de las variables de severidad, tratamiento y duración simultáneamente, produciendo un registro de siniestro coherente y totalmente erróneo, lo cual es mucho más peligroso que uno obviamente roto.

La separación en dos etapas aborda los tres problemas:

Etapa uno: extracción a nivel de documento. Cada documento se procesa de forma independiente. ¿Qué dice este informe médico sobre el tipo de lesión? ¿Qué dice esta nota del tramitador sobre el litigio? Cada extracción es corta, centrada y trazable a un documento fuente.

Etapa dos: síntesis a nivel de siniestro. Los hechos extraídos se reconcilian en un único registro de siniestro. Aquí es donde se resuelven los conflictos: el informe inicial decía tejido blando, las imágenes de seguimiento decían fractura, la nota posterior decía cirugía. ¿Cuál prevalece?

La separación es importante porque las dos etapas fallan de forma diferente y, por tanto, necesitan diferentes controles. Los errores de la etapa uno son errores de lectura (testables frente a documentos fuente, corregibles con mejores esquemas de extracción). Los errores de la etapa dos son errores de razonamiento (testables frente al juicio experto, corregibles con mejores reglas de reconciliación).

Si se colapsan en un solo paso, se obtiene una tasa de error opaca que no dice nada sobre dónde intervenir. Este es el mismo principio que la validación de trayectoria en sistemas agenticos: validar la secuencia, no solo el punto final.

El diseño de validación merece más atención de la que recibirá

La investigación validó la extracción frente a una revisión clínica experta independiente, con humanos en el bucle.

Esa frase implica mucho trabajo, y es la parte que la mayoría de las empresas omitirán cuando construyan su propia versión.

He aquí por qué es difícil. Para validar un sistema de extracción necesitas "verdad de terreno" (ground truth): un conjunto de siniestros donde conoces la respuesta correcta. Para datos estructurados, la verdad de terreno es barata. Para la extracción narrativa, la verdad de terreno es otro experto leyendo los mismos documentos, lo cual es lento, caro y variable en sí mismo. Dos médicos leyendo el mismo archivo no siempre estarán de acuerdo en la clasificación de la lesión.

Esto tiene una consecuencia que los profesionales subestiman constantemente: tu techo de validación es la fiabilidad inter-evaluadores de tus expertos humanos. Si dos médicos están de acuerdo el 85% de las veces en una variable, un sistema de extracción que concuerde con uno de ellos el 85% de las veces está funcionando a nivel humano. Reportar esto como "85% de precisión" sin la línea base humana hace que un resultado sólido parezca mediocre y, más peligrosamente, hace que un resultado pobre en una variable fácil parezca aceptable.

Si sacas una conclusión operativa del trabajo de la CAS, toma esta: mide la fiabilidad inter-evaluadores en tu muestra de validación antes de medir el rendimiento del modelo. Sin ella, tu cifra de precisión no tiene denominador.

Dónde cambia esto realmente el trabajo actuarial

Tres aplicaciones, en orden ascendente de valor y dificultad.

Segmentación de reservas. El uso inmediato. Las variables estructuradas extraídas de la narrativa permiten agrupar las reservas de siniestros de forma más homogénea, separando siniestros que parecen idénticos en el triángulo pero difieren en estado de litigio, comorbilidad o trayectoria de tratamiento. Mejor homogeneidad significa menor varianza de proceso, lo que implica rangos de reserva más ajustados sin ningún cambio en la metodología.

Identificación temprana de los motores de desarrollo. Los siniestros de cola larga se desarrollan por razones visibles en el archivo mucho antes de que aparezcan en los datos pagados o incurridos. Participación de abogados, escalada de tratamiento, una comorbilidad que predice una discapacidad prolongada. Extraer esto sistemáticamente en una duración temprana convierte un indicador rezagado en uno líder.

Ingeniería de variables para tarificación. La más difícil y sensible. Las variables extraídas de la narrativa del siniestro pueden informar la tarificación, pero en el momento en que lo hacen, entran en una decisión regulada y atraen todo el escrutinio sobre discriminación injusta. Una variable extraída que se correlaciona con una característica protegida es un problema de factor de tarifa independientemente de cómo se derivó. Esta aplicación necesita una evaluación de equidad antes de necesitar un gráfico de lift.

Cuatro cosas que hacer bien antes de desplegar algo así

Fija la versión del modelo y revalida ante cambios. El comportamiento de extracción es propiedad de una versión específica del modelo. Una actualización del proveedor puede alterar los límites de clasificación sin ningún cambio en tu código. Si tu validación no está vinculada a una versión fijada, tu evidencia caduca silenciosamente.

Mantén el esquema de extracción en el inventario del modelo. El esquema (las 36 variables, sus definiciones y valores permitidos) es tanto un artefacto de modelización como el algoritmo. La deriva definicional en una variable como "estado de litigio" invalidará las comparaciones históricas exactamente de la misma manera que lo haría una hipótesis de reservas cambiada.

Conserva la cita de la fuente. Cada valor extraído debe llevar un puntero al documento y pasaje que lo respaldó. Esto es lo que hace que el sistema sea auditable en lugar de meramente preciso, y casi no cuesta nada implementarlo en el momento de la construcción, pero es muy costoso adaptarlo a posteriori.

Prueba con entradas adversarias. Los archivos de siniestros contienen texto escrito por partes con intereses financieros en el resultado. Cartas de demanda, narrativas de proveedores, presentaciones de demandantes representados. Un sistema de extracción que lee texto redactado para ser persuasivo opera en un entorno adversario, y la inyección de prompts a través de documentos presentados es un riesgo real en siniestros.

La señal más amplia

La CAS ha enmarcado este trabajo como parte de equipar a los actuarios para liderar en un panorama de riesgo habilitado por IA, con el juicio profesional y la gobernanza como elementos centrales, no incidentales. Ese encuadre es el correcto, y vale la pena señalar lo que la investigación no hizo: no automatizó una decisión. Convirtió texto en variables que un actuario utiliza después.

Ese es el lugar correcto para empezar. La capa de extracción es donde la IA añade más valor en el trabajo actuarial y crea la menor exposición de gobernanza, porque la salida es una entrada, y todo control existente sobre cómo los actuarios usan las entradas sigue aplicando.

Las empresas que obtengan valor de esto en 2026 serán las que construyan la capa de extracción correctamente y dejen la capa de decisión intacta.

---

Conclusiones clave

• La investigación financiada por la CAS convierte documentos de siniestros narrativos en 36 variables actuariales estructuradas mediante un marco de dos etapas.
• Separar la extracción a nivel de documento de la síntesis a nivel de siniestro es la decisión de diseño clave: las dos etapas fallan de forma diferente y requieren diferentes controles.
• El techo de validación lo establece la fiabilidad inter-evaluadores entre expertos humanos; mide la línea base humana antes de reportar la precisión del modelo.
• Las aplicaciones de mayor valor son la segmentación de reservas y la identificación temprana de los motores de desarrollo; el uso en tarificación activa el escrutinio sobre discriminación injusta.
• Fija la versión del modelo, inventaría el esquema de extracción, conserva las citas de fuente y prueba frente a documentos suministrados por demandantes adversarios.

---

Preguntas frecuentes

¿Se pueden usar los modelos de lenguaje para reservas? No para establecer reservas directamente, pero cada vez más para extraer variables estructuradas de documentos de siniestros no estructurados que luego alimentan los métodos de reservas convencionales.

¿Cómo se valida un sistema de extracción LLM para uso actuarial? Mediante una revisión experta independiente de una muestra, con comparación humana en el bucle frente a las extracciones del modelo. Críticamente, se debe medir primero la fiabilidad inter-evaluadores de los revisores humanos.

¿Es seguro usar datos de siniestros extraídos en la tarificación? Requiere cuidado adicional. Una vez que una variable extraída influye en una decisión de tarifa, se convierte en un factor de tarifa sujeto a revisión por discriminación injusta. La evaluación de equidad y la revisión regulatoria deben preceder a cualquier uso en tarificación.

---

Jonas Mohamed Osman Abdelghafour es el fundador de Quantica Risk Model, que construye y valida independientemente modelos actuariales y de IA para aseguradoras. Este artículo es un comentario sobre investigación de la CAS disponible públicamente.