Aprendizaje automático en las provisiones de siniestros

Por Jonas Mohamed Osman Abdelghafour.

Comentario sobre el Reserves Call Paper Program 2026 de la Casualty Actuarial Society sobre metodologías y tecnologías mejoradas para la dotación de reservas, y sobre el conjunto de datos de reservas de pérdidas ampliado derivado del Schedule P publicado por la CAS en 2026.

La CAS ha abierto un programa de ponencias en 2026 sobre metodologías y tecnologías mejoradas para las provisiones, señalando que la evolución tecnológica ha hecho que la modelización avanzada sea más práctica. También ha actualizado su conjunto de datos de provisiones derivado del Schedule P para incluir diez años de accidentes adicionales en los ramos principales de particulares y empresas de aseguradoras de No Vida de EE. UU.

Esas dos cosas juntas son más significativas que cualquiera de ellas por separado. Una convocatoria metodológica sin datos produce teoría. Los datos sin una convocatoria producen experimentos dispersos. Ambas a la vez es como una disciplina realmente avanza.

Pero merece la pena hacerse una pregunta previa que la convocatoria implica sin enunciar: ¿por qué las provisiones se retrasaron respecto a la tarificación unos quince años en la adopción del aprendizaje automático (machine learning)? La respuesta no es el conservadurismo, y entenderla correctamente te indica qué nuevos métodos funcionarán y cuáles no.

---

Cuatro razones estructurales por las que las provisiones eran diferentes

1. La unidad de observación no es la unidad de interés.

En tarificación, tienes cientos de miles de pólizas, cada una con un resultado. Eso es un problema de aprendizaje supervisado en su forma natural.

En las provisiones, la unidad tradicional es el año de accidente, y tienes quizás veinte de ellos. Un triángulo no es un conjunto de datos grande. Son veinte observaciones altamente correlacionadas de un proceso, presentadas como una matriz. Aplicar un método diseñado para grandes muestras (large-n) a algo con n≈20 no es precaución conservadora; es aritmética.

El paso a la provisión por siniestro individual cambia esto fundamentalmente, por lo que es el desarrollo estructural más importante en este campo. Una vez que la unidad es el siniestro, vuelves a tener cientos de miles de observaciones.

2. El objetivo no es observado.

Los modelos de tarificación predicen una pérdida que finalmente ocurre y puede comprobarse. Los modelos de reservas predicen el coste final (ultimate), una cantidad que no se observa hasta años después y, para ramos de cola larga, posiblemente una década o más.

Esto rompe el bucle de desarrollo del aprendizaje automático en su base. No puedes iterar rápidamente contra un conjunto de validación cuando el conjunto de validación no existirá hasta 2034. El backtesting contra triángulos históricos ayuda, pero todo backtest está contaminado: las reservas históricas influyeron en la gestión de siniestros, el comportamiento de liquidación y la suficiencia de las reservas caso a caso que generaron los datos que estás probando.

3. El resultado de las reservas es una partida de los estados financieros.

Un modelo de tarificación que se equivoca produce primas subóptimas y, finalmente, una experiencia corregida. Un modelo de reservas que se equivoca produce un balance erróneo, una reformulación de cuentas y, potencialmente, un hallazgo regulatorio adverso. El Actuario Designado firma una opinión sobre ello.

La tolerancia a la opacidad metodológica es, por tanto, genuinamente menor, y con razón. El dominio del chain ladder no es inercia: es que el chain ladder se puede explicar a un auditor en diez minutos y auditar mediante re-ejecución en una tarde.

4. Los cambios en el proceso invalidan los datos.

Los métodos de reservas asumen que el pasado predice el patrón de desarrollo futuro. Cada cambio en la gestión de siniestros, en la filosofía de reservas caso a caso, en la estrategia de liquidación, en el entorno legal o en el mix de productos rompe ese supuesto. Los actuarios de reservas experimentados dedican gran parte de su tiempo a detectar y ajustar estos saltos.

Un modelo de aprendizaje automático entrenado en el desarrollo histórico aprende el entorno operativo histórico, incluyendo todas sus prácticas de gestión. Extrapolará con confianza un patrón de liquidación que un cambio en la estrategia de siniestros ya ha finalizado. Detectar eso requiere exactamente el juicio que el modelo no puede suministrar y, lo que es peor, la confianza del modelo oscurece la necesidad de dicho juicio.

Qué funciona realmente

Dadas esas limitaciones, los métodos que se han ganado su lugar comparten una propiedad común: añaden granularidad o estructura sin descartar el marco actuarial.

Provisión por siniestro individual. Modelización del desarrollo a nivel de siniestro utilizando sus características: tipo de lesión, estado de litigio, jurisdicción, edad del demandante, trayectoria de tratamiento. Esto aborda directamente el problema del n pequeño y permite modelar carteras heterogéneas sin pérdida por agregación. Es el avance más sustancial en el campo y encaja naturalmente con la extracción de características de siniestros mediante LLM.

Modelos mixtos y jerárquicos. Agrupación parcial (partial pooling) entre segmentos: aprovechar la fuerza de segmentos relacionados permitiendo al mismo tiempo que persistan las diferencias genuinas. Esta es la solución estadísticamente fundamentada al perenne problema de reservas de segmentos demasiado pequeños para modelarlos solos y demasiado diferentes para combinarlos.

Reservas estocásticas con rangos creíbles. No es algo nuevo, pero se infrautiliza crónicamente. Los consejos de administración y los reguladores piden cada vez más rangos de reservas en lugar de estimaciones puntuales, y un rango defendible requiere un modelo de incertidumbre explícito en lugar de un margen subjetivo.

Aprendizaje automático para diagnóstico en lugar de estimación. La aplicación que yo pondría en primer lugar para la mayoría de las empresas: usar ML para detectar cambios en el proceso de siniestros, identificar patrones de desarrollo anómalos y señalar segmentos donde los supuestos del método tradicional están fallando. El modelo no produce la reserva; le dice al actuario dónde mirar. Esto funciona a favor de las cuatro restricciones en lugar de en contra, y es donde he visto consistentemente el mejor retorno en la práctica.

Qué permite el conjunto de datos ampliado del Schedule P

La adición de diez años de accidente al conjunto de datos Schedule P de la CAS es importante por razones específicas.

Ventanas de desarrollo más largas para ramos de cola larga. Probar un método de reservas en responsabilidad civil general requiere observar el desarrollo hasta algo cercano al coste final. Diez años adicionales convierten varios ramos de "insuficientes para evaluar" a "evaluables".

Pruebas a través del ciclo. Los métodos de reservas se comportan de forma diferente en mercados alcistas y bajistas, y en entornos de baja frente a alta inflación. Un conjunto de datos que abarca más ciclos permite probar la robustez de los métodos a través de regímenes en lugar de solo dentro de uno, que es precisamente el modo de fallo que arruina los modelos de reservas en la práctica.

Benchmarking genuino. Un conjunto de datos público común permite comparar métodos competidores con datos idénticos, que es el mecanismo por el cual los campos metodológicos realmente progresan. Sin él, cada artículo reporta resultados sólidos sobre datos propietarios a los que nadie más puede acceder.

Cinco recomendaciones para los equipos de reservas

Comienza con diagnósticos, no con estimaciones. El valor defendible más rápido del ML en las provisiones es la detección de cambios en los procesos. Construye eso primero y demuéstralo antes de considerar ampliarlo.

Trata la provisión por siniestro individual como un programa de datos primero. El método no es la restricción; lo son la calidad, consistencia e histórico de los datos a nivel de siniestro. La mayoría de las empresas necesitan dieciocho meses de trabajo de datos antes de que la cuestión del modelo sea viable.

Mantén el método tradicional funcionando en paralelo indefinidamente. No como un arreglo de transición, sino como un control permanente. Una divergencia material entre un modelo granular y un chain ladder es información valiosa.

Documenta las rupturas de supuestos de forma explícita y duradera. Cada cambio en la gestión de siniestros o en la filosofía de reservas debe registrarse en un registro que mantenga el equipo de reservas. Este es el conocimiento institucional que hace que cualquier método funcione.

Haz del rango, no del punto, el resultado principal. Un único número invita a una falsa precisión y no ofrece ninguna base para discutir la incertidumbre que realmente importa al consejo de administración. Este es un cambio de comunicación más que metodológico.

---

Conclusiones clave

• Las provisiones se retrasaron respecto a la tarificación en la adopción del ML por cuatro razones estructurales: tamaño de muestra efectivo pequeño, objetivos no observados, consecuencias en estados financieros y cambios de proceso que invalidan datos históricos.
• La provisión por siniestro individual es el avance más sustancial porque resuelve directamente el problema del n pequeño y se complementa con la extracción mediante LLM.
• Los modelos mixtos y jerárquicos ofrecen una solución fundamentada para segmentos demasiado pequeños o diversos.
• La aplicación inicial de mayor retorno del ML en reservas es el diagnóstico (detectar cambios de proceso y fallos de supuestos) en lugar de la estimación pura.

---

Preguntas frecuentes

¿Por qué el aprendizaje automático está menos establecido en las reservas que en la tarificación? Debido al pequeño tamaño de muestra efectivo de los triángulos, el hecho de que el coste final no se observa durante años, el impacto directo en el balance auditado y que los cambios en la gestión de siniestros invalidan los patrones históricos.

¿Qué es la provisión por siniestro individual? Modelizar el desarrollo del coste al nivel de cada siniestro individual utilizando sus características (lesión, litigio, etc.) en lugar de agregar los datos en triángulos por años de accidente.

¿Deberían las empresas reemplazar el chain ladder por métodos de aprendizaje automático? Generalmente no; deberían ejecutarse en paralelo. La divergencia entre un modelo granular y el tradicional es informativamente diagnóstica.

---

Jonas Mohamed Osman Abdelghafour es el fundador de Quantica Risk Model, que construye modelos de reservas, capital y tarificación para aseguradoras.