Por qué los LLM genéricos no pueden gestionar los riesgos comerciales de seguros de daños

El verdadero problema no es el modelo. Es creer que un modelo basta.

La suscripción se está reconstruyendo en torno a la IA. La verdadera pregunta no es si la IA puede ayudar. Eso, las demos lo demuestran cada día. El tema lo que separa una demo de una inteligencia capaz de gestionar toda una cartera, de forma continua, y de sostenerse ante un regulador.

Más de la mitad de los proyectos de IA generativa se abandonan tras la fase de prueba de concepto (Gartner). La mayoría construye lo que no debe, porque confunde dos lógicas claves. La IA de consumo, la cual debe ser intuitiva, demostrativa, conversacional. Por otro lado, la IA empresarial que esperamos determinista, auditable y con un coste marginal controlado.

La prensa lo confirma, con más crudeza de la que se permitiría una firma de análisis: «This gap between performance expectations and production reality is precisely why AI agents aren’t the one-size-fits-all tool the tech industry desperately wants them to be. Today’s reality is falling way behind the hype.» (Futurism, mayo de 2026)

Esta observación no es aislada. Recorre las conversaciones de los profesionales que operan agentes en producción: el vocabulario del harness determinista, de las compuertas estructurales en lugar de salvaguardas basadas en prompts, del coste por resultado en lugar de por token, emerge con una convergencia llamativa. Mientras las demostraciones siguen impresionando, el saber práctico se va forjando lentamente, en producción. Estos conceptos no son un invento de Continuity; se están imponiendo en la práctica del sector. Lo que Continuity aporta no es la idea del harness sino más bien el precedente de suscripción acumulado a lo largo de siete años de análisis de cartera, que ninguna arquitectura genérica posee.

Mientras tanto, creer que una IA de consumo estándar puede ofrecer lo que sí lograría una IA empresarial especializada es el error más costoso de la IA en seguros en 2026.

Por qué los LLM genéricos no superan la prueba de la producción: tres barreras estructurales

Barrera 1 | El coste de la escala y la falsa promesa del token barato

La verdadera ambición es una inteligencia continua sobre toda la cartera: cada póliza, en cada ciclo, no una muestra. Es solamente a esa escala que se materializa el valor.

El discurso de que «el coste de los tokens ha caído por un factor de 300» está por todas partes. Se ha vuelto engañoso, no porque sea falso, sino porque mira el indicador equivocado. El propio Gartner prevé una caída de en torno al 90 % del coste de inferencia de aquí a 2030, con una inteligencia que tiende a coste cero. Sin embargo, el problema no es el precio del token. Es que un LLM genérico se tarifica por prompt, sin noción alguna de resultado. Aplicado a una cartera de 100.000 contratos, la estructura de costes se vuelve insostenible. No porque el token sea caro, sino porque no existe la noción de coste por resultado.

La frontera, por su parte, sigue siendo volátil. Cada trimestre vuelve a barajar las cartas: Kimi-K3 este mes, GLM-5.2 antes, los reshuffles de Sonnet / GPT / Gemini antes aún. Los proveedores retiran sus modelos antiguos y fuerzan la migración hacia fronteras con un coste unitario superior; los modelos de razonamiento consumen entre 5 y 8 veces más tokens por tarea. La lección no está en la puntuación de tal modelo en tal trimestre. Es estructural: la frontera es un objetivo móvil, y apostar por un modelo concreto es apostar por un mercado que se cae bajo nuestros pies.

La métrica que importa no es el coste por token. Es el coste por resultado, a escala. Y no hay una única palanca para controlarlo: modelos mejores o más baratos, alojamiento propio, fine-tuning, un mejor prompting, y muchos otros enfoques más. Dominar el coste por resultado es una labor de arquitectura continua, que se redefine con cada generación de modelos, no un ajuste que se fija de una vez por todas.

Es precisamente la advertencia del propio Gartner, en el pronóstico que anuncia la commoditización: «CPOs who mask architectural inefficiencies with cheap tokens today will find agentic scale elusive tomorrow.» (Will Sommer, Gartner, marzo de 2026)

Aquí es donde reside la verdadera apuesta. Cuando la inteligencia se convierta en una commodity —y Gartner dice que lo hará—, la ventaja ya no estará en el modelo, convertido en algo banal, sino en lo que se construye a su alrededor: el harness, la traza, el precedente de negocio. La soberanía del modelo no es un lujo ideológico: es la condición para arquitecturar, desde hoy, sobre la intercambiabilidad del cerebro. Los modelos abiertos, estables, cuyas propiedades conocemos, no son un fin; son la materia prima de una inteligencia que controlamos de verdad. La barrera no es el precio del modelo. Es la capacidad de construir sobre cualquier modelo.

Barrera 2 | La reproducibilidad

Un agente genérico aplicado dos veces al mismo contrato no siempre da el mismo resultado.

No es un fallo de configuración. Es una propiedad estructural de los LLM, ligada a la propia forma en que se ejecutan sobre el hardware. En ese sentido, no es un bug que se corrija.

Eso constituye un obstáculo mayor para un sistema de auditoría en suscripción: ¿cómo oponer a un corredor, a un cliente o al regulador una decisión que el propio sistema no sabría reproducir?

La reproducibilidad debe lograrse, por tanto, por encima del modelo, mediante la arquitectura que lo encapsula. Y el trabajo real ocurre en el harness: la envoltura de ejecución determinista que rodea al modelo.

La intuición clave contrapone output y outcome. El modelo produce un output que varía de una ejecución a otra. Pero existe un número infinito de outputs —sea cual sea su forma— que producen el mismo outcome para las mismas entradas. El harness no busca fijar el output; garantiza el outcome. La reproducibilidad se convierte en una propiedad estructural del sistema, no en una coincidencia del modelo.

Y el verdadero objetivo es más ambicioso de lo que parece: capturar la riqueza de las reglas del cliente, expresadas en lenguaje natural, y convertirlas en outcomes precisos, reproducibles y auditados. El LLM genera la lógica; el harness la constriñe a un resultado determinista. Cada decisión puede vincularse a una versión de conocimiento nombrada, fechada y reconsultable; cada ejecución sigue siendo reproducible, incluso cuando las reglas evolucionan. Esto presupone además un modelo que controlamos: el harness solo garantiza el outcome si el cerebro que encapsula permanece estable, y un modelo retirado o modificado sin previo aviso socava la propia garantía. De ahí, una vez más, la apuesta por los modelos abiertos.

Barrera 3 | La trazabilidad y el marco regulatorio

El marco regulatorio europeo —el AI Act y las expectativas de los supervisores bajo Solvencia II, la IDD y DORA— es ya claro sobre la IA en seguros: conservación de registros, explicabilidad, supervisión humana, una pista de auditoría clara.

Sin embargo, los proveedores de IA a veces subestiman el hecho que el asegurador sigue siendo responsable del sistema de IA que despliega, lo haya construido o no. La responsabilidad no se delega en el modelo.

Un agente que no puede citar sus fuentes externas, explicitar su razonamiento y producir una traza auditable no es oponible. Ni ante el regulador. Ni ante el reasegurador. Ni ante el asegurado en caso de litigio.

La trazabilidad no es un «nice-to-have«. Es la condición de admisibilidad de la IA en la suscripción. Y quienes la construyen por diseño, en lugar de injertarla a posteriori, son los únicos que pueden desplegar de verdad. Cada alerta producida debe poder vincularse a una cadena de entradas identificables: un PDF de la guía de suscripción, un dato externo con su fuente, una transcripción validada, una regla de negocio versionada, un dato de póliza estructurado. Cada alerta debe decir por qué preocupa, sobre qué evidencia y con qué nivel de confianza. No es una función de reporting añadida a posteriori, sino un invariante de la arquitectura.

El marco que hace funcionar a los agentes

Es precisamente el marco que hace funcionar a los agentes en los dominios acotados: límites claros, resultados medibles, salvaguardas evidentes. En ciberseguridad, Sophos MDR resuelve el 52 % de los casos de extremo a extremo mediante IA, sin intervención humana, con un tiempo de respuesta mediano de 89 segundos. Hablamos aquí de tareas complejas y sensibles, pero operativas porque están acotadas por una infraestructura experta.

Este marco es aún más necesario en la suscripción de seguros comerciales P&C: los límites del dominio son difusos y los resultados no son medibles de inmediato. Y ahí es donde se impone una última pieza, que ningún modelo ni ninguna arquitectura genérica aporta.

El conocimiento de negocio, o lo que la arquitectura no contiene

Una arquitectura es necesaria, pero no es suficiente.

Lo que la nutre es el conocimiento de negocio de producción: el precedente de suscripción (underwriting precedent). La distancia entre la guía de suscripción escrita y lo que los suscriptores hacen realmente. Esa distancia no se demuestra; se adquiere en producción, póliza a póliza, alerta a alerta. Contamos con siete años de análisis de cartera acumulados en Continuity. Ningún LLM genérico lo posee. Ninguna arquitectura genérica lo captura.

Conclusión

La IA generativa no sustituye a la ingeniería de la suscripción. La exige.

La suscripción se está reconstruyendo en torno a la IA. Los ganadores no serán quienes tengan el mejor modelo. Los modelos se convierten en commodity. Serán quienes hayan construido el sistema capaz de transformar ese cerebro commoditizado en una inteligencia de suscripción fiable, reproducible, auditable, y que se refuerza en cada ciclo, nutrida por los años de conocimiento de producción que solo el oficio posee.

–

Antoine — Chief Science Officer, Continuity