Sesión 1
Colabora:
Las sesiones incluyen una introducción a la inteligencia artificial y el machine learning, la presentación del problema de negocio, la manera de enfocarlo usando machine learning y algunos ejemplos, con datos reales cuando sea posible, con comparación de resultados y creación de escenarios.
Presencial y online: 14 de noviembre de 2024
El uso de algoritmos más avanzados que los GLM y el enriquecimiento de datos con información de terceros o sensores, puede mejorar la precisión de las tarifas, con grandes impactos en la cuenta de resultados. Utilizando datos reales anónimos de asegurados de autos, estimaremos la frecuencia y la severidad. El uso de algoritmos más avanzados que los GLM y el enriquecimiento de datos con información de terceros o sensores, puede mejorar la precisión de las tarifas, con grandes impactos en la cuenta de resultados.
Sesión 2
Presencial y online: 10 de diciembre de 2024
Usando la información de clientes y su relación con la compañía, podemos estimar la probabilidad de anulación y las principales causas, para poder tomar acciones anticipadamente con aquellos clientes cuyas posibles causas de baja sean gestionables.
Próximas sesiones
Detección del fraude y atención al asegurado usando Modelos de Lenguaje Masivo (LLM) e Inteligencia Artificial Generativa
Presencial y online el 22 de enero de 2025
Los Modelos de Lenguaje Masivo como GPT han logrado un nivel de comprensión del lenguaje humano y una capacidad de extraer información de textos y conversaciones sin precedentes. Esto se puede aplicar a las declaraciones de siniestros, para mejorar la precisión de los sistemas de detección de fraude. Así mismo, las posibilidades de personalización de estos modelos, les permite aprender las especificidades de nuestro negocio y usarlos eficientemente en sistemas como los de atención al asegurado.
Satisfacción del cliente (NPS, Net Promoter Score)
26 de febrero de 2025
Con la información disponible de clientes y su interacción con la compañía, se puede estimar su NPS e identificar a los potenciales 'detractores', para tomar medidas preventivas y que se conviertan en 'promotores' (o al menos en 'pasivos'). Utilizaremos datos reales de encuestas de satisfacción de clientes de seguros realizadas por ICEA para crear modelos que permitan estimar la satisfacción de los clientes.
Gestión de siniestros de autos y prevención del fraude con reconocimiento automatizado de imágenes
12 de marzo de 2025
La gestión tradicional de siniestros de autos conlleva un importante trabajo manual, con la inspección por parte de expertos de los vehículos dañados, para determinar el coste de indemnización o reparación, así como la identificación y localización de las partes afectadas. El reconocimiento automático de imágenes a través de machine learning puede automatizar buena parte de este proceso, acortar plazos, reducir errores y mejorar la precisión de las estimaciones.
Impacto de los siniestros de hogar y comunidades. Pricing y nuevas variables
7 de mayo de 2025
La siniestralidad asociada a determinadas coberturas en los ramos hogar y comunidades, está condicionada por variables propias de cada inmueble, como la calidad constructiva, número de baños, climatología, etc. Utilizar eficientemente esa información permite mejorar la tarifa y la gestión de siniestros.
Estimación de reservas usando datos individuales
19 de junio de 2025
La precisión de las reservas totales puede mejorar notablemente si utilizamos la información individual de cada siniestro, junto con nuevos algoritmos. De esta forma, también se pueden gestionar mejor las tarifas y la rentabilidad, evitando desviaciones y variabilidad en el cálculo de provisiones técnicas.
