El proceso tradicional de reportar un daño vehicular leve en Chile llegaba a tomar 49 dÃas de promedio nacional y 53 dÃas en la Región Metropolitana, según datos internos revelados por la aseguradora Consorcio. El asegurado debÃa coordinar cita, trasladar el vehÃculo, esperar al liquidador y aguardar 72 horas por un presupuesto. El 65% de los clientes calificaba la experiencia como tediosa.
La estructura del problema resultó ser más profunda que la logÃstica. El catálogo de autopartes manejado por liquidadores contenÃa 2.743 denominaciones inconsistentes para las mismas piezas. Un mismo componente podÃa registrarse como "parachoques delantero", "bumper frontal" o "paragolpes delantero", dependiendo del operador. Esta inconsistencia impedÃa comparar presupuestos entre talleres, detectar costos anómalos y entrenar modelos de inteligencia artificial con datos históricos confiables.
El punto de inflexión surgió en junio de 2026 durante el programa AWS InnoQuest en Santiago. Consorcio, conglomerado financiero y asegurador chileno, participó junto a la firma Strata Analytics para evaluar si la inteligencia artificial generativa podÃa transformar el proceso. La respuesta positiva contó con respaldo numérico.
Antes de implementar cualquier solución de IA, el equipo invirtió en un prerrequisito técnico: depurar el catálogo hasta reducirlo a 786 Ãtems únicos, normalizados y categorizados. Sin este trabajo de datos, reconocieron, ningún modelo habrÃa operado con precisión útil.
Para la selección del modelo de IA, el equipo utilizó Amazon Bedrock, servicio que permite acceder a múltiples modelos fundacionales mediante una sola API sin gestionar infraestructura propia. En lugar de elegir por intuición o popularidad, evaluaron cuatro modelos distintos sobre el mismo conjunto de casos reales. Esta metodologÃa de benchmarking resultó determinante para la decisión final.
El proyecto expone una tensión recurrente en la adopción de tecnologÃa por parte de grandes conglomerados: la promesa de eficiencia mediante IA depende de trabajo previo de calidad de datos que rara vez se menciona en los comunicados corporativos. La normalización del catálogo consumió recursos y tiempo significativos antes de que cualquier algoritmo entrara en operación.
En siniestros leves —donde el vehÃculo aún circula y el daño es estético o mecánico menor— la inspección presencial consumÃa los mismos recursos que uno grave. Dos visitas, un liquidador asignado, una ventana de 72 horas: todo para daños que resultaban predecibles y categorizables mediante fotografÃas y descripciones estandarizada
Etiquetas: Amazon Bedrock, Consorcio, inteligencia artificial generativa, seguros digitales, tecnologÃa financiera, Chile, inspección vehicular, calidad de datos
About the Author
