Catorce ensayos sobre cómo la inteligencia artificial reescribe el oficio actuarial: tarificación, longevidad, fraude, reservas, pensiones, catástrofes, solvencia, reaseguro, gobernanza y el futuro de la profesión. Se publica una entrega nueva cada tres días.
Actuarios y cientificos de datos comparten fundamentos cuantitativos, pero el actuario aporta criterio de riesgo, principio de equivalencia y responsabilidad profesional. Una hoja de ruta para converger sin perder identidad.
Leer el artículoTrece entregas más que recorren la caja de herramientas de la IA aplicada al riesgo, con criterio actuarial en cada paso.
Qué problemas de inversión resuelve de verdad el machine learning en aseguradoras y fondos de pensiones, dónde la IA solo disfraza el ruido del mercado, y por qué el criterio actuarial manda sobre el balance de activos.
Cómo el machine learning y los modelos de lenguaje ayudan a leer cesiones, afinar el rating por exposición y optimizar estructuras de reaseguro, sin relevar al actuario de su juicio sobre los siniestros extremos.
Los regímenes de solvencia exigen simulaciones anidadas que tardan días. Los modelos proxy y el machine learning aproximan el requerimiento de capital en minutos, sin desplazar el juicio actuarial sobre la cola.
Cómo el aprendizaje automático y los modelos climáticos transforman el modelado de catástrofes, del catálogo de eventos a la curva de excedencia, sin relevar al actuario de su juicio sobre la cola.
Un recorrido por la evolucion de la tarificacion de seguros de daños, desde el GLM como estandar hasta el gradient boosting, sin perder de vista la interpretabilidad y el marco actuarial.
Del modelo Lee-Carter clasico a las extensiones con deep learning: por que las redes neuronales estan cambiando la proyeccion de la mortalidad y que retos de interpretabilidad plantean para la longevidad, las pensiones y los seguros de vida.
Como el machine learning detecta anomalias, patrones y redes de fraude, automatiza la suscripcion y acelera el scoring, y por que la explicabilidad, el sesgo y la calidad de los datos siguen siendo los grandes retos.
Del chain-ladder clásico a las redes neuronales para triángulos de siniestros: cómo la analítica predictiva reformula la estimación de reservas y la cuantificación de la incertidumbre bajo Solvencia II.
El seguro adopta modelos cada vez mas opacos. Explicabilidad, equidad y gobernanza del riesgo de modelo definen la frontera de la inteligencia artificial responsable, con el actuario como responsable del modelo.
Qué son los LLM, cómo pueden apoyar al actuario en documentación, código y análisis, y qué salvaguardas y gobernanza exigen antes de confiar en ellos.
Como el machine learning ayuda a modelar la longevidad y el riesgo de los sistemas de pensiones, su relacion con el credito unitario proyectado y NIF D-3, y los limites que impone la prudencia actuarial.
Cómo los datos de manejo y el machine learning están transformando la tarificación del seguro de auto, del pay-how-you-drive a los retos de privacidad y equidad.
Por qué la combinación de rigor estadístico, visión de negocio y estándares profesionales convierte a la IA en un aliado y no en una amenaza para la profesión actuarial.
Este es el orden de publicación de la serie. La primera entrega ya está disponible; las siguientes se liberan de forma escalonada.