Los grandes modelos de lenguaje (o large language models, LLM) han pasado en pocos anos de ser una curiosidad de laboratorio a convertirse en herramientas de uso cotidiano en muchas profesiones. El actuario no es la excepcion. Antes de incorporarlos al trabajo tecnico conviene entender qué son, para qué sirven bien y, sobre todo, dónde estan sus limites.
Qué es un LLM y qué no es
Un LLM es un modelo estadistico entrenado sobre enormes cantidades de texto para predecir la siguiente palabra (o token) dado un contexto. De esa capacidad aparentemente simple emergen habilidades utiles: redactar, resumir, traducir, explicar conceptos, generar código y responder preguntas. Herramientas como ChatGPT, Claude o Gemini son interfaces sobre modelos de este tipo.
Es fundamental tener claro qué no es un LLM. No es una calculadora exacta, no es una base de datos con hechos verificados y no razona como un actuario colegiado. Genera texto plausible, no necesariamente correcto. Esta distincion es la que ordena todo su uso profesional: el modelo asiste, el actuario responde.
Casos de uso reales para el actuario
Bien encuadrados, los LLM ahorran tiempo en tareas donde el juicio final sigue siendo humano. Algunos usos que ya se observan en la practica:
- Redaccion de documentacion tecnica. Producir borradores de memorias de calculo, notas metodologicas, resumenes ejecutivos o secciones de un informe de valuacion. El modelo estructura y redacta, el actuario verifica cifras, hipotesis y cumplimiento normativo.
- Asistencia en codigo Python y R. Escribir funciones, depurar errores, comentar codigo, traducir un script de una hoja de calculo a un lenguaje reproducible o explicar que hace un fragmento heredado. Es uno de los usos donde el retorno es mas claro, siempre con revision y pruebas.
- Revision de contratos y polizas. Localizar clausulas, comparar versiones, extraer condiciones de cobertura, exclusiones o definiciones de siniestro para su analisis posterior. Util como primer filtro, nunca como dictamen legal.
- Comunicacion con clientes. Traducir un resultado tecnico a un lenguaje comprensible para un comite directivo o un area de recursos humanos, ajustar el tono de un correo o preparar preguntas frecuentes.
- Exploracion de datos. Sugerir enfoques de analisis, generar codigo para graficar distribuciones, proponer pruebas de consistencia o ayudar a interpretar resultados preliminares.
En todos estos casos el patron es el mismo: el LLM acelera el primer borrador o el trabajo de apoyo, y el profesional aporta el juicio experto, la validacion y la responsabilidad.
Los riesgos que no se pueden ignorar
El uso profesional de estas herramientas trae riesgos concretos que un actuario debe gestionar de forma explicita.
- Alucinaciones. El modelo puede inventar cifras, referencias normativas, citas o formulas con una redaccion muy convincente. En un contexto donde una tasa o un factor mal usado tiene consecuencias financieras y regulatorias, esto es especialmente peligroso.
- Confidencialidad de datos. Introducir censos de empleados, datos personales, informacion financiera de un cliente o material bajo secreto profesional en una herramienta publica puede violar acuerdos de confidencialidad y la normativa de proteccion de datos personales.
- Sesgos. Los modelos reflejan sesgos presentes en sus datos de entrenamiento. En aplicaciones que tocan tarificacion, seleccion de riesgos o proyecciones demograficas, esto puede traducirse en resultados injustos o discriminatorios si no se controla.
Salvaguardas y gobernanza
Frente a estos riesgos, la respuesta no es prohibir sino gobernar. Algunas salvaguardas practicas:
- Verificacion humana obligatoria. Ningun resultado numerico, referencia normativa ni conclusion tecnica generada por un LLM debe usarse sin comprobacion independiente. El principio de human in the loop es innegociable en trabajo actuarial.
- Politicas de datos. Definir con claridad qué informacion puede y qué no puede introducirse en estas herramientas. Preferir soluciones empresariales con garantias contractuales de no reentrenamiento y control de acceso, y anonimizar cuando sea posible.
- Trazabilidad. Documentar cuando se uso un LLM, para qué tarea y qué reviso una persona. Esto es coherente con las exigencias de documentacion de las normas actuariales.
- Capacitacion. El equipo debe entender las limitaciones del modelo tanto como sus capacidades. Un usuario que confia ciegamente es mas peligroso que uno que no usa la herramienta.
Los organismos profesionales ya se ocupan del tema. La Society of Actuaries (SOA), la Casualty Actuarial Society (CAS) y el Institute and Faculty of Actuaries (IFoA) han publicado materiales sobre inteligencia artificial, ciencia de datos y sus implicaciones eticas y profesionales para la actuaria. Vale la pena seguir sus publicaciones para mantener el criterio actualizado.
Una herramienta mas, no un sustituto
Los LLM son un cambio real en la forma de trabajar, comparable en potencial con la llegada de la hoja de calculo. Bien usados, liberan tiempo de tareas repetitivas para dedicarlo al juicio, la comunicacion y el analisis, que es donde el actuario aporta valor. Mal usados, pueden introducir errores dificiles de detectar y comprometer la confidencialidad.
La conclusion es sobria: el LLM redacta, sugiere y acelera, pero la firma, la responsabilidad y el juicio profesional siguen siendo del actuario. Adoptarlos con rigor, politicas claras y verificacion sistematica es la unica forma sensata de aprovechar sus ventajas sin heredar sus riesgos.