Por:
JULIAN RODRÍGUEZ
Co-fundador de DATMIND
El sector asegurador en Latinoamérica ya no está pensando si vale la pena meterle plata a la inteligencia artificial. Según datos de la consultora Celent, alrededor del 43% de las aseguradoras de la región ya tiene proyectos de IA generativa funcionando, y casi la mitad de las que faltan planea implementarlos en el próximo año. En pocos meses, casi todo el sector va a tener algún tipo de IA corriendo en su operación.
El problema es otro. Y ese sí lo veo todo el tiempo.
Sobra tecnología, falta quién la use bien
Hablando con gente del sector, el freno casi nunca es la herramienta. Cualquiera puede comprar una plataforma de IA hoy. Lo que escasea es alguien que entienda el negocio asegurador de verdad — cómo se comporta un cliente, qué significa el riesgo en la práctica — y que al mismo tiempo sepa leer un modelo predictivo sin perderse.
Esa combinación casi no se enseña en ningún lado. Las carreras de finanzas o seguros rara vez entran en estadística aplicada. Y los cursos técnicos de datos casi nunca hablan de primas, siniestralidad o retención de cartera. Entonces las empresas terminan comprando tecnología más rápido de lo que forman a la gente que debería usarla, y ahí es donde se pierde la plata: modelos que nadie sabe interpretar, dashboards que
se quedan bonitos pero sin usar, proyectos de IA que nunca pasan del piloto.
Lo que sí funciona en la práctica
Cuando el analytics rinde de verdad en seguros, casi siempre se trata de cosas concretas: identificar qué clientes tienen más probabilidad de reclamar, entender qué segmento realmente conviene retener, priorizar mejor una campaña comercial según quién tiene más chance de comprar. Nada de esto necesita un doctorado. Necesita estadística bien aplicada y a alguien que entienda el negocio.
De eso trata el curso que voy a dictar en ISFIS
El programa de Data Analytics e Inteligencia Artificial para los Negocios va justo sobre ese vacío.
Empieza con los fundamentos de datos y visualización, sigue con estadística aplicada y segmentación, y termina con modelos predictivos reales: regresión logística, series de tiempo, árboles de decisión, random forest y redes neuronales, todo trabajado con casos del sector financiero y asegurador.
El objetivo no es que salgas hablando de inteligencia artificial. Es que salgas tomando mejores decisiones
con datos, que es lo que tu empresa realmente necesita de ti.
Inicio: 25 de agosto de 2026 · Martes y jueves, 6:00–8:00 p.m. · 24 sesiones en vivo
