El fraude en seguros con inteligencia artificial se convirtió en uno de los nuevos desafíos para el mercado asegurador. La misma tecnología que permite automatizar procesos, mejorar la atención y acelerar trámites también puede ser usada para crear imágenes, documentos, voces o identidades falsas con un nivel de realismo cada vez mayor.

El problema no es menor. Según el informe The Battle Against AI-Driven Identity Fraud, elaborado por Signicat, los intentos de fraude con deepfakes crecieron 2.137% en los últimos tres años. El relevamiento se realizó entre más de 1.200 responsables de prevención de fraude del sector financiero en Bélgica, Alemania, Países Bajos, Noruega, España, Suecia y Reino Unido.

La inteligencia artificial cambió el concepto de prueba

Durante años, una foto de un auto chocado, un presupuesto de reparación o una copia de documentación podían servir como elementos iniciales para validar un siniestro. Ese escenario cambió con la aparición de herramientas de inteligencia artificial generativa capaces de modificar imágenes o crear archivos falsos en pocos minutos.

En el sector asegurador, esto afecta directamente la investigación de siniestros. Fotografías de vehículos, certificados médicos, comprobantes, presupuestos e incluso documentos de identidad pueden ser alterados o generados desde cero con mayor facilidad.

Silvia Pascual, Business Manager de Flux IT, resumió el cambio con una frase clave: "Una fotografía ya no puede asumirse como prueba suficiente por sí sola". Para la especialista, el desafío está en combinar modelos de detección con distintas fuentes de información y mantener al analista humano en las decisiones críticas.

Cómo usan los deepfakes quienes intentan cometer fraude

Los deepfakes no se limitan a videos falsos de personas famosas. En seguros, el riesgo aparece en casos más concretos: fotos de daños que no existieron, documentos adulterados, identidades sintéticas, reclamos duplicados o expedientes armados con información falsa.

En un seguro automotor, por ejemplo, una imagen manipulada puede intentar mostrar un daño más grave que el real. También puede usarse una foto antigua, editada o generada con IA para simular un siniestro que nunca ocurrió.

El problema crece porque estas herramientas reducen el costo y el tiempo necesarios para fabricar evidencia falsa. Lo que antes requería conocimientos técnicos o edición profesional, hoy puede estar al alcance de usuarios con herramientas masivas.

Qué hacen las aseguradoras para detectar fraude con IA

Frente a este escenario, las aseguradoras empiezan a incorporar sistemas capaces de analizar grandes volúmenes de datos, detectar inconsistencias y marcar casos sospechosos para revisión. No se trata solo de mirar una foto, sino de cruzar información.

Entre las herramientas más utilizadas aparecen los modelos de machine learning, el análisis de metadatos, la detección de inconsistencias visuales, la comparación con reclamos anteriores y la revisión automática de documentación.

Flux IT explicó que, en implementaciones sobre fotografías de vehículos y documentación de siniestros, logró precisiones de "entre el 97% y el 100%" sin registrar falsos positivos. El objetivo de estos sistemas no es reemplazar al analista, sino ayudarlo a concentrarse en los casos que realmente requieren investigación.

El análisis de fotos, una de las claves

Uno de los usos más importantes de la inteligencia artificial en seguros está en el análisis de imágenes. Las herramientas pueden revisar si una foto fue editada, si presenta inconsistencias de iluminación, bordes irregulares, sombras poco naturales o marcas compatibles con manipulación digital.

También pueden comparar la imagen con bases de reclamos previos para detectar si el mismo daño ya fue presentado en otro expediente. Esto resulta clave en seguros automotores, donde las fotos del vehículo suelen formar parte del proceso de denuncia y liquidación.

Sin embargo, el análisis visual por sí solo no alcanza. Una imagen puede no mostrar señales evidentes de edición y aun así formar parte de un reclamo fraudulento. Por eso, las compañías combinan la revisión de fotos con otros datos del caso.

Documentos falsos, identidades sintéticas y expedientes completos

El fraude con inteligencia artificial no se limita a una foto alterada. También puede involucrar documentos generados o modificados, presupuestos falsos, comprobantes adulterados, certificados médicos simulados o identidades sintéticas.

Esto obliga a las aseguradoras a trabajar con capas de validación. Una compañía puede verificar la documentación, contrastar datos con fuentes externas, analizar patrones históricos y revisar si el comportamiento del reclamo se parece a maniobras fraudulentas ya detectadas.

El informe de Signicat advierte que la inteligencia artificial ya representa una porción relevante de los intentos de fraude detectados en el sector financiero. Según ese estudio, el 42,5% de los intentos de fraude detectados en ese sector están vinculados con IA.

El desafío: detectar fraude sin complicar al asegurado

Uno de los principales problemas para las compañías es encontrar equilibrio. Si los controles son demasiado simples, aumenta el riesgo de fraude. Pero si son excesivos, el asegurado legítimo puede terminar sufriendo trámites más lentos, más pedidos de documentación y una peor experiencia.

Por eso, la tendencia es usar IA para mejorar la detección sin cargar todo el peso sobre el cliente. Los sistemas pueden priorizar casos sospechosos, resumir expedientes, marcar contradicciones y sugerir alertas, mientras los reclamos normales avanzan con menor fricción.

La clave está en que la tecnología funcione como asistencia y no como única autoridad. En casos sensibles, la decisión final debe quedar en manos de analistas especializados, con contexto suficiente para evitar errores.

LEER MÁS Toyota Corolla Cross Z Adventure: así es la versión aventurera

Por qué el fraude también impacta en el costo de las pólizas

El fraude en seguros no afecta solo a las compañías. Cuando los casos irregulares aumentan, también suben los costos de investigación, se demoran los procesos y se tensiona la relación con los clientes.

Además, cada fraude detectado o no detectado puede terminar impactando en el sistema completo. Las aseguradoras trasladan sus costos operativos y de siniestralidad a la estructura de precios, por lo que el fraude puede incidir indirectamente en el valor de las pólizas.

En ese sentido, combatir el fraude no es solo una cuestión tecnológica. También es una forma de proteger a los asegurados que realizan reclamos legítimos y necesitan respuestas rápidas.