Por Óscar Jacobo Bacelo, asociado senior de

IP & Protección de Datos de Ontier

En los últimos meses, asistimos a una transformación digital sin parangón reciente, impulsada por la eclosión de la inteligencia artificial y el vasto horizonte de aplicaciones que proyecta sobre la economía. Ante este paradigma, una industria tan madura como la aseguradora no ha permanecido ajena, pese a la elevada carga regulatoria inherente a su actividad, especialmente en lo relativo a los deberes de información y protección al consumidor.

Así, si bien 2026 se perfila como el año clave para la consolidación de la IA en el sector, el último informe de ICEA “Termómetro de Inteligencia Artificial y Data en el sector asegurador” revela que más de un 60% de las entidades nacionales ya están implementando soluciones basadas en IA. Esta adopción ha trascendido una fase preliminar limitada a procesos internos, para alcanzar áreas estratégicas del negocio asegurador, tales como la segmentación de clientes o la personalización avanzada de servicios.

En el mercado europeo, la implementación de la IA todavía enfrenta notables incertidumbres regulatorias, tanto de índole transversal como sectorial. Como exponente de esta complejidad y el debate actual, la reciente propuesta Ómnibus Digital de la Comisión Europea plantea simplificar y diferir la aplicabilidad de ciertos preceptos del Reglamento (UE) 2024/1689 de Inteligencia Artificial (AI Act). Incluyendo las obligaciones aplicables a los sistemas de alto riesgo, categoría en la que, a priori, se encuadra el uso de IA para la evaluación de riesgos y la tarificación en los ramos de vida y salud.

No obstante, en este análisis nos limitaremos a abordar las obligaciones de auditabilidad, explicabilidad y transparencia algorítmica, que resultan esenciales para garantizar la trazabilidad en la toma de decisiones automatizada. En la contratación de seguros, la remisión de información objetiva y comprensible sobre el producto comercializado se ha conformado como un requisito esencial para la validez del consentimiento contractual y la comprensión de los criterios de suscripción.

Asimismo, la normativa de protección de datos intensificó la severidad de estas obligaciones de transparencia, en particular ante decisiones basadas en un tratamiento automatizado —como el scoring—. En tales casos, según la interpretación confirmada por los tribunales europeos, no basta con aludir a las finalidades del tratamiento. Se exigen explicaciones reforzadas y comprensibles sobre la lógica real de los algoritmos utilizados, el procedimiento y principios aplicados para explotar la información personal, o las consecuencias previstas de dicho tratamiento.

Pues bien, ello alcanza su máxima expresión bajo el principio de transparencia del AI Act, el cual constituye, junto al enfoque basado en el riesgo y la prevención de sesgos, uno de los pilares fundamentales del nuevo marco legal. Se pretende que los consumidores sean, al menos, conscientes de cuándo interactúan con una solución de IA —como un agente conversacional— o se exponen a contenido sintético.

Complementariamente, la explicabilidad debe modularse en función del perfil y las necesidades del destinatario. A tal efecto, la EIOPA —en sentido similar a las directrices de las autoridades en materia de protección de datos— aconseja el uso de sistemas de doble capa informativa, que trasladen una primera explicación inteligible y desprovista de tecnicismos —lo que supone un desafío mayúsculo dada la naturaleza de los algoritmos y el efecto “caja negra” de ciertas soluciones de IA—, seguida de una segunda capa que permita al interesado acceder a la lógica subyacente de la decisión.

La transparencia y la explicabilidad se complementan con la supervisión humana, cuya observancia resulta imperativa en sistemas de IA de alto riesgo. Tal y como subyace en el espíritu de la norma, ante una mayor opacidad técnica del algoritmo o complejidad del sistema, más exhaustivos deberán ser los controles. Dicha vigilancia debe traducirse en una supervisión humana efectiva, auditable y persistente, evitando discriminaciones –por ejemplo, por género o edad– y garantizando que el factor humano conserve la capacidad de intervenir, corregir o, en su caso, neutralizar las decisiones adoptadas de forma automatizada.

Por último, no podemos obviar que, al igual que la aplicación del AI Act impacta en toda la cadena de valor de sistemas de IA, la trazabilidad de la información debe fluir desde la entidad aseguradora —con la colaboración esencial de proveedores de sistemas de IA, cuando resulte aplicable— hasta los mediadores de seguros. Estos, en última instancia deberán conocer debidamente cuando una decisión se base o apoye en inteligencia artificial, a fin de que puedan cumplir con sus obligaciones de asesoramiento y conducta para con el cliente. Además, las aseguradoras deben reforzar la gobernanza interna mediante evaluaciones periódicas de sus algoritmos y soluciones de IA, garantizando así el cumplimiento de los principios de equidad, transparencia y explicabilidad.

En conclusión, y pese al reto técnico que supone, la transparencia y la explicabilidad no son fines en sí mismos, sino presupuestos instrumentales para preservar la confianza y garantizar un despliegue lícito y ético de la IA en el sector asegurador. En un mercado donde la aversión al riesgo se atempera con certidumbre, articular mecanismos reforzados de explicabilidad y supervisión humana conformará la estrategia más eficaz para mantener al asegurado en el centro y, a la vez, fortalecer la resiliencia del negocio asegurador.