La transformación digital en el sector asegurador ha dejado de ser un objetivo a mediano plazo para convertirse en la espina dorsal de la operación técnica y comercial. En el ramo de vida, el proceso tradicional de suscripción —caracterizado por exhaustivos cuestionarios médicos, exámenes de laboratorio y semanas de análisis actuarial manual— está siendo sustituido velozmente por la suscripción automatizada y adaptativa.
A través del despliegue de modelos de aprendizaje automático (machine learning), tarificación dinámica impulsada por dispositivos vestibles (wearables) y la integración de fuentes de datos alternativos, la industria ha logrado emitir pólizas en cuestión de minutos. Sin embargo, esta ganancia en velocidad e inclusión financiera plantea serios interrogantes en el terreno del Derecho de Seguros y la regulación financiera.
El cruce entre los algoritmos de underwriting digital, el marco prudencial emitido por la Comisión Nacional de Seguros y Fianzas (CNSF) y el régimen de protección de datos personales normado por la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) impone la revisión de los fundamentos éticos y jurídicos del contrato de seguro para salvaguardar la equidad contractual.
- El Enfoque Doctrinal: La Suscripción Automatizada frente a la Normativa de la CNSF y la LFPDPPP
El contrato de seguro de vida es, por naturaleza, un negocio jurídico uberrimae fidei (de la máxima buena fe). La apreciación del riesgo por parte de la institución aseguradora descansa tradicionalmente en el deber del proponente de declarar todos los hechos importantes para la valoración del riesgo, tal como lo exige la Ley Sobre el Contrato de Seguro (LSCS). En el paradigma de la suscripción digital, esta dinámica sufre una transmutación fundamental: la recolección de información desplaza la declaración pasiva del asegurado hacia la extracción activa y continua de datos a través de patrones algorítmicos.
[ Proponente / Asegurado ]
│ (Consentimiento explícito / Datos biométricos y de comportamiento)
▼
┌─────────────────────────────────────────────────────────┐
│ Motor de Algoritmos de Underwriting Digital │
│ (Modelos Predictivos + Scoring en Tiempo Real) │
└─────────────────────────┬───────────────────────────────┘
│
┌───────────────┴───────────────┐
▼ ▼
┌──────────────────┐ ┌──────────────────┐
│ Aprobación O │ │ Denegación O │
│ Tarificación │ │ Sobreprima │
│ Dinámica │ │ (Explicabilidad) │
└──────────────────┘ └──────────────────┘
- El Marco Prudencial de la CNSF (Circular Única de Seguros y Fianzas)
La Circular Única de Seguros y Fianzas (CUSF) exige a las instituciones que la tarificación y la selección de riesgos respondan a bases actuariales objetivas, suficiencia de prima y homogeneidad de las agrupaciones de riesgo.
Cuando una aseguradora sustituye las tablas de mortalidad estandarizadas por modelos predictivos avanzados, debe demostrar ante la CNSF que:
- Las variables utilizadas mantienen una correlación técnica objetiva con la probabilidad de ocurrencia del siniestro.
- Las notas técnicas y las bases de datos de sustento evitan la arbitrariedad en el diseño de las tarifas de vida.
- Los Principios de la LFPDPPP en la Evaluación de Riesgos
El tratamiento de datos para la suscripción automatizada incide de manera directa en las garantías tuteladas por la LFPDPPP:
- Tratamiento de Datos Sensibles: La información médica, los indicadores genéticos y las constantes biológicas recopiladas por dispositivos inteligentes son catalogados como datos personales sensibles. Su tratamiento exige el consentimiento expreso y por escrito (o mediante firma electrónica avanzada/mecanismos de autenticación equivalentes) del titular.
- Principio de Finalidad y Proporcionalidad: Los algoritmos no pueden recolectar masivamente datos del proponente (como hábitos de consumo en redes sociales o patrones de geolocalización) si estos no guardan una relación estricta, necesaria e indispensable con el riesgo de vida cubierto.
- Decisiones Automatizadas: Cuando la emisión, sobreprima o denegación de la cobertura dependa exclusivamente de un tratamiento automatizado de datos, el titular del dato conserva el derecho a impugnar la valoración y requerir una intervención humana directiva.
- Tarificación Dinámica, Wearables y la Denominada «Discriminación Algorítmica»
El uso de dispositivos vestibles (wearables) y aplicaciones de salud permite el monitoreo continuo de variables fisiológicas y conductuales (pasos diarios, frecuencia cardíaca, patrones de sueño, índice de masa corporal). Esta práctica ha dado paso a modelos de tarificación dinámica (pay-how-you-live), donde la prima se ajusta periódicamente según el estilo de vida del asegurado.
| Dimensión | Suscripción Tradicional | Suscripción Algorítmica / Dinámica |
| Fuente de Datos | Cuestionario médico, exámenes de laboratorio. | Wearables, datos de salud continuos, analítica predictiva. |
| Apreciación del Riesgo | Estática (al momento de la contratación). | Dinámica y evolutiva en tiempo real. |
| Ajuste de Prima | Fijo durante el periodo de vigencia. | Variable mediante bonificaciones o recargos continuos. |
| Procesamiento | Análisis humano / reglas actuariales estandarizadas. | Algoritmos de Machine Learning y decisiones automatizadas. |
El Riesgo de la Discriminación Algorítmica
Si bien la segmentación detallada premia a los proponentes con hábitos saludables, también engendra el fenómeno de la discriminación algorítmica. Los modelos de aprendizaje profundo pueden identificar variables sustitutas (proxies) que, de manera implícita, replican sesgos prohibidos por el ordenamiento constitucional (nivel socioeconómico, código postal, género o condición étnica).
Por ejemplo, si el algoritmo determina que la falta de uso de un wearable o una variación en la rutina nocturna incrementa el riesgo de mortalidad, se corren dos grandes peligros:
- Exclusión de Grupos Vulnerables: Convertir las coberturas de vida en inasequibles para sectores de menores ingresos que no poseen dispositivos inteligentes o cuyos empleos impiden mantener patrones de descanso uniformes.
- Quiebra de la Mutualidad: El principio de mutualidad —base económica del seguro donde la colectividad financia el siniestro de unos cuantos— se sustituye por una hiperindividualización del riesgo, minando la función social de protección del seguro de vida.
III. El Derecho a la Transparencia Algorítmica y la Explicabilidad en el Seguro de Vida
Uno de los mayores retos jurídicos en la suscripción automatizada es el fenómeno de la «caja negra» (black box), donde la complejidad de la red neuronal impide conocer con precisión el razonamiento técnico que condujo al algoritmo a rechazar la propuesta de seguro o a imponer una sobreprima sustancial.
El Deber de Motivación y el Derecho del Proponente
En el marco del derecho del consumidor de servicios financieros y la equidad contractual, el proponente tiene derecho a conocer las causas objetivas por las cuales no es aceptado en las condiciones ordinarias del mercado.
- Explicabilidad (Right to Explanation): El asegurado a quien se le rechaza la cobertura de vida o se le aplica una sobreprima no puede recibir una simple notificación automatizada de «Riesgo no asegurable según modelo». La aseguradora está obligada a proveer una explicación lógica, clara y acreditable sobre los factores determinantes que incidieron en la decisión técnica.
- Transparencia en la Recolección: Se debe desglosar qué variables socio-conductuales influyeron en la tarifa y cuáles eran las métricas requeridas para permanecer en la categoría de riesgo ordinario.
- Auditabilidad Actuarial: La institución aseguradora debe contar con modelos algorítmicos auditables por la CNSF y los tribunales competentes, demostrando que la sobreprima responde a un incremento correlativo del riesgo y no a una decisión arbitraria u opaca.
- Examen del Marco Ético y Normativo para Garantizar la Equidad Contractual
Para evitar que la automatización de la suscripción de vida degenere en la conculcación de las garantías del asegurado, es urgente la adopción de una gobernanza algorítmica dentro del sector asegurador.
- Directrices para una Gobernanza Algorítmica Ética
- Supervisión Humana Obligatoria (Human-in-the-loop): Las decisiones de denegación de cobertura o de aplicación de sobreprimas elevadas no deben recaer de forma 100% automatizada en el algoritmo. Un comité de suscripción o un suscriptor certificado debe revisar la validez de los resultados predictivos.
- Evaluaciones de Impacto en la Privacidad y la Equidad: Antes de desplegar un algoritmo de underwriting, las aseguradoras deben efectuar pruebas de estrés algorítmico (bias testing) para certificar que el modelo no incurre en sesgos discriminatorios hacia ningún grupo poblacional.
- Derecho de Rectificación: Permitir al proponente o asegurado corregir datos inexactos recogidos por dispositivos vestibles o fuentes secundarias que hayan distorsionado negativamente su perfil de riesgo.
- Adecuación del Principio de Buena Fe en la Era Digital
El principio de buena fe no puede entenderse únicamente como una carga unilateral para el proponente al llenar el cuestionario médico. En el entorno digital, el deber de buena fe se traslada sustancialmente a la institución aseguradora, la cual debe garantizar:
- Transparencia absoluta en el funcionamiento de las herramientas de inteligencia artificial.
- Claridad en las cláusulas contractuales sobre el uso, frecuencia y consecuencias del monitoreo de datos biométricos.
- Protección irrestricta de los datos personales sensibles para evitar su uso desviado en perjuicio del asegurado.
Conclusión
El uso de algoritmos de underwriting digital y datos personales en el seguro de vida representa una evolución inevitable que aporta innegables ventajas en eficiencia, personalización y agilidad comercial. Sin embargo, el imperativo de innovación no debe desmantelar los pilares de equidad y certeza jurídica que sostienen al contrato de seguro. La industria aseguradora, en estricto apego a la regulación de la CNSF y la LFPDPPP, debe encabezar la adopción de modelos predictivos explicables, auditables y respetuosos de los derechos fundamentales del asegurado, garantizando que la tecnología sea una herramienta de inclusión financiera y no un mecanismo de discriminación u opacidad.
FUENTE: https://gemini.google.com/app/c6313506ae91e9f1?utm_source=app_launcher&utm_medium=owned&utm_campaign=base_all