El caso en breve y por qué importa a una empresa chilena
De acuerdo con las cifras de Consorcio publicadas en el blog de AWS, el proceso actual demora en promedio 49 días (53 en la Región Metropolitana), con 28 días solo para entrar al taller, y el 65% de los asegurados lo califica de tedioso. En la solución que describe el caso, el asegurado toma nueve fotos guiadas con su celular; el sistema revisa que sean legibles, identifica las piezas dañadas, descarta daños previos, clasifica si corresponde sustituir o reparar y arma un presupuesto preliminar en unos 30 segundos. Los casos de alto costo o ambiguos pasan a un liquidador humano.
El blog no publica la precisión del sistema, el costo por caso ni sus tiempos de respuesta, y los 30 segundos corresponden al presupuesto preliminar, no al trámite completo. Aun así, el patrón es conocido para cualquier aseguradora, banco o empresa de servicios mediana o grande en Chile: cotizaciones y evaluaciones en que una persona debe mirar algo antes de responder, y donde los casos simples esperan en la misma fila que los complejos. Lo que sigue es nuestra lectura del caso que AWS publicó sobre Consorcio.
Lo difícil no fue la IA: datos ordenados y una persona en los casos de riesgo
Según el equipo del proyecto, las mismas autopartes aparecían con más de 2.743 nombres distintos y se depuraron a 786 ítems únicos. Un modelo puede reconocer un parachoques en una foto, pero si el presupuesto debe cruzarse con un catálogo donde cada repuesto tiene varios nombres, esa lectura difícilmente se convierte en un número útil. La segunda decisión de diseño pesa tanto como la primera: los casos caros o dudosos llegan a una persona, y la automatización se concentra donde el riesgo es menor.
Esa es la conclusión que nos importa como arquitectos de soluciones: un proyecto de este tipo se gana o se pierde en el trabajo previo, y ninguna demostración de modelos lo reemplaza. Por eso, antes de hablar de tecnología, conversamos con las áreas dueñas del proceso sobre sus datos y sus reglas de decisión.
Qué tendría que resolver tu empresa para lograr algo así
Si tu empresa quisiera replicar el patrón en una cotización o evaluación lenta, vemos cuatro frentes de trabajo, y en cada uno es donde acompañamos:
● Diagnóstico y gobierno de datos: desde IA & Data, hacemos el inventario de catálogos y fuentes que alimentarían el proceso, medimos su calidad (por ejemplo, cuántos nombres distintos tiene la misma cosa) y ayudamos a definir un dueño por cada dato, para que el orden se mantenga después del proyecto.
● Regla de derivación y control humano: junto con las áreas de negocio, desde Business Consulting y gobierno TI, diseñamos qué monto, qué grado de duda o qué tipo de caso exige la revisión de una persona, y cómo queda registrada esa decisión.
● Arquitectura en AWS: como partner oficial de AWS, proponemos usar Amazon Bedrock, que da acceso a varios modelos mediante una sola API, para comparar y cambiar de modelo sin rehacer el proceso. A eso sumamos almacenamiento cifrado de las fotos, acceso con permisos de mínimo privilegio (IAM) y registro de accesos. Son criterios de diseño que nosotros proponemos, no funciones descritas en el caso de Consorcio.
● Piloto medible con casos propios: definimos los indicadores y el costo por caso antes de escalar, como un FinOps preventivo, y comparamos modelos con datos reales de tu empresa, no con ejemplos genéricos.
Ninguno de estos frentes exige comprometer una plataforma completa de entrada. Son trabajo de ingeniería y de gestión que se puede ordenar en una ruta, con decisiones claras en cada etapa.
De un proceso lento a un piloto medible: la ruta que proponemos
Estructuramos el recorrido en etapas, de modo que cada una deje un resultado revisable antes de pasar a la siguiente y la empresa pueda decidir si continúa, ajusta o se detiene.
Esquema conceptual de Pronodo: de un proceso lento a un piloto medible
| PROCESO LENTO ACTUAL (cotizacion o evaluacion con revision manual) | v 1. DIAGNOSTICO Y GOBIERNO DE DATOS (inventario, calidad, un dueno por dato) | v 2. REGLA DE DERIVACION (monto, duda, tipo de caso; con areas de negocio) | v 3. ARQUITECTURA EN AWS (varios modelos por una API, fotos cifradas, IAM de minimo privilegio, registro de accesos) | v 4. PILOTO CON CASOS PROPIOS (indicadores y costo por caso definidos antes) | v DECISION: ESCALAR, AJUSTAR O DETENER |
La recomendación de Pronodo
Como Socio Tecnológico especializado en IA & Data, recomendamos partir por un diagnóstico acotado a un solo proceso lento, no por la elección de un modelo. Proponemos tres pasos, cada uno con un entregable concreto:
- Inventario y calidad de datos del proceso elegido. Entregable: un mapa de fuentes y catálogos, con un indicador de calidad y un responsable por cada dato.
- Taller de reglas de derivación con las áreas de negocio. Entregable: un documento con los umbrales de monto, duda y tipo de caso que siempre revisa una persona.
- Diseño del piloto en AWS con indicadores y costo por caso. Entregable: la arquitectura propuesta y un plan para comparar modelos con casos propios, con los indicadores fijados antes de escalar.
No todas las empresas necesitan todo a la vez. Conviene partir por un diagnóstico técnico de datos y procesos antes de cualquier inversión en inteligencia artificial; con ese resultado en mano, recién se decide si vale la pena un piloto.