Tecnología, analítica de datos y su aplicación en la práctica actuarial
Este dominio evalúa el uso de datos, modelos predictivos y automatización en suscripción, tarificación, siniestros y reservas, con controles de calidad y gobierno.
Aplicaciones
GLM para frecuencia y severidad; árboles y gradient boosting para segmentación; series de tiempo para inflación médica; NLP para triaje de siniestros; telemática para uso y conducción. El modelo debe compararse con el status quo y validarse fuera de muestra.
Gobierno de datos y modelos
Calidad, linaje, privacidad, seguridad y consentimiento; la LFPDPPP aplica a datos personales. Validación: estabilidad, calibración, discriminación, sesgo y explicabilidad. Monitoreo de drift y auditoría de modelos. La analítica no reemplaza el juicio actuarial ni la nota técnica.
Ejemplo
Un modelo de ML predice frecuencia con AUC alto en entrenamiento, pero cae en prueba. Se detecta sobreajuste y fuga de información. Se aplica validación cruzada, se simplifica el modelo, se compara con GLM y se documentan variables. Si el modelo eleva la prima en un grupo protegido sin justificación técnica, se revisa por sesgo y cumplimiento.
Errores que cuestan puntos
Confundir correlación con causalidad; usar variables prohibidas o datos personales sin base legal; validar solo in-sample; no monitorear drift; automatizar decisiones sin revisión humana; creer que ML elimina la necesidad de documentar supuestos.