Automatización de
Gestión de Siniestros

Aseguradora mediana española con ~1,2 millones de pólizas en ramos de hogar y autos. Tiempo medio de resolución: 22 días para siniestros de hogar, 18 días para autos. NPS en siniestros: −12. El problema no era la velocidad del perito, sino el tiempo muerto entre etapas: 3 días esperando asignación de perito, 4 días esperando revisión del tramitador, 2 días esperando validación del supervisor. El 34% del tiempo total del proceso era espera burocrática, no trabajo real.

El 18% de los siniestros presentaban fraude potencial, pero la detección era reactiva con reglas rígidas que generaban un 40% de falsos positivos, creando fricciones innecesarias con asegurados legítimos. La dirección solicitaba inicialmente un "chatbot para que el asegurado consulte el estado de su siniestro". Propusimos rechazar ese scope: un chatbot no resuelve el problema cuando el proceso real tarda 22 días.

• Estado persistente durante semanas: un expediente de siniestro puede estar activo durante semanas con múltiples actores (asegurado, perito, tramitador, supervisor) — requiere memoria de sesión que sobreviva entre interacciones
• Heterogeneidad de informes periciales: cada perito usaba su propio formato; el 23% de los campos clave no se extraían correctamente con procesamiento estándar
• Modelo de fraude no generalizable: entrenado con datos 2019-2023, rendía significativamente peor con patrones de 2025 (especialmente fraude organizado con talleres colaboradores)
• Bloqueo legal en pagos autónomos: el diseño original permitía aprobar pagos de hasta 1.500€ de forma autónoma; el departamento legal lo bloqueó por reglamento interno de poderes
• Latencias en producción a volumen: en el PoC las latencias eran aceptables; en producción real (400-600 siniestros diarios) el agente de tramitación superaba los 45 segundos por expediente
• Auditabilidad DGS: cumplimiento de los requisitos de la Dirección General de Seguros e ICEA para registro y trazabilidad de decisiones automatizadas

• Amazon Bedrock AgentCore como runtime central: la memoria persistente de AgentCore permitió que cada siniestro = una sesión con estado completo accesible para todos los agentes durante semanas, sin construir esa infraestructura desde cero
• Workflow agéntico en tres fases con EventBridge: Agente de Apertura (12 min vs. 3 días para asignación de perito), Agente de Tramitación + Agente de Fraude en paralelo, y Agente de Cierre. EventBridge como bus de eventos con reintentos automáticos y historial auditable
• Análisis multimodal de informes periciales: Textract + análisis multimodal de Claude en Bedrock para interpretar PDFs e imágenes de daños simultáneamente. Tasa de error de extracción: del 23% al 3%
• Modelo de fraude con reentrenamiento mensual: fine-tune propio en PyTorch sobre DLC de SageMaker, con pipeline de reentrenamiento automático mensual y módulo de anomaly detection no supervisado para patrones nuevos. Los DLC garantizan que el procesamiento permanece dentro de la VPC del cliente
• Human-in-the-loop optimizado: para pagos, el agente prepara el expediente completo y lo pone en cola de "aprobación en un clic". El tramitador revisa en 15 minutos en lugar de 4 días — no es autonomía total, pero es el resultado que importa y cumple el reglamento interno
• Paralelización y caché: tool calls paralelos para fuentes sin dependencia de datos + caché en DynamoDB para condicionados de póliza. Latencia de >45s a 8-12 segundos en producción