Automatización de Suscripción de Responsabilidad General Sin Suposiciones

Aquí está mi opinión después de 10 años en suscripción de P&C: la responsabilidad general no se siente incierta porque los riesgos sean siempre misteriosos. Se siente incierta porque la evidencia llega como un cajón de desorden. Un correo del corredor dice una cosa. El formulario ACORD dice otra. Los historiales de siniestros están en un PDF que parece que fue enviado por fax durante la administración de Clinton. El asegurado describe las operaciones como contratación ligera, luego menciona casualmente trabajos de techado subcontratados en la página siete de un suplemento. Maravilloso. Todos a tomar un café. Ahí es donde la automatización de suscripción de responsabilidad general demuestra su valor. No reemplazando el juicio. No pretendiendo que cada riesgo puede ser aprobado automáticamente. El valor real es más simple y, francamente, más útil: la automatización debe eliminar las suposiciones antes de que el suscriptor tome la decisión. ## El problema con la suscripción de GL no es el juicio, es la evidencia La suscripción de responsabilidad general comercial depende del contexto. Dos negocios pueden compartir la misma descripción de clase de alto nivel y verse completamente diferentes una vez que entiendes cómo operan. Un restaurante con venta de alcohol, horario nocturno, entretenimiento en vivo, exposición a entregas y un patio es un animal diferente a una cafetería solo para el almuerzo en un parque de oficinas. Un contratista de limpieza que limpia edificios de oficinas por la noche no es lo mismo que un equipo de limpieza de construcción trabajando en obras activas. Un distribuidor con exposición incidental a productos no es lo mismo que un importador de marca privada con controles de calidad limitados. El suscriptor lo sabe. El problema es que los datos necesarios para ver la diferencia están dispersos en correos electrónicos, PDFs, historiales de siniestros, aplicaciones suplementarias, informes de inspección, certificados, horarios, contratos y notas del corredor. McKinsey ha señalado que alrededor del 60% del tiempo del suscriptor se puede gastar en trabajo administrativo en lugar de evaluación de riesgos. Lo creo. He visto a suscriptores inteligentes pasar 30 minutos buscando nóminas, ingresos, costos de subcontratistas y detalles de la aseguradora anterior antes siquiera de llegar a la parte interesante: decidir si el riesgo encaja en la cartera. Eso no es suscripción. Eso es arqueología administrativa.  ## Lo que la automatización de suscripción debería hacer realmente Hay una versión perezosa de automatización que dice: introduce una presentación, obtén una puntuación, sigue adelante. No me gusta esa versión. Pone nerviosos a los suscriptores por una buena razón, porque las exposiciones de GL son demasiado matizadas para una respuesta de caja negra sin recibo. La mejor versión es la automatización basada en evidencia. Antes de que un archivo llegue al suscriptor, el sistema debe capturar, estructurar, validar, enriquecer y explicar los hechos clave. Para responsabilidad general, eso generalmente significa reunir la descripción operativa, códigos de clase, base de exposición, nómina, ventas, metros cuadrados, datos de ubicación, siniestros anteriores, reclamos abiertos, uso de subcontratistas, certificados de seguro, requisitos de asegurado adicional, transferencia contractual de riesgo, cobertura anterior, límites solicitados y cualquier documentación de control de riesgos. Eso suena básico hasta que recuerdas cuántas presentaciones llegan con la mitad de eso enterrado en archivos adjuntos. El trabajo no es glamoroso, pero tampoco lo es usar hilo dental. Aun así, es importante. ## Normaliza antes de tarificar El primer paso es normalizar la recepción. Si un corredor envía ingresos en una hoja de cálculo, otro los envía en el cuerpo de un correo electrónico y otro adjunta un suplemento escaneado, tu equipo de suscripción no debería tener que volver a escribir manualmente los tres. Un flujo de trabajo sólido lee los materiales, extrae los campos relevantes y los coloca en una estructura consistente. También debería señalar conflictos. Si el formulario ACORD dice $1.2 millones en ventas y el suplemento dice $2.1 millones, eso no es un pequeño problema de formato. Es un problema de tarificación y apetito. Aquí es donde la automatización de suscripción de responsabilidad general comienza a sentirse menos como tecnología y más como buena organización. No puedes aplicar reglas de apetito, lógica de tarificación o umbrales de derivación de manera limpia si los datos de la presentación están desordenados. Inaza está construido alrededor de esta realidad práctica. La plataforma soporta automatización a través de tipos de archivo y se integra con sistemas existentes, para que aseguradoras, MGAs y corredores no tengan que reconstruir toda la operación solo para dejar de reingresar los mismos datos seis veces. Eso importa porque los suscriptores no necesitan otro portal que cuidar. Necesitan menos cabos sueltos. ## Enriquece el archivo antes de que el suscriptor lo abra El siguiente paso es el enriquecimiento. La suscripción de GL a menudo depende de hechos que no son completamente proporcionados por el solicitante. La ubicación importa. La identidad del negocio importa. El historial legal puede importar. Los datos de peligro pueden importar. Las características de la propiedad pueden importar. Los puntos de referencia de la industria importan cuando intentas entender si una cuenta o segmento se está desviando de tu perfil de riesgo previsto. El truco no es ahogar al suscriptor con más datos. Todos hemos visto paneles que se ven impresionantes y no responden nada. El truco es agregar los datos correctos en el momento correcto. La plataforma de Inaza incluye plantillas de API preconstruidas para fuentes como Verisk, LexisNexis, HazardHub y otras, lo que ayuda a automatizar el enriquecimiento sin convertir cada integración en un proyecto de ciencia personalizado. Para un flujo de trabajo de GL, eso puede significar verificar atributos comerciales, señales de ubicación, indicadores de peligro u otros datos de terceros antes de que un humano dedique tiempo al archivo. Mi regla general es simple: si un suscriptor revisaría rutinariamente la misma fuente en 50 riesgos similares, automatiza la verificación y muestra el resultado en contexto. ## Clasifica derivaciones con razones, no con corazonadas Aquí es donde me pongo opinativo. Una derivación solo es útil si el suscriptor sabe por qué existe.