El seguro agrícola es un oficio donde la incertidumbre no es un accidente: es la materia prima. Se acepta un riesgo sin saber si lloverá, se fija un precio sin conocer el rendimiento, se indemniza sobre daños que nadie vio producirse. Cada etapa descansa sobre una inferencia a partir de información incompleta.
Es exactamente el terreno donde la inteligencia artificial promete más —y donde puede hacer más daño si se le confía el papel equivocado.
Este año pusimos dos agentes en producción. El primero interviene en la suscripción, el segundo en la instrucción del siniestro. Este texto explica por qué esos dos momentos precisamente, y por qué construimos esos agentes como herramientas de documentación y no como motores de decisión.
Por qué esos dos momentos
En el ciclo de vida de un contrato agrícola existen dos instantes donde una decisión compromete de forma duradera a la compañía, y donde la información disponible es estructuralmente insuficiente.
El primero es el momento en que se dice que sí. El suscriptor dispone de algunos elementos declarativos, de una localización aproximada, eventualmente de un historial interno si el cliente es conocido. De ahí debe salir un precio y una decisión de aceptación. Lo que falta —el potencial agronómico real de los suelos, la exposición climática de la zona, la solidez financiera de la contraparte— existe sin embargo como dato público y satelital, pero reunir todo eso a mano lleva media jornada por expediente. Nadie lo hace, salvo en los riesgos grandes.
Dos puntos ciegos merecen nombrarse por separado, porque tocan el fundamento mismo del contrato.
El primero es la antiselección. Nada impide materialmente que un productor pida una cobertura de granizo después de la tormenta, o una garantía de sequía cuando el déficit hídrico ya está instalado. El suscriptor, en cambio, no tiene forma de verlo: examina una solicitud fechada hoy, no el estado del campo la semana anterior. Sin embargo, esa información existe. La trayectoria NDVI del lote y el historial de sensores de las semanas previas dicen si el cultivo ya estaba deteriorado al momento de la suscripción — y una caída anterior a la firma es una señal que ninguna declaración va a aportar.
El segundo toca la naturaleza misma del riesgo. El seguro descansa sobre una hipótesis: que el siniestro sea aleatorio y, por lo tanto, mutualizable. Un lote de fondo de valle que se hiela siete años de cada diez no porta un riesgo, porta una certeza — y cubrirlo a la tarifa de un evento aleatorio equivale a financiar una pérdida anunciada. Distinguir ambos casos supone mirar varias dimensiones climáticas sobre una profundidad histórica suficiente: frecuencia de granizo, ocurrencias de helada, déficits pluviométricos, episodios de sequía sobre veinte a treinta campañas. Es precisamente lo que permiten los datos que operamos, en el momento de la suscripción y no a posteriori, cuando la siniestralidad ya reveló el carácter estructural de la exposición.
El segundo es el momento en que se paga. Se denuncia un siniestro. El tasador debe establecer si el evento ocurrió, si afectó a los lotes en cuestión, y en qué proporción. Trabaja con lo que ve al momento de su visita, a menudo semanas después de los hechos, sobre un cultivo que siguió evolucionando.
Estos dos momentos tienen una característica común: no son problemas de cálculo, sino problemas de reunión y lectura de información dispersa. Es precisamente lo que los modelos actuales hacen bien.
El agente de suscripción: un expediente, no un score
El primer agente construye, a partir de los datos del contrato y de la georreferencia de los lotes, un expediente de riesgo estructurado según cuatro ángulos.
El ángulo agroclimático caracteriza el potencial y la exposición: naturaleza y calidad de los suelos, historial climático de la zona, trayectoria NDVI de las campañas pasadas, topografía del lote —altitud, pendiente, exposición, índice de humedad topográfica. El ángulo crediticio reúne las señales financieras públicas disponibles sobre la contraparte. El ángulo cumplimiento verifica la coherencia de los datos de identificación. El cuarto produce una recomendación de suscripción argumentada.
Lo que importa no es esa lista, que otros podrían reproducir. Lo que importa es la forma del resultado.
El agente no produce una nota. Produce un expediente donde cada afirmación está vinculada a su fuente, donde cada fuente está fechada, y cuyo conjunto queda congelado por una huella en el momento del análisis.
Esta distinción es el núcleo de nuestra elección técnica, y merece ser explicada.
Un score es una salida opaca. Da un número, no da una razón. Cuando un suscriptor lo discute, no tiene nada que examinar. Cuando un regulador lo cuestiona, la compañía no tiene nada que mostrar. Cuando el modelo se actualiza, ya nadie puede reconstituir cuánto valía el score al momento de la decisión.
Un expediente citado y congelado es lo contrario. Cada conclusión se abre sobre aquello que la fundamenta. Un suscriptor en desacuerdo puede señalar la fuente que considera mala. Un controlador puede rehacer el camino. Y la huella garantiza que el expediente examinado hoy es efectivamente el que sirvió para decidir hace ocho meses —lo que, ante un litigio o una auditoría de reaseguro, hace toda la diferencia.
La arquitectura: reglas donde hacen falta reglas
Una segunda decisión de diseño merece ser explicitada: el agente es híbrido.
Todo lo que puede calcularse de forma determinística se calcula así. Una superficie, un cúmulo de exposición en dólares, un promedio NDVI, una pendiente, un índice de siniestralidad: son operaciones aritméticas, y confiar aritmética a un modelo de lenguaje sería una falla de ingeniería. Esos valores los calcula el código, verificable y reproducible.
El modelo de lenguaje interviene donde aporta algo: leer documentos no estructurados, relacionar elementos heterogéneos, formular una síntesis comprensible, señalar una incoherencia entre dos fuentes. Es un trabajo de lectura y redacción, no de cálculo.
Esta separación tiene una consecuencia directa sobre la confiabilidad. Los errores de razonamiento de un modelo de lenguaje sobre cifras —el terreno donde es más falible y más difícil de vigilar— sencillamente no existen en esta arquitectura, porque nunca se le pidió hacer ese cálculo.
El agente de siniestros: el desacuerdo como señal
El segundo agente trabaja sobre la instrucción. Lee directamente la imagen NDVI del lote, antes y después de la fecha denunciada, y cruza lo que ve con los datos de sensores disponibles en la misma ventana: radar de granizo, pluviometría, temperaturas de helada, índices de sequía, imagen térmica GOES.
El objetivo no es dictar un veredicto. Es producir, lote por lote y luego para el expediente completo, una síntesis de lo que muestran los datos —poniendo explícitamente en evidencia los puntos de desacuerdo.
Es la inversión más útil de la herramienta. Cuando todos los índices concuerdan, la síntesis solo confirma lo que el tasador habría concluido, más rápido. El valor aparece cuando divergen: una denuncia de granizo en una fecha en que el radar no registró nada, una caída de NDVI anterior al evento denunciado, un siniestro anunciado sobre un lote cuya trayectoria vegetativa se mantuvo normal. Estas situaciones no significan que haya fraude —un sensor puede no captar un evento muy localizado— pero señalan dónde debe concentrarse la pericia humana.
Advisory, y por qué no es una precaución de fachada
Nuestros dos agentes funcionan en modo consultivo. No aceptan un riesgo, no fijan un precio, no rechazan un siniestro. No es una prudencia comercial ni una reserva jurídica: es una posición sobre lo que estos sistemas saben hacer.
Un modelo de lenguaje es excelente para reunir y restituir. Es malo para arbitrar bajo incertidumbre cuando las consecuencias son asimétricas —y rechazar un siniestro por error no cuesta lo mismo que aceptarlo por error. También es incapaz de integrar lo que el suscriptor sabe de su mercado, de su relación con un productor asesor, del contexto de una región después de una mala campaña.
El reparto que adoptamos es simple: la máquina documenta, el humano decide. El agente lleva el tiempo de instrucción de media jornada a unos minutos, y vuelve visible lo que habría quedado enterrado. Lo que el suscriptor o el tasador haga con esa información es su oficio.
Lo que implica para el cumplimiento
Un último punto, que suele tratarse demasiado tarde.
Construimos deliberadamente estos agentes alrededor del contrato y su riesgo, no alrededor de la persona asegurada. La distinción parece semántica; no lo es. Un sistema que constituye un perfil sobre una persona física cae bajo un régimen de protección de datos exigente, con obligaciones de información, de limitación de finalidad y de derecho de oposición que pesan mucho. Un sistema que analiza el riesgo que porta un contrato —los lotes, los cultivos, la exposición climática, la geometría— permanece en el perímetro de la apreciación del riesgo asegurador.
Esta restricción orientó el diseño desde el inicio, y no después. Explica por qué los análisis están vinculados al contrato, por qué las cohortes que estudiamos son cohortes de contratos, y por qué el expediente congelado se conserva como pieza justificativa de la decisión y no como historial de comportamiento.
Lo que viene
Hay dos frentes abiertos: uno sobre el enriquecimiento del diagnóstico de siniestros con nuevas fuentes de observación, otro sobre la apreciación automatizada del riesgo a nivel de lote. En ambos casos se aplica la misma restricción: lo que no puede explicarse no será desplegado.
Los dos agentes descritos aquí están en producción en la plataforma ClimaVista, sobre carteras de compañías asociadas en Argentina.