Gobernanza de un agente de primera notificación de pérdida (FNOL) y clasificación de admisión de reclamaciones (Boletín de IA de la NAIC + Ley de IA de la UE)
13 min · Updated 2026-06-02
Answer
Se gobierna un agente de clasificación FNOL conforme a su régimen vinculante: el Programa AIS escrito del Boletín Modelo de IA de la NAIC y la legislación estatal sobre prácticas desleales de reclamaciones (Modelo n.º 900). La clasificación de admisión de reclamaciones es gestión de siniestros, no evaluación o fijación de precios de riesgos de vida y salud, que el Anexo III, punto 5, letra c), de la Ley de IA de la UE considera de alto riesgo. KLA aplica una política de control en cada decisión de enrutamiento —vía rápida, cola de ajustador o SIU—, dirige a un aprobador humano designado en Decision Desk las vías rápidas cuestionadas y las señales de fraude de la SIU antes de ejecutar la acción, y sella el linaje como evidencia verificable de forma independiente.
KLA is the independent runtime governance and assurance layer forthis Process. KLA governs the agent you already built, whether it was built in-house or on a commercial agent framework: it does not build, sell, or run the agent. The customer owns the agent; KLA owns the controls, the evidence, and the audit trail.
The Process
The job & where the agent takes high-stakes action
Un agente de clasificación de admisión de reclamos/FNOL procesa un primer aviso de pérdida (declaración del reclamante, datos de la póliza, fotografías, datos de pérdidas de terceros), luego clasifica la gravedad y complejidad del reclamo, califica la probabilidad de fraude y lo encamina por una de tres rutas: vía rápida para el procesamiento directo (reconocimiento automático, reserva establecida, pago por adelantado o cierre), ruta a una cola de ajustador humano o señal a la Unidad de Investigaciones Especiales (SIU). La acción de alto riesgo es la escritura de enrutamiento y cualquier efecto secundario directo que siga: el agente puede acelerar un reclamo fuera de la revisión humana por completo, ponerlo en cola con una etiqueta de gravedad/complejidad que los ajustadores anclan, o calificar a un reclamante como presunto estafador enviándolo a SIU. El modelo #900 limita esto a reclamos que surgen bajo pólizas emitidas (excluyendo compensación laboral, fidelidad, fianza y caldera/maquinaria), y el boletín NAIC nombra "gestión de casos, administración y pago de reclamos y detección de fraude" como áreas del ciclo de vida que el programa AIS de la aseguradora debe cubrir, por lo que cada una de estas acciones de enrutamiento se encuentra dentro de una práctica regulada.
Stakes
Why it's high-stakes
Una vía rápida o una derivación a la SIU incorrectas no son una simple cuestión de calidad del modelo; son prácticas desleales de reclamaciones de las que la aseguradora responde, con independencia de que la decisión la tomara una IA. La sección 4 del Modelo n.º 900 considera injusto negarse a pagar sin una investigación razonable (F), no adoptar normas razonables para investigar y resolver con rapidez (C), no confirmar ni denegar la cobertura en un plazo razonable (G), no dar una explicación razonable y precisa de una denegación (L) y no proporcionar formularios de reclamación dentro de los quince (15) días naturales desde su solicitud (M). Un agente que acelera un cierre sin investigación puede incurrir en (F); uno que deja una reclamación en una cola de SIU sin plazo puede incurrir en (C) y (G); uno que no puede explicar una derivación a SIU puede incurrir en (L). El boletín de la NAIC establece que estos estándares se aplican «independientemente de los métodos que la aseguradora utilizó para determinar o respaldar sus acciones» y que el Programa AIS mitiga el riesgo de un «resultado adverso para el consumidor», es decir, una decisión que afecta negativamente al consumidor y vulnera estándares aplicados por el regulador.
What goes wrong
Failure modes specific to this agent
Bloqueo silencioso de puntuación de fraude en el carril de vía rápida (denegación automática por omisión)
El agente no "niega" un reclamo: dirige un reclamo dudoso a una retención indefinida de la SIU o silenciosamente lo mantiene fuera de la vía rápida porque la puntuación de fraude cruzó un umbral interno. Nunca se genera ninguna carta de denegación, no se pone en marcha ningún reloj de investigación y el demandante simplemente nunca recibe respuesta. El daño causado por las prácticas de reclamos injustos (negarse a pagar sin una investigación razonable, no afirmar o negar la cobertura dentro de un tiempo razonable) ocurre a través de la inacción, no a través de una decisión adversa explícita que alguien revise.
Why it's hard to catch: Las pruebas de precisión miden si la bandera de SIU era "correcta", no si realmente se inició una investigación posterior y un reloj de puntualidad del Modelo #900. El fracaso es una ausencia (una carta faltante y una fecha límite faltante), por lo que no produce ninguna señal de error en una matriz de confusión ni ninguna excepción en el sistema de reclamaciones. Sólo surge como una queja por reclamaciones de antigüedad o un examen de conducta del mercado meses después.
Anclaje de etiqueta de gravedad/complejidad que suprime la investigación
El agente coloca una etiqueta de "baja gravedad, baja complejidad" para acelerar un reclamo. Los ajustadores humanos que luego tocan el ancla del archivo en esa etiqueta y no investigan lo suficiente, y las reservas quedan bajas en la clasificación del agente. Una pérdida realmente grande o de cobertura ambigua se procesa como rutina porque la primera etiqueta la enmarcó de esa manera. La clasificación del agente, no los hechos, determina el estándar de investigación que realmente recibe el reclamo.
Why it's hard to catch: La etiqueta suele ser plausible y defendible individualmente, por lo que se pasa el control de calidad caso por caso. El daño es un cambio sistémico en la profundidad de la investigación que solo aparece en conjunto (tasas de reclamos reabiertos, sorpresas en el desarrollo de reservas y cohortes de clasificación errónea de gravedad), nada de lo cual se expone en una prueba unitaria por decisión o una evaluación de conjunto de datos de oro. La preocupación del boletín es exactamente esta: modelar un comportamiento que difiera del desempeño posterior a la implementación del desempeño en desarrollo.
Desviación de la puntuación de fraude y tasas de aceleración dispares entre cohortes
El modelo de probabilidad de fraude se validó en reclamaciones históricas, pero los patrones de pérdidas, las tipologías de fraude y la combinación de reclamantes cambian después de la implementación. El agente comienza gradualmente a encaminar una geografía, un nivel de producto o una cohorte de reclamantes a SIU (o a excluirlo del procesamiento directo) a un ritmo materialmente mayor, codificando la discriminación por representación de quién obtiene un servicio rápido y sin fricciones y quién es investigado.
Why it's hard to catch: Cada decisión de ruta individual parece justificada por la puntuación; la disparidad es estadística y sólo es visible entre cohortes a lo largo del tiempo. El boletín de la NAIC nombra directamente Model Drift ('la decadencia del rendimiento de un modelo a lo largo del tiempo' a medida que los datos de implementación divergen de los datos de entrenamiento) y requiere comparar el comportamiento en desarrollo con el comportamiento posterior a la implementación, lo que una única prueba de equidad previa al lanzamiento no puede hacer. Las pruebas de regresión ordinarias congelan el mundo en el momento del lanzamiento y nunca ven la deriva.
Transferencia de datos de pérdidas y puntuación de fraude de terceros sin rastro de responsabilidad
El agente llama a un modelo de puntuación de fraude del proveedor o extrae datos externos del historial de reclamaciones/pérdidas y dirige el reclamo a esa salida. Cuando un reclamante cuestiona una derivación o denegación de la SIU, la aseguradora no puede reconstruir qué señal de terceros impulsó la ruta, qué versión la produjo o si los datos eran siquiera adecuados, porque el agente trató la puntuación del proveedor como una entrada opaca y registró sólo la ruta final.
Why it's hard to catch: La ruta de un extremo a otro parece correcta y la llamada del proveedor devuelve un número ordenado, por lo que se pasan las pruebas funcionales. La brecha es la procedencia: la aseguradora sigue siendo responsable de los sistemas de inteligencia artificial y los datos de terceros según el boletín y debe poder responder a un regulador sobre ellos, pero nada en las pruebas ordinarias de los agentes obliga a capturar la versión del modelo del proveedor, el linaje de datos de entrada o la postura de auditoría contractual detrás de la puntuación.
How KLA governs it
Runtime controls, mapped to each decision point
KLA evaluates each consequential action with a policy gate that runs before the action executes: a Decision Request to POST /v1/decisions.evaluate: resolving to one of four outcomes in precedence order: allow → warn → require_approval → block (fail-closed by default). Every non-allow outcome carries reason codes and remediation.
| Decision point | Intercept (before action) | Policy checks → reason codes | Human routing (maker-checker) | Evidence captured |
|---|---|---|---|---|
| Acelere un reclamo para un procesamiento directo (reconocimiento automático, reserva establecida, pago por adelantado o cierre) | Govern in Place: un punto de control KLA SDK envuelve la llamada de herramienta de vía rápida o procesamiento directo y envía un Decision Request a POST /v1/decisions.evaluate antes de que el agente reconozca, reserve, pague o cierre. La llamada del SDK bloquea el resultado, por lo que no se produce ningún efecto secundario en el sistema de reclamaciones hasta que se resuelva la política. |
| Ante require_approval, KLA abre una escalada de Decision Desk dirigida por la política a un supervisor de reclamaciones designado (maker-checker: el agente prepara la decisión y el supervisor la verifica). El revisor ve la ruta propuesta, la puntuación de fraude, la etiqueta de gravedad o complejidad, la regla de activación, los códigos de motivo y un enlace al Lineage Record; después aprueba, rechaza o redirige a un ajustador sénior. La ejecución solo se reanuda con aprobación. |
|
| Marcar un reclamo a la Unidad de Investigaciones Especiales (SIU) con una puntuación de probabilidad de fraude | Govern in Place: el punto de control del SDK en la herramienta route_claim envía un Decision Request antes de escribir la derivación a SIU. Cuando interviene un modelo de fraude de un proveedor o una fuente externa de historial de pérdidas, esas llamadas a herramientas se interceptan para que su versión y sus entradas lleguen al linaje antes de evaluar la acción de enrutamiento. |
| require_approval abre una escalada Decision Desk dirigida a un revisor de admisión de SIU designado; el revisor confirma o rechaza la base del fraude antes de que el reclamante sea tildado de presunto estafador. Re-route se lo entrega a un gerente senior de SIU sin perder el contexto. La separación maker-checker significa que ninguna referencia SIU de agente exclusivo deja el sistema sin revisar. |
|
| Asigne una etiqueta de gravedad/complejidad y enrútela a una cola de ajustador humano | Gobernar in situ: el punto de control del SDK envía la clasificación y ruta Decision Request antes de que la etiqueta y la asignación de cola se escriban en el sistema de registro de reclamos, por lo que la etiqueta no puede anclar a un ajustador hasta que la política y (cuando sea necesario) un revisor la hayan aprobado. |
| Las etiquetas de baja confianza o con marcas de deriva se enrutan como una escalada Decision Desk a un líder de clasificación de reclamos designado, quien puede corregir la etiqueta antes de que llegue a la cola del ajustador. Los ajustadores conservan la autoridad permanente para ignorar, anular o revertir la clasificación del agente, y cada anulación se captura como evidencia de supervisión. |
|
Least-privilege execution & data boundaries
- Acelere un reclamo para un procesamiento directo (reconocimiento automático, reserva establecida, pago por adelantado o cierre): El Release inmutable del agente vincula solo las herramientas que necesita (lookup_claim, classify_severity, score_fraud, route_claim); las herramientas de pago/cierre/reserva anticipada están vinculadas por separado y cerradas. Una llamada de herramienta independiente (por ejemplo, emitir un pago sin la puerta route_claim) se bloquea antes de su ejecución por parte de Tool Catalog. Data Boundaries mantiene la PII del reclamante y los datos de pérdidas dentro de la región/sistema aprobado.
- Marcar un reclamo a la Unidad de Investigaciones Especiales (SIU) con una puntuación de probabilidad de fraude: route_claim con target=SIU es una capacidad distinta y vinculada por separado en Release; el agente no puede escalar privilegios para escribir una referencia de SIU a menos que ese enlace esté activo. Las herramientas de puntuación de fraude de proveedores están vinculadas al Tool Catalog, por lo que se bloquea una fuente de puntuación no aprobada. Data Boundaries limita las señales de fraude y los datos del historial de pérdidas al sistema aprobado.
- Asigne una etiqueta de gravedad/complejidad y enrútela a una cola de ajustador humano: classify_severity y route_claim están vinculados en Release; el agente no puede escribir reservas o pagos desde esta ruta. Assurance Center monitorea el clasificador implementado con respecto a su línea base; Data Boundaries mantiene los datos de reclamo dentro de la región.
Mapped to regulation
Regulatory mapping
| Framework | Article / section | Obligation (plain language) | How a KLA runtime control satisfies it | Source |
|---|---|---|---|---|
| Boletín modelo de la NAIC sobre el uso de sistemas de inteligencia artificial por parte de aseguradoras (diciembre de 2023) | Sección 3 — Orientación y expectativas regulatorias; Directrices del programa AIS 1.6 (ciclo de vida del seguro, incluida la gestión de casos, administración y pago de reclamaciones, detección de fraude) | Cada aseguradora debe mantener un programa AIS escrito que rija los sistemas de inteligencia artificial que toman o respaldan decisiones a lo largo del ciclo de vida del seguro, incluida expresamente la gestión de casos, la administración y el pago de reclamos y la detección de fraude, diseñado para mitigar el riesgo de resultados adversos para el consumidor. Este, y no el Anexo III de la Ley de IA de la UE, es el régimen de gobernanza vinculante para un FNOL/agente de clasificación de reclamaciones. | Cada punto de decisión de enrutamiento (vía rápida, SIU, cola de ajustador) es una puerta de política de gobierno local, por lo que cada acción del ciclo de vida que los nombres del boletín se aplican mediante un paquete de políticas publicado y firmado con códigos de motivo y remediación, lo que hace operativo el Programa AIS en el momento de la acción en lugar de en una carpeta. | Source |
| Boletín modelo de la NAIC sobre el uso de sistemas de inteligencia artificial por parte de aseguradoras (diciembre de 2023) | Sección 3 — Gestión de riesgos y controles internos 3.4; Supervisión del modelo predictivo 2.4 (prueba de errores, sesgos, discriminación injusta; evaluación de la generalización posterior a la implementación; deriva del modelo) | Las aseguradoras deben validar, probar y volver a probar los sistemas de inteligencia artificial en busca de errores, sesgos y discriminación injusta, comparando el desempeño en desarrollo con el comportamiento posterior a la implementación y monitoreando la desviación del modelo. | Assurance Center rastrea los clasificadores de gravedad y puntuación de fraude comparándolos con cohortes y una línea de base; la deriva o una tasa de SIU/vía rápida materialmente diferente entre cohortes genera una Assurance Alert y activa las verificaciones de políticas FNOL_DRIFT_GUARD / FNOL_SIU_FAIRNESS_COHORT, convirtiendo el monitoreo continuo de equidad en controles de enrutamiento en tiempo de ejecución. | Source |
| Boletín modelo de la NAIC sobre el uso de sistemas de inteligencia artificial por parte de aseguradoras (diciembre de 2023) | Sección 3: Directrices del programa AIS 4.0 (Sistemas y datos de IA de terceros), 4.2 (derechos de auditoría; cooperación con consultas regulatorias) | Cuando el agente se basa en un modelo de puntuación de fraude de terceros o en datos externos de pérdidas/reclamaciones, la aseguradora sigue siendo responsable, debe realizar la debida diligencia y debe garantizar los derechos contractuales de auditoría y la cooperación del proveedor con las consultas regulatorias. La responsabilidad no se puede subcontratar al proveedor. | La verificación FNOL_THIRDPARTY_PROVENANCE bloquea una ruta SIU basada en una puntuación de proveedor cuya versión del modelo o idoneidad de los datos no se captura; la llamada del proveedor es interceptada por lo que su nombre, versión y linaje de entrada quedan sellados como evidencia, dándole a la aseguradora el registro reconstruible que exige una investigación regulatoria. | Source |
| Ley de Prácticas Injustas de Resolución de Reclamaciones de la NAIC (Modelo n.º 900): se aplica a través de la autoridad legislativa de la Sección 1 del boletín | Sección 1 (Propósito; alcance de las reclamaciones); Sección 4 (Prácticas de reclamaciones desleales definidas: C, D, F, G, L, M, incluido el plazo de 15 días naturales para presentar el formulario de reclamación) | La ley sobre prácticas de reclamos injustos establece los estándares que los resultados de un agente de FNOL deben satisfacer: investigación rápida, acuerdo justo de buena fe donde la responsabilidad es clara, no negativa a pagar sin una investigación razonable, afirmación/denegación de cobertura oportuna, una explicación razonable y precisa de cualquier denegación y formularios de reclamo dentro de los quince (15) días calendario, y se aplica independientemente de si IA determinó o apoyó la acción. | FNOL_COVERAGE_NOT_CONFIRMED bloquea el cierre automático silencioso para que se confirme o niegue la cobertura; FNOL_SIU_EXPLAINABILITY fuerza una base codificada por motivos para que se pueda explicar una denegación/referencia (L); FNOL_INVESTIGATION_CLOCK estampa las obligaciones de afirmación/negación y formulario de 15 días calendario en el linaje en el momento en que un reclamo sale del carril de vía rápida (C, G, M). | Source |
| Ley de IA de la UE (Reglamento (UE) 2024/1689) | anexo III, punto 5, letras c) y 5, letra b); Artículo 6(2) a (4) (clasificación + derogación + registro del artículo 49(2)) | El anexo III establece la IA únicamente como de alto riesgo para la 'evaluación de riesgos y fijación de precios en relación con personas físicas en el caso de los seguros de vida y de salud' (5(c)) y la solvencia/calificación crediticia (5(b), excluyendo la detección de fraude). La clasificación de admisión de reclamos/FNOL es el manejo de reclamos, no la evaluación o fijación de precios de riesgos para la vida y la salud, por lo que generalmente NO es un riesgo alto del Anexo III. El artículo 6, apartado 3, deroga además los sistemas del anexo III que no influyen materialmente en el resultado de la decisión, pero un proveedor que se apoye en él debe igualmente documentar la evaluación y registrarse de conformidad con el artículo 49, apartado 2. | KLA registra el fundamento de la clasificación (la clasificación FNOL queda fuera del Anexo III(5)(c)) como evidencia gobernada, y la puerta de aprobación humana en el enrutamiento rápido y SIU es precisamente el control que evita que el agente 'influya materialmente en el resultado de la toma de decisiones' por sí solo, de modo que si una tubería mixta alguna vez toca la evaluación de riesgos de seguros de salud, el argumento de derogación del Artículo 6(3) y su documentación del Artículo 49(2) ya están evidenciados. | Source |
| Ley de IA de la UE (Reglamento (UE) 2024/1689) | Artículo 14 (Supervisión humana): 14(1), 14(4)(b) sesgo de automatización, 14(4)(d) ignorar/anular/revertir, 14(4)(e) detener a estado seguro | Cuando un sistema de IA de seguros ES de alto riesgo, las personas supervisoras deben poder supervisarlo de manera efectiva, estar conscientes del sesgo de automatización, decidir no usar/ignorar/anular/revertir su salida e interrumpirlo hasta un estado seguro. Citado como el patrón de gobernanza a pesar de que la clasificación de FNOL generalmente está fuera del Anexo III, porque los ductos mixtos de FNOL pueden afectar la evaluación de riesgos de seguros de salud. | require_approval pausa la acción de enrutamiento y se la entrega a un revisor Decision Desk designado que puede ignorar/anular/revertir la ruta del agente (14(4)(d)); block es el estado de parada a seguridad en fail-closed (14(4)(e)); el sesgo de automatización de la superficie de confirmación de la auditoría de anulación de etiquetas y de la SIU al hacer que los humanos confirmen en lugar de dar el visto bueno (14(4)(b)). | Source |
| Ley de IA de la UE (Reglamento (UE) 2024/1689) | Artículo 26 (Obligaciones del implementador) — 26(2) supervisión competente, 26(6) mantener registros ≥ 6 meses, 26(11) informar a las personas físicas afectadas | Quienes implementan sistemas de alto riesgo deben asignar la supervisión humana a personas competentes, capacitadas y autorizadas (26(2)); mantener registros generados automáticamente durante al menos seis meses (26(6)); e informar a las personas físicas afectadas cuando un sistema del Anexo III tome o ayude a tomar decisiones sobre ellas (26(11)). | Decision Desk dirige las escalaciones a reclamos autorizados y nombrados/revisores de SIU (26(2)); el libro mayor ImmuDB de solo anexar conserva el linaje mucho más allá del mínimo de seis meses (26(6)); Los códigos de motivo más la remediación brindan la explicación necesaria para informar a un reclamante afectado que un sistema de IA contribuyó a la ruta (26(11)). | Source |
| Ley de IA de la UE (Reglamento (UE) 2024/1689) | Artículo 12 (Mantenimiento de registros/registro automático) — 12(1), 12(2)(a)–(c) | Los sistemas de IA de alto riesgo deben técnicamente allow registro automático de eventos durante su vida útil para permitir la identificación de riesgos, el seguimiento poscomercialización (Art. 72) y el seguimiento de las operaciones (Art. 26(5)). | La evidencia por defecto captura cada decisión de enrutamiento, puntaje de fraude, llamada de herramienta y veredicto humano a medida que OpenTelemetry se expande sellado en el libro de contabilidad de solo anexado, y el Evidence Room puede exportar un Control Pack asignado al Anexo IV de la Ley de IA de la UE: el sustrato de registro automático y de por vida exacto que requiere el Artículo 12 si el sistema está dentro del alcance. | Source |
| Directiva sobre distribución de seguros (Directiva (UE) 2016/97) | Artículo 17(1) a (2) (principio general: honesto, justo, profesional; información justa, clara, no engañosa) | Los distribuidores de seguros deben actuar de manera honesta, justa y profesional en beneficio de los clientes, y la información a los clientes debe ser justa, clara y no engañosa. ADVERTENCIA DEL ALCANCE: la IDD rige la distribución de seguros (ventas/asesoramiento/intermediación), NO la gestión de reclamaciones per se, por lo que es una norma básica de trato justo por parte de la UE, no el régimen vinculante de clasificación de reclamaciones. La brecha vinculante del lado de la UE es que la gestión de reclamaciones FNOL no es un caso de uso de alto riesgo del Anexo III; el régimen operativo es el boletín NAIC + ley estatal sobre prácticas de reclamaciones desleales (EE.UU.) y ley nacional de conducta de seguros (UE). | El requisito de código de motivo + corrección en cada resultado que no sea allow significa que cualquier comunicación con el reclamante que el agente active tiene una base justa, clara y no engañosa, lo que respalda la norma de equidad de IDD donde las reclamaciones manejan matices en la información del cliente, sin afirmar demasiado que el IDD rige la clasificación. | Source |
Prove the control held
Audit-evidence checklist
- Referencia escrita del Programa AIS vinculada a cada regla de enrutamiento gobernada (boletín Sección 3): qué versión del paquete de políticas aplica los controles del ciclo de vida de la gestión de casos, la administración de reclamos y la detección de fraude.
- Para cada vía rápida: el Decision Request, puntuación de fraude, etiqueta de gravedad/complejidad, resultado de la política, códigos de motivo y (si se excluye de la vía rápida) el Modelo #900 estampado afirmar/denegar + reloj de formulario de 15 días calendario
- Para cada referencia de SIU: la base codificada, el nombre/versión del modelo de fraude del proveedor y el linaje de datos de entrada, el resultado de la verificación de disparidad de cohortes y el veredicto del revisor de SIU nombrado
- Assurance Center evidencia de equidad/derivación: SIU a nivel de cohorte y tasas de vía rápida a lo largo del tiempo, alertas de deriva en los modelos de fraude y gravedad, y la comparación entre el desarrollo y la post-implementación que requiere el boletín
- Evidencia de supervisión humana: cada escalamiento con identidad del aprobador, veredicto, nota y marca de tiempo; cada anulación del ajustador de una etiqueta de agente (Art. 14/26(2))
- Evidencia de responsabilidad de terceros: versiones de modelos de proveedores, registros de idoneidad de datos y postura de cooperación/derechos de auditoría contractuales (boletín 4.0/4.2)
- Prueba de retención: entradas de linaje en el libro de contabilidad de solo anexado ImmuDB conservadas más allá de la Ley de IA de la UE, art. 26(6) mínimo de seis meses, cada uno verificable a través de GET /v1/lineage/{id}/verify
- Sealed Evidence Bundle / Control Pack exportación (mapeo del Anexo IV de la Ley de IA de la UE) que un auditor puede verificar con el hash raíz publicado sin confiar en KLA
A concrete intercept
Reference scenario: Un reclamo con alto puntaje de fraude que el agente intenta acelerar y cerrar silenciosamente
- 1
FNOL ingerido: un reclamo por daños por agua con una puntuación de fraude de proveedores de 0,82 y una etiqueta de gravedad de "baja"; el agente planea acelerarlo (establecer una pequeña reserva y cerrar automáticamente) a través de route_claim(target=fast_track) más la herramienta de cierre.
- 2
Antes de que se ejecute el cierre, el punto de control del SDK Govern in Place envía un Decision Request a POST /v1/decisions.evaluate con la puntuación de fraude, la etiqueta de gravedad y el carril objetivo.
- 3
La póliza coincide con FNOL_FASTTRACK_FRAUD_CEILING (fraude 0.82 > techo directo) y FNOL_COVERAGE_NOT_CONFIRMED (sin paso de cobertura afirmativa); el resultado más fuerte, require_approval, gana, con reasonCode FRAUD_SCORE_OVER_FASTTRACK_LIMIT + COVERAGE_UNCONFIRMED_NO_AUTOCLOSE y remediación 'Alta puntuación de fraude y cobertura no confirmada: un ser humano debe decidir investigar versus afirmar/negar antes de cualquier cierre'.
- 4
La ejecución se detiene (el cierre nunca se activa); KLA abre una escalada Decision Desk enrutada por política a un supervisor de reclamos designado, quien ve la acción, la puntuación de 0,82, la etiqueta "baja", las reglas de activación y un enlace al Lineage Record.
- 5
El supervisor rechaza la vía rápida silenciosa y redirige a la admisión de SIU para una investigación documentada, que inicia el reloj de puntualidad del Modelo #900 (afirmar/rechazar obligación; formularios de reclamo dentro de los 15 días calendario) que el FNOL_INVESTIGATION_CLOCK warn estampó en el linaje.
- 6
Cada paso (la vía rápida bloqueada, los códigos de motivo, el veredicto y la nota del supervisor, la reruta de SIU y el reloj UCSPA sellado) está sellado en un Merkle Lineage Record probado en el libro mayor de solo anexar, exportable como Control Pack y verificable a través de GET /v1/lineage/{id}/verify sin confiar en KLA.
What most teams get wrong
The non-obvious insight
Es casi seguro que FNOL/clasificación de admisión de reclamos NO es de alto riesgo del Anexo III de la Ley de IA de la UE: el Anexo III (5) (c) captura solo la 'evaluación de riesgos y fijación de precios en relación con personas físicas en el caso de seguros de vida y salud', que es suscripción/precio, no manejo de reclamos. Los equipos que etiquetan reflexivamente a cada agente de seguros como "de alto riesgo" y persiguen la documentación técnica del Anexo IV están gobernando con el régimen equivocado: la restricción vinculante para un agente de FNOL es el Programa AIS del NAIC IA Bulletin más la ley estatal sobre prácticas de reclamaciones desleales (Modelo #900), que se aplican "independientemente de los métodos que utilizó la aseguradora", tienen plazos concretos (formularios de reclamación dentro de los 15 días calendario) y hoy en día atacan todas las vías rápidas y banderas de SIU, sin Debate sobre la fecha de entrada en vigor 2026/2027.
Why it matters: Clasificar erróneamente el régimen desperdicia esfuerzos en el papeleo de conformidad con la UE y deja sin control la superficie de responsabilidad real (denegación automática silenciosa, tiempos de confirmación/denegación perdidos, remisiones a la SIU inexplicadas). La postura correcta es gobernar con mayor dureza donde el Modelo #900 muerde (las acciones de enrutamiento), documentar la no aplicabilidad del Anexo III como evidencia y mantener el patrón de supervisión humana de la UE (Art. 14 require_approval) en reserva para cualquier proceso mixto que afecte la evaluación de riesgos de seguros de salud; momento en el cual la derogación del Artículo 6(3) "no influye materialmente en el resultado", satisfecha precisamente con la aprobación humana. puerta, se convierte en el argumento de que la puerta también documenta.
El fracaso más difícil de gobernar de FNOL no es una decisión equivocada, sino una falta de decisión: un agente que desvía un reclamo fuera de la vía rápida basándose en una puntuación de fraude y nunca inicia un reloj de afirmación/negación comete una práctica de reclamos injustos por omisión, y como no hay una "decisión" adversa que probar, ninguna matriz de confusión o evaluación de conjunto de datos dorados jamás lo señalará. El único control confiable es una intercepción que, en el momento en que un reclamo abandona el carril de vía rápida, imprime la obligación de puntualidad del Modelo #900 en un linaje inmutable.
Q&A
Frequently asked questions
¿Es un FNOL/agente de clasificación de admisión de reclamaciones de alto riesgo según la Ley de IA de la UE?
Generalmente no. El Anexo III (5) (c) de la Ley de IA de la UE establece que la IA de alto riesgo solo se utiliza "para la evaluación de riesgos y fijación de precios en relación con personas físicas en el caso de seguros de vida y salud", es decir, suscripción y fijación de precios, no manejo de reclamaciones. La clasificación FNOL clasifica, califica el fraude y encamina las reclamaciones, por lo que no está incluida en el Anexo III(5)(c), y el 5(b) (solvencia crediticia/calificación crediticia) es un dominio separado que incluso excluye la detección de fraude. No afirme que la clasificación FNOL es automáticamente de alto riesgo según la ley. Si un canal combina la clasificación con la evaluación de riesgos de seguros de salud, la clasificación depende del Anexo III más la excepción del Artículo 6(3) (si el sistema 'influye materialmente en el resultado'), y un proveedor que se acoja a esa excepción aún debe documentar la evaluación y registrarse conforme al Artículo 49(2).
Si la Ley de IA de la UE no lo vincula, ¿qué régimen rige realmente a un agente de clasificación FNOL?
En EE. UU., el Boletín Modelo de IA de la NAIC (diciembre de 2023) exige un programa AIS escrito que cubra la IA durante todo el ciclo de vida del seguro (nombrando "gestión de casos, administración y pago de reclamos y detección de fraude") y la ley estatal sobre prácticas de reclamos desleales (Modelo NAIC #900). El boletín es explícito en que esos estándares de reclamos se aplican "independientemente de los métodos que la aseguradora utilizó para determinar o respaldar sus acciones", por lo que los resultados del agente deben satisfacer los deberes del Modelo #900: investigación inmediata, no negarse a pagar sin una investigación razonable, afirmar/denegar la cobertura oportunamente, una explicación razonable de cualquier denegación y formularios de reclamo dentro de los quince (15) días calendario posteriores a la solicitud. Ésta, y no el Anexo IV, es la restricción vinculante para cada acción de enrutamiento.
¿Cómo evita KLA que el agente rechace automáticamente un reclamo en silencio enviándolo a una retención de SIU?
El punto de control del SDK de gobierno local envía un Decision Request antes de que se ejecute la escritura de enrutamiento. La verificación FNOL_COVERAGE_NOT_CONFIRMED bloquea cualquier ruta de cierre/denegación automática que carezca de un paso de cobertura afirmativa, y FNOL_INVESTIGATION_CLOCK estampa las obligaciones de formulario de afirmación/denegación del Modelo #900 y de 15 días calendario en el linaje en el momento en que un reclamo sale del carril de vía rápida. Un reclamo retenido o sospechoso se convierte en un require_approval Escalado a un supervisor de reclamos designado, por lo que una falta de decisión ya no puede ocurrir por omisión; se convierte en una decisión seguida con un reloj y un dueño humano.
¿Quién aprueba una remisión rápida o una remisión SIU y qué ven?
El require_approval, KLA abre una escalada Decision Desk dirigida por política a un aprobador designado: un supervisor de reclamos para vías rápidas impugnadas, un revisor de admisión de SIU para indicadores de fraude. El revisor ve la ruta propuesta, la puntuación de fraude, la etiqueta de gravedad/complejidad, la regla de activación exacta con sus códigos de motivo y un enlace al Lineage Record completo, luego aprueba, rechaza o redirige a un revisor senior. Esto es maker-checker: el agente es el creador, el humano es el verificador y la ejecución se reanuda solo cuando se aprueba.
La puntuación de fraude proviene de un modelo de terceros: ¿quién es responsable si un reclamante cuestiona la remisión de la SIU?
La aseguradora lo es. La Sección 4.0/4.2 del boletín NAIC mantiene a la aseguradora responsable de los sistemas y datos de IA de terceros y espera derechos de auditoría contractuales más la cooperación del proveedor con las consultas regulatorias. KLA intercepta la llamada de puntuación del proveedor para que el nombre del modelo, la versión y el linaje de los datos de entrada queden sellados como evidencia, y FNOL_THIRDPARTY_PROVENANCE bloquea una ruta SIU basada en la puntuación del proveedor cuya versión o idoneidad de los datos no se capturó, de modo que la aseguradora siempre pueda reconstruir qué señal de terceros impulsó la ruta.
¿Cómo detecta KLA que el agente ha comenzado a enrutar una cohorte a SIU más que otras?
Assurance Center rastrea cómo se distribuyen los resultados automatizados entre las cohortes que usted define (geografía, nivel de producto, grupo de edad). Si la SIU o la tasa de exclusión acelerada para una cohorte diverge materialmente, se convierte en una Assurance Alert con el desglose de la cohorte adjunto, y las comprobaciones FNOL_SIU_FAIRNESS_COHORT / FNOL_DRIFT_GUARD convierten esa señal en un control de enrutamiento en tiempo de ejecución. Esto responde directamente al requisito del boletín de la NAIC de evaluar la discriminación injusta y comparar el comportamiento en desarrollo con el posterior a la implementación, lo que una única prueba de equidad previa al lanzamiento no puede hacer.
Related blueprints & guides
- Gobernanza de un agente de recomendación para la liquidación de reclamaciones: ofertas justas, explicables y auditables
- Gobernanza de un agente de clasificación de alertas de monitoreo de transacciones AML
- Gobernanza de un agente de procesamiento de casos y admisión de eventos adversos de farmacovigilancia
- Solution: Insurance
- Planos de flujo de trabajo gobernados por seguros (centro)
- Gobernar un agente de recomendación, resolución de reclamaciones
- Gobernando un agente de clasificación de alertas de monitoreo de transacciones AML
- Agregar una puerta de aprobación humana (documentos KLA)
- Gobernar un agente de extremo a extremo (documentos KLA)
- Ejecución controlada por políticas (documentos KLA)
- Decision Desk (documentos KLA)
- Assurance Center (documentos KLA)
- Evidence Room (documentos KLA)
Primary sources
- NAIC Model Bulletin: Use of Artificial Intelligence Systems by Insurers: NAIC
- NAIC Unfair Claims Settlement Practices Act (Model #900) — Section 4 Unfair Claims Practices Defined: NAIC
- EU AI Act — Annex III, point 5 (essential private/public services), incl. 5(c) insurance: EUR-Lex (mirrored at artificialintelligenceact.eu, Regulation (EU) 2024/1689)
- EU AI Act — Article 6 (Classification rules for high-risk AI systems), incl. 6(2), 6(3) derogation and 6(4): EUR-Lex (mirrored at artificialintelligenceact.eu, Regulation (EU) 2024/1689)
- EU AI Act — Article 14 (Human oversight): EUR-Lex (mirrored at artificialintelligenceact.eu, Regulation (EU) 2024/1689)
- EU AI Act — Article 26 (Obligations of deployers of high-risk AI systems): EUR-Lex (mirrored at artificialintelligenceact.eu, Regulation (EU) 2024/1689)
- EU AI Act — Article 12 (Record-keeping / automatic logging): EUR-Lex (mirrored at artificialintelligenceact.eu, Regulation (EU) 2024/1689)
- Insurance Distribution Directive (Directive (EU) 2016/97) — Article 17 General principle: EIOPA Rulebook / EUR-Lex
- KLA Docs — Govern an Agent End-to-End: KLA Digital
- KLA Docs — Add a Human Approval Gate: KLA Digital
- KLA Docs — Policy-Gated Execution: KLA Digital
- KLA Docs — Evidence-by-Default: KLA Digital
- KLA Docs — Architecture Overview: KLA Digital
- KLA Docs — Agents & Registry (Releases, Tool Catalog, least-privilege): KLA Digital
- KLA Docs — Assurance Center (drift, bias/fairness cohorts): KLA Digital
- KLA Docs — Decision Desk (maker-checker, re-route to SIU/senior reviewer): KLA Digital
- KLA Docs — Evidence Room (Sealed Evidence Bundle, Control Pack, EU AI Act Annex IV mapping): KLA Digital
- KLA Docs — API Reference (decisions.evaluate, lineage verify): KLA Digital
Govern this Process without re-platforming the agent
KLA wraps the agent you already run, gates each high-stakes action, routes the hard calls to a named human, and seals independently verifiable evidence mapped to regulation.