Publicado el 22 de agosto de 2026 · por Act. Francisco Javier Ruiz de la Peña Olea
Durante casi un siglo, el seguro de automóvil se tarificó con variables sustitutas: la edad del conductor, el sexo, el código postal, la antigüedad del vehículo, el historial de siniestros. Ninguna de ellas mide directamente lo que en realidad genera el siniestro —la exposición al volante y la forma de conducir—; son aproximaciones estadísticamente útiles a falta de algo mejor. La telemática cambió esa restricción: hoy un sensor puede registrar kilómetros recorridos, horario de circulación, frenadas bruscas, aceleraciones y curvas tomadas con exceso de velocidad. El actuario, por primera vez, puede modelar la conducta y no solo el perfil de quien la ejecuta.
Bajo el paraguas del usage-based insurance (UBI) conviven dos familias de esquemas que conviene no confundir, porque su lógica actuarial es distinta:
El dato llega por tres vías: un dispositivo conectado al puerto OBD-II del vehículo, la aplicación móvil del asegurado (que aprovecha acelerómetro y GPS del teléfono) o, cada vez más, la conectividad de fábrica del propio auto. La tercera vía es la que está reconfigurando el negocio, porque desplaza el control del dato hacia el fabricante.
La respuesta corta: poder predictivo. La literatura revisada por la comunidad actuarial ha mostrado de forma consistente que las variables telemáticas incrementan la capacidad de los modelos de frecuencia de siniestros, incluso después de controlar por los factores tradicionales de clasificación. Dicho de otro modo: la telemática no repite lo que ya sabíamos por edad y código postal, aporta información nueva.
Eso tiene consecuencias técnicas concretas:
El efecto cartera. Una aseguradora que adopta UBI no solo tarifica mejor: modifica quién la elige. El análisis de suscripción debe anticipar ese cambio de mezcla, porque el resultado técnico se juega tanto en la selección como en el precio.
Aquí está la parte más interesante del debate profesional. La Casualty Actuarial Society ha impulsado una línea de investigación sobre sesgos en la tarificación de seguros, y dentro de ella la telemática aparece con un doble filo.
Por un lado, es una herramienta de equidad: si el modelo puede medir directamente el comportamiento, la aseguradora depende menos de variables protegidas —sexo, edad— o sensibles —estado civil, territorio, historial crediticio—. Un joven prudente deja de pagar por la siniestralidad promedio de su cohorte. En un mercado como el mexicano, donde el código postal carga con enormes diferencias socioeconómicas, sustituir territorio por conducta observada tiene un atractivo evidente.
Por otro lado, ninguna variable telemática es neutra. Conducir de noche, en zonas de tráfico denso o en trayectos largos hacia la periferia correlaciona con el tipo de empleo y, por esa vía, con nivel de ingreso. Penalizar la conducción nocturna puede ser actúarialmente correcto y socialmente regresivo al mismo tiempo. La discriminación indirecta no desaparece por usar datos más finos; simplemente se vuelve más difícil de detectar.
El estándar profesional exige entonces algo más que ajuste estadístico: exige gobernanza del modelo. Documentar qué variables entran y por qué, medir el impacto diferencial sobre grupos, poder explicar la tarifa a un asegurado y al regulador. Es exactamente el terreno que cubren las Normas Internacionales de Práctica Actuarial (ISAP) y la discusión sobre IA en la tarificación.
Un esquema UBI recolecta datos de geolocalización continua. En México, eso lo coloca de lleno bajo la normativa de protección de datos personales, con obligaciones de consentimiento informado, finalidad expresa y limitación de uso. Tres preguntas que ninguna implementación seria puede esquivar:
La experiencia internacional sugiere que la adopción depende menos de la tecnología que de la confianza: los programas crecen cuando el asegurado percibe el descuento como una recompensa y no la medición como una vigilancia.
La penetración del UBI en Estados Unidos ha crecido a ritmo sostenido durante más de un lustro, con decenas de millones de asegurados compartiendo datos con su aseguradora. En México y América Latina el arranque es más lento, y las razones son estructurales más que técnicas:
Para el actuario que empieza, ahí hay una oportunidad concreta: los perfiles que combinan tarificación de daños con manejo de datos de alta frecuencia son escasos en la región. Es un cruce natural entre la actuaría y la ciencia de datos.
La telemática seduce porque parece objetiva. Conviene desconfiar un poco:
La telemática no sustituye al actuario; le devuelve el problema original en versión difícil. Durante décadas la escasez de datos obligó a construir clases tarifarias amplias y defendibles. La abundancia de datos plantea el problema inverso: hasta dónde segmentar antes de que el seguro deje de mutualizar y se convierta en un espejo individual del riesgo, que es justo lo contrario de lo que hace un seguro. Esa frontera no la fija el algoritmo, la fija el juicio profesional —y, en su caso, el regulador—.
Quien entienda el modelo y pueda argumentar dónde detenerlo tendrá una ventaja duradera. Es, en el fondo, la definición del oficio.
¿Te sirvió? Explora más en el blog: IA en la tarificación de seguros, detección de fraude o reservas técnicas e IBNR.