Blog de Amazon Web Services (AWS)
Como Humano Seguros mejoró su detección de fraude en reclamaciones en un 250%
Por Reynaldo Hidalgo, Arquitecto de Soluciones en la Nube en AWS; Juan Carlos Restrepo, vicepresidente de Tecnología en Humano Seguros; Damian Fernandez, pianista, productor musical y emprendedor en serie; Gina Acosta, Gerente de Ventas Empresariales en AWS; Barney Mancebo, Director de Arquitectura TIC en Grupo Humano y Yaraví García de Silva, lidera Ingeniería en DFX5.
En el panorama actual de los seguros de salud, la detección del fraude sigue siendo un desafío crítico. Este blog explora cómo Humano Seguros, un proveedor líder de seguros de salud en la República Dominicana se asoció con AWS y DFX5 para revolucionar sus capacidades de detección de fraude utilizando Inteligencia Artificial (IA).
El desafío del fraude en seguros de salud
El fraude en seguros de salud representa una amenaza financiera de gran impacto. Según la Asociación Nacional de Cuidado de la Salud contra el Fraude, el costo estimado a la industria de EE. UU. es de $68 mil millones dólares anuales. El impacto global es aún más alto, con el fraude representando hasta el 10% del gasto total en salud en muchos países.
Las actividades fraudulentas comunes incluyen:
- Falsificación de registros médicos
- Facturación por servicios no prestados
- Actualización de servicios
- Robo de identidad y suplantación
- Fraude de recetas médicas
- Esquemas de colusión de proveedores
Estas prácticas van más allá de las pérdidas financieras, comprometiendo directamente la calidad de la atención médica y el acceso para los asegurados legítimos.
Perfil del cliente y desafíos
Humano Seguros se destaca como un proveedor líder de seguros de salud en el mercado en desarrollo de la República Dominicana. Con 19 años de presencia en el mercado, la empresa mantiene un 53% de participación en el sector de seguros de salud, atendiendo a 430 mil asegurados. La red integral de Humano Seguros abarca más de 600 clínicas, 100 laboratorios, 800 farmacias y 7 mil médicos distribuidos en más de 20 sucursales, garantizando una cobertura completa para sus asegurados.
La estrategia previa de detección de fraude de Humano Seguros enfrentaba desafíos significativos. La empresa operaba con un sistema manual basado en reglas que requería un promedio de 14 días para identificar reclamaciones fraudulentas. Este proceso detectaba menos del 70% de las reclamaciones fraudulentas, un problema crítico considerando el crecimiento anual del 25% en el volumen de reclamaciones. Estos retos evidenciaron la necesidad de implementar una solución de detección de fraude más robusta y automatizada para proteger la salud financiera de la empresa y mantener la confianza de los clientes.
Planificación de la solución y ejecución estratégica
La implementación del nuevo sistema de detección de fraude en Humano Seguros se desarrolló mediante un enfoque estratégico integral, donde el equipo de AWS jugó un papel fundamental desde el inicio. El proceso comenzó con sesiones de descubrimiento para comprender a profundidad los desafíos del negocio, seguidas por una rigurosa evaluación comercial y técnica. AWS proporcionó orientación sobre arquitecturas, compartió mejores prácticas del sector, apoyó activamente con la transferencia de cocimientos técnicos y facilitó la identificación de los socios de implementación más adecuados.
En cuanto a la estrategia de ejecución, se estableció un plan detallado que abarcaba desde la fase inicial de descubrimiento hasta la implementación completa. Este plan incluía sesiones de inmersión técnica, evaluaciones exhaustivas y un enfoque colaborativo que aseguraba la alineación entre todos los participantes del proyecto. La estrategia se centró en maximizar la eficiencia y minimizar los riesgos, aprovechando la experiencia de AWS en proyectos similares.
El modelo de ejecución adoptado fue un innovador enfoque de Software como Servicio (SaaS) con una estructura de precios basada en transacciones. Este modelo se diseñó para autofinanciarse a través de los ahorros generados por la prevención de fraude, estableciendo una colaboración estratégica entre AWS, DFX5 y Humano Seguros. El aspecto más destacado de este modelo fue su esquema de riesgo-recompensa compartido, que alineaba los intereses de todos los participantes con los resultados del negocio, respaldado por un marco de optimización y soporte continuo.
La fase de implementación siguió un enfoque metodológico y gradual, iniciando con una prueba de concepto (POC) para validar la funcionalidad central del sistema. Posteriormente, se procedió con el procesamiento por lotes de datos históricos y se realizaron implementaciones canarias para minimizar cualquier riesgo operativo. El escalado del volumen de transacciones se ejecutó de manera progresiva, manteniendo un monitoreo constante del rendimiento y realizando mejoras iterativas basadas en la retroalimentación obtenida en condiciones reales de operación.
Mirando hacia el futuro, el nuevo sistema de detección de fraude se diseñó no solo para abordar las necesidades inmediatas, sino también para establecer una base sólida para futuras expansiones tecnológicas. Esta base incluye la implementación de un lago de datos integral que permitirá desarrollar una estrategia de datos a nivel empresarial más robusta. Además, facilitar la integración de una vista de 360 grados del cliente, fundamental para mejorar la experiencia y el servicio al asegurado.
Descripción general de la arquitectura de la solución
El socio DFX5 construyó una arquitectura de múltiples etapas para procesar eficientemente un alto volumen de reclamaciones mientras mejora las capacidades de detección de fraude:

Figura 1 – Arquitectura para la detección de fraude en reembolsos
La solución procesa las reclamaciones a través de las siguientes etapas:
- Ingesta de documentos: las reclamaciones ingresan a través de Amazon API Gateway, activando AWS Step Functions para la orquestación del flujo de trabajo
- Preprocesamiento de documentos: AWS Lambda realiza validación de integridad y optimización de imágenes, con almacenamiento en Amazon S3
- Procesamiento inteligente de documentos: Amazon Bedrock categoriza documentos mientras Amazon Textract extrae y valida metadatos
- Verificación del médico: Amazon OpenSearch Service valida credenciales contra bases de datos oficiales de proveedores de salud
- Procesamiento paralelo: Step Functions combinado con Amazon Simple Queue Service permite la ejecución concurrente con rendimiento controlado
- Verificación de formato: Lambda detecta anomalías comparando documentos con patrones históricos
- Detección de falsificaciones: Modelos de Red Neuronal Convolucional (CNN) implementados en Amazon SageMaker identifican manipulación a nivel de documento pixel por pixel
- Análisis de tasa de recurrencia: Lambda utiliza modelos deplegados en SageMaker para analizar patrones en visitas de pacientes, facturas y costos
- Normalización de atributos: Amazon DynamoDB mantiene datos estandarizados de documentos
- Información de reclamaciones en Data Lake: AWS Glue procesa y archiva resultados de análisis que se visualizan usando Amazon QuickSight
- Clasificación y retroalimentación: SageMaker asigna puntajes de riesgo para soporte de decisiones
Fases de implementación del proyecto
La implementación se llevó a cabo en cuatro fases:
Fase 1 – Descubrimiento y planificación (Q4-2024)
- Evaluación de sistemas y procesos existentes
- Definición de indicadores clave de rendimiento (KPI)
- Diseño de arquitectura de solución
- Alineación de partes interesadas y planificación de gestión del cambio
Fase 2 – Desarrollo y pruebas (diciembre-2024)
- Creación de modelos de IA usando Amazon SageMaker, incorporando datos históricos de fraude
- Integración de servicios de AWS con la infraestructura de TI existente de Humano Seguros
- Pruebas exhaustivas con datos históricos, incluyendo simulación de casos de fraude conocidos
- Capacitación del personal en nuevos sistemas y procesos
Fase 3 – Lanzamiento del piloto (enero-2025)
- Implementación inicial procesando 700 transacciones diarias
- Monitoreo en tiempo real y ajuste fino de modelos de IA
- Recopilación de retroalimentación del personal de procesamiento de reclamaciones
Fase 4 – Implementación a escala completa (febrero-2025)
- Escalado para manejar 7 mil transacciones mensuales
- Mejora continua y reentrenamiento de modelos
- Integración con sistemas de servicio al cliente existentes para manejo fluido de reclamaciones
Resultados comerciales
El nuevo sistema de detección de fraude impulsado por IA transformó las operaciones de Humano Seguro. El valor comercial entregado se evidencio:
Mejoras operativas:
- Aumento del 900% en la capacidad de procesamiento
- Reducción del 50% en el tiempo de detección de casos de fraude
- 45% de los reclamos son pagados sin intervención humana
- Tiempo de procesamiento reducido de 9 horas a 2 minutos
- Mayor proporción de reclamaciones procesadas por ajustador
Resultados financieros:
- $21,000 dólares de ahorro al completar los primeros dos meses
- Retorno de la inversión (ROI) logrado dentro del primer trimestre
- Reducción del 25% en costos de investigación de fraude
Experiencia del cliente:
- 40% menos quejas relacionadas con reclamaciones
- Resolución más rápida de reclamaciones
- Detección de fraude más precisa
- Mejora en el procesamiento de reclamaciones legítimas
Conclusión
La implementación de Humano Seguros demuestra cómo las tecnologías de IA y nube pueden transformar los procesos comerciales tradicionales. Al combinar las capacidades avanzadas de AWS con la experiencia en la industria, el proyecto establece nuevos puntos de referencia para la excelencia operativa en la detección de fraude en seguros.
A medida que la industria continúa evolucionando, la experiencia de Humano Seguros demuestra que la inversión estratégica en tecnologías emergentes, combinada con una implementación cuidadosa y una fuerte colaboración con socios, puede ofrecer resultados tangibles que beneficien tanto a las aseguradoras como a sus clientes.
Sobre los autores
![]() |
Reynaldo Hidalgo es Arquitecto de Soluciones en la Nube en AWS, con más de 20 años de experiencia en desarrollo de software, bases de datos e inteligencia empresarial, infraestructura de centros de llamadas/telefonía y aplicaciones en tiempo real. También cofundó PrimeVoiX, una startup de soluciones de centro de contacto nacida en la nube. | |
![]() |
|
|
![]() |
|
|
![]() |
|
![]() |
|
![]() |
|