Soteris detecta pólizas negativas con IA y sube EBITDA 70%

La póliza escondida que le cuesta dinero a la aseguradora

Una cartera de seguros puede ser rentable en agregado y, aun así, estar perdiendo dinero con una parte significativa de las pólizas que la componen. Esa es exactamente la grieta que Soteris, la insurtech de machine learning para seguros de propiedad y accidentes (P&C), decidió atacar con una nueva herramienta que estima cuánto aporta, o cuánto destruye, cada póliza individual al beneficio de la compañía.

¿Qué es Soteris y por qué importa el lanzamiento ahora?

Soteris es una startup con sede en Richmond, Virginia, fundada por Sunit Shah y formada en la cohorte de Y Combinator 2019. Tras seis años trabajando en silencio con aseguradoras y Managing General Agents (MGAs), la compañía ha analizado más de 100 millones de solicitudes que en conjunto representan más de US$180.000 millones en primas, sin hacer marketing, solo por recomendación, según reportó Techli.

El lanzamiento llega cuando el sector atraviesa un cambio de ciclo. Según datos publicados por Verisk y la American Property Casualty Insurance Association (APCIA) y replicados por Reinsurance News, las aseguradoras P&C de Estados Unidos registraron una ganancia neta de suscripción de US$31.700 millones en el primer semestre de 2026, casi el triple de los US$11.600 millones del mismo período de 2025. El crecimiento de las primas suscritas, en paralelo, se desaceleró a 2,1%, frente al 5,2% del primer semestre de 2025. La mejora en resultados se explica en buena parte por la caída de pérdidas por catástrofes naturales, no por un cambio estructural del negocio.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

¿Por qué el promedio de la cartera oculta pérdidas?

Tradicionalmente, las aseguradoras agrupan pólizas en segmentos con características similares para medir el riesgo con significancia estadística. El problema es que un segmento puede arrojar resultados saludables mientras algunas pólizas dentro de él generan pérdidas, y el promedio las esconde.

Soteris asegura que, en determinados libros de negocio, estas pólizas no rentables pueden representar entre 20% y 30% de la cartera, aunque los promedios del segmento no las delaten. McKinsey estima que mejorar la precisión de la suscripción puede generar incrementos de entre 30% y 50% en los resultados de suscripción mediante acciones como depurar carteras y recuperar rentabilidad en segmentos que parecen saludables en conjunto.

"Cada aseguradora sabe que está emitiendo pólizas que le van a hacer perder dinero. Lo que no puede es encontrarlas con los recursos de los que dispone hoy", resumió Sunit Shah en el comunicado de prensa que dio a conocer la noticia.

¿Cómo funciona la nueva herramienta de Soteris?

La primera plataforma de la empresa, operativa desde 2020, predecía el índice de pérdidas de cada póliza. El nuevo producto da un paso más: en lugar de estimar cuánto se pagará en siniestros, estima directamente la contribución al EBITDA y al beneficio de cada póliza individual, expresando el resultado en métricas financieras, no actuariales.

El método consiste en construir millones o incluso miles de millones de combinaciones distintas de las características de las pólizas, analizar las intersecciones y evaluar cada póliza como un "segmento de uno". Soteris afirma que la implementación toma menos de 90 días y que, una vez conectada mediante API, la plataforma entrega resultados en menos de 250 milisegundos.

En pruebas de concepto iniciales, Soteris reporta incrementos de entre 70% y 125% en el EBITDA de los libros analizados. La propia compañía aclara que estos resultados provienen de pruebas propias y no son representativos del conjunto de la industria. Con su primer producto, afirma haber observado mejoras de entre 5 y 15 puntos porcentuales en el índice de pérdidas durante el primer año de implementación en clientes.

¿Por qué hablar de beneficio, y no solo de pérdidas, cambia la conversación?

Según el reportaje de Techli, en muchos acuerdos de seguros especializados en EE. UU. tres empresas comparten una misma póliza: una la vende al cliente, otra aporta la licencia para que el contrato sea legal y una tercera pone el capital para cubrir los siniestros. Cada una se lleva una tajada diferente del acuerdo, por lo que una póliza puede tener pérdidas bajas y precio sano en el papel, y aun así ser un mal negocio para aquella de las tres que firmó los términos menos favorables.

Ahí está, precisamente, el punto ciego que Soteris dice haber resuelto: su producto original reporta resultados como lo haría un actuario (en términos de siniestros), mientras que el nuevo lo hace como lo haría un CEO o un consejo (en términos de beneficio). Minsoo Chi, inversionista de Spider Capital, lo describió como "el siguiente paso lógico" de un equipo que ya había pasado de juzgar las pólizas en grupos a hacerlo individualmente.

Soteris salió del stealth con más de US$8 millones en financiación semilla, liderada por Spider Capital, con participación de Intact Private Capital, Amplify Partners, DCVC, Webb Investment Network y Overlook Ventures.

¿Cómo se compara con el resto del ecosistema insurtech?

Soteris no opera sola. En el espacio de suscripción y pricing con IA conviven varios jugadores que vale la pena conocer:

Earnix, que lanzó un "Agent Hub" con más de 25 agentes de IA especializados en el ciclo asegurador, capaz de pasar de cotización a emisión en minutos, según reportó The Tech Edvocate.
Akur8, enfocada en pricing automatizado con machine learning transparente para equipos actuariales, con presencia creciente en el mercado mutuo de EE. UU. (Crowdfund Insider).
Verisk, que integra datos externos masivos, desde características de propiedades hasta historial de reclamos, con modelos predictivos para evaluación de riesgo.
Zesty.ai y Cape Analytics, especializadas en visión por computadora aplicada a propiedades y riesgos ambientales como incendios, inundaciones y viento.
Shift Technology y FRISS, con foco en detección de fraude y scoring de aplicaciones a lo largo de todo el ciclo de la póliza.

La diferencia de Soteris, según su propuesta, es llevar el análisis al nivel de póliza individual y entregar el resultado en lenguaje financiero, no actuarial, lo que acerca el output a la mesa del CEO o del consejo.

¿Qué significa esto para tu startup?

Aunque la mayoría de los founders no operan aseguradoras, el caso de Soteris ilustra tres patrones aplicables a cualquier negocio con cartera de clientes heterogénea:

Audita tu cartera a nivel de unidad, no de promedio. Si tu SaaS cobra planes iguales a clientes con patrones de uso radicalmente distintos, el ingreso promedio por cuenta puede estar ocultando cuentas individuales con margen negativo. Empieza por identificar a tus clientes con peor ratio de soporte sobre ARR, no solo por línea de producto.
Separa el lenguaje técnico del lenguaje del directivo. Soteris aprendió que predecir "índice de pérdidas" sirve al actuario, pero "contribución al EBITDA" es lo que mueve decisiones presupuestarias. Si tu dashboard habla en métricas que solo el equipo técnico entiende, no va a cambiar el comportamiento del negocio.
Piensa en el contrato completo, no solo en el ingreso bruto. En los seguros especializados, una póliza sana para una parte puede ser ruinosa para otra. Lo mismo ocurre en marketplaces, agencias o modelos rev-share: revisa qué porcentaje se queda cada participante antes de celebrar un ARR inflado.

El siguiente capítulo de la analítica aplicada a carteras maduras, parece sugerir Soteris, no está tanto en vender más como en entender con precisión cuáles de las que ya tienes generan valor, y cuáles conviene dejar ir.