Seguros Unimed: IA de StaryaAI recorta 81% el tiempo

Un agente de IA atiende el 97 % de las interacciones de un programa de salud

Seguros Unimed puso a ANA, un asistente construido por la startup brasileña StaryaAI, a gestionar la inscripción de beneficiarias en su programa Nascer Seguro. El resultado presentado en Oracle AI World 2026, en Las Vegas: 81 % menos tiempo operativo y más de 2.500 embarazadas conectadas al programa.

Para un founder, la lección no está en el porcentaje. Está en dónde se aplicó. El agente no reemplazó a las enfermeras: se comió las verificaciones de elegibilidad, la revisión de la situación contractual y el papeleo administrativo que ocurría antes de que empezara el seguimiento real. Ese es el cuello de botella que casi nadie automatiza porque no se ve en el funnel.

¿Qué hacía ANA exactamente en el programa Nascer Seguro?

El proceso de incluir a una embarazada en el programa implicaba comprobar elegibilidad, validar la situación contractual y reunir información administrativa antes de iniciar el acompañamiento. Con ANA, esas etapas pasan al agente de IA.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

El asistente también recopila dudas, quejas e información relevante de las beneficiarias y las canaliza hacia los profesionales responsables. Es decir: llega a la enfermera con el contexto ya ordenado, en lugar de que ella lo reconstruya desde cero.

Según Vinícius Reis, director técnico y fundador de StaryaAI, la propuesta no es sustituir personas por sistemas, sino eliminar las tareas repetitivas que consumen el tiempo de los equipos asistenciales. La distinción importa comercialmente: vender "quitar trabajo administrativo" a un área de salud es mucho más fácil que vender "reemplazar personal".

¿Qué dicen los números de conversión y de tiempo?

Los datos presentados en la sesión sobre aplicaciones de IA de empresas latinoamericanas arrojan tres cifras concretas:

81 % de reducción del tiempo operativo en el proceso de inscripción.
Más de 2.500 mujeres embarazadas conectadas al programa en el material presentado por Oracle.
28 % de tasa de conversión en las campañas activas.

Hay un matiz que conviene leer con atención: la propia startup informó después de unas 3.500 embarazadas ya incorporadas al programa, por encima de las 2.500 interacciones del material de Oracle. Es un dato en movimiento, no una cifra cerrada. Si vas a citar el caso en una propuesta comercial, usa el rango y di de dónde sale cada número.

¿Por qué el 97 % de las interacciones las resuelve la IA?

Reis afirmó durante la presentación que aproximadamente el 97 % de las interacciones del programa las lleva a cabo la inteligencia artificial, y que las situaciones más complejas se derivan a atención humana.

Ese 97 % es la métrica que más deberías mirar si estás diseñando un agente de atención. No mide cuántas conversaciones cierra el bot, sino cuántas no necesitan llegar a una persona. El 3 % restante es donde vive el riesgo reputacional y donde el diseño de derivación se gana o se pierde.

La clave operativa es que el agente no decide solo: recopila, ordena y escala. La decisión clínica o contractual sigue en manos humanas.

¿Cómo se traslada el modelo a un hospital y a una clínica?

StaryaAI no se quedó en el seguro. En el Hospital y Maternidad Santa Joana desarrolló un agente que hace seguimiento a las embarazadas y responde sus dudas a lo largo del embarazo. La operación que mencionó el ejecutivo abarca unas 25.000 embarazadas.

El detalle más útil para quien vaya a replicarlo es el tiempo de preparación: aproximadamente tres meses, con participación de los departamentos jurídico y administrativo, más el análisis de materiales institucionales y contenidos técnicos. El objetivo de ese trabajo previo era triple: fijar límites a las respuestas, adaptar el lenguaje en situaciones delicadas y evitar orientaciones incompatibles con las políticas de la institución.

En dr.consulta, el proyecto nació para incluir pacientes en líneas de atención y terminó derivando en la programación de consultas y pruebas. Según Reis, la automatización redujo cerca del 80 % del tiempo dedicado a la actividad inicial y subió la productividad. Con el uso continuado aparecieron demandas nuevas —agendar pruebas, resolver problemas de atención— y la operación pasó a generar aproximadamente 1,5 millones de reales en ingresos convertidos para el cliente. El ejecutivo no detalló en qué periodo se obtuvo ese resultado, así que no lo presentes como un ingreso anual.

¿Cuáles son los riesgos reales de un agente que habla con pacientes?

Reis fue explícito en el punto más incómodo: los sistemas de IA pueden generar respuestas incorrectas incluso cuando se entrenan con grandes volúmenes de documentos. Su receta pasa por trazabilidad, controles de acceso, supervisión de errores y derivación de situaciones delicadas a profesionales. Y una regla que conviene adoptar como principio: la calidad de la respuesta tiene prioridad sobre la velocidad cuando un dato erróneo puede comprometer la atención de un paciente.

El segundo frente es la protección de datos. El ejecutivo advirtió sobre dos riesgos distintos que muchas organizaciones mezclan: profesionales que introducen información de pacientes en herramientas públicas de IA sin controles, y agentes que acceden a datos más allá de los permisos previstos. Su recomendación es tratar por separado los riesgos del uso interno de la tecnología y los de los agentes que interactúan directamente con el paciente, considerando tanto la privacidad como el impacto reputacional de un fallo.

¿Qué significa esto para tu startup?

El caso tiene una capa que trasciende la salud. Lo que StaryaAI vendió no fue un chatbot: fue la eliminación de un paso administrativo previo al servicio. Ese patrón existe en seguros, banca, educación, logística y cualquier sector con un proceso de elegibilidad antes de atender.

Acciones concretas que puedes aplicar esta semana:

Mapea el paso previo, no el proceso completo. Antes de automatizar la atención, cronometra cuánto tarda tu equipo en validar elegibilidad, contrato o documentación. Ese es el número que vas a mover y el que debes poner en la propuesta.
Reserva tres meses de trabajo con legal y operaciones antes de lanzar. El caso de Santa Joana muestra que el valor no está en el modelo, sino en los límites: qué puede responder el agente, con qué lenguaje y cuándo escala. Sin ese trabajo previo, el agente se convierte en un pasivo.
Diseña la derivación antes que la automatización. Define qué porcentaje de casos debe llegar a un humano y cómo se mide. Si no puedes explicar tu tasa de escalamiento, no puedes defender el sistema ante un cliente regulado.
Mira el canal de distribución como parte del producto. Según Reis, la presencia de StaryaAI en Oracle Marketplace redujo su ciclo de ventas de aproximadamente nueve meses a 40 días. Para una startup B2B pequeña, estar dentro del marketplace de un proveedor cloud puede valer más que una ronda.

Un dato de contexto: no se encontraron fuentes públicas adicionales verificables sobre la operación de StaryaAI más allá de lo presentado en Oracle AI World 2026. Las cifras de este artículo provienen de esa presentación y de las declaraciones de su fundador.

Conclusión

El 81 % de reducción de tiempo operativo en Seguros Unimed no salió de un modelo más grande ni de un prompt mejor. Salió de identificar un paso administrativo invisible y ponerlo en manos de un agente con límites claros y ruta de escalamiento definida. Para el sector salud, la conclusión que dejó la presentación es que el potencial de estos agentes no se agota en bajar costes: también amplía el acceso a los servicios, ordena la información antes de la atención y libera tiempo para el cuidado. Esa es la conversación que un founder debería tener con su próximo cliente enterprise, en salud o fuera de ella.