Allstate e IBM exploran si la computación cuántica puede ayudar a las aseguradoras a construir carteras más equilibradas entre valor y riesgo, mediante el tratamiento de una versión compleja del conocido «problema de la mochila» en las ciencias de la computación. Los resultados del trabajo conjunto se publicaron en la plataforma arXiv en mayo de 2026, mientras que IBM presentó sus detalles el 18 de junio de 2026.
El problema de la mochila consiste en elegir un conjunto de elementos que alcance el mayor valor posible sin superar un límite determinado de peso o capacidad. En su aplicación al sector asegurador, las pólizas de seguros representan los elementos que deben seleccionarse para una cartera, las pérdidas potenciales representan el peso y el valor de la cartera representa el beneficio o rendimiento esperado. El problema se vuelve difícil cuando el número de elementos es grande y cuando los pesos no son cifras fijas, sino intervalos inciertos.
¿Por qué son diferentes las carteras de seguros de hogar?
No todos los riesgos se comportan de la misma manera. Un accidente automovilístico puede ser, en gran medida, independiente del accidente que sufra otro conductor, pero los riesgos relacionados con el clima pueden afectar simultáneamente a un gran número de pólizas. Los incendios forestales, los huracanes y las tormentas de nieve pueden dañar muchas viviendas de una misma zona, lo que hace que las pérdidas estén correlacionadas en lugar de ser acontecimientos independientes.
Eric Holtz, director de Analítica y Datos de Allstate, afirmó que los seguros de hogar requieren pensar desde la perspectiva de la cartera, no solo desde la del riesgo individual. Por eso no basta con evaluar cada propiedad por separado y después sumar los resultados; la aseguradora debe estimar qué puede ocurrir cuando se producen múltiples pérdidas al mismo tiempo y asegurarse de que los escenarios extremos se mantengan dentro del nivel de riesgo que la empresa acepta.
Allstate utiliza actualmente simulaciones clásicas para estimar los resultados posibles. La empresa puede ejecutar 100.000 escenarios futuros, pero los acontecimientos raros y costosos siguen siendo un desafío. Si la atención se centra en el peor 1 % de esos escenarios, solo quedarían unos 1.000 acontecimientos, una cantidad que podría no proporcionar suficiente certeza al analizar varios tipos de riesgos en amplias zonas geográficas.
Un enfoque que combina la computación cuántica y clásica
El equipo probó un enfoque cuántico diseñado para carteras de seguros de hogar. Este enfoque utiliza un circuito cuántico que se ejecuta en un procesador IBM Quantum Heron para generar un conjunto de soluciones candidatas, orientando el cálculo hacia combinaciones que equilibran el valor y el cumplimiento del presupuesto o del límite aceptable de pérdidas.
A continuación, una etapa clásica refina los resultados. Corrige las soluciones que superan el presupuesto, aprende qué viviendas aparecen con mayor frecuencia en las soluciones buenas y utiliza ese conocimiento para orientar la siguiente ronda de cálculo. De este modo, el proceso se repite en un ciclo destinado a mejorar los resultados con cada iteración.
Los investigadores también se enfrentaron a un problema conocido al entrenar circuitos cuánticos en problemas grandes, ya que la señal de aprendizaje puede debilitarse a medida que aumenta el tamaño del problema. Para superarlo, el equipo entrenó el circuito con una versión pequeña del problema y después transfirió lo aprendido a una versión más grande.
Vaibhav Kumar, investigador de computación cuántica en IBM y uno de los autores del artículo, explicó que los métodos clásicos actuales o bien dependen de la simulación de múltiples escenarios, una opción precisa pero costosa desde el punto de vista computacional, o bien se centran en el peor intervalo posible, una opción más segura, pero que puede ser excesivamente conservadora.
Comparación con métodos de optimización tradicionales
Para medir el rendimiento del nuevo enfoque, el equipo comparó sus resultados con una solución exacta capaz de alcanzar, si se le concede tiempo suficiente, la mejor respuesta demostrada. También lo comparó con cuatro métodos aproximados habituales que equilibran velocidad y precisión:
- Recocido simulado.
- Búsqueda tabú.
- Recocido paralelo.
- Algoritmo genético.
Cada método recibió 30 minutos por problema. En los problemas que incluían hasta 75 elementos, todos los métodos alcanzaron el mejor resultado demostrado. A medida que aumentó el tamaño de los problemas, el enfoque cuántico-clásico siguió siendo competitivo frente a los métodos heurísticos clásicos más sólidos, se aproximó a su rendimiento y los superó ligeramente con restricciones estrictas.
Sin embargo, este enfoque todavía no puede gestionar los tamaños en los que las soluciones exactas se vuelven tan lentas que pierden su utilidad. Por ello, los resultados representan una primera señal de la posibilidad de obtener valor práctico en el futuro, no una prueba de que la computación cuántica ya haya resuelto el problema de construir carteras de seguros a gran escala comercial.
¿Qué aprende Allstate del experimento?
Allstate considera que el objetivo es construir un puente en dos direcciones: comprender qué pueden hacer actualmente los dispositivos cuánticos, identificar los problemas empresariales que podrían beneficiarse de ellos a medida que mejoren los dispositivos y determinar dónde se encuentran las capacidades tecnológicas con las necesidades prácticas.
Holtz afirmó que la falta de claridad sobre el calendario para alcanzar valor comercial no significa que haya que esperar, porque las empresas que desarrollen sus capacidades e identifiquen pronto los problemas adecuados podrían estar mejor preparadas cuando avance la tecnología. Tanto Holtz como Jan Utke, científica de datos y directora técnica de la organización de productos de seguros de Allstate, señalaron la importancia de comenzar con un problema real relevante para el negocio, en lugar de estudiar la tecnología al margen de sus usos.
La asociación comenzó a través del programa Quantum Accelerator de IBM para organizaciones nuevas en el ámbito y después evolucionó hasta convertirse en una investigación conjunta que se prolongó durante dos años. Según Utke, el trabajo se caracterizó por la transparencia mediante la publicación de los resultados, el código y los datos, lo que permite a otros examinarlos y desarrollarlos.
Siguen abiertas las preguntas sobre el papel que desempeñarán los flujos de trabajo cuánticos en las decisiones de las aseguradoras y en la construcción de carteras. Sin embargo, el experimento proporcionó a Allstate experiencia práctica en la formulación del problema, la selección de las tareas adecuadas y la integración del procesamiento cuántico con los métodos clásicos. A medida que mejore el hardware y disminuya el ruido, IBM espera que se reduzca la parte del trabajo que debe ejecutarse en el lado clásico.