Planeación de escenarios y hoja de ruta de reforma

Este capítulo cierra el bloque Colombia con una hoja de ruta técnica para planear escenarios, priorizar reformas actuariales y secuenciar capacidades de reserving, datos, ajuste de riesgo, alto costo, solvencia y reporting. No es una propuesta legal ni una predicción política. Es un marco de implementación para transformar un sistema de estimación reactivo en una arquitectura actuarial prospectiva, trazable y gobernable.

La idea central es pragmática: ningún sistema de salud cambia de una vez. La reforma técnica debe avanzar por capas. Primero se estabilizan datos y reservas. Luego se construyen modelos de morbilidad y alto costo. Después se integran escenarios de solvencia, liquidez y presupuestos. Finalmente se institucionaliza un ciclo continuo de monitoreo, recalibración y mejora.

Objetivos de aprendizaje

Al terminar este capítulo, el lector debería poder:

• Diseñar escenarios actuariales para el SGSSS o una EPS.
• Priorizar iniciativas de corto, mediano y largo plazo.
• Traducir brechas de datos, modelos y regulación en una hoja de ruta ejecutable.
• Definir dependencias entre RIPS-FEV, IBNR, UPC, morbilidad, MIPRES, alto costo y solvencia.
• Establecer indicadores de avance y criterios de éxito.
• Diferenciar pilotos analíticos, shadow models, modelos financieros vinculantes y reporting regulatorio.
• Construir un plan de gobierno para implementación gradual.

1. Por qué hacer planeación de escenarios

La planeación de escenarios es necesaria porque el sistema de salud enfrenta incertidumbre simultánea:

• demográfica;
• epidemiológica;
• tecnológica;
• regulatoria;
• financiera;
• operativa;
• política;
• judicial;
• climática;
• de datos.

Un forecast único tiende a ocultar riesgos. Un escenario bien diseñado permite responder preguntas como:

• ¿Qué pasa si la morbilidad crónica aumenta más rápido que la UPC?
• ¿Qué pasa si los datos RIPS-FEV mejoran y revelan pasivos antes no observados?
• ¿Qué pasa si alto costo crece por nuevas tecnologías?
• ¿Qué pasa si se acumulan glosas o cuentas por pagar?
• ¿Qué pasa si la liquidez se deteriora antes de que la solvencia contable lo muestre?
• ¿Qué capacidades técnicas deben construirse primero?

El objetivo no es adivinar el futuro. Es preparar decisiones robustas bajo varios futuros plausibles.

2. Principios de la hoja de ruta

La hoja de ruta debe seguir principios explícitos.

Principio	Implicación
Secuencialidad	No se implementa ajuste de riesgo robusto sin datos confiables
Trazabilidad	Cada resultado debe poder reconstruirse
Proporcionalidad	La complejidad crece según calidad de datos y materialidad
Transparencia	Supuestos y limitaciones se documentan
Separación de capas	UPC, alto costo, MIPRES, reservas y liquidez se modelan con lógica propia
Validación antes de uso financiero	Primero shadow model, luego uso gradual
Gobierno	Cambios de modelo y supuestos requieren aprobación
Equidad	El score de riesgo financia necesidad, no selección
Monitoreo	La reforma técnica se recalibra con experiencia

Sin estos principios, la modernización actuarial puede convertirse en una colección de modelos desconectados.

3. Brechas principales

Las brechas identificadas en el proyecto pueden agruparse así:

Brecha	Manifestación	Riesgo
Datos	RIPS, FEV, pagos, glosas y afiliación no siempre reconciliados	Modelos no confiables
Reservas	IBNR y obligaciones pendientes con métodos heterogéneos	Pasivo subestimado
Morbilidad	UPC basada principalmente en variables no clínicas	Desalineación de recursos
Alto costo	MIPRES y tecnologías extremas con alta volatilidad	Déficit y cola no financiada
Solvencia	Indicadores contables sin stress técnico suficiente	Deterioro tardíamente visible
Liquidez	Cuentas por pagar y pagos tardíos	Riesgo de red y acceso
Talento	Escasez de perfiles actuariales + salud + datos	Baja capacidad de implementación
Gobierno	Modelos sin versionamiento o validación independiente	Riesgo de modelo

La hoja de ruta debe atacar estas brechas en orden de dependencia.

4. Mapa de dependencias

La secuencia técnica recomendada es:

Capacidad	Depende de	Habilita
Calidad de datos RIPS-FEV	Catálogos, llaves, fechas, pagos	Reservas, morbilidad, alto costo
Reconciliación financiera	Contabilidad, tesorería, cuentas médicas	Reporting confiable
IBNR estandarizado	Triángulos y corte de datos	Solvencia y liquidez
Morbilidad longitudinal	RIPS, farmacia, afiliación	UPC ajustada por riesgo
Alto costo separado	CAC, MIPRES, eventos extremos	Pooling y presupuestos
Stress testing	Reservas, liquidez, morbilidad	Capital y planes de mitigación
Gobierno de modelos	Versionamiento, validación, comités	Uso regulatorio o financiero
Reporting sectorial	Estándares y definiciones comunes	Comparabilidad

Intentar saltar directamente a IA avanzada sin estas capas aumenta riesgo de opacidad y error.

5. Escenarios base

Una arquitectura de planeación puede usar cinco escenarios.

Escenario	Descripción	Señal principal
Continuidad frágil	Se mantiene arquitectura actual con mejoras parciales	Déficit técnico persistente
Datos primero	RIPS-FEV y reconciliación mejoran antes de modelos avanzados	Mayor visibilidad de pasivos
Morbilidad prospectiva	UPC incorpora gradualmente ajuste clínico	Redistribución de recursos
Choque de alto costo	Nuevas tecnologías y enfermedades severas presionan cola	Volatilidad y necesidad de pooling
Transformación integrada	Datos, reservas, morbilidad, alto costo y solvencia se integran	Gestión prospectiva

Cada escenario debe probarse con indicadores comunes, no con narrativas aisladas.

6. Variables de escenario

Las variables mínimas:

Variable	Bajo	Base	Alto
Crecimiento de exposición	-	Esperado	+
Morbilidad crónica	Estable	Tendencia	Acelerada
Inflación médica	Moderada	Esperada	Alta
Alto costo	P50	P75	P95/P99
Rezago de radicación	Mejora	Histórico	Deterioro
Glosa levantada	Baja	Esperada	Alta
Liquidez	Suficiente	Ajustada	Restringida
Calidad de datos	Débil	Mejorando	Robusta
Tecnología	Lenta	Normal	Rápida
Regulación	Sin cambio	Gradual	Disruptiva

El modelo de escenarios debe permitir cambiar estas variables y observar impacto en reservas, caja, solvencia y suficiencia UPC.

7. Escenario 1: continuidad frágil

Este escenario asume mejoras marginales, pero sin rediseño metodológico profundo.

Características:

• reservas calculadas con métodos heterogéneos;
• datos parcialmente reconciliados;
• UPC con ajuste clínico limitado;
• alto costo tratado con mecanismos fragmentados;
• stress testing no integrado al cierre financiero;
• reporting más descriptivo que prospectivo.

Riesgos:

• subestimación de pasivos;
• deterioro de liquidez;
• acumulación de cuentas por pagar;
• selección adversa;
• déficit técnico no visible oportunamente;
• decisiones reactivas.

Uso del escenario: definir el costo de no modernizar.

8. Escenario 2: datos primero

Este escenario prioriza calidad, interoperabilidad y reconciliación antes de cambios financieros mayores.

Acciones:

• fortalecer llaves de afiliado, prestación, factura y pago;
• separar fechas de prestación, radicación, reconocimiento y pago;
• reconciliar cuentas médicas con contabilidad;
• monitorear completitud diagnóstica;
• crear tableros de rezagos, glosas y pagos;
• documentar rupturas de serie.

Resultado esperado:

• mejor IBNR;
• mayor visibilidad de obligaciones;
• detección de backlog;
• bases aptas para morbilidad y alto costo;
• reducción de discusiones sobre calidad de datos.

Riesgo: al mejorar datos, pueden emerger pasivos antes no visibles. Esto no es falla del modelo; es corrección de visibilidad.

9. Escenario 3: morbilidad prospectiva

Este escenario incorpora gradualmente ajuste por riesgo clínico en análisis de suficiencia.

Acciones:

• construir matriz afiliado-mes;
• crear agrupadores de condiciones;
• validar diagnósticos con farmacia y procedimientos;
• estimar GLM/GAM de costo esperado;
• comparar contra modelo demográfico;
• operar inicialmente en shadow mode;
• medir redistribución por EPS, región y cohorte;
• auditar riesgo de upcoding.

Resultado esperado:

• mejor explicación de diferencias de costo;
• detección de poblaciones subcompensadas;
• evidencia técnica para ajuste de UPC;
• soporte para gestión clínica y prevención.

Riesgo: incentivos de codificación oportunista si el modelo se vuelve financiero sin controles.

10. Escenario 4: choque de alto costo

Este escenario prueba presión por cola extrema.

Supuestos posibles:

• aumento de tratamientos oncológicos;
• nuevas terapias biológicas;
• incremento de enfermedades huérfanas diagnosticadas;
• mayor severidad en ERC;
• judicialización de tecnologías;
• concentración de pocos pacientes con costo extremo;
• rezagos de pago asociados a facturas grandes.

Acciones:

• separar alto costo de gasto ordinario;
• aplicar modelos frecuencia-severidad;
• calcular P95/P99 y TVaR;
• definir umbrales de pooling;
• mapear CAC, MIPRES, UPC y reservas;
• evitar doble conteo;
• crear tablero de casos materiales.

Resultado esperado:

• presupuesto más realista;
• reservas de cola;
• mecanismos de pooling;
• mejor protección de liquidez.

11. Escenario 5: transformación integrada

Este escenario representa el estado objetivo.

Características:

• datos RIPS-FEV integrados y reconciliados;
• IBNR estandarizado con backtesting;
• UPC analizada con morbilidad;
• alto costo modelado con riesgo colectivo;
• stress testing recurrente;
• reporting ejecutivo y técnico;
• gobierno de modelos;
• pilotos regulatorios o financieros graduales;
• transparencia de supuestos.

El resultado no es un modelo único. Es una arquitectura de decisión.

12. Hoja de ruta por horizontes

Una hoja de ruta pragmática:

Horizonte	Prioridad	Entregable
0–6 meses	Auditoría de datos y reservas	Diagnóstico de brechas
6–12 meses	IBNR estandarizado y reconciliación	Nota técnica base
12–18 meses	Tablero de liquidez, glosas y alto costo	Monitoreo mensual
18–24 meses	Piloto de morbilidad UPC en shadow mode	Modelo GLM/GAM validado
24–36 meses	Riesgo colectivo MIPRES/alto costo	Distribución de pérdida
3–5 años	Stress testing integrado	Capital y solvencia económica
5–10 años	Plataforma predictiva sectorial	Gestión prospectiva continua

Las fechas son orientativas. La secuencia importa más que el calendario exacto.

13. Fase 1: estabilización de datos

Objetivo: crear una base confiable para decisiones.

Entregables:

• inventario de fuentes;
• diccionario de datos;
• validaciones de calidad;
• reconciliación con contabilidad;
• tablero de completitud;
• identificación de duplicados;
• control de fechas críticas;
• linaje de extracción;
• documentación de limitaciones.

Indicadores:

Indicador	Meta conceptual
Servicios con afiliado válido	Alto
Diagnósticos válidos	Alto
Facturas cruzadas con pago/estado	Alto
Duplicados críticos	Bajo
Reconciliación contable	Materialmente explicada
Campos críticos faltantes	Bajo

Sin esta fase, las fases posteriores tienen riesgo alto.

14. Fase 2: reservas y pasivos

Objetivo: estandarizar IBNR, obligaciones conocidas e IBNER.

Entregables:

• triángulos de pagos, reconocidos, radicados y glosas;
• selección metodológica;
• expected loss ratio;
• segmentación alto costo;
• backtesting;
• puente contable-actuarial;
• análisis de variación;
• sensibilidad;
• comité de aprobación.

Indicadores:

• error de backtesting;
• IBNR / costo mensual;
• cuentas por pagar / costo mensual;
• rezago prestación-pago;
• glosa levantada;
• concentración por prestador;
• pasivo no reconciliado.

15. Fase 3: alto costo y pooling

Objetivo: separar cola extrema de gasto ordinario.

Entregables:

• catálogo de condiciones de alto costo;
• modelo frecuencia-severidad;
• umbrales de pooling;
• escenarios P90/P95/P99;
• tablero de casos materiales;
• reglas de doble conteo;
• integración CAC/MIPRES/UPC;
• estimación de IBNR alto costo.

Indicadores:

• top 1% share;
• alto costo / costo total;
• casos sobre umbral;
• TVaR;
• costo por condición;
• presupuesto esperado vs observado;
• rezago de pago alto costo.

16. Fase 4: morbilidad y UPC

Objetivo: medir suficiencia según riesgo clínico.

Entregables:

• matriz afiliado-mes;
• agrupadores clínicos;
• modelo demográfico benchmark;
• modelo clínico GLM/GAM;
• comparación O/E;
• análisis por EPS, región y cohorte;
• auditoría de codificación;
• shadow model.

Indicadores:

• mejora de calibración;
• O/E por decil de riesgo;
• estabilidad de score;
• prevalencia crónica;
• concentración de subcompensación;
• sensibilidad a codificación.

17. Fase 5: solvencia y liquidez

Objetivo: conectar pasivos, caja y patrimonio económico.

Entregables:

• modelo de flujo de caja;
• escenarios de estrés;
• capital económico;
• reverse stress testing;
• indicadores de alerta;
• plan de mitigación;
• reporting para comité.

Indicadores:

• caja / pagos próximos 30 días;
• stress loss / patrimonio;
• déficit acumulado bajo escenario adverso;
• ratio de suficiencia UPC;
• patrimonio económico / pasivo técnico;
• deterioro de cartera;
• edad de cuentas por pagar.

18. Fase 6: institucionalización

Objetivo: convertir modelos en proceso permanente.

Entregables:

• política de gobierno de modelos;
• repositorio versionado;
• periodicidad de recalibración;
• validación independiente;
• comité técnico;
• documentación estándar;
• entrenamiento;
• reportes reproducibles;
• plan de actualización normativa o metodológica.

Indicadores:

• modelos con versión documentada;
• corridas reproducibles;
• cambios aprobados;
• hallazgos cerrados;
• backtesting ejecutado;
• reportes entregados a tiempo.

19. Priorización

No todas las iniciativas tienen el mismo valor ni la misma dependencia.

Iniciativa	Valor	Dependencia	Prioridad
Auditoría de datos	Alta	Baja	Muy alta
Reconciliación contable	Alta	Media	Muy alta
IBNR estandarizado	Alta	Media	Muy alta
Tablero de liquidez	Alta	Media	Alta
Alto costo separado	Alta	Media	Alta
Morbilidad UPC	Muy alta	Alta	Alta, después de datos
ML avanzado	Media/alta	Alta	Media
IA generativa	Experimental	Muy alta	Exploratoria
Capital económico	Alta	Alta	Media/alta
Plataforma sectorial	Muy alta	Muy alta	Largo plazo

La prioridad inicial debe ser técnica y operacional, no cosmética.

20. Pilotos

Los pilotos reducen riesgo de implementación.

Pilotos recomendados:

Piloto	Objetivo
IBNR estandarizado	Comparar métodos y backtesting
Morbilidad GLM	Medir mejora sobre demográfico
Alto costo Monte Carlo	Estimar cola y presupuesto
Glosas predictivas	Estimar reconocimiento futuro
Liquidez 13 semanas	Proyectar caja médica
RIPS-FEV calidad	Medir completitud y trazabilidad
Shadow UPC	Simular transferencias sin efecto financiero

Cada piloto debe tener hipótesis, datos, responsables, métrica de éxito y decisión posterior.

21. Shadow model

El shadow model es un modelo paralelo que no afecta pagos ni reportes oficiales inicialmente.

Usos:

• probar estabilidad;
• depurar datos;
• medir impacto financiero;
• identificar ganadores y perdedores;
• detectar incentivos perversos;
• generar evidencia;
• preparar transición.

El paso de shadow model a uso financiero debe requerir:

• datos suficientemente confiables;
• backtesting;
• validación independiente;
• auditoría de incentivos;
• documentación;
• aprobación de gobierno.

22. Gestión del cambio

La reforma técnica afecta múltiples actores.

Actor	Interés
EPS	Suficiencia, liquidez, riesgo de selección
IPS	Pago oportuno, glosas, contratos
Regulador	Solvencia, transparencia, estabilidad
ADRES	Asignación y compensación
Pacientes	Acceso y continuidad
Actuarios	Métodos y documentación
Tecnología	Datos e interoperabilidad
Finanzas	Contabilidad, caja, reporting
Auditoría médica	Pertinencia y reconocimiento

La gestión del cambio debe incluir capacitación, comunicación, pilotos y reglas claras.

23. Gobierno de escenarios

Los escenarios deben gobernarse como modelos.

Elemento	Requisito
Dueño	Área responsable
Propósito	Decisión que soporta
Variables	Drivers explícitos
Supuestos	Documentados y aprobados
Datos	Fuente y corte
Frecuencia	Mensual, trimestral o por evento
Validación	Backtesting y revisión
Salida	Indicadores y decisiones
Archivo	Versionamiento
Comité	Aprobación y seguimiento

Un escenario sin dueño ni decisión asociada pierde utilidad.

24. KPIs de implementación

La hoja de ruta necesita indicadores de avance.

KPI	Interpretación
% fuentes integradas	Cobertura de datos
% reconciliación contable	Control financiero
modelos con backtesting	Madurez actuarial
tiempo de cierre actuarial	Eficiencia
hallazgos de datos cerrados	Mejora operacional
capítulos o notas técnicas aprobadas	Documentación
escenarios ejecutados	Gobierno de riesgo
pilotos en shadow mode	Preparación
modelos con validación independiente	Control
decisiones tomadas con evidencia	Uso real

La implementación no se mide por número de modelos construidos, sino por decisiones mejor soportadas.

25. Riesgos de implementación

Riesgo	Mitigación
Datos insuficientes	Fase de calidad y reconciliación
Resistencia institucional	Pilotos y transparencia
Opacidad de modelos	GLM/GAM base + XAI
Incentivos perversos	Auditoría de codificación
Doble conteo	Mapa de capas financieras
Falta de talento	Formación y documentación
Cambios regulatorios	Diseño modular
Sobrecarga operativa	Priorización por materialidad
Dependencia de proveedor	Estándares abiertos
Uso prematuro	Shadow mode obligatorio

El riesgo más grave es usar modelos avanzados antes de tener datos y gobierno.

26. Roadmap integrado

Una secuencia integrada:

1. Inventario de datos.
2. Validación y reconciliación.
3. Triángulos y reservas base.
4. Backtesting y documentación.
5. Tableros de liquidez y glosas.
6. Segmentación de alto costo.
7. Modelo frecuencia-severidad.
8. Modelo de morbilidad UPC.
9. Shadow model de transferencias.
10. Stress testing integrado.
11. Capital económico.
12. Gobierno de modelos.
13. Reporting estandarizado.
14. Recalibración periódica.
15. Mejora continua.

Esta secuencia evita depender de un único “gran proyecto” y permite capturar valor incremental.

27. Criterios de éxito

La reforma técnica es exitosa si:

• reduce incertidumbre de reservas;
• mejora reconciliación de pasivos;
• detecta problemas de liquidez antes;
• explica diferencias de costo por morbilidad;
• separa alto costo de gasto ordinario;
• permite escenarios accionables;
• documenta supuestos y limitaciones;
• mejora comparabilidad entre periodos;
• reduce decisiones basadas en promedios simples;
• habilita discusión regulatoria basada en evidencia.

No basta con producir dashboards. Deben cambiar decisiones.

28. Qué no debe hacerse

Errores a evitar:

• implementar IA antes de reconciliar datos;
• usar pagos como único proxy de costo;
• mezclar UPC, MIPRES, CAC y glosas sin capas;
• aplicar Chain Ladder sin revisar cambios operativos;
• usar un score de riesgo para selección de afiliados;
• pagar por codificación sin auditoría;
• ignorar eventos posteriores;
• no documentar cambios metodológicos;
• tratar el stress testing como formalidad;
• entregar resultados sin rango de incertidumbre.

Estos errores generan una falsa sensación de precisión.

29. Conclusión

La modernización actuarial del sistema de salud colombiano debe ser gradual, técnica y gobernada. El punto de partida no es un modelo sofisticado, sino una base confiable de datos, reservas reconciliadas y definiciones claras. Desde allí puede avanzarse hacia morbilidad, alto costo, pooling, solvencia, liquidez, stress testing y modelos predictivos.

La hoja de ruta propuesta convierte los capítulos anteriores en un programa de implementación. Primero se mide mejor. Luego se reserva mejor. Después se financia mejor. Finalmente se gobierna mejor.

El valor práctico de esta arquitectura es que permite pasar de discusiones reactivas sobre déficit y pagos a una gestión prospectiva de riesgo, suficiencia, liquidez y sostenibilidad.

Fuentes de trabajo del proyecto

• ASOP No. 56, Modeling, como referencia para propósito, estructura, datos, supuestos, validación, consistencia y riesgo de modelo.
• ASOP No. 57, Asset Adequacy Analysis for Life Insurance, Annuity, or Health Insurance Reserves and Other Liabilities.
• ASOP No. 28, Statements of Actuarial Opinion Regarding Health Insurance Assets and Liabilities.
• gemini-deep-research-report.md, secciones sobre brechas regulatorias, metodológicas, datos, talento y recomendaciones priorizadas para Colombia.
• chatgpt-deep-research-report.md, secciones sobre recomendaciones de corto, mediano y largo plazo, ajuste de riesgo, MIPRES, RIPS, reservas y modernización actuarial.

Próximo capítulo

➡️ 40 · Colombia Implementation Playbook and Templates (pendiente de crear)