Un mecanismo agresivo de "predeterminados inteligentes" puede reducir los costos de salud de los consumidores a la hora de decidirse por una aseguradora. Pero también abre paso a nuevas formas de manipulación.

The Conversation. La teoría económica sugiere que cuando los consumidores toman decisiones informadas y activas en un mercado competitivo, las compañías responden bajando sus precios y mejorando la calidad de su oferta. Pero dejando la teoría de lado, las pruebas empíricas demuestran que los consumidores no se comportan actualmente de esta manera, particularmente en un mercado tan complejo como el del seguros de salud.

Esta realidad hace mucho más difícil para las políticas de gobierno frenar efectivamente la curva de salud (para lo cual incluso paga) y reducir las primas. También significa que probablemente muchos individuos están pagando más de lo que deberían por su seguro.

Entonces, ¿existe algo que podamos hacer para ayudar a la gente a elegir mejor su seguro?

En un reciente paper, con la coautoría de Jonathan Kolstad, economista de Berkeley, se evalúa cómo los datos personalizados podían ayudar a los consumidores a hacer esto y, de paso, convertir el mercado de la salud en uno más eficiente.

Varias opciones, mucha confusión

Controlar el gasto en salud -el cual alcanzó los US$ 3 billones por primera vez en 2014- continúa siendo de alta prioridad para los responsables de las políticas gubernamentales. Si bien el gasto creció a un ritmo bajo el promedio habitual hasta cuando se aprobó la ACA, desde entonces se ha acelerado.

Reguladores federales y estatales trabajaron en los cambios a la ACA para impulsar a las aseguradoras a competir en precios y calidad a la vez que le ofrecían una gama más amplia de opciones a los consumidores. Varios mercados de Medicare, tales como el Plan D de cobertura de la prescripción del fármaco, hicieron lo mismo, mientras que las firmas que entregan seguros médicos están también ampliando la oferta para sus empleados mediante cambios privados facilitados.

Pero dar más opciones individuales es solo el primer paso. La investigación demostró que los consumidores cometen errores cuando están negociando activamente ya sea por falta de información disponible, entendimiento limitado del tema o simplemente una molestia generalizada al respecto. Estas dificultades existen cuando las opciones son solo algunas o varias docenas.

Esto lleva a los consumidores a dejar cientos o incluso miles de dólares sobre la mesa. También contribuye a las "elecciones por inercia", en las cuales el individuo puede tomar una decisión inicial inteligente, pero falla en el seguimiento o en la reconsideración activa cuando emerge nueva información o cambian las condiciones. Eso también puede costar una gran cantidad de dinero a la larga.

En nuestra investigación, examinamos cómo podríamos resolver esos problemas.

Recomendaciones dirigidas al consumidor

Una de las maneras involucra proveer a los usuarios de recomendaciones específicas basadas en datos personales detallados de necesidades y preferencias de salud. La información personalizada utiliza el riesgo esperado en salud, el apetito de riesgo financiero y las preferencias médicas del individuo. Estas políticas destacan las mejores opciones para cierto consumidor mediante la asociación de cada opción con la métrica que cada individuo fácilmente entiende y está interesado en, como el gasto esperado en cada plan el siguiente año.

El objetivo amplio de esta iniciativa es aprovechar el "poder" de los datos del consumidor y la tecnología para realizar recomendaciones efectivas en el mercado, similar a lo que ya vemos en otras partes. Por ejemplo, Amazon utiliza el historial de compras y búsquedas para realizar recomendaciones sobre productos adicionales que podrían interesar al usuario, mientras que Google procesa una gran cantidad de datos para entregar avisos personalizados.

Ya ha habido cierto avance en cuanto a la implementación de este tipo de iniciativas o condiciones en el mercado de las aseguradoras. Sin embargo, es clave tener conocimiento de que estas políticas no han sido suficientemente efectivas. Evidencia empírica sugiere que incluso si se guía a los consumidores hacia la información, no se le puede forzar a tomarla.

Selecciones predeterminadas podrían ser la respuesta

Si proveer de información personalizada y recomendaciones no es suficiente para ayudar a los consumidores a tomar buenas decisiones, ¿podrá una política más agresiva ser efectiva?

Una manera es a través de "predeterminados inteligentes" -smart defaults en inglés-, las cuales automáticamente sitúan al consumidor en los planes preferentes según la información específica del usuario. En vez de necesitar que las personas actúen según recomendaciones, la opción óptima es seleccionada para ellos.

Estas selecciones predeterminadas serán seleccionadas cuidadosamente basados en los datos de cada individuo, pero no serán obligatorias, lo cual permitirá a los consumidores elegir otra opción en cualquier momento.

Los predeterminados inteligentes que propusimos en nuestro paper están basadas en datos detallados de la demografía específica del consumidor, sus necesidades médicas y un modelo del valor del plan de salud. Estas selecciones funcionarán utilizando datos de reembolsos médicos pasados e información del usuario para determinar si sería prudente cambiar de plan. Un modelo económico y un umbral de valores específico son fijados para controlar cuanto riesgo se está dispuesto a tomar y cuanto se puede ganar de un cambio.

Ese modelo económico, implementado con un algoritmo computacional, considerará ganancias financieras, exposición a riesgos en caso de un evento médico mayor, y acceso a los médicos correspondientes. Si se reúnen las condiciones idóneas, se le selecciona un nuevo plan al consumidor.

Por ejemplo, considera un paciente diabético enrolado en un plan con una prima anual de US$ 4 mil y acceso a un set determinado de médicos. Por sobre la prima, se le anticipa al individuo que gastará otros US$ 2 mil anuales por participación en los gastos adicionales -deducibles, copagos para citas, prescripciones, equipos para testear los niveles de glicemia y otros servicios- hasta un máximo de US$ 8 mil.

El algoritmo de selección inteligente primero considerará si existe una alternativa que "reduzca considerablemente" el gasto anual del paciente. Si el umbral fue configurado en los US$ 1 mil, el algoritmo buscará una opción que anticipe que el individuo no gastará más de US$ 5 mil en primas y financiamiento compartido.

Otras opciones también tendrán que coincidir: el médico que atiende al paciente tendrá que estar en la red del plan y la opción no podría exponer al individuo a mucho riesgo financiero (el máximo de gastos compartidos). Por ende, si el umbral de riesgo financiero fue fijado en US$ 500, el plan alternativo no podría superar los US$ 8.500.

El paciente será entonces auto-enrolado en el plan, con ganancias anticipadas de US$ 1 mil al año y en el peor de los escenarios, de US$ 500 por gastos adicionales. Hasta ahora, tales selecciones determinadas han sido solo utilizadas moderadamente en el mercado de seguros médicos. Pero en otros contextos, como ayudar a los empleados a saber cuanto contribuir a los planes de pensión, las elecciones inteligentes han demostrado ser notablemente eficaces a la hora de mejorar la calidad de la selección. Esto funciona porque las opciones son más simples y existen muchos datos.

Problemas con las selecciones predeterminadas

Entonces, ¿por qué no estamos utilizando más estas opciones predeterminadas en el mercado de los seguros médicos?

Para novatos, responsables de las polizas y empleados es poco probable la implementación de políticas que pareciera guiarán de manera tan fuerte la elección de un plan. Por ejemplo, si la configuración predeterminada es muy agresiva, muchos consumidores podrían ser auto-enrolados en planes que los dejan de peor manera -incluso cuando la persona promedio estaría mejor sin un plan.

Una posible solución para esto sería la la configuración conservadora del umbral de auto-enrolamiento, para que de esta manera solo los consumidores que esperan ganancias sustanciales sean afectados (esto también podría reducir los potenciales beneficios).

Otro problema fundamental, sin embargo, es la falta de información. Desafortunadamente, los reguladores a menudo no cuentan con datos del consumidor en tiempo real o riesgos de salud personalizados, uso del seguro y la demografía necesaria para implementar efectivamente las selecciones predeterminadas de manera precisa (como sí sucede con las elecciones en el sistema de pensiones). Una razón es que las compañías aseguradoras suelen rechazar compartir su información con los reguladores en los territorios que son propietarios, y la Corte Suprema ha apoyado esta postura.

En algunos casos, las selecciones predeterminadas inteligentes pueden ser posibles, pero entregando menos ganancia a los consumidores y siendo más conservadores en su implementación.

Consideraciones adicionales

Poco es lo que se sabe respecto a los efectos en un mercado competitivo cuando las elecciones del consumidor son guiadas por algoritmos antes que por un proceso libre y natural. Por ejemplo, ¿podrían las aseguradoras buscar formas de explotar las características del algoritmo sistemáticamente para atraer más gente a sus planes, como lo hacen los avisadores con Google? ¿O puede que los individuos terminen menos involucrados en la elección de sus propias aseguradoras, lo que significaría que estos estén menos informados acerca de los beneficios y riesgos de su plan?

Entender las consecuencias de dejar que un algoritmo computacional tome las decisiones de los consumidores será crucial a la hora de evaluar si implementar una política como la de selecciones predeterminadas inteligentes puede ayudar a los individuos a tomar buenas decisiones, reduciendo los inconvenientes. Pero no será posible hasta que las aseguradoras empiecen a compartir sus datos con los reguladores.