En síntesis
El asegurado arma su terna dentro del asistente, sin pasar por la web de ninguna compañía ni por un formulario de cotización.
Los modelos citan datos duros de mercado en casi la mitad de sus respuestas: leen el ranking de producción del sector y lo usan como argumento de por qué recomiendan a una compañía.
Eso genera una correlación entre tamaño y visibilidad, pero explica solo la mitad del resultado. Hay compañías que triplican la visibilidad que les correspondería por peso, y líderes de mercado que quedan cuartos.
El ecosistema que alimenta esas respuestas es de terceros: comparadores y medios especializados aportan más de la mitad de las citas; los sitios propios, uno de cada doce.
Entrar en la lista no define la venta. Lo define con qué atributo te presenta el modelo, porque eso decide para qué perfil de cliente sos la recomendación.
El seguro automotor argentino siempre se vendió conversando: el productor con su cartera, el broker con la compañía, el comparador con quien completaba un formulario. Apareció una conversación nueva, ocurre a puertas cerradas y todavía no hay nadie de la industria sentado en ella.
Qué medimos y por qué
Lightning tomó una muestra de una parte clave del universo de interacciones que los argentinos tienen hoy con la IA sobre seguros: las consultas que preceden a una decisión de compra. Los ocho temas cubiertos son los siguientes.
| Recomendación general | A qué compañía acude alguien que arranca de cero, sin criterio previo. |
| Precio y costo-cobertura | Quién aparece cuando el eje de la consulta es el presupuesto. |
| Tipo de cobertura | Cómo cambia la recomendación entre terceros completos y todo riesgo. |
| Perfil del vehículo o conductor | Auto de alta gama, usado de más de diez años, conductor joven, importado. |
| Resolución de siniestros | A quién señala el modelo cuando la consulta es sobre respuesta ante el choque. |
| Corredor recomendado | Qué intermediarios propone cuando se busca un broker y no una compañía. |
| Atención y soporte | Quién queda asociado al acompañamiento post-venta y ante siniestro. |
| Experiencia digital | Qué actores aparecen cuando pesa la facilidad de contratar y gestionar online. |
El resultado no es una encuesta de intención de compra sino una radiografía de la capa que hoy media entre el cliente y la industria. En el 71% de los casos el modelo devuelve una lista numerada, con un promedio de 7,7 nombres. Esa terna es el territorio en disputa.
El modelo no improvisa: lee el ranking de producción
El hallazgo más revelador del estudio es que los asistentes no responden desde una impresión difusa. En el 48% de las respuestas citan cifras concretas de mercado: participación porcentual, producción en millones de pesos, posición en el ranking del sector. El modelo trae ese dato y lo usa como argumento explícito de por qué una compañía merece estar arriba.
La consecuencia es una inferencia que conviene mirar de frente: para el asistente, más participación de mercado equivale a mejor aseguradora. No es un criterio que alguien haya programado, es el resultado de que la información más disponible y citable sobre el sector sean rankings de volumen.
Pero la regla se cumple a medias. La correlación de orden entre participación y visibilidad es de 0,76, y en magnitud explica menos de la mitad de la variación observada.
Figura 1
El tamaño de mercado empuja la visibilidad, pero no la determina
Barra clara: share of voice en respuestas IA. Barra oscura: participación de mercado citada por los propios modelos. La participación corresponde a la mediana de los valores que los modelos citan en sus respuestas, no a una fuente regulatoria independiente. Correlación de orden (Spearman) 0,76; R 0,47. Fuente: Lightning.
Zurich, la última en participación citada dentro del grupo, aparece sexta en visibilidad y captura 3,1 veces la presencia que le correspondería por peso. Allianz más que duplica la suya. En el sentido inverso, La Caja lidera la participación citada pero cae al cuarto puesto en menciones, y Mercantil Andina retrocede tres lugares.
Federación Patronal ilustra bien el mecanismo. Aparece en el 96% de las consultas sobre aseguradoras, la tasa más alta del estudio, y en buena parte de esas apariciones el modelo sostiene la recomendación citando su posición en el ranking de producción. El argumento de venta se lo provee el propio ecosistema de datos del sector.
Para una compañía mediana la lectura es concreta: el tamaño ayuda, pero no determina. La mitad de la visibilidad se juega en un terreno donde el peso de mercado no alcanza para explicar quién gana.
La concentración lo confirma. El índice HHI es de 0,101 y las tres primeras marcas reúnen el 40% de las menciones, un reparto mucho más abierto que el de otros sectores medidos. Entre intermediarios la dispersión es todavía mayor: ningún broker supera el 45% de mención y el podio junta apenas el 36%. Nadie se apropió de esa conversación.
Quién le enseña al modelo qué recomendar
Si el asistente construye criterio leyendo, vale preguntarse qué lee. Los comparadores y plataformas insurtech concentran el 36%; sumados a los medios especializados del sector superan la mitad del total. Los sitios propios de aseguradoras y brokers aportan el 8%.
Figura 2
Comparadores y prensa sectorial construyen el criterio; las webs propias casi no participan
Clasificación de 2.060 citas de fuentes extraídas de las respuestas analizadas. Una misma respuesta puede citar fuentes de distintas categorías. Fuente: Lightning.
Una compañía puede tener el mejor sitio del mercado y ser descrita igual con material de un comparador, una nota sectorial o un hilo de foro. El relato lo redactan terceros. Se agrega un detalle que refuerza el circuito: en el 47% de las respuestas el propio asistente recomienda cotizar o comparar antes de cerrar, y empuja al usuario justo hacia esos comparadores.
Aparecer es la entrada; el adjetivo es la ventaja
Estar en la terna habilita a competir, nada más. Lo que mueve la consideración es con qué atributo te presenta el modelo, y ahí los perfiles son nítidos y distintos entre sí.
| Compañía | Atributo dominante en el relato del modelo | Peso |
|---|---|---|
| Federación Patronal | Solidez financiera | 49% |
| Allianz | Siniestros y respuesta | 40% |
| Zurich | Cobertura amplia · tecnología y digital | 38% |
| La Caja | Atención al cliente | 25% |
| Sancor | Solidez financiera | 30% |
| San Cristóbal | Solidez financiera | 27% |
| Seguros Rivadavia | Precio y economía | 18% |
Porcentaje de las menciones de cada marca en las que el modelo asocia ese atributo en el texto inmediatamente posterior a nombrarla. Una mención puede activar varios atributos. Fuente: Lightning.
Federación Patronal llega envuelta en solidez: casi la mitad de sus menciones invocan respaldo financiero o liderazgo. Allianz encontró un territorio más rentable, el de la respuesta ante siniestros, donde aparece asociada en el 40% de los casos sin ser la marca más nombrada del estudio. Zurich quedó ligada a la cobertura amplia y a lo digital. Seguros Rivadavia es la única cuyo atributo dominante es el precio.
Ese encuadre define el partido que cada uno juega. Una marca que solo aparece por precio no entra en las consultas por autos de alta gama; una que solo aparece por solidez no entra en las de presupuesto ajustado. El atributo decide el segmento.
Tres asistentes, tres mercados distintos
Cuando la consulta es por compañías, los tres modelos convergen razonablemente. Cuando es por intermediarios, describen mercados que casi no se tocan. Claude propone brokers corporativos globales que en Argentina trabajan riesgo empresarial y no venden pólizas de auto minoristas. ChatGPT responde con intermediarios locales medianos. Gemini se ubica entre ambos.
Dos lecturas se desprenden. Para la marca, optimizar contra un solo asistente deja segmentos enteros sin cubrir. Para el sector, la imprecisión revela que el conocimiento de los modelos sobre las categorías verticales del seguro argentino todavía es débil, y esa debilidad es una ventana para quien la corrija primero.
También difieren en cuánto se juegan. Claude matiza su propia recomendación en el 37% de las respuestas y aclara que no existe una única mejor opción. ChatGPT no lo hace nunca. El mismo cliente, con la misma pregunta, recibe una respuesta taxativa o una relativizada según qué aplicación abrió.
Lo que viene: cotizar sin salir del chat
El mercado global ya ensaya el paso siguiente. Bain & Company relevó que Insurify opera un motor de comparación y cotización dentro de ChatGPT para armar la lista corta de pólizas de auto, y que aseguradoras como Aviva y Tuio construyeron aplicaciones aprobadas por OpenAI para cotizar hogar dentro del asistente. La contratación completa sigue siendo incipiente, pero la trayectoria está marcada.
En Argentina, con el canal de productores todavía en el centro y una fricción de contratación alta, ese salto va a demorar. Es exactamente por eso que la ventana para construir autoridad en la etapa de descubrimiento está abierta ahora, antes de que se defina quién ocupa el lugar de intermediario por defecto.
Por dónde empezar
Cinco frentes concentran el retorno para aseguradoras y brokers que decidan intervenir ahora.
Medir el adjetivo, no solo la aparición
Saber cuántas veces te nombran sirve poco si no sabés con qué te asocian. El diagnóstico útil cruza presencia con atributo, área por área, y muestra dónde estás fuera del radar del cliente que te interesa.
Trabajar donde el modelo efectivamente lee
Con los comparadores explicando el 36% de las citas y los sitios propios el 8%, mover la aguja depende más de la presencia en el ecosistema de terceros que de rediseñar la web. Mapear qué fuentes cita el modelo en tu categoría ordena la inversión antes de gastarla.
Producir material pensado para ser citado
Convertir las páginas de producto en respuestas a los dilemas reales del asegurado, con datos verificables y estructurados que el modelo pueda tomar sin inventar.
Elegir un territorio de atributo y quedárselo
Con el mercado tan repartido y atributos de alto valor sin dueño claro, rinde más ser la respuesta indiscutida de un territorio que el séptimo nombre de todas las listas.
Cubrir los tres asistentes a la vez
Cada uno conoce un universo distinto de intermediarios y calibra distinto sus recomendaciones. Optimizar para uno solo es dejarle los otros dos a la competencia.
La pregunta que define los próximos años no es a cuánta gente le llega tu marca, sino qué dice de ella un sistema que el cliente consulta en privado y cuya respuesta lee como imparcial. Ese relato ya se está escribiendo, con o sin participación de las compañías. Intervenir mientras la categoría sigue abierta cuesta una fracción de lo que costará después corregir un relato consolidado.
Ver el reporte completo del sector →
Sobre este informe. Lightning mide cómo los modelos de IA posicionan a las marcas en mercados verticales. Base: 204 respuestas generadas entre mayo y junio de 2026 por Claude Haiku 4.5, GPT-4o Mini y Gemini 2.5 Flash sobre 34 preguntas base en español argentino informal, con dos repeticiones por pregunta y modelo y 83% de concordancia entre corridas idénticas. Se utilizó el tier eficiente de cada plataforma. El informe completo con el ranking por área está disponible bajo pedido.