Si su casa está en un área de incendios forestales, las compañías de seguros tienden a no querer acercarse a ella.
Pero las "áreas de incendios forestales" tienden a ser bastante amplias. ¿Qué pasaría si las empresas pudieran evaluar el riesgo en un nivel más granular, aprovechando cosas como imágenes satelitales y aprendizaje automático combinadas con datos de viento, clima y topología para definir con mayor precisión las zonas más riesgosas? ¿Se podrían ofrecer políticas a más propietarios de viviendas y a precios más asequibles?
Esa es la idea detrás Delos, una empresa que se presenta hoy en el TechCrunch Disrupt SF Startup Battlefield.
Delos en sí mismo no actúa como asegurador; en cambio, Delos actúa como un agente general administrativo (o MGA) para un grupo de operadores principales. Analizan regiones que han sido ampliamente barridas en la etiqueta de "área de incendios forestales", con sus modelos patentados buscando casas que creen que han sido clasificadas erróneamente. Delos se pone en contacto con estos clientes y recibe una comisión / participación de beneficios en las políticas que firman.
La compañía se está enfocando primero en California, señalando que un solo estado representa la mitad de los incendios forestales del país. De acuerdo a CalFire, hubo más de 5,000 incendios en California solo en 2019.
Después de los incendios forestales, Delos también planea expandirse para modelar el riesgo de huracanes.
Delos también envía regularmente a los propietarios una lista de cosas que pueden hacer para endurecer y proteger sus hogares contra incendios forestales, como cortar árboles que sobresalen de su hogar o cambiar a materiales de construcción resistentes a la ignición. Si sus últimas imágenes satelitales muestran vegetación seca trepando por la ladera detrás de su casa, pueden advertirle sobre el riesgo cada vez mayor.
Los cofundadores Kevin Stein y Shanna McIntyre tienen una gran experiencia en el sector aeroespacial. Kevin obtuvo una Maestría en Ingeniería Aeroespacial de Stanford antes de trabajar como Ingeniero de Sistemas Mecánicos en Space Systems / Loral, mientras que Shanna estudió física en Berkeley antes de pasar 11 años como ingeniero en Lockheed Martin.
Stein dice que cree que cerca de 18 millones de hogares en los Estados Unidos están mal clasificados.