Чому штучний інтелект не розвивається у сфері страхування: культурні та операційні перешкоди

Багато страхових компаній застрягли на етапі перевірки концепції, коли мова йде про штучний інтелект. Вікас Ачарія з ChainThat пояснює, чому.

Для галузі, переповненої пілотними проектами зі штучного інтелекту, страхування залишається разюче повільним у впровадженні штучного інтелекту в повномасштабне виробництво. За словами Вікаса Ачар'ї (на фото), генерального директора та співзасновника ChainThat, ключовою причиною зупинки проектів зі штучним інтелектом є невідповідність між технологічним потенціалом та організаційною готовністю.

"Перевірка концепції часто полягає в тому, щоб довести технологію, а не її цінність", – сказав Ачар’я. "Люди захоплюються тим, що може зробити ШІ, але забувають визначити, як виглядає успіх. Без чітких ключових показників ефективності (KPI) та підтримки керівництва ці проекти, як правило, втрачають оберти".

Культурні вагання зустрічаються з технічною складністю

Хоча ранні блокчейн-ініціативи пропонують історичну паралель – багато з них не змогли вийти за рамки експериментів – ШІ стикається з власними унікальними бар'єрами. Головним серед них є культура.

"Є нервозність", – сказав Ачар’я. "Деякі страховики запитують: "Чи варто нам вести, чи слідувати?" Це вагання стає перешкодою".

Він зазначив, що пілоти ШІ часто зосереджуються на неправильних проблемах або витрачають непропорційно багато зусиль на завдання, які не відображають реального бізнес-завдання. "Ви вирішуєте 20% проблеми, витрачаючи 80% зусиль. І часто це навіть не та проблема, яка вам потрібна".

Безпека та конфіденційність даних додають додаткових труднощів. "Оскільки страховики починають продавати продукти на основі штучного інтелекту, виникають проблеми з відповідальністю. Я бачив випадки, коли кіберпокриття не поширюється на ризики, спричинені штучним інтелектом. Це створює абсолютно новий ландшафт ризиків".

Опір андеррайтингу та проблеми, що виникають у минулому

Опір також виникає на операційному рівні, особливо в андеррайтингу. Ачар'я зазначає, що штучний інтелект часто сприймається як загроза професійній оцінці.

"Андеррайтери пишаються своєю експертизою в предметній області", – сказав він. "Перетворення цього на алгоритм чорної скриньки може здаватися позбавленням їхньої ролі".

Щоб бути прийнятим, ШІ має розглядатися як інструмент доповнення, як помічник, а не замінник. "Він повинен поважати нішеві знання та забезпечувати кращі рішення, а не ігнорувати їх".

Що стосується систем, інтеграція даних залишається найпостійнішою проблемою застарілих технологій. "Десятиліття модернізації призвели до того, що страховики керують шарами застарілих технологій", – сказав Ачар’я. "Більша частина зусиль витрачається на синхронізацію систем, що збільшує вартість і ризики розгортання штучного інтелекту".

Що робить варіант використання успішним?

Одним із перспективних застосувань штучного інтелекту є використання інтерфейсів на основі мов програмування для оптимізації налаштування полісів. У нещодавньому впровадженні страховик використав штучний інтелект для автоматизації налаштування страхових продуктів на основі даних природною мовою від бізнес-аналітиків. Це скоротило час ручного налаштування та дозволило швидше розгортати продукт без втручання в рішення щодо андеррайтингу.

Ачар'я зазначив, що цей підхід спрацював, оскільки він був спрямований на чітко визначений процес і поважав межі професійної оцінки.

Чому це важливо для брокерів

Для брокерів впровадження штучного інтелекту в операторів зв'язку – це не просто питання бек-офісу, воно може безпосередньо впливати на якість обслуговування. Швидше налаштування політик та покращена автоматизація робочих процесів можуть призвести до швидшого отримання цінових пропозицій, меншої кількості затримок та більш оперативного обслуговування клієнтів.

Розуміння того, як і де страховики впроваджують штучний інтелект, допомагає брокерам встановлювати очікування для клієнтів, особливо у складних або регульованих лініях. Це також дає уявлення про те, які страхові компанії можуть бути краще підготовлені для обробки індивідуальних ризиків або швидкозмінних вимог.

Регулювання, готовність та шлях уперед

Коли Ачар'ю запитали, чи є регулювання головною перешкодою, він заперечив. "Це залежить від випадку використання", – сказав він. "Якщо йдеться про керівництво та допомогу користувачам, регулювання не є великою перешкодою. Але якщо воно стосується рішень, що впливають на охоплення, то так, регуляторна планка вища".

Ачар'я радить фірмам уникати надмірного проектування. "Ідеальне рішення може не підходити для ваших обмежень", – сказав він. "Бюджет, географія, чутливість даних – вам потрібно працювати в рамках вашого контексту, щоб побудувати довіру, не ускладнюючи все надмірно".

Забігаючи вперед, Ачар'я бачить перспективу в таких інструментах, як GPT-5, зокрема в їхній здатності моделювати сценарії та інтерпретувати контекст. "Це допомагає андеррайтерам мислити по-іншому", – сказав він. "Вони можуть ставити запитання "що, якби" та перевіряти припущення, що сприяє кращому вибору ризиків та ціноутворенню".

Однак він застерігає, що передовий штучний інтелект – це не панацея. "Все залежить від випадку використання", – сказав він. "Якщо ви розумієте свою проблему та застосовуєте правильний інструмент, штучний інтелект може створити реальну цінність. Але якщо ні, це просто черговий застопорений проект".

Для страховиків, які сподіваються вийти за рамки пілотної фази, ця ясність може бути найважливішим нововведенням з усіх.