За межами автоматизації: нова роль контекстної штучної інтелекту в страхуванні

Хвиля захоплення штучним інтелектом охоплює практично кожну галузь. У страховій галузі ми виявляємо, що сучасне покоління інструментів може мати здатність змінити роботу, особливо роботу зі знаннями та створення контенту, якщо регуляторна, організаційна та лідерська динаміка узгодяться.

Це разюче контрастує з втручаннями штучного інтелекту та машинного навчання, які вкорінені в індустрії ризиків та страхування вже понад десять років.

Ґрунтуючись на експериментах першого покоління, більшість страховиків зараз вважають, що "правда десь поруч". (Вибачте шанувальникам "Секретних матеріалів"). Щодо таких вертикалізованих тем, як андеррайтинг, схильність до страхових випадків та шахрайство, члени керівництва страхової компанії набувають впевненості, що новітній штучний інтелект може виходити за рамки прямої швидкості, щоб підтримувати краще прийняття рішень щодо подальших дій.

Але, як завжди, є один нюанс. Розкриття цього потенціалу вимагатиме переосмислення того, як галузь працює зі своїм ланцюжком створення вартості, ролями та людськими опікунами, одночасно захищаючи цілісність виконання бізнесу. Підтримка нюансованого та високоризикового прийняття рішень вимагає від страховиків продуманого переходу до контекстуального штучного інтелекту .

Окреслення зрушення

Контекстний ШІ та контекстна інженерія входять у дух часу, оскільки формується консенсус щодо того, де ШІ все ще не дотягує до прийняття рішень людиною.

Це включає такі питання, як збереження, коли машина повинна пам'ятати пов'язані розмови, що передували поточній, та прозорість, тобто здатність відстежувати рішення до його витоків. Регулятори страхування особливо зацікавлені в цьому.

Найголовніше те, що ми усвідомили, що людські рішення рідко бувають такими чорно-білими, якими здаються. Справжнє розуміння приходить з розгляду низки вхідних даних, що виходять за рамки очевидних. Люди сприймають це як інтуїцію, а машини історично не могли відтворити чи навіть наближено її імітувати.

У контексті андеррайтингу основними факторами прийняття рішення можуть бути такі речі, як вартість нерухомості, інструменти зменшення ризиків, запитуване покриття та інформація про власника нерухомості. Додатковий контекст можна отримати з таких речей, як інші страхові поліси власника нерухомості, його комунікація та попередні запити на обслуговування, соціальні мережі, пов'язані з нерухомістю або власником, тощо.

Багато з цих точок даних вже зібрані десь у чотирьох стінах страховика або легкодоступні. Але більшість страховиків не розробили системи для агрегації, управління та вилучення цінності з цих корисних контекстних даних. А без цього можливості штучного інтелекту впливати на якість, швидкість та вартість рішень будуть обмежені.

Здійснення цього

Коли йдеться про штучний інтелект та страхування, ми (поки що) не знаємо того, чого нам невідомо. Все розвивається швидко, а іноді й несподівано. Як не парадоксально, це означає, що створення та виконання плану підтримки контекстуального штучного інтелекту вимагає – як ви вже здогадалися – гарного, інтуїтивного прийняття рішень та планування людиною. Це означає акцент на структурі та процесі, які можуть враховувати майбутні зміни в мисленні та враховувати захисні огорожі як регулювання, так і захисту прав споживачів.

У загальних рисах, ми вважаємо, що шлях до контекстуального успіху включатиме:

• Створення основної команди, яка поєднує навички роботи зі штучним інтелектом та знання у сфері страхування. Якщо структура вашої команди звучить як початок анекдоту ("Отже, ІТ-архітектор, менеджер з врегулювання претензій та актуарій заходять у бар…"), ви, ймовірно, на правильному шляху.
• Інтеграція даних між фрагментованими основними системами (наприклад, андеррайтинг, адміністрування полісів, страхові виплати, CRM) з уніфікованим доступом у режимі реального часу як центральною конструкцією.
• Вибір додаткових даних для формування контекстного рівня, як з публічних, так і з внутрішніх джерел.
• Підвищена обізнаність щодо безпеки, а такі загрози, як оперативне впровадження, усуваються за допомогою фільтрів на основі ролей та журналів аудиту.

Все це має бути враховано в контексті (каламбур навмисний), позиціоновано та розроблено відповідно до управління, яке відповідає таким рекомендаціям, як Модельний бюлетень NAIC. Наприклад, AWS Bedrock допомагає страховикам дотримуватися принципів NAIC, зокрема зосереджуючись на прозорості, справедливості та підзвітності, створюючи безпечну, масштабовану основу для агентських рішень, незалежно від того, чи застосовуються вони до андеррайтингу, претензій, обслуговування, виставлення рахунків, шахрайства чи агентських операцій.

(Примітка редактора: AWS є партнером Cognizant . Багато клієнтів Cognizant використовують AWS як постачальника хмарних послуг.)

Око на приз

Немає чарівної палички, яка зробить контекстуальний ШІ реальністю. Потрібні ресурси та відданість. Кілька страховиків розуміють цінність і вже розробляють контекст у пошуках потужної конкурентної переваги. Що вони та інші, хто прагне контекстуального ШІ, отримають натомість від цих інвестицій? Яка бізнес-цінність та ключові показники ефективності визначатимуть успіх?

Розробка рішення, яке розкриє бізнес-цінність, потребуватиме врахування низки невід'ємних принципів проектування, включаючи, але не обмежуючись:

• Повноваження агента моделювання та шляхи ескалації.
• Встановлення та моніторинг допустимих порогів помилок.
• Забезпечення пояснимості та відповідності нормативним вимогам.
• Керування версіями моделі, виявлення дрейфу та безперервна перевірка.
• Проектування з використанням процесів "людина в циклі".
• Визначення цілісної інтеграції між системами, даними та операціями.

Для більшості зусиль ланцюжок переваг розпочнеться з покращення якості рішень. У ціноутворенні це означає більш динамічне та надійне задоволення потреб клієнтів. В андеррайтингу це означає рішення, які краще відображають складність, з більшою кількістю чистих справ, підготовлених для розгляду андеррайтером, ніж будь-коли раніше. У страхових випадках це означає швидші та точніші виплати з покращеним виявленням шахрайства.

(Примітка редактора: У цьому контексті "чисті справи" означають, що заявки містять всю необхідну інформацію та не мають невідповідностей у даних, що робить їх готовими для розгляду андеррайтерами.)

Ми вважаємо, що контекстний ШІ може зрештою допомогти у висвітленні перспективних аналітичних даних , виявляючи можливості, які сьогодні абсолютно невидимі. Наприклад, галузь десятиліттями з перемінним успіхом займалася продажами додаткових товарів та послуг (upsells) з перехресним успіхом. Об'єднуючи численні потоки даних, пов'язаних з бажаннями та потребами клієнтів та їхньою поведінкою поза межами поточних страхових операцій, контекстний ШІ може допомогти розкрити нові результати страховиків щодо доходів та прибутків, що є критично важливим на сучасних м'яких ринках.

Для партнерів з каналу та клієнтів очікуваною перевагою буде підвищення швидкості та зручності процесів , а також індивідуальні послуги , які здаються більш продуманими та актуальними. Це той випадок, коли використання раціональних технологій може фактично зробити процеси більш людяними та пов’язаними.

Страховики мають рацію, обережно прагнучи всього, що пов'язано зі штучним інтелектом, особливо враховуючи, що регуляторні органи ще не надали остаточних рекомендацій щодо того, як і коли можна застосовувати штучний інтелект. Але джина штучного інтелекту не повернуть назад у пляшку. Розумним є створення продуманого, контекстуального підходу до використання штучного інтелекту, який допоможе максимізувати цінність і рухати галузь вперед.