La industria de seguros está experimentando un cambio masivo impulsado por la tecnología.La próxima década será crucial para decidir el futuro del sector de seguros.Los líderes de la industria tienen un papel masivo que desempeñar, particularmente en términos de adoptar tecnologías disruptivas en toda la cadena de valor, comenzando desde la suscripción hasta el servicio de políticas y el acuerdo de reclamos.
Según Data Bridge Market Research, se espera que la IA en el mercado de seguros toque $ 6.92 mil millones para 2028, creciendo a una tasa compuesta anual de 24.05 por ciento para el período de pronóstico de 2021 a 2028. Se espera que el crecimiento del sector sea alimentado por AI Technologies,incluyendo aprendizaje automático, aprendizaje profundo, procesamiento del lenguaje natural (PNL) y automatización robótica.
A continuación, discutimos cómo las compañías de seguros están aprovechando la IA, junto con algunos casos de uso, desafíos y soluciones.
AI, adopción de PNL
Para cualquier negocio que trabaje en el espacio de seguro, el primer y principal paso es enumerar todos los subprocesos dentro de la cadena de valor en lugar de resolver la cadena de valor completa o una parte de los procesos juntos.Esto incluye tamaño, aplicabilidad más amplia y complejidad.Según estos parámetros, los procesos correctos deben priorizarse para un producto mínimo viable (MVP).
Por ejemplo, un caso de uso que implica la extracción de dos y tres tipos de documentos puede brindarle volumen, complejidad y aplicabilidad más amplia, como el envío de correo electrónico en suscripción.
Es importante asegurarse de que el primer caso de uso sea exitoso, ya que allana la ruta para otros casos de uso.Una vez que se establece la primera implementación exitosa de MVP, se debe crear una hoja de ruta para múltiples pruebas de valor de valor de IA (POV) e integrar estos casos de uso para ofrecer una mayor eficiencia, efectividad y experiencia del cliente.
Desafíos en la implementación de AI-A-a escala
Los equipos de tecnología y ciencia de datos de muchas compañías de seguros globales están explorando múltiples productos genéricos para resolver problemas estructurales.Sin embargo, tales productos tienden a alcanzar un punto de saturación después de algunas victorias fáciles y rápidas.Debido a las capacidades limitadas de estos productos genéricos, algunas de las compañías líderes están luchando por implementar IA a escala, y ahora están buscando resolver el próximo conjunto de desafíos comerciales relacionados con datos no estructurados, escritos a mano, video y voz.
Los principales obstáculos en la implementación de IA a escala incluyen:
Construir soluciones integrales para abordar estos desafíos es más fácil decirlo que hacerlo.Una implementación de IA de extremo a extremo aprovecha muchos sistemas tecnológicos, incluida la ingestión de los sistemas de gestión de documentos, hasta la publicación final en aplicaciones comerciales como el sistema de administración de políticas (PAS).Mientras desarrolla soluciones, es mejor planificar y acomodar todas las actualizaciones o cambios de sistemas dependientes para evitar obstáculos de última hora.Por lo tanto, el tiempo y la flexibilidad del sistema son críticas para la implementación suave de la IA.
Además, la implementación exitosa de IA requiere contribuciones de varios recursos, como científicos de datos de AI-NLP, ingenieros de datos y tecnología, gerentes de negocios y proyectos.Sin embargo, a medida que avanzamos para resolver el siguiente nivel de desafíos, es importante que los equipos tecnológicos se aceleren y aprendan los matices comerciales (entendiendo las instrucciones de los suscriptores).Una comprensión profunda de los matices comerciales permitirá soluciones que puedan abordar las complejidades comerciales y la funcionalidad de múltiples usuarios.
Hoy en día, las expectativas del mercado para la automatización del 100 por ciento o el procesamiento estatal de thru de las soluciones de IA son razonables, y los productos generalizados actuales han podido entregar esto, aunque para problemas simples.En mi opinión, esperar el 100 por ciento de automatización es la razón por la cual estos productos se limitan a casos sencillos.
La salida de este problema es aceptar el hecho de que las máquinas no pueden aprender y resolver problemas de forma independiente y requerir asistencia humana.Un ejemplo bien conocido que aclara esto mejor son los autos autónomos o los vehículos autónomos.
Si bien la solución AI, NLP hace su trabajo con alta precisión, algunas instancias son demasiado complejas para que las máquinas interpreten.Un ejemplo común de esto es la suscripción de riesgo para los clientes que han enviado información parcial o contradictoria.La intervención humana se requiere en tales casos para procesar la información contextual. Por lo tanto, el humano en el circuito permite la ingestión "asistida" de los resultados por parte de un humano después de aumentar el juicio comercial.
Casos de uso a considerar
Hay múltiples casos de uso que se pueden considerar, incluidas las facturas, contratos, declaraciones de valores, endosos, etc.
Las presentaciones comerciales en el espacio de suscripción son uno de esos casos de uso.Proporciona tamaño, aplicabilidad más amplia y complejidad moderada a alta y puede priorizarse sobre otros casos de uso.Sin embargo, el proceso requiere interpretaciones del correo electrónico y varios documentos no estructurados (cotización de solicitudes, propuesta, etc.).Para extraer información de múltiples documentos, se requieren numerosos modelos de PNL.Una vez que se crean estos modelos PNL, se pueden aplicar a un lienzo más amplio para entregar IA a escala.
Además, el proceso de presentación para una transacción puede extenderse a unos pocos meses.Sin embargo, la IA puede automatizar el proceso y reducir el tiempo de ciclo a unos pocos días.Además, la solución AI permite la interpretación de los correos electrónicos y los documentos adjuntos y proporciona a los asistentes de suscripción la información necesaria para revisar o modificar para completar la transacción.
Pensamientos finales
Para implementar con éxito la IA, las soluciones de PNL en el segmento de seguros, las empresas deben adoptar un marco de priorización de casos basado en el tamaño, la aplicabilidad más amplia y la complejidad.
Las compañías primero deben redrafiar su IA a escala de ruta, ya que los productos genéricos tienen un alcance limitado.Los equipos de tecnología, incluidos los científicos de datos de IA, y los ingenieros de datos y tecnología, deben aumentar su comprensión de dominio.Además de esto, los diseños de soluciones de AI-A-a escala deben ser flexibles y bien pensados junto con sistemas dependientes.Por último, el humano en el bucle es esencial para cualquier implementación de IA.
Este artículo está escrito por un miembro del Consejo de Líderes AIM.AIM Leaders Council es un foro solo por invitación de altos ejecutivos en la industria de la ciencia y la analítica de datos.Para verificar si es elegible para una membresía, complete el formulario aquí.
