Le secteur de l'assurance subit un changement massif et axé sur la technologie.La prochaine décennie sera cruciale pour décider de l'avenir du secteur de l'assurance.Les dirigeants de l'industrie ont un rôle massif à jouer, en particulier en termes d'adoption de technologies perturbatrices tout au long de la chaîne de valeur, passant de la souscription à l'entretien des politiques et au règlement des réclamations.
Selon les études de marché des ponts de données, l'IA sur le marché de l'assurance devrait toucher 6,92 milliards de dollars d'ici 2028, augmentant à un TCAC de 24,05% pour la période de prévision de 2021 à 2028. La croissance du secteur devrait être alimentée par les technologies de l'IA,y compris l'apprentissage automatique, l'apprentissage en profondeur, le traitement du langage naturel (NLP) et l'automatisation robotique.
Ci-dessous, nous discutons de la façon dont les compagnies d'assurance exploitent l'IA, ainsi que certains cas d'utilisation, défis et solutions.
AI, adoption des PNL
Pour toute entreprise travaillant dans l'espace d'assurance, la première étape est avant tout d'énumérer tous les sous-processus de la chaîne de valeur au lieu de résoudre la chaîne de valeur complète ou un morceau de processus ensemble.Cela inclut la taille, l'applicabilité plus large et la complexité.Sur la base de ces paramètres, les bons processus doivent être hiérarchisés pour un produit minimum viable (MVP).
Par exemple, un cas d'utilisation qui implique l'extraction de deux à trois types de documents peut vous donner du volume, de la complexité et de l'applicabilité plus large, tels que la soumission par e-mail dans la souscription.
Il est important de s'assurer que le premier cas d'utilisation est réussi car il ouvre le chemin des autres cas d'utilisation.Une fois la première implémentation MVP réussie définie, une feuille de route doit être créée pour plusieurs preuves basées sur l'IA (POV) et intégrer ces cas d'utilisation pour offrir une efficacité, une efficacité et une expérience client améliorées.
Défis dans le déploiement de l'AI-à l'échelle
De nombreuses équipes de technologie et de science des compagnies d’assurance mondiales explorent plusieurs produits génériques pour résoudre des problèmes structurels.Cependant, ces produits ont tendance à atteindre un point de saturation après quelques victoires faciles et rapides.En raison des capacités limitées de ces produits génériques, certaines des principales sociétés ont du mal à déployer l'IA à grande échelle et envisagent maintenant de résoudre le prochain ensemble de défis commerciaux liés aux données non structurées, manuscrites, vidéo et vocales.
Les principaux barrages routiers du déploiement de l'IA à grande échelle comprennent:
Construire des solutions complètes pour relever ces défis est plus facile à dire qu'à faire.Une mise en œuvre de l'IA de bout en bout exploite de nombreux systèmes technologiques, y compris l'ingestion des systèmes de gestion de documents, à la publication finale dans des applications commerciales telles que le système d'administration de politique (PAS).Lors de l'élaboration de solutions, il est préférable de planifier et de s'adapter à toutes les mises à niveau ou aux modifications des systèmes dépendants pour éviter les obstacles de dernière minute.Ainsi, le calendrier et la flexibilité du système sont essentiels pour la mise en œuvre de l'IA fluide.
De plus, la réussite de l'IA nécessite des contributions de diverses ressources, comme les scientifiques des données AI-NLP, les ingénieurs de données et technologiques, les chefs d'entreprise et de projet.Cependant, à mesure que nous allons à résoudre le prochain niveau de défis, il est important que les équipes technologiques se renforcent et apprennent les nuances commerciales (compréhension des instructions des souscripteurs).Une compréhension approfondie des nuances commerciales permettra des solutions qui peuvent aborder les complexités commerciales et les fonctionnalités multi-utilisateurs.
Aujourd'hui, les attentes du marché pour l'automatisation à 100% ou le traitement d'État à partir de solutions d'IA sont raisonnables, et les produits généralisés actuels ont pu le faire, bien que pour des problèmes simples.À mon avis, s'attendre à une automatisation à 100% est la raison pour laquelle ces produits sont limités à des cas simples.
La sortie de ce problème est d'accepter le fait que les machines ne peuvent pas apprendre et résoudre indépendamment des problèmes et nécessiter une assistance humaine.Un exemple bien connu qui l'élucide mieux est les voitures autonomes ou les véhicules autonomes.
Alors que l'IA, la solution NLP fait son travail avec une haute précision, certains cas sont beaucoup trop complexes pour que les machines puissent interpréter.Un exemple courant de ceci est la souscription des risques pour les clients qui ont soumis des informations partielles ou contradictoires.L'intervention humaine est requise dans de tels cas pour traiter les informations contextuelles.
Des cas d'utilisation à considérer
Il existe plusieurs cas d'utilisation qui peuvent être pris en compte, y compris les factures, les contrats, les déclarations de valeurs, les mentions, etc.
Les soumissions d'entreprise dans l'espace de souscription sont l'un de ces cas d'utilisation.Il fournit une taille, une applicabilité plus large et une complexité modérée à élevée et peut être priorisée sur d'autres cas d'utilisation.Cependant, le processus nécessite des interprétations de l'e-mail et de divers documents non structurés (devis de la demande, proposition, etc.).Pour extraire les informations de plusieurs documents, de nombreux modèles PNL sont nécessaires.Une fois ces modèles PNL créés, ils peuvent être appliqués à une toile plus large pour la livraison de l'IA à grande échelle.
De plus, le processus de soumissions pour une transaction peut s'étendre à quelques mois.Cependant, l'IA peut automatiser le processus et réduire le temps de cycle à quelques jours.De plus, la solution d'IA permet l'interprétation des e-mails et des documents joints et fournit aux assistants de souscription les informations requises pour examiner ou modifier pour terminer la transaction.
Dernières pensées
Pour mettre en œuvre avec succès l'IA, les solutions NLP dans le segment de l'assurance, les entreprises devraient adopter un cadre de priorisation de cas basé sur la taille, l'applicabilité plus large et la complexité.
Les entreprises devraient d'abord rédiger leur feuille de route de l'IA à l'échelle, car les produits génériques ont une portée limitée.Les équipes technologiques, y compris les scientifiques des données d'IA et les ingénieurs de données et de technologie, devraient augmenter leur compréhension du domaine.En plus de cela, les conceptions de solutions AI-à l'échelle doivent être flexibles et bien pensées avec des systèmes dépendants.Enfin, l'homme en boucle est essentiel pour toute implémentation de l'IA.
Cet article est rédigé par un membre du AIM Leaders Council.AIM Leaders Council est un forum sur invitation uniquement de cadres supérieurs dans l'industrie des sciences et de l'analyse des données.Pour vérifier si vous êtes admissible à une adhésion, veuillez remplir le formulaire ici.
