O setor de seguros está passando por uma mudança maciça e orientada por tecnologia.A década seguinte será crucial para decidir o futuro do setor de seguros.Os líderes do setor têm um papel enorme a desempenhar, particularmente em termos de adoção de tecnologias perturbadoras em toda a cadeia de valor, a partir da subscrição à manutenção de políticas e liquidação de reivindicações.
De acordo com a Data Bridge Market Research, a IA no mercado de seguros deve atingir US $ 6,92 bilhões até 2028, crescendo a um CAGR de 24,05 % para o período de previsão de 2021 a 2028. O crescimento do setor deve ser alimentado pelas tecnologias de IA,incluindo aprendizado de máquina, aprendizado profundo, processamento de linguagem natural (PNL) e automação robótica.
Abaixo, discutimos como as companhias de seguros estão alavancando a IA, juntamente com alguns casos de uso, desafios e soluções.
AI, Adoção do PNL
Para qualquer empresa que trabalhe no espaço de seguros, a primeira e principal etapa é listar todos os subprocessos dentro da cadeia de valor em vez de resolver a cadeia de valor completa ou um pedaço de processos juntos.Isso inclui tamanho, aplicabilidade mais ampla e complexidade.Com base nesses parâmetros, os processos corretos devem ser priorizados para um produto mínimo viável (MVP).
Por exemplo, um caso de uso que envolve extração de dois ou três tipos de documentos pode fornecer volume, complexidade e aplicabilidade mais ampla, como envio de email na subscrição.
É importante garantir que o primeiro caso de uso seja bem -sucedido, pois abre o caminho para outros casos de uso.Depois que a primeira implementação bem-sucedida do MVP é definida, um roteiro deve ser criado para múltiplos valores de prova de IA (POVs) e integrar esses casos de uso para fornecer maior eficiência, eficácia e experiência do cliente.
Desafios na implantação de AI-em escala
As equipes de tecnologia e ciência de dados de muitas companhias de seguros globais estão explorando vários produtos genéricos para resolver problemas estruturais.No entanto, esses produtos tendem a atingir um ponto de saturação após algumas vitórias rápidas e fáceis.Devido às capacidades limitadas desses produtos genéricos, algumas das principais empresas estão lutando para implantar a IA em escala e agora estão procurando resolver o próximo conjunto de desafios de negócios relacionados a dados não estruturados, manuscritos, de vídeo e voz.
Os principais obstáculos na implantação da IA em escala incluem:
Construir soluções abrangentes para enfrentar esses desafios é mais fácil dizer do que fazer.Uma implementação de IA de ponta a ponta aproveita muitos sistemas de tecnologia, incluindo a ingestão de sistemas de gerenciamento de documentos, para postagens finais em aplicativos de negócios, como o Policy Admin System (PAS).Ao desenvolver soluções, é melhor planejar e acomodar todas as atualizações de sistemas dependentes ou alterações para evitar obstáculos de última hora.Assim, o tempo e a flexibilidade do sistema são críticos para a implementação suave da IA.
Além disso, a implementação bem-sucedida da IA requer contribuições de vários recursos, como cientistas de dados AI-NLP, engenheiros de dados e tecnologia, gerentes de negócios e projetos.No entanto, à medida que avançamos para resolver o próximo nível de desafios, é importante que as equipes de tecnologia se aprofundam e aprendam nuances de negócios (compreendendo as instruções dos subscritores).Um profundo entendimento das nuances comerciais permitirá soluções que possam abordar complexidades comerciais e funcionalidade multi-usuária.
Hoje, as expectativas do mercado para 100 % de automação ou processamento estatal de soluções de IA são razoáveis, e os produtos generalizados atuais conseguiram entregar isso, embora por problemas simples.Na minha opinião, esperar 100 % de automação é a razão pela qual esses produtos estão limitados a casos diretos.
A saída desse problema é aceitar o fato de que as máquinas não podem aprender e resolver problemas independentemente e exigir assistência humana.Um exemplo bem conhecido que elucida isso melhor são carros autônomos ou veículos autônomos.
Enquanto a IA, a solução de PNL faz seu trabalho com alta precisão, algumas instâncias são complexas demais para as máquinas interpretarem.Um exemplo comum disso é o risco de subscrever clientes que enviaram informações parciais ou contraditórias.A intervenção humana é necessária nesses casos para processar informações contextuais. Assim, o humano em loop permite a ingestão de resultados "assistidos" por um humano após o aumento do julgamento comercial.
Casos de uso para considerar
Existem vários casos de uso que podem ser considerados, incluindo faturas, contratos, declarações de valores, endossos etc.
Os envios de negócios no espaço de subscrição é um desses casos de uso.Ele fornece tamanho, aplicabilidade mais ampla e complexidade moderada a alta e pode ser priorizada em relação a outros casos de uso.No entanto, o processo requer interpretações do email e de vários documentos não estruturados (cotação do aplicativo, proposta etc.).Para extrair informações de vários documentos, são necessários vários modelos de PNL.Depois que esses modelos de PNL são criados, eles podem ser aplicados a uma tela mais ampla para entregar a IA em escala.
Além disso, o processo de envio para uma transação pode se estender a alguns meses.No entanto, a IA pode automatizar o processo e reduzir o tempo de ciclo para alguns dias.Além disso, a solução de IA permite a interpretação de e -mails e documentos anexados e fornece aos assistentes de subscrição as informações necessárias para revisar ou modificar para concluir a transação.
Pensamentos finais
Para implementar com êxito a IA, a PNL Solutions no segmento de seguros, as empresas devem adotar uma estrutura de priorização de casos com base no tamanho, aplicabilidade mais ampla e complexidade.
As empresas devem primeiro re-rasgar sua IA no roteiro de escala, pois os produtos genéricos têm escopo limitado.As equipes de tecnologia, incluindo cientistas de dados da IA e engenheiros de dados e tecnologia, devem aumentar seu entendimento de domínio.Além disso, os projetos de soluções de escala AI-AI devem ser flexíveis e bem pensados, juntamente com sistemas dependentes.Por fim, o humano no loop é essencial para qualquer implementação de IA.
Este artigo foi escrito por um membro do Conselho de Líderes da AIM.O AIM Leaders Council é um fórum somente para convidados de executivos seniores no setor de ciência e análise de dados.Para verificar se você é elegível para uma associação, preencha o formulário aqui.
