生成 AI が保険会社とその顧客にどのように価値を提供するか – IBM ブログ

保険会社は、事業を成長させて顧客を維持しようとしながら、収益性の管理に苦労しています。 企業は増大する規制負担に従う必要があり、従来の生命保険や年金商品よりも高い収益が期待できる投資商品を提供する幅広い金融サービス会社と競合しています。 中央銀行がインフレ抑制に努める中、金利は過去XNUMX年間で前例のない速度で上昇したが、保険会社の準備金のかなりの部分は低利回りの投資に固定されており、保険会社の投資利回りは数年間は改善しないだろう（ポートフォリオが反転します）。

大手で確立された保険会社は、意思決定において非常に保守的であるという評判があり、新しいテクノロジーの導入が遅れています。 彼らは、たとえ説得力のあるビジネスケースを提示されたとしても、リーダーよりもむしろ「速攻フォロワー」でいることを好みます。 未知への恐怖はプロジェクトの失敗につながり、顧客サービスに悪影響を及ぼし、損失につながる可能性があります。

IBMの保険顧客との取り組みと、IBMのInstitute of Business Value (IBV)による調査は、保険会社の経営上の意思決定がデジタルオーケストレーション、中核的な生産性、および柔軟なインフラストラクチャの必要性によって推進されていることを示しています。 主要な責務に沿って企業を変革するために、保険会社は顧客にデジタル商品を提供し、効率を高め、データをよりインテリジェントに使用し、サイバーセキュリティ上の懸念に対処し、回復力と安定した商品を提供する必要があります。

これらの目標を達成するために、ほとんどの保険会社は、ハイブリッド クラウドやマルチクラウドのインフラストラクチャとプラットフォームによって実現される IT コアの最新化だけでなく、デジタル変革にも注力してきました。 このアプローチは、ビジネスの成長を支援する革新的な製品やサービスの開発機能を強化することで市場投入までの時間を短縮し、全体的な顧客エクスペリエンスを向上させることもできます。

デジタル変革とコアのモダナイゼーションにおける生成 AI の役割 

日常的な IT インフラストラクチャ運用、顧客対応、またはバックオフィスのリスク分析、引受業務および保険金請求処理のいずれに使用される場合でも、従来の AI と生成 AI は、中核となる最新化とデジタル変革の取り組みの鍵となります。

AI によるコアの最新化

ほとんどの大手保険会社は、中長期的な戦略として、自社のアプリケーション ポートフォリオを可能な限りクラウドに移行することを決定しています。

クラウドの使用を生成 AI および従来の AI 機能と組み合わせると、これらのテクノロジーはビジネスに多大な影響を与える可能性があります。 生成 AI の最初の使用は、多くの場合、DevOps の生産性を高めるために行われます。 AI Ops 複数の個別の手動 IT 運用ツールを、単一のインテリジェントで自動化された IT 運用プラットフォームに統合します。 これにより、IT 運用チームと DevOps チームは、速度の低下や停止に対してより迅速に (積極的にでも) 対応できるようになり、運用の効率と生産性が向上します。

クラス最高のセキュリティーおよびコンプライアンス制御機能 (IBM Cloud® が規制業界に有効にしている制御など) と組み合わせたハイブリッド・マルチクラウド・アプローチは、あらゆる地域の大手保険会社に説得力のある価値提案を提供します。 あらゆる地域の著名な企業数社が IBM と協力して中核となる最新化の取り組みに取り組んでいます。

AIによるデジタルトランスフォーメーション

保険会社は、自動化を活用し、ビジネスをデジタル化し、顧客にセルフサービス チャネルの使用を奨励することで、コストを削減し、より良い顧客エクスペリエンスを提供しています。 の出現により、 AI企業は現在、顧客とエージェントのセルフサービスのオプションを有効にし、IT ヘルプ デスクや従業員の人事機能など、他の多くの機能の自動化を支援するコグニティブ プロセス オートメーションを導入しています。

ChatGPT 機能の導入により、多くの関心が集まりました。 生成AI基盤モデル。 基礎モデルはラベルのないデータセットで事前トレーニングされており、以下を使用して自己教師あり学習を活用します。 ニューラルネットワークs. 基盤モデルは新しい AI ベースのワークフローに不可欠な要素になりつつあり、IBM Watson® 製品は 2020 年から基盤モデルを使用しています。IBM の watsonx.ai™ 基盤モデル ライブラリには、IBM が構築した基盤モデルといくつかのオープンソースの両方が含まれていますHugging Face の大規模言語モデル (LLM)。

　 教師あり学習 AI をトレーニングするために使用されるには、多大な人間の労力が必要です。 これは難しく、集中的なラベル付けが必要で、数か月の労力がかかります。 一方、自己教師あり学習はコンピューターを利用し、ラベル付けをほとんど必要とせず、迅速かつ自動化され効率的です。 IBM の基礎モデルに関する経験によれば、(従来の AI トレーニング手法を使用した場合と比較して) ラベル付け要件が 10 分の 100 から 6 分の XNUMX に減少し、トレーニング時間が XNUMX 分の XNUMX に減少します。

AI によるデジタル変革を実現するには、保険会社が構造化データと非構造化データを十分に理解し、それを整理し、安全な方法で (業界の規制を遵守しながら) 管理し、「適切な」データに即座にアクセスできるようにする必要があります。 この機能は、優れた顧客エクスペリエンスを提供し、新規顧客を引きつけ、既存顧客を維持し、新しい革新的な製品につながる深い洞察を得るために不可欠です。 また、引受決定の改善、不正行為の削減、コストの管理にも役立ちます。 あらゆる地域の大手保険会社が、IBM のデータ アーキテクチャと自動化ソフトウェアをクラウド上に導入しています。

今日のデジタル変革を可能にする生成 AI 機能は、次の XNUMX つのドメインに配置できます。

1. 要約： 大きな文書内のテキスト、ドメイン固有のコンテンツを含む音声会話や録音を、重要なポイント (保険契約、保険契約や補償の文書、顧客 FAQ への回答など) を捉えたパーソナライズされた概要に変換します。
2. 分類： 最小限の例で書面による入力を読み取り、分類します (保険金請求の分類、顧客の苦情の分類、顧客感情の分析、保険引受時のリスクの分類、保険商品開発のための顧客セグメントの分析など)。
3. 世代： 特定の目的のためのテキスト コンテンツを生成します (たとえば、特定の保険商品に焦点を当てたマーケティング キャンペーン、さまざまな保険関連トピックのブログ投稿や記事、パーソナライズされた顧客の電子メール作成サポート、保険テクノロジー システムで使用するコード生成など)。
4. 抽出： 非構造化テキストから重要な情報を分析して抽出します (保険代理店が提出したレポートから情報を抽出する、保険引受やリスク評価に使用するために医師からの医学的診断や臨床レポートを抽出するなど)。
5. 質疑応答: 特定のデータに基づいた質問応答機能を作成します (たとえば、カスタマー サービス エージェント向けのポリシーやカバレッジ固有の Q&A リソースを作成します)。

保険会社が保険ビジネス プロセスのデジタル変革に生成 AI を使用し始めると、価値を引き出す機会が数多く生まれます。

IBM と顧客との取り組みでは、人材獲得や従業員のパフォーマンス管理などのタスクを合理化するための人事プロセスの改善など、生成型 AI を使用すると生産性が大幅に向上することが示されています。 カスタマー ケア エージェントが顧客とのより価値の高いやり取りに集中できるようにすることで、生産性を向上します (生成 AI を使用したデジタル チャネルの仮想アシスタントがより単純な問い合わせを処理します)。 また、生成 AI を使用してコードのリファクタリングと変換を支援することで、レガシー コードを最新化する際の時間と労力を節約します。

無料トライアルにサインアップして、watsonx.ai を機能させましょう