Hvordan generativ AI gir verdi til forsikringsselskaper og deres kunder – IBM Blog

Forsikringsselskapene sliter med å administrere lønnsomheten mens de prøver å vokse virksomheten og beholde kunder. De må forholde seg til en økende reguleringsbyrde, og de konkurrerer med et bredt spekter av finansielle tjenesteselskaper som tilbyr investeringsprodukter som har potensial for bedre avkastning enn tradisjonelle livsforsikrings- og livrenteprodukter. Selv om rentene har økt med en enestående hastighet det siste året ettersom sentralbanker forsøker å dempe inflasjonen, er en betydelig del av forsikringsselskapenes reserver låst til lavavkastningsinvesteringer, og investeringsavkastningen deres vil ikke forbedres på flere år (ettersom deres porteføljer omsettes).

Store, veletablerte forsikringsselskaper har rykte på seg for å være svært konservative i beslutningsprosessen, og de har vært trege med å ta i bruk ny teknologi. De vil heller være "raske følgere" enn ledere, selv når de blir presentert for en overbevisende forretningscase. Denne frykten for det ukjente kan resultere i mislykkede prosjekter som påvirker kundeservice negativt og fører til tap.

IBMs arbeid med forsikringskunder, sammen med studier fra IBMs Institute of Business Value (IBV), viser at beslutninger om forsikringsselskaper er drevet av digital orkestrering, kjerneproduktivitet og behovet for fleksibel infrastruktur. For å tilpasse seg viktige imperativer og transformere selskapene deres, må forsikringsselskapene tilby digitale tilbud til kundene sine, bli mer effektive, bruke data mer intelligent, adressere cybersikkerhetsproblemer og ha et robust og stabilt tilbud.

For å nå disse målene har de fleste forsikringsselskaper fokusert på digital transformasjon, samt IT-kjernemodernisering muliggjort av hybrid sky- og multi-sky-infrastruktur og -plattformer. Denne tilnærmingen kan øke hastigheten til markedet ved å tilby forbedrede muligheter for utvikling av innovative produkter og tjenester for å hjelpe til med å vokse virksomheten, og den kan også forbedre den generelle kundeopplevelsen.

Rollen til generativ AI i digital transformasjon og kjernemodernisering 

Enten brukt i rutinemessige IT-infrastrukturoperasjoner, kundevendte interaksjoner eller backoffice-risikoanalyse, garanti- og kravbehandling, er tradisjonell AI og generativ AI nøkkelen til kjernemodernisering og digital transformasjonsinitiativer.

Kjernemodernisering med AI

De fleste store forsikringsselskaper har bestemt at deres mellom- til langsiktige strategi er å migrere så mye av applikasjonsporteføljen som mulig til skyen.

Når bruk av sky kombineres med generativ AI og tradisjonelle AI-evner, kan disse teknologiene ha en enorm innvirkning på virksomheten. Den første bruken av generativ AI er ofte for å gjøre DevOps mer produktive. AIOps integrerer flere separate manuelle IT-driftsverktøy i en enkelt, intelligent og automatisert IT-driftsplattform. Dette gjør det mulig for IT-drift og DevOps-team å reagere raskere (selv proaktivt) på bremser og driftsstans, og dermed forbedre effektiviteten og produktiviteten i driften.

En hybrid multicloud-tilnærming kombinert med klassens beste sikkerhets- og samsvarskontrollfunksjoner (som kontroller IBM Cloud® muliggjør for regulerte bransjer) gir et overbevisende verditilbud til store forsikringsselskaper i alle geografier. Flere fremtredende selskaper i alle geografier jobber med IBM på deres kjernemoderniseringsreise.

Digital transformasjon med AI

Forsikringsselskaper reduserer kostnader og gir bedre kundeopplevelse ved å bruke automatisering, digitalisere virksomheten og oppmuntre kunder til å bruke selvbetjeningskanaler. Med ankomsten av AI, implementerer bedrifter nå kognitiv prosessautomatisering som muliggjør alternativer for kunde- og agentselvbetjening og hjelper til med å automatisere mange andre funksjoner, for eksempel IT helpdesk og ansattes HR-evner.

Introduksjonen av ChatGPT-funksjoner har skapt stor interesse for generative AI-grunnmodeller. Grunnmodeller er forhåndsopplært på umerkede datasett og utnytter selvovervåket læring ved å bruke nevrale nettverkets. Fundamentmodeller er i ferd med å bli en viktig ingrediens i nye AI-baserte arbeidsflyter, og IBM Watson®-produkter har brukt grunnmodeller siden 2020. IBMs watsonx.ai™ fundamentmodellbibliotek inneholder både IBM-bygde fundamentmodeller, samt flere åpen kildekode store språkmodeller (LLMs) fra Hugging Face.

De veiledet læring som brukes til å trene AI krever mye menneskelig innsats. Det er vanskelig, krever intensiv merking og krever måneders innsats. På den annen side er selvovervåket læring datamaskindrevet, krever lite merking og er rask, automatisert og effektiv. IBMs erfaring med grunnmodeller indikerer at det er mellom 10x og 100x reduksjon i merkingskrav og 6x reduksjon i treningstid (mot bruk av tradisjonelle AI-treningsmetoder).

For å oppnå digital transformasjon med AI, må forsikringsselskaper få en god forståelse av strukturerte og ustrukturerte data, organisere dem, administrere dem på en sikker måte (samtidig som de overholder bransjeforskrifter) og muliggjøre umiddelbar tilgang til «riktige» data. Denne evnen er grunnleggende for å gi overlegen kundeopplevelse, tiltrekke nye kunder, beholde eksisterende kunder og få den dype innsikten som kan føre til nye innovative produkter. Det bidrar også til å forbedre forsikringsbeslutninger, redusere svindel og kontrollere kostnadene. Ledende forsikringsselskaper i alle geografier implementerer IBMs dataarkitekturer og automatiseringsprogramvare på skyen.

Generative AI-funksjoner som muliggjør dagens digitale transformasjon kan plasseres i fem domener:

1. Oppsummering: Transform tekst i store dokumenter, talesamtaler og opptak med domenespesifikt innhold til personlig tilpassede oversikter som fanger opp nøkkelpunkter (som forsikringskontrakter, forsikrings- og dekningsdokumenter og svar på vanlige spørsmål fra kunder).
2. Klassifisering: Les og klassifiser skriftlige innspill med så få som null eksempler (som å klassifisere skadeanmodninger, sortere kundeklager, analysere kundesentiment, klassifisere risiko under forsikringsgaranti og analysere kundesegmentering for forsikringsproduktutvikling).
3. Generasjon: Generer tekstinnhold for et bestemt formål (for eksempel markedsføringskampanjer med fokus på spesifikke forsikringsprodukter, blogginnlegg og artikler om ulike forsikringsrelaterte emner, personlig tilpasset kundestøtte for e-postutkast og kodegenerering for bruk av forsikringsteknologisystemer).
4. Utdrag: Analyser og trekk ut viktig informasjon fra ustrukturert tekst (som å trekke ut informasjon fra forsikringsagent-arkiverte rapporter, trekke ut medisinsk diagnose fra lege eller kliniske rapporter for bruk i forsikringsgaranti og evaluering av risiko).
5. Svar på spørsmål: Lag en funksjon for svar på spørsmål basert på spesifikke data (for eksempel byggepolicy og dekningsspesifikk Spørsmål og Svar-ressurs for kundeserviceagenter).

Etter hvert som forsikringsselskaper begynner å bruke generativ AI for digital transformasjon av forsikringsforretningsprosessene deres, er det mange muligheter til å låse opp verdier.

IBMs arbeid med kunder viser betydelige produktivitetsgevinster ved bruk av generativ AI, inkludert forbedring av HR-prosesser for å strømlinjeforme oppgaver som talenterverv og styring av ansattes ytelse; å gjøre kundeserviceagenter mer produktive ved å sette dem i stand til å fokusere på interaksjoner med høyere verdi med kunder (mens virtuelle assistenter for digitale kanaler som bruker generativ AI håndterer enklere forespørsler); og sparer tid og krefter på å modernisere eldre kode ved å bruke generativ AI for å hjelpe med koderefaktorisering og konvertering.

Registrer deg for en gratis prøveversjon for å sette watsonx.ai i arbeid