Время от времени появляются технологические инновации, которые меняют мир, и бизнесу приходится приспосабливаться — иначе он может стать ненужным. Паровой двигатель промышленной революции и механизация производства позволили перейти от преимущественно аграрного образа жизни к городскому. Рождение Интернета принесло нам улучшенные коммуникации в режиме реального времени, электронную коммерцию, облачные вычисления и многое другое.
Теперь настала очередь ИИ. Эта мощная технология быстро трансформирует рабочие процессы, стимулирует инновации и меняет отрасли. Как и в случае с другими трансформационными изменениями, принесенными технологиями, компаниям, в том числе страховым компаниям, будет трудно, если не невозможно, игнорировать ИИ. Около двух десятилетий назад, когда электронная коммерция стала повсеместной и более сложной, потребители привыкли к бесшовному заказу и быстрой доставке и стали ожидать этих возможностей от всех продавцов. Аналогичным образом, ИИ изменил ожидания потребителей до такой степени, что теперь клиенты ожидают более высокой точности и надежности во время пути потребителя, человеческих разговоров с ботами ИИ (будь то текстовые или голосовые), гиперперсонализированных предложений и коммуникаций, а также продуктов и взаимодействий по запросу, адаптированных к их потребностям.
Генеративный и агентный ИИ, в частности, могут изменить правила игры. Одно из ключевых отличий от предыдущих технологических скачков заключается в том, что генеративный ИИ способен на рассуждения, суждения, творчество и эмпатии, которые намного превосходят возможности предыдущих инноваций — наборы навыков, особенно значимые для страховщиков. Вот почему генеративный ИИ способен по-настоящему преобразовать страховую отрасль.
По своей сути, страхование включает в себя получение точного понимания основного риска, а также эффективную и чуткую помощь людям, попавшим в беду. ИИ может трансформировать все это: традиционный аналитический ИИ понимает закономерности в данных; генеративный ИИ расширяет эти возможности за счет лучшего понимания неструктурированных форм данных и позволяет добавлять гиперперсонализацию и эмпатию в ответы; а последние достижения в области агентного искусственного интеллекта добавляют беспрецедентный уровень автоматизации в сложные рабочие процессы, позволяя страховщикам максимизировать выплаты. Из-за этой универсальности страховщики используют ИИ во всех основных областях, включая продажи и гиперперсонализацию, автоматизацию и повышение точности андеррайтинга, расширенное управление претензиями, работа по обслуживанию клиентов с помощью голосовых операторов и трансформация функций бэк-офиса, таких как финансы, актуарные и ИТ.
Как и в случае с другими революционными технологическими инновациями, потребители поймут, что ИИ может облегчить их жизнь, и затем будут ожидать этого от своих поставщиков услуг. Страховщики, которые воспользуются возможностью глубоко интегрировать искусственный интеллект во все, что они делают, будут готовы выйти на первое место. Они смогут вести больше бизнеса, быстрее, более персонализированным образом и с лучшим пониманием основного риска. Страховщики, которые только балуются искусственным интеллектом, рискуют остаться в пыли, не в состоянии идти в ногу со своими коллегами с искусственным интеллектом.
Чтобы правильно организовать трансформацию ИИ, недостаточно запустить несколько пилотных проектов, или ожидать, что истинное внедрение ИИ произойдет за счет покупки лоскутного программного обеспечения как услуги у поставщиков с минимальными стратегическими намерениями, или надеяться, что рабочие процессы будут преобразованы с помощью готовых решений ИИ. Чтобы создать долгосрочную ценность для бизнеса с помощью ИИ, страховщикам необходимо разработать смелое видение потенциала ИИ в масштабах всего предприятия и коренным образом перестроить свою работу в различных сферах бизнеса (андеррайтинг, претензии, дистрибуция, обслуживание клиентов и многое другое), внедрив технологию во все подразделения организации. Им придется полностью переоснастить рабочие процессы, переосмыслить операционные модели, работать над созданием современного стека данных и технологий, а также масштабировать ИИ за счет использования повторно используемых компонентов для различных сценариев и бизнес-областей. И им нужно будет сделать это таким образом, чтобы создать значимые улучшения. Процессы должны быть переработаны от начала до конца, чтобы извлечь выгоду из ИИ, а не просто наслаивать ИИ поверх существующих процессов или, что еще хуже, вставлять дополнительный шаг в рабочий процесс с помощью ненужного инструмента ИИ.
Одна из причин, по которой ИИ имеет большие перспективы, заключается в том, что благодаря многоразовым компонентам технологию можно масштабировать для капитальной перестройки различных частей бизнеса. Например, ИИ, обученный генерировать ответы на запросы в службу поддержки клиентов, может быть перепрофилирован для обработки внутренних запросов в ИТ-поддержку, создания маркетингового контента, рассмотрения ответов на запросы или даже на составление юридических документов. Базовые компоненты ИИ могут быть повторно использованы в различных сферах бизнеса и сценариях использования.
ИИ продолжает быстро внедряться. Например, в ближайшем будущем почти все функции по привлечению клиентов в страховании могут быть реализованы с помощью многоагентных систем искусственного интеллекта, которые могут выступать в качестве виртуальных сотрудников. Агент по приему информации будет принимать информацию, общаться с клиентами или посредниками для уточнения данных и беспрепятственно извлекать данные из сложных документов, таких как медицинские карты или инженерные отчеты. Агент по профилированию рисков может составить комплексный профиль рисков для каждого случая, используя существующие рекомендации по андеррайтингу. Агент по ценообразованию и продукту может автоматически оценивать дело и предлагать структуры полисов для удовлетворения потребностей клиентов, например, добавляя в полис страхования жизни страховые полисы для критических заболеваний или инвалидности. Агент по соблюдению нормативных требований и справедливости может проанализировать весь процесс, чтобы обеспечить соответствие нормативным требованиям и высокие этические стандарты. Агент оркестратора решений может агрегировать входные данные различных агентов для определения, может ли политика утверждена автоматически или ее необходимо передать старшему андеррайтеру. Агент по обучению и обратной связи может постоянно уточнять модели, использовать для улучшения обратную связь с человеком и отслеживать смещение или ухудшение производительности модели машинного обучения с течением времени. Конечно, люди будут продолжать участвовать в различных сферах бизнеса в страховании, особенно в тех, которые включают точки соприкосновения с клиентами.
Несмотря на то, что ИИ обладает огромным потенциалом для страховщиков, его масштабирование в масштабах всего предприятия остается сложной задачей. Риски безопасности, высокие затраты, риск отношений с поставщиками, нехватка талантов, культурное сопротивление, пробелы в управлении и устаревшая инфраструктура часто препятствуют прогрессу. Настоящая трансформация требует решительного преодоления барьеров и вдумчивого подхода с тем, чтобы избежать создания «наследия завтрашнего дня» на основе текущих подходов и решений.
Вот почему управление изменениями является неотъемлемой частью преобразований ИИ. Управление изменениями представляет собой половину усилий, необходимых для обеспечения как финансового, так и нефинансового эффекта, в то время как усилия по внедрению чистых данных в модели, само моделирование и интеграция искусственного интеллекта приходятся на вторую половину.
Что нужно страховщикам, чтобы преуспеть в области искусственного интеллекта
Практически все страховщики начали внедрять ИИ с многочисленными вариантами использования. Тем не менее, руководители многих страховых компаний считают, что их компании не являются по-настоящему нативными для ИИ, признавая, что им еще предстоит полностью интегрировать ИИ в бизнес-модели. Это настроение подпитывает желание увеличить инвестиции в технологии искусственного интеллекта, поскольку компании стремятся оставаться конкурентоспособными. Страховщики стремятся найти правильный рецепт успеха, хотя мало кому это удалось.
Страховщики, которые являются лидерами в области искусственного интеллекта, уже затмевают своих коллег. Например, наше исследование показывает, что за последние пять лет лидеры страхового сектора в области ИИ создали в 6,1 раза больше TSR по сравнению с отстающими в области ИИ.
Несмотря на то, что немногие страховые компании извлекают значимую выгоду из искусственного интеллекта по всей цепочке создания стоимости в масштабе, лучшие в своем классе страховщики используют доменный подход к трансформации. Они выбирают определенные бизнес-функции, такие как дистрибуция, ценообразование и андеррайтинг, претензии, инвестиции, и всесторонне пересматривают работу этой функции. До сих пор перестройка на уровне предметной области с помощью ИИ оказывала заметное влияние на ключевые части страхового бизнеса, включая повышение показателей успеха новых агентов и коэффициентов конверсии продаж на 10–20%, увеличение роста страховых премий на 10–15%, снижение затрат на привлечение новых клиентов на 20–40% и повышение точности претензий на 3–5%.
Страховщики могут сделать шесть знаковых шагов для создания организаций, которые превзойдут результаты в эпоху цифровых технологий и искусственного интеллекта:
- Согласуйте работу высшего руководства с дорожной картой трансформации ИИ, ориентированной на бизнес. Ведущие страховщики рассматривают ИИ не просто как еще один инструмент повышения эффективности — они признают его фундаментальным фактором трансформации и возможностью для улучшения роста, отношений с клиентами и повышения производительности. Трансформация должна основываться на ценности для бизнеса, а результаты должны быть измеримыми. Страховщики, приступающие к трансформации ИИ, должны вдохновлять и согласовывать работу высшего руководства, сосредоточить свои усилия на нескольких важных областях бизнеса и трансформировать их от начала до конца, а также связать результаты трансформации с конкретными улучшениями операционных KPI, такими как снижение оттока клиентов. Крайне важно использовать широкий подход, интегрируя решения ИИ в масштабах всего предприятия с четкой дорожной картой для агрегирования нескольких вариантов использования в предметной области, а не развертывать разрозненные отдельные варианты использования в разных доменах. Домены — это основные функциональные или бизнес-области, такие как претензии или андеррайтинг, каждая из которых имеет свой собственный набор процессов, потоков данных и операционных проблем. Использование ИИ для переосмысления целых областей может привести к значительному синергетическому эффекту.
- Создайте правильную скамейку талантов. Чтобы стать цифровыми лидерами, страховщики должны создать кадровый резерв, при этом в идеале от 70% до 80% цифровых талантов должны быть штатными. Цифровые лидеры предпринимают три ключевых действия: переход к кадровому резерву с большим количеством опытных, высокопродуктивных технологов и меньшим количеством новичков; разработка детальных сеток развития навыков, подкрепленных дипломами, для поощрения мастерства и признания выдающихся технологов; и создание специализированной команды для адаптации HR-процессов для привлечения и удержания цифровых талантов. Кроме того, они готовятся к новой эре, в которой рабочая сила будет состоять из людей и агентов искусственного интеллекта, что потребует развития организационных практик.
- Внедрите масштабируемую операционную модель. Страховщики, проходящие трансформацию ИИ, должны выбрать операционную модель, которая поддерживает их стратегию. Кроме того, крайне важно внедрить надежные возможности управления продуктами, которые могут помочь обеспечить успех трансформации.
- Используйте технологии для ускорения и распределения инноваций. Страховщики, преуспевающие в области искусственного интеллекта, полагаются на гибкий стек возможностей искусственного интеллекта на базе многоразовых многоагентных систем. Современный стек технологий искусственного интеллекта для страховщика является высокомодульным и гибким, чтобы справляться с быстро меняющимися технологиями. Повторное использование базовых компонентов и возможностей ИИ имеет решающее значение, как и агентная ячеистая архитектура ИИ. Эта компонуемая, распределенная и независимая от поставщика архитектурная парадигма позволяет нескольким агентам безопасно и в большом масштабе рассуждать, сотрудничать и действовать автономно в массиве систем, инструментов и языковых моделей. Архитектура также создана для того, чтобы развиваться вместе с технологиями.
- Встраивайте данные везде. Современные возможности обработки данных остаются критически важными, поскольку искусственный интеллект работает на данных. Хотя ИИ сам по себе может помочь в решении проблем с данными, большинству страховщиков потребуется более фундаментально расширить свои возможности в области данных, чтобы реализовать свое видение ИИ. Создание этих возможностей требует преодоления как технических, так и организационных проблем. Возможность встраивать и использовать опыт и «специальный соус» страховой организации в агентных системах искусственного интеллекта может стать основой интеллектуальной собственности страховщиков.
- Инвестируйте во внедрение и управление изменениями. Принятие так же важно, как и развитие. Как правило, на каждый доллар, потраченный на разработку цифровых и AI-решений, планируйте потратить еще как минимум один доллар, чтобы обеспечить полное принятие пользователями и масштабирование по всему предприятию. Управление изменениями является ключевым отличием ИИ, простаивающего без дела, и трансформационных операций ИИ. Успешное внедрение ИИ зависит от изменения мышления, создания основных возможностей и обеспечения того, чтобы ИИ действительно играл центральную роль в трансформации бизнеса, а не делался на стороне. Например, в наиболее успешных преобразованиях андеррайтинга или претензий на основе ИИ мы видим, как сотрудники начинают рассматривать помощников ИИ как основу своей работы, встроенную в их собственные знания и опыт. Если инструмент ИИ дает неоптимальные результаты, эти сотрудники берут на себя ответственность за проблему, а не обвиняют инженера, который ее создал. Более того, пространство ИИ будет продолжать развиваться значительно быстрее, чем большинство страховщиков, что приведет к растущему разрыву между тем, что может предоставить ИИ, и тем, как большинство страховщиков его используют. Чтобы смягчить эту проблему, крайне важно внедрить возможность тестирования, обучения, ошибок и масштабирования в культуру организации в масштабах всего предприятия.
Реализация дорожной карты трансформации ИИ под руководством бизнеса, в которой первостепенное внимание уделяется ценности
Страховщикам, проходящим трансформацию ИИ, необходимо будет подумать о том, какие области следует пересмотреть в первую очередь. Типичная страховая компания имеет различные области, такие как продажи и дистрибуция, ценообразование и андеррайтинг, претензии и обслуживание полисов, каждая из которых предлагает значительные возможности для оптимизации на основе искусственного интеллекта.
Преобразование предметной области требует масштабирования. Чтобы полностью раскрыть потенциал ИИ, страховщики должны выйти за рамки разрозненных решений или инициатив по прецедентам использования и внедрить их на основе предметной области. Отдельные сценарии использования часто разрабатываются для демонстрации возможности использования технологий ИИ в контролируемой среде. И хотя они могут показать многообещающие результаты, инициативы по проверке концепции (POC) и минимально жизнеспособному продукту (MVP) обычно сосредоточены на быстрых победах и не имеют долгосрочного стратегического соответствия, интеграции рабочего процесса и устойчивого получения выгод.
Подход, основанный на предметной области, может начаться с комплексной трансформации от одной до трех областей для достижения значимого эффекта, не перегружая организацию. Количество сценариев использования, необходимых для переподключения домена, варьируется, но крайне важно убедиться, что выбранные варианты использования могут привести к значимым изменениям и в совокупности повысить производительность. Как правило, влияние отдельных сценариев использования слишком ограничено, чтобы повлиять на прибыльность, но преобразование всей области может повысить итоговую прибыль на двузначные цифры. Применяя общепредметный подход и реорганизуя целые рабочие процессы, страховщики создают синергию в подготовке данных, системной интеграции и управлении изменениями. Это позволяет им добиться ощутимого повышения эффективности, оптимизации ресурсов и долгосрочного конкурентного преимущества.
Страховщики, которые успешно масштабируют ИИ, отдают предпочтение сценариям использования с наибольшим измеримым влиянием на бизнес. Эти высокоэффективные сценарии использования могут быть легко адаптированы и развернуты в нескольких областях путем разработки и масштабирования набора возможностей ИИ с высокой степенью передачи.
- Общее страхование. Страховщики по всем направлениям готовы извлечь выгоду из интеграции генеративного искусственного интеллекта, который может повысить операционную эффективность и взаимодействие с клиентами в различных областях.
- Страхование жизни. Страховщики жизни могут использовать генеративный искусственный интеллект для улучшения оценки рисков и андеррайтинга полисов за счет создания синтетических данных, которые дополняют существующие наборы данных.
- Здоровье. В медицинском страховании генеративный ИИ может помочь прогнозировать результаты лечения пациентов и персонализировать планы медицинского страхования за счет анализа больших наборов данных.
- Коммерческая недвижимость и несчастные случаи. Страховщики коммерческого имущества и страховщиков от несчастных случаев могут использовать генеративный искусственный интеллект для создания подробных моделей рисков и моделирования различных сценариев, чтобы лучше оценить потенциальные убытки.
- Личное имущество и пострадавшие. Страховщики личного имущества и страховщиков от несчастных случаев могут извлечь выгоду из генеративного искусственного интеллекта за счет автоматизации обработки претензий и улучшения обнаружения мошенничества за счет расширенного анализа данных.
Ниже приведены примечательные примеры преобразований ИИ на уровне предметной области с несколькими сценариями использования в страховании:
- ИИ для обработки претензий. Британская страховая компания Aviva развернула более 80 моделей искусственного интеллекта для улучшения результатов в своей области претензий, сократив время оценки ответственности в сложных случаях на 23 дня, повысив точность маршрутизации претензий в соответствующие команды на 30 процентов и сократив количество жалоб клиентов на 65 процентов. Aviva сообщила инвесторам, что преобразование области автомобильных претензий сэкономило компании более 60 миллионов фунтов стерлингов (82 миллиона долларов) в 2024 году.
- Автоматизация в продажах страховых услуг. Стремясь повысить персонализацию и эффективность, страховщик внедрил интеллектуальную автоматизацию для предложения котировок потенциальным клиентам и продажи полисов. Результаты оказались поразительными: после трансформации 80% транзакций перешли в онлайн, а показатели удовлетворенности клиентов — в частности, показатель вероятности того, что клиент порекомендует страховщика знакомому — выросли на 36 процентных пунктов.
- Чат-бот в ночную смену. Страховая компания значительно улучшила обслуживание клиентов в нерабочее время, внедрив чат-бота 24/7, что привело к 11-процентному увеличению числа потенциальных клиентов, которые в конечном итоге купили полисы.
- ИИ с эмпатией. Другой оператор использует искусственный интеллект для создания примерно 50 000 сообщений, связанных с претензиями, которые он отправляет ежедневно, находя их более четкими и чуткими, чем те, которые написаны людьми.
После того как домен определен как приоритет для преобразования, его необходимо деконструировать в ряд исполняемых модулей на основе искусственного интеллекта, которые можно реализовывать, уточнять и масштабировать. Например, переосмысление процесса продаж и дистрибуции включает в себя интеграцию возможностей генеративного ИИ и прогнозной аналитики, такой как модели склонностей, во взаимосвязанные комплексные решения ИИ, такие как многогранные напарники и чат-боты с искусственным интеллектом нового поколения для трансформации рабочих процессов.
Разрабатывая преобразования ИИ на предметной основе, страховщики могут получить устойчивую ценность. В сфере продаж ИИ поколения может значительно повысить производительность и эффективность сотрудников за счет экономии времени на рутинных задачах.
Внедрение масштабируемой операционной модели
Успешная трансформация ИИ требует фундаментального изменения работы бизнеса. Страховщик должен иметь правильную систему для успешного внедрения ИИ в масштабах всего предприятия.
Когда страховщики приступают к трансформации ИИ, им необходимо выбрать операционную модель, которая соответствует их общей стратегии. Это может включать в себя выбор модели цифровой фабрики из 20–50 модулей, модели продукта и платформы, которая охватывает значительно большее количество модулей, или более комплексной гибкой бизнес-модели в масштабах всего предприятия, которая основывается на модели продукта и платформы и распространяет преимущества гибкой разработки на весь бизнес, а не только на технологически емкие области. Важнейшим аспектом успешной реализации выбранной операционной модели является интеграция надежных возможностей управления продуктами, поскольку они могут существенно повлиять на результат трансформации.
Интегрируя бизнес-функции, данные и технологии в гибкую операционную модель, основанную на командах, страховщики могут устранить разрозненность, развивать культуру собственности и согласовывать приоритеты предприятия с клиентоориентированным подходом. Диспетчеризация с искусственным интеллектом играет решающую роль, обеспечивая управление, отслеживая создание ценности на основе искусственного интеллекта и контролируя внедрение в организации.
По мере того, как страховщики придают все большее значение повторно используемым компонентам и общим стандартам ИИ, роль центральных команд ИИ становится все более заметной. Команды по обработке данных и искусственному интеллекту более тесно сотрудничают с ИТ-отделами, поскольку требуются более широкие инженерные и облачные возможности. В то же время эти тенденции должны быть сбалансированы с владением передовым бизнесом, чтобы сосредоточить технологические возможности на правильных проблемах и получить реальную ценность. Одной из многообещающих моделей является модель, ориентированная на продукт, в которой команды ориентированы на основные «суперпродукты» по всей цепочке создания стоимости в страховании.
Использование технологий для ускорения и распределенных инноваций
Чтобы обеспечить устойчивую стоимость, страховщики должны внедрить подход, ориентированный на искусственный интеллект, и модернизировать весь набор возможностей своей организации. Это позволяет организациям оставаться адаптивными, использовать последние достижения в области искусственного интеллекта и предотвращать накопление устаревших технологий, которые могут препятствовать будущему развитию и инновациям. Настоящая модернизация требует обеспечения возможности повторного использования компонентов и возможностей ИИ, согласования стандартов в масштабах всей организации и использования высококачественных данных для обучения моделей.
Комплексный стек возможностей помогает бесшовно интегрировать ИИ в масштабах всего предприятия. Этот стек ИИ включает в себя четыре важнейших уровня:
- переосмысленное взаимодействие,
- принятие решений на основе ИИ,
- инфраструктура данных,
- платформа данных.
Каждый уровень требует стратегических инвестиций для максимизации влияния ИИ в масштабах предприятия.
Переосмысление взаимодействия
Страховщики должны переосмыслить взаимодействие с клиентами, используя искусственный интеллект для предоставления бесшовного, персонализированного обслуживания. Ведущие страховщики используют искусственный интеллект для улучшения взаимодействия с клиентами, используя несколько способов общения, таких как текстовые чат-боты, изображения, которые помогают клиентам понимать сложную информацию, и голосовые помощники, которые позволяют клиентам общаться со своей страховой компанией, говоря, а не печатая. Искусственный интеллект помогает гарантировать, что клиентский опыт не только похож на человеческий, но и плавный и согласованный по всем каналам. Например, если клиент начинает разговор в мобильном приложении и продолжает его с помощью телефонного звонка, ИИ учтет предыдущие вводимые данные, поэтому клиенту не придется повторять информацию. Клиенты также все больше знакомятся с генеративным искусственнымо интеллектом. Среди людей, которые используют приложения искусственного интеллекта, такие как ChatGPT, 29% используют их для получения финансовой или инвестиционной информации, советов или рекомендаций. По мере того, как все больше потребителей привыкают использовать инструменты искусственного интеллекта для сравнения страховых предложений, перевозчикам необходимо будет повысить свое участие в области консультирования, информирования о ценности продукта и прозрачности цен.
Принятие решений на основе искусственного интеллекта
Уровень принятия решений на основе искусственного интеллекта анализирует горы данных, генерируемых по различным каналам, чтобы обеспечить персонализированный опыт сотрудников и клиентов. Этот слой дополняет существующие решения о ценах и андеррайтинге, поддерживает решения по претензиям и повышает точность претензий за счет динамической оценки данных, таких как примечания оценщика, изображения повреждений, текстовые материалы, документы и история претензий. Например, один оператор создал интегрированный репозиторий продуктов, который включает в себя документы по политике в масштабах всего предприятия. Это позволяет операторам call-центра без проблем отвечать на вопросы, связанные с покрытием, исключениями и многим другим. В сфере страхования имущества и несчастных случаев многие перевозчики используют искусственный интеллект для объединения данных о претензиях с внешними данными для выявления новых факторов риска, таких как оценки ущерба, связанного с климатом.
Благодаря достижениям в области технологий искусственного интеллекта ведущие страховщики переходят от традиционных прогностических моделей к сложным возможностям, таким как многоагентные системы и многоступенчатые рассуждения. Агентный ИИ революционизирует применение ИИ. Агенты генеративного ИИ — это продвинутые системы ИИ, которые могут применять суждения и часто предназначены для взаимодействия с пользователями с использованием обширных научных знаний и исторических данных. Несколько агентов работают совместно для выполнения задач, таких как использование спутниковых снимков и снимков с дронов для оценки и предотвращения ущерба. Они предлагают ценную информацию, оказывают поддержку агентам в режиме реального времени и предлагают соответствующие дальнейшие шаги. Агенты Gen AI могут значительно улучшить взаимодействие с клиентами, автоматизировать сложные рабочие процессы и повысить производительность. Между тем, многоступенчатое мышление позволяет системе ИИ разбивать сложные проблемы на несколько более мелких, управляемых шагов, а затем решать каждый шаг последовательно. Например, страховщик может использовать систему искусственного интеллекта, способную к многоступенчатому рассуждению для рассмотрения претензии, оценки ущерба и расчета выплаты.
Возможность интеграции уникального опыта и запатентованных методов в агентные системы искусственного интеллекта может стать центральной частью интеллектуальной собственности страховщиков. Например, ведущая страховая компания, базирующаяся в Северной Америке, использует агентские процессы на протяжении всего рабочего процесса андеррайтинга. Благодаря этой реализации страховщик обнаружил различные неявные суждения, на которые традиционно полагались андеррайтеры, и кодифицировал их в новых правилах и протоколах, повысив эффективность и последовательность процесса андеррайтинга.
Чтобы максимизировать отдачу от искусственного интеллекта, страховщики также должны сосредоточиться на масштабировании многоразовых, стандартизированных компонентов. Модели и конвейеры ИИ должны быть спроектированы как модульные, функционально совместимые ресурсы кода, которые можно использовать в нескольких областях. Например, механизм классификации документов на основе искусственного интеллекта, разработанный для андеррайтинга, также может улучшить обработку претензий и обслуживание полисов. Инвестиции в стандартизированные платформы ИИ, API и ресурсы для кодирования сокращают время разработки, сводят к минимуму избыточность и ускоряют внедрение ИИ на предприятии. Рассматривая ИИ как масштабируемую возможность, а не как серию разовых проектов, страховщики могут извлечь значительно больше пользы из инвестиций в ИИ.
Одним из важных факторов, которые страховщики должны учитывать, является вопрос о том, стоит ли создавать или покупать технологию искусственного интеллекта или использовать гибридную модель.
Инфраструктура
Надежный инфраструктурный уровень предоставляет возможности, которые позволяют ИИ эффективно функционировать и приносить пользу, включая конвейеры машинного обучения, способные эффективно запускать большие модели ИИ.
Принятие решения о том, стоит ли создавать, покупать или сотрудничать
Основной проблемой при трансформации ИТ-инфраструктуры являются устаревшие системы, которые все еще используются, несмотря на то, что больше не поддерживаются поставщиками. Страховщикам необходимо будет модернизировать эту устаревшую инфраструктуру, чтобы в полной мере использовать искусственный интеллект, преодолевая жесткие ИТ-системы, которым не хватает масштабируемости и вычислительной мощности в режиме реального времени. Gen AI помогает развеять мифы о устаревших системах, анализируя код и создавая структурированную документацию, помогая организациям сохранять институциональные знания. Кроме того, генеративный искусственный интеллект повышает производительность разработчиков за счет автоматизированного создания и тестирования кода, сокращая объем ручного труда и ускоряя циклы выпуска. ИТ-директора и технические директора могут обратиться к прошлым урокам технологических революций, чтобы помочь высшему руководству в масштабировании генеративного ИИ от пилотных проектов до получения долгосрочной ценности для бизнеса.
Например, несколько лет назад ведущее финансовое учреждение столкнулось со счетом на сумму более 100 миллионов долларов США на модернизацию системы обработки транзакций. Gen AI снизил затраты до менее чем половины от этой суммы. Между тем, 15 крупнейших мировых страховщиков использовали Gen AI для более чем 50-процентного повышения эффективности модернизации и тестирования кода, а также ускорения задач по написанию кода более чем на 50%.
Платформа данных
Страховщики должны инвестировать в инфраструктуру данных, необходимую для обучения и масштабирования многоагентных систем искусственного интеллекта, обеспечивая бесшовную интеграцию между бизнес-функциями. Гибридная облачная инфраструктура, объединяющая локальные центры обработки данных и публичные облачные среды, должна быть спроектирована таким образом, чтобы обеспечить масштабируемость, в то время как высококонфигурируемые процессоры основных продуктов обеспечивают гибкость и эффективность.
Что касается управления данными, страховщики должны оценивать доступность и качество своих данных, а также учитывать сложности управления конфиденциальной информацией. В тех случаях, когда устаревшие системы представляют собой проблему, страховщикам может потребоваться модернизировать ИТ-ландшафт, чтобы в полной мере поддерживать внедрение ИИ.
Управление внедрением и изменениями
Успешное внедрение ИИ зависит от развития культуры инноваций, изменения мышления и развития основных навыков, но организации часто недооценивают сопротивление сотрудников и готовность к новым способам работы. Сотрудники должны обладать нужными навыками и иметь четкое представление о роли ИИ в оказании им помощи в выполнении их работы. Ведущие страховщики внедряют структурированные программы управления изменениями, в которых особое внимание уделяется ролевому моделированию лидерства, четкому информированию о ценности ИИ, комплексным инициативам по наращиванию потенциала и созданию соответствующих структур эффективности.
Сотрудники могут испытывать беспокойство по поводу своей роли, поскольку организации внедряют технологии искусственного интеллекта. Тем не менее, история показала, что технологии обычно создают новые потребности и возможности, что приводит к появлению различных ролей и обязанностей. В конечном счете, внедрение ИИ в рабочие процессы требует культивирования общего владения и ответственности за внедрение ИИ в организации.
Управление изменениями является ключевым отличием ИИ, простаивающего без дела, и трансформационных операций ИИ. Недостаточно иметь отличную технологию — это только половина дела. Другая половина заключается в том, чтобы заставить сотрудников действительно использовать ИИ в своих повседневных задачах и изменить способ выполнения работы, будь то автоматизация или дополнение.
Внедрение ИИ является обязательным условием для сохранения конкурентоспособности. Лишь немногие ведущие страховщики полностью внедрили ИИ, что является убедительным примером для тех, кто хочет воспользоваться возможностью трансформации. Эти страховщики уже вырываются вперед, а последние технологические разработки дали им возможность двигаться еще быстрее. Большинство других застряли в пилотном чистилище, сталкиваясь с различными распространенными ловушками. Им не хватает смелой стратегии ИИ в масштабах предприятия с измеримыми финансовыми результатами, которые могли бы вывести организацию из состояния инерции. Они недооценивают весь спектр инвестиционных потребностей, что приводит к маломасштабным, разрозненным усилиям и низкой окупаемости инвестиций. Они сосредоточены на узких сценариях использования, а не на трансформации в масштабах предметной области. Они не могут создать компоненты, которые можно было бы повторно использовать во всех сферах бизнеса, что ограничивает долгосрочную ценность ИИ. Они слишком полагаются на готовые решения, снижая соответствие уникальным бизнес-потребностям и уничтожая собственную способность создавать интеллектуальную собственность нового поколения. Без решения этих проблем страховщики рискуют столкнуться с застоем.
Чтобы оставаться конкурентоспособными в быстро развивающемся мире, страховщики должны принять смелое видение ИИ в масштабах всего предприятия, коренным образом перестроив свою деятельность и внедрив ИИ во все аспекты своей организации. Это включает в себя разработку систем, специфичных для предприятия, тонкую настройку моделей ИИ на основе внутренних данных, переоснащение рабочих процессов, чтобы превзойти конкурентов на определенных направлениях и рынках, переосмысление операционных моделей и масштабирование ИИ с помощью повторно используемых компонентов для максимизации его преобразующего потенциала. Перестраивая деятельность таким образом, чтобы поставить ИИ на первое место, страховщики могут создавать долгосрочную ценность для бизнеса и опережать конкурентов.
Источник
Будущее ИИ в страховой отрасли. 15 июля 2025. Ник Милинкович, Сид Камат, Танги Кэтлин, Вайолет Чанг, Пранав Джейн, Рамзи Элиас.
https://www.mckinsey.com/industries/financial-services/our-insights/the-future-of-ai-in-the-insurance-industry
The future of AI in the insurance industry. July 15, 2025. Nick Milinkovich, Sid Kamath, Tanguy Catlin, Violet Chung, Pranav Jain and Ramzi Elias.
Комментариев нет:
Отправить комментарий