Пресса о страховании, страховых компаниях и страховом рынке

Казахстанский портал о страховании, 27 марта 2019 г.

Искусственный интеллект для автоматизации процессов в страховании

330 просмотров

Обновление рабочих процессов в страховании, связанных с большим объемом бумажной документации, имеет важное значение для цифрового преобразования.

Один из видных руководителей страховых компаний недавно отметил, что «страховая отрасль, по сути, занимается продажей обещаний». Все эти обещания живут в форме документов, точнее тысяч документов и связанных с ними процессов, которые фиксируют подробности этих обещаний.

Поскольку страховые компании обдумывают свой следующий шаг по цифровому преобразованию, автоматизация и расширение рабочих процессов, связанных с документами, вероятно, занимают важное место в списке необходимых дел.

Возможности

Большинство страховых компаний сегодня пытаются захватить долю рынка одним или несколькими из следующих способов:

Расширение производственных мощностей. Как и многие другие корпорации в Америке, страховщики в течение последних нескольких десятилетий сосредоточены на том, чтобы инвестировать свои предприятия. По мере того, как отдача от этих усилий сокращается, мы видим новый акцент на расширение мощностей. В частности, рост доходов без увеличения расходов, помогая существующим ресурсам и членам команды добиться большего. Это огромная возможность увеличить прибыль и расширить свой бизнес.

Улучшения временного цикла. Обслуживание клиентов и, в частности, время отклика на запросы клиентов все больше влияют на конкурентную среду. Способность быстро принимать решения в отношении стоимости полиса, одобрения, оценок и реагирования на претензии отделяет успешных исполнителей от отстающих. Внедрение автоматизации процесса является ключом к раскрытию этого преимущества.

Эффективность. Для улучшения конечных результатов необходимо сократить количество рук, которые должны касаться какого-либо конкретного процесса, что позволит этим ресурсам сосредоточиться на других более ценных мероприятиях и инициативах. Освобождение людей от множества рутинных повторяющихся задач, которые сопровождают ручные процессы, может значительно повысить удовлетворенность работой и производительность.

Сбор знаний. Одним из рисков современных ручных процессов является то, что большая часть необходимых знаний нигде не фиксируется и не кодифицируется. Опытные члены команды часто несут в голове важные знания о конкретном процессе, но они могут в любой момент покинуть компанию. Это приводит к неполному и неэффективному обучению и адаптации новых членов команды и ограниченной масштабируемости процессов между командами. Цифровое преобразование этих процессов является отличной функцией для описания и сохранения определенных шагов и требуемого контекста.

Проблемы

Почему ручные процессы обработки документов существуют так долго? Причина в том, что до недавнего времени единственным практическим подходом к навигации по неструктурированному контенту, такому как документы, текст и изображения, был некоторый вариант подходов на основе ключевых слов и корпоративного поиска. Эти системы требуют сложных систем, основанных на правилах, для кодификации всех возможных вариантов обрабатываемой информации в форме экспертных систем, таксономий, онтологий и других подходов, основанных на правилах.

К сожалению, у этих систем есть два явных недостатка:

Хрупкость: они работают до тех пор, пока соответствующие правила полностью охватывают проблемы, которые необходимо решить. В тот момент, когда ключевые слова или концепции выходят за пределы знания цели, эти подходы рушатся.

Расходы: Создание этих сложных правил для интерпретации корпоративного контента означает, что либо бизнес должен нанять штатных информационных архитекторов для создания и поддержания этих правил, либо потратить миллионы долларов на внешние ресурсы для этого.

Прорыв

За последние пять лет произошли удивительные сдвиги в нашей способности понимать неструктурированный контент. Впервые машины могут понимать контекст, а также ключевые слова. Улюдей, большая часть нашего взаимопонимания при общении друг с другом происходит из невысказанного контекста, который окружает наши разговоры. Если бы нам пришлось строго полагаться на ключевые слова, наши разговоры были бы полны недопонимания.

Новые разработки в области искусственного интеллекта (ИИ) обеспечивают этот контекст. Отдельная ветвь ИИ, известная как «глубокое обучение», позволяет машинам понимать текст и изображения способами, ранее недоступными. До глубокого обучения управление неструктурированным контентом требовало обучения диалогу с компьютером на его родном языке, например, булевы поисковые запросы.

Пока мы знали, как точно сформулировать наш вопрос для компьютера, он вернул бы нам то, о чем мы просили. Глубокое обучение переворачивает все с ног на голову. Теперь пользователи просто предоставляют компьютеру примеры того, чего они пытаются достичь, и алгоритмы глубокого обучения в обратном направлении решают, как сформировать правильную «модель» для достижения цели пользователя.

Это открывает огромный набор новых возможностей для встраивания ИИ в существующие рабочие процессы, где технология может «изучить» набор задач, связанных с бизнес-процессом, и фактически дать экспертам в данной области и владельцам бизнес-направлений «бионическое оружие», то есть значительно улучшить пропускную способность и эффективность существующих подходов.

Приложения и варианты использования

В страховании имеется ряд приложений и вариантов использования на ближайшую перспективу, которые могут извлечь выгоду из этого типа интеллектуальной автоматизации процессов (IPA) . Общая нить - это то, где данный набор документов должен быть оценен, рассмотрен и / или классифицирован и т. д. рядом различных специалистов. Например:

Обработка заявок: IPA можно использовать для автоматической классификации и аннотирования новой заявки, чтобы ее можно было эффективно направить в нужное подразделение для оценки и обработки. Это приводит к сокращению времени обработки и повышению точности обработанной заявки, что повышает удовлетворенность клиентов и эффективность организации.

Оценки: IPA может обрабатывать как буквенную, так и основанную на изображениях информацию для оценки имущества и несчастных случаев, чтобы проверить страхуемые активы. Страхование жилья - является лучшим примером, где фотографии каждой комнаты в доме, а также внешние фотографии могут быть сопоставлены с письменным описанием недвижимости.

Коммерческий андеррайтинг: часто с тысячами страниц документации, основные коммерческие процессы андеррайтинга могут быть значительно улучшены путем создания атрибутов или критериев андеррайтинга, которые можно автоматически распознавать и «оценивать» с помощью IPA, что приводит к значительному сокращению времени отклика при подаче предложений для клиента.

Анализ полисов: Общей проблемой в страховании является необходимость отслеживания очень больших наборов полисов, которые часто охватывают несколько десятилетий, чтобы понять, как на содержание и смысл полисов влияют изменения в регуляторных практиках или конкурентной среде. IPA может понимать конкретные положения в полисах, оценивать и классифицировать их для конкретного варианта использования.

Соблюдение нормативных требований: В отрасли с высоким уровнем регулирования, в которой действуют десятки государственных и федеральных регулирующих органов, своевременное реагирование на нормативные запросы представляет большие расходы для большинства страховых компаний. IPA может создавать расширенные ответы на запросы, значительно сокращая время отклика и необходимые ресурсы.

Поскольку страховщики расширяют свои усилия по цифровому преобразованию на подобные бизнес-процессы, интеллектуальная автоматизация процессов станет ключевым фактором успеха.

Как дожить до окупаемости инвестиций

Для того, чтобы начать идти по пути интеллектуальной автоматизации процессов и связанной с ней окупаемости инвестиций, страховщикам необходимы три основных блока:

Существующий, определенный процесс или рабочий процесс в качестве кандидата на усовершенствование, расширение или автоматизацию.

Репрезентативные данные, содержание или документы для данного процесса.

Заинтересованность и вклад ключевых подразделений компании для определения и оценки успеха.

Имея это в виду, страховщики могут достичь первоначального возврата инвестиций всего за 3-4 месяца, включая разработку и внедрение процесса.

Подготовлено порталом Allinsurance.kz

Ваше мнение об этом материале:

— Ваше имя
— Ваш email
— Тема

Ваш отзыв (заполняется обязательно):

Укажите код на картинке слева:

Установите трансляцию заголовков прессы на своем сайте

 Подробнее »

Получить код для трансляции заголовков прессы »