Пресса о страховании, страховых компаниях и страховом рынке

Казахстанский портал о страховании, 22 апреля 2019 г.

Де-мистификация использования искусственного интеллекта в страховой отрасли

833 просмотра

Страховщики должны научиться использовать огромный объем полученной информации для принятия эффективных решений по андеррайтингу и претензиям.

Было много мистических историй о влиянии искусственного интеллекта на страховую индустрию в течение следующего десятилетия. Является ли ИИ панацеей от всех болезней медленной, основанной на бумаге системы, изобилующей неточностями, неэффективностью и несоответствиями? Мы с нетерпением ждем будущего автоматизированных приложений, взаимосвязанных устройств и цикла заявок, контролируемых ИИ?

Отчет McKinsey «Страхование 2030. Влияние ИИ на будущее страхования» рисует картину будущего, в котором «страхование переходит от своего текущего состояния обнаружения и исправления к прогнозированию и предотвращению».

Чтобы оценить ценность ИИ для страхования, вы должны рассмотреть, как приложения ИИ получают информацию из необработанных данных, и как эти идеи могут применяться в реальном мире. Вы должны подумать, почему и как системы, контролируемые ИИ, могут превзойти своих коллег-людей. Чтобы увидеть истинный потенциал ИИ, нужно заглянуть за кулисы.

Внутри черного ящика

ИИ - это обширная область исследований, охватывающая множество разнообразных технологий и с одинаково разнообразными приложениями. Искусственный суперинтеллект (система, которая может превзойти человека в любой области) и искусственный общий интеллект (система, которая может соответствовать возможностям человеческого мозга) по-прежнему являются предметом фантастических фильмов и утопических фантазий. Современные технологии характеризуются как искусственный узкий интеллект (ИУИ), что означает, что он может соответствовать или превосходить возможности человека в конкретной задаче, что делает его идеально подходящим для отдельных страховых приложений.

Машинное обучение

Для эффективного функционирования ИУИ-систем требуется огромный набор данных, значительная вычислительная мощность и современные алгоритмы машинного обучения. Осуществляя поиск шаблонов и применяя статистический анализ к данным, система «учится», как интерпретировать информацию и моделировать поведение, не получая конкретных инструкций. Как только система научится интерпретировать данные, она сможет потреблять и анализировать значительные объемы данных быстрее и точнее, чем любой человек. Она также может выявить тенденции и сделать прогнозы, которые человек-аналитик не увидит.

Страховая индустрия всегда генерировала огромные объемы данных, что делает ее идеальной областью для тестирования и разработки алгоритмов обучения. С ростом Интернета вещей (IoT) объем данных будет только увеличиваться, как и сложность идей, доступных тем, кто может успешно анализировать эту информацию.

Датчики на транспортных средствах, носимых устройствах и подключенных устройствах предоставляют данные для точной настройки актуарных расчетов, прогнозирования вероятности возникновения риска, снижения его тяжести и даже предотвращения потери.

Например, несколько страховщиков и поставщиков InsurTech предоставляют технологию, которая подключается к автомобилю, собирает данные о вождении и сопоставляет данные с известными схемами, чтобы определить стиль вождения и сравнить его с более или менее безопасными водителями. Технология находится на ранней стадии и не совершенна в отдельных вопросах, например, знает ли устройство, кто занимается вождением? Тем не менее, это позволяет получить больше данных, и это приводит к лучшим вариантам андеррайтинга и покрытия.

Машинное обучение также успешно применяется для выявления мошенничества, генерации потенциальных клиентов и оптимизации маркетинга. Это помогает страховщикам отойти от подхода «один размер подходит всем» для повышения продаж, предлагая персональные советы и рекомендации по продукту. Технология может определить полис, который вот-вот истечет, и предложит лучшую стратегию защиты бизнеса.

Когнитивные вычисления

Приложения когнитивных вычислений эмулируют взаимодействие с человеком, интерпретируя визуальные или слуховые стимулы и реагируя в режиме реального времени. Успешная система должна анализировать, понимать и генерировать естественный язык, принимая во внимание такие сложные факторы, как региональные акценты и эмоциональные сигналы.

Наиболее практичным и часто внедряемым приложением в этой области является чат-бот, который может помочь клиенту пройти через процесс подачи заявки, ответить на вопросы по продуктам и управлять прямыми претензиями. Многие страховщики уже автоматизировали части процесса управления претензиями, и эта тенденция, вероятно, сохранится.

Чат-боты доступны 24/7, сокращают лишнюю бумажную работу и освобождают агентов от повторяющихся задач, что позволяет им сосредоточиться на более уникальных запросах, повысить удовлетворенность клиентов и оптимизировать процесс подачи претензий. В 2016 году Джим (чат-бот, используемый Lemonade), урегулировал претензию за три секунды, не создавая никаких документов.

Интеллектуальная автоматизация процессов

Роботизированная автоматизация процесса включает конструирование робота с одной задачей, которую он может повторять бесконечно, не совершая ошибки и не уставая. Роботы, созданные для этой модели, уже очень успешно применяются в производстве. Интеграция ИИ обеспечивает интеллектуальную автоматизацию процессов. Теперь система может учиться и адаптироваться, что позволяет большему количеству роботизированных систем работать в повседневной жизни.

Прогнозируется, что автомобили с автоматическим управлением значительно уменьшат риск несчастных случаев и пробок на дорогах, устраняя человеческие ошибки. Усовершенствованные хирургические роботы станут более распространенными, 3D-печать может быть распространена на создание зданий и всевозможных инструментов, а автономные беспилотники, похоже, будут доставлять все больше и больше товаров. Страховщики должны будут приспособиться к этим новым возможностям и разработать новые продукты для реагирования на изменяющиеся профили рисков.

ИИ положительно трансформирует страховую отрасль

ИИ обладает способностью превращать огромные объемы данных, генерируемых в течение всей жизни полиса, в действенные идеи. Это также может трансформировать процесс поиска новых клиентов, маркетинга продуктов, оптимизации взаимодействия с клиентами и улучшения решений по андеррайтингу. В конечном итоге, ИИ имеет потенциал для кардинального изменения страхового бизнеса.

В материале упоминаются: Компании, организации: Lemonade Insurance (LMND) 59

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 »