Za osiguravatelje prirodne katastrofe poput uragana predstavljaju ne samo financijski, već i praktični izazov. Kako ubrzati zahtjeve i pomoći ljudima što je brže moguće?
Brit Insurance, za takve slučajeve odgovor dobiva zahvaljujući AI-ju. Njihov alat za brzu procjenu štete, nazvan ‘Zlatno oko’, koristi algoritam strojnog učenja za procjenu slika iz zraka nakon katastrofe i grupiranje svojstava prema razini štete. To omogućuje trijažu zahtjeva prije nego što uopće budu prijavljeni. Brit je imao mnogo osiguranika koji su bili pogođeni uraganom Ian na Floridi, piše Wired. Kada je tropska ciklona prestala, tvrtka je uspjela izvršiti svoju prvu uplatu samo osam dana kasnije.
Nikada to ne bismo mogli učiniti samo sa ljudskom radnom snagom. To je za nas bilo transformativno za nas.
Sheel Sawhney, britanski voditelj zahtjeva za odštete i operacija
Procjena štete samo je jedno područje u kojem umjetna inteligencija radi na preoblikovanju osiguranja. To je industrija koja se temelji na korištenju golemih skupova podataka za modeliranje scenarija, provjeru kupaca i poboljšanje rezultata. Budući da je AI zapravo napredan oblik analize podataka, vrlo je prikladan za poboljšanje poslovanja osiguravatelja. “Osiguranje je posao izgrađen na podacima – tako da umjetna inteligencija ima potencijalne primjene u svim segmentima”, kaže Leon Fretz, viši direktor financijskih usluga u Microsoftu, čija Cloud platforma Azure podupire alat Brit Insurance. “U osnovi vjerujem da će dramatično promijeniti proizvode osiguranja.”
Stoga je možda kontraintuitivno da primjena umjetne inteligencije u osiguranju nije raširenija nego što trenutno jeste. Provedba je bila relativno spora zahvaljujući brojnim preprekama u rasponu od regulative do korporativne inertnosti. No nedavni razvoj događaja potiče industriju na daljnje istraživanje tehnologije.
Kada je OpenAI-jev chatbot ChatGPT osvojio svijet u prosincu, AI je postala najveć priča u tehnologiji. Zahvaljujući intuitivnom sučelju, lako vidljivim rezultatima prirodnog jezika i činjenici da ga svatko može koristiti besplatno, ChatGPT je donio snagu i mogućnosti umjetne inteligencije društvu u cjelini. To uključuje i osiguravatelje.
Ova velika promjena u svijesti o umjetnoj inteligenciji, njezinoj pristupačnosti i slučajevima njezine upotrebe zaokupila je maštu u sobama za sastanke koji su nekoć bili suzdržani prema tehnologiji. Potaknula je na šire razmišljanje o tome kako bi umjetna inteligencija mogla poboljšati njihovo poslovanje.
Kada sam započinjao svoju karijeru, sve povratne informacije s vrha bile su vezane za mobilne aplikacije. Što sam više razmišljao o tome, zapravo se nije radilo o ‘izradi mobilne aplikacije’, već o tome da nadređeni prepoznaju da postoji šira strateška prilika koju nam mobilni uređaji predstavljaju. Mislim da je ChatGPT to učinio za umjetnu inteligenciju.
Richard Boyd, voditelj digitalnih zahtjeva u Lloyds of London
Koji su, dakle, slučajevi korištenja u nastajanju i koji su izazovi koje će trebati riješiti?
Kako bi umjetna inteligencija mogla promijeniti igru osiguranja?
Umjetna inteligencija je u stanju obraditi podatke na razini koju ljudi nikada ne bi mogli obraditi i pronaći obrasce koje ljudi nikada ne bi mogli uočiti. To može dovesti do značajne učinkovitosti, uštede vremena, smanjenja troškova i poboljšanja profitabilnosti u svemu, od akvizicije kupaca do obrade zahtjeva. Što je najvažnije, procesi poboljšani umjetnom inteligencijom također mogu poboljšati korisnička iskustva u korist osiguravajućih društava i njihovih klijenata.
Učinkovitost umjetne inteligencije funkcija je kvalitete i količine podataka kojima se hrani, tako da što više podataka iz više izvora postaje dostupno osiguravateljima, potencijal umjetne inteligencije da transformira industriju samo raste.
Dakle, koji su slučajevi za koje očekujemo da će ostvariti najveće koristi?
Poboljšanje akvizicije kupaca
Umjetna inteligencija ima potencijalnu ulogu u svakoj fazi procesa stjecanja kupaca. Prvo, može pomoći u prepoznavanju potencijalnih kupaca. Baš kao što Brit koristi snimke iz zraka za procjenu štete, na primjer, satelitske slike također se mogu koristiti za stvaranje potencijalnih kupaca – ako netko ima bazen, na primjer, AI ga može ciljati s ponudom osiguranja bazena.
Može se unaprijediti i proces prodaje. AI može ponuditi relevantne proizvode koji savršeno odgovaraju individualnim potrebama i može smanjiti troškove prodaje. To može uključivati korištenje umjetne inteligencije za inteligentno dizajniranje pokrića na temelju malog broja pitanja, prije brzog davanja ponude i obrade ugovora.
Iskorjenjenje prijevare u ranoj fazi
Prema podacima Udruge britanskih osiguravatelja, prijevare britanske osiguravatelje koštaju industriju više od 1 milijarde funti godišnje. Zahvaljujući svojim moćima identificiranja uzoraka, AI može pomoći u rješavanju ovog skupog problema otkrivanjem i predviđanjemprijevara. To bi moglo uključivati sve, od prepoznavanja kada je za isti incident podneseno više zahtjeva, do korištenja analize slike kako bi se procijenilo je li oštećenje automobila u skladu s opisanom nesrećom.
Budući da je korelacija između prijevare s policama i prijevare s potraživanjima visoka, isplati se predvidjeti prijevarnu aktivnost u fazi prijave. “Ako možemo otkriti i zaustaviti taj rizik, onda ćemo jasno zatvoriti slavinu što je prije moguće”, kaže John Davison, CIO u First Central Group.
Poboljšanje procjene rizika
Osiguranje je u osnovi procjena rizika. Cijena i opseg police trebaju odražavati vjerojatnost da će kupac podnijeti zahtjev plus vjerojatni trošak tog zahtjeva. Što je osiguravatelj bolji u procjeni, može konkurentnije cijeniti svoje proizvode bez ugrožavanja svoje bilance.
Umjetna inteligencija može poboljšati točnost procjena rizika. To je moćan alat za prepoznavanje korelacija koje nisu odmah očite, a dostupne su u širokom rasponu izvora podataka. U budućnosti bi ti izvori mogli uključivati podatke iz prijenosnih uređaja, pametnih kućnih uređaja, podataka o vozilima i iz društvenih medija. “AI osiguravateljima omogućuje korištenje tih apstraktnijih izvora podataka izvlačenjem relevantnih informacija za bolju procjenu rizika”, kaže Fretz. Postoje očita pitanja o tome koji su podaci legitimni i gdje se mora dati pristanak. Ali kako se ovaj trend bude razvijao, vjerojatno će dovesti do prilagođenijih politika koje se temelje na specifičnim osobinama pojedinca, a ne na širokom profilu. To ne samo da bi za osiguravatelje smanjilo izloženost gubicima, već bi i poboljšalo uvjete za manje rizične klijente.
Ubrzavanje zahtjeva za bolje rezultate klijenata
Presudni trenutak za zadovoljstvo kupca je podnošenje zahtjeva. Osiguravatelji već koriste umjetnu inteligenciju za brzu procjenu štete, posebno za vozila – osiguranici šalju fotografije ili videozapise, a algoritam procjenjuje troškove. Pojavljuju se daljnji slučajevi upotrebe. “Obratili su mi se startupovi koji su se igrali s računalnim vidom na gradilištima”, kaže Boyd. „Iz perspektive obrade zahtjeva za odštetu, ako ste bili u mogućnosti snimiti sliku tog mjesta prije i nakon događaja i ako umjetna inteligencija utvrdi razlike, mogli biste relevantnom osiguravatelju prijaviti predloženu procjenu štete.”
Iako je brzina ključna u zahtjevima, klijenti također trebaju suosjećanje. Zato je u obradi zahtjeva važan i ljudski dodir – ali AI može pomoći poboljšanjem te interakcije.
“Korištenje tehnologije da budete ‘treća osoba u prostoriji’ vrlo je zanimljivo”, kaže Simon Bullers, tehnički direktor Hastings Directa. “Ako razmislite o većini zahtjeva, postoji više poziva klijentima kako bi se prikupile točne informacije – ponekad prilično stresni pozivi. Što više možete koristiti umjetnu inteligenciju za analizu razgovora u stvarnom vremenu i potaknuti agenta kontakt centra da stvarno dobije prave informacije, to bolje.”
Brzo ispunjavanje zahtjeva nije dobro samo za klijenta, ono također smanjuje troškove za osiguravatelja – što prije znate da je automobil otpisan, recimo, manje vam vremena treba da vlasniku police osigurate unajmljeni automobil.
Primjena pravila u stvarnom vremenu
Sposobnost umjetne inteligencije da podrži personalizaciju proizvoda i usluga mogla bi dovesti do šire upotrebe proizvoda u nastajanju kao što je “visoko dinamično osiguranje temeljeno na korištenju (UBI)”. Ovo je mjesto gdje se premije stalno prilagođavaju promjenjivim uvjetima, a naplata se odvija po načelu „kako se događa“. “To se već primjenjuje u brodarstvu, kada lokacija teretnog broda u odnosu na piratske vode ili kopno mijenja politiku u stvarnom vremenu,” kaže Fretz. “Za opće osiguranje također ćemo vidjeti da se rizik procjenjuje u stvarnom vremenu i da se to odražava u politikama koje se stalno mijenjaju.”
Automobilizam je očiti slučaj korištenja, osobito ako dijeljenje automobila zahvaljujući autonomnim vozilima u budućnosti postane uobičajenije. Model osiguranja u stvarnom vremenu, ‘plaćanje po putovanju’ koristi osiguravateljima. Omogućuje im da procijene rizik od slučaja do slučaja – ako je vozač sklon brzi vožnji i vozi po kiši, na primjer, tada cijena može odražavati povišeni stupanj opasnosti. Ali također nagrađuje kupce: oni koji voze sigurno plaćaju manje, a oni koji voze rijetko ne snose troškove godišnje premijeGodišnja premija (engl. annual premium) označava: 1. u ne....
Optimiziranje korisničkog iskustva za zadržavanje klijenata
Na zadržavanje klijenata utječe iskustvo koje klijenti imaju sa svojim osiguravateljem na svakoj dodirnoj točki. A AI i ovdje nudi mogućnosti (i rizike).
Ulažemo jako puno energije u optimizaciju korisničkog iskustva. Umjetna inteligencija nam omogućuje da ubrzamo tu optimizaciju i pružimo personalizirana iskustva za svakoga.
John Davison, CIO u First Central Group
Jedan element koji osiguravatelji sve više ugrađuju u korisničko iskustvo su AI chatbotovi. Dobro izvedeni, oni mogu smanjiti vrijeme čekanja i brzo dovršiti zadatke – kao što je dodavanje još jednog vozača u policu osiguranja motornih vozila – na zadovoljstvo kupca. Ako se ukaže potreba, AI može usmjeriti interakciju na čovjeka.
Što koči primjenu umjetne inteligencije?
Neki osiguravatelji i neke vrste osiguravateljskih aktivnosti ubrzano usvajaju umjetnu inteligenciju posljednjih godina. Međutim, uočavanje poremećaja izazvanih umjetnom inteligencijom unutar sektora nije bilo tako brzo niti široko kao što su mnogi predviđali. “U autoosiguranju sam 27 godina”, kaže Andrew Brockway, tehnički direktor Confused.com. “Sada klijentima postavljamo ista pitanja kao i prije 20 godina.” Postoji razlog za to: postoji niz izazova koje treba riješiti i koji su, s pravom ili ne, kočili usvajanje umjetne inteligencije. Kakvi su to izazovi i kako ih se može prevladati?
Odabir podataka i prihvaćanje od strane potrošača
Jedno od obećanja umjetne inteligencije jest da može otkriti skrivene korelacije koje mogu pomoći u predviđanju rizika. Vjerojatno oslanjajući se na skupove podataka koji se prije nisu smatrali korisnima. Ali postoji problem: ne znate hoće li novi skup podataka dati te korelacije sve dok ih ne potražite. Prikupljanje, priprema i analiza podataka koji dodaju malu vrijednost je gubitak vremena i novca.
Ovo je moj izazov za AI: mogu li ga upotrijebiti da mi pomogne pronaći vanjske podatke koji će biti korisni? Mogao bih zatražiti i dobiti podatke s bilo kojeg mjesta, ali kako mogu znati isplati li se?”
Gareth Wharton, Cyber CEO u Hiscoxu
Postoji još jedan pogled. Što su bolji podaci, to je bolja umjetna inteligencija, ali osiguravatelji moraju uspostaviti ravnotežu. Ako je AI alat previše pametan – ako se njegova sposobnost preispitivanja ponašanja čini neobičnom ili ako se njegovo znanje čini previše intimnim – može se pokazati uznemirujućim za potrošače. “Moramo imati tu dubinu razumijevanja na način koji ih ne plaši”, kaže Jokhoo. U prošlosti, kada su osiguravatelji otkrili koliko podataka prikupljaju ili izjavili da analiziraju neverbalne znakove za otkrivanje prijevare, kao što su izrazi lica u videozapisima prijava šteta, to je izazvalo bijes na internetu. Ovo je područje u kojem osiguravatelji moraju pažljivo postupati dok odlučuju koje će podatke koristiti u koje svrhe i kako će te odluke priopćiti potrošaču.
Suzdržanost u primjeni umjetne inteligencije
Bilo da je ukorijenjeno u strahovima oko sigurnosti posla, otporu promjenama ili nedostatku razumijevanja, u osiguravajućim tvrtkama može postojati kultura koja je nesklona novim tehnologijama kao što je AI. “Nisam siguran vjeruju li svi da je ovo dobra ideja”, kaže Wharton. “Ne vidim previše ljudi koji govore: ‘Pomozi mi da to napravim.'” Ova je kultura složena industrijskim normama. Osiguravatelji trebaju reosiguranje, a reosiguratelji vjeruju konvencionalnim pristupima preuzimanju rizika. Davison to jasno kaže: “Kad biste otišli kod reosiguratelja i rekli: ‘Imam stroj koji odabire sav moj rizik’, oni vas ne bi podržali.” Vjeruje da će se to promijeniti, ali polako. Kako usvajanje AI nastavlja rasti, a sve više osiguravatelja počinje shvaćati povezane prednosti veće točnosti, učinkovitosti i smanjenih troškova, vjerojatno ćemo vidjeti veliki porast primjene umjetne inteligencije.
Strahovi oko toga da će umjetna inteligencija zamijeniti ljude
Postoji zabrinutost oko prenošenja previše posla na računala – i to ne samo zbog potrebe za suosjećanjem kada osiguranik doživi gubitak. “Razmišljam o premještanju radne snage jer mislim da bismo mogli izgubiti dobar intelektualni duh i konjske snage”, kaže Brockway. Unatoč izrazu, umjetna inteligencija nije inteligentna – ona je jednostavno moćno prepoznavanje uzoraka – i vješti ljudi će morati uskočiti kada je problem izvan opsega umjetne inteligencije ili kada sustav nije postigao željeni ishod. Za naše stručnjake u industriji čini se da je optimalno rješenje ono u kojem AI nadopunjuje, a ne zamjenjuje ljude. Ovo može biti Chat GPT koji pomaže prodavaču da postavi bolja pitanja ili može biti ljudska prilagodba AI trijažirane tvrdnje.
Etička pitanja
Usvajanje umjetne inteligencije uvodi niz etičkih pitanja. Pogotovo u vezi s pristranošću i diskriminacijom. Jedan rizik za osiguravatelje je da podaci koje koriste mogu odražavati društvene predrasude. Što dovodi do toga da te skupine doživljavaju nepravedne ishode.
Taj je problem pogoršan onim što je poznato kao problem ‘crne kutije’: korisnik zna ulaze i izlaze AI alata, ali ne može objasniti kako je softver došao do svoje odluke. U financijskim uslugama to je goruća briga, jer postavlja pitanje odgovornosti koje može omesti usvajanje. “Mislim da postoji opasnost da u budućnosti nećete biti u mogućnosti regulatoru demonstrirati svoj proces donošenja odluka u određenoj situaciji”, kaže Bullers. “Morate moći dokazati da ste donijeli ispravne odluke.”. Mogućnost davanja objašnjenja ključno je istraživačko područje za AI, a osiguravatelji će ga pozorno pratiti.
Osiguravatelji se suočavaju s daljnjom etičkom zagonetkom. S jedne strane, personaliziraniji proizvodi osiguranja točnije odražavaju individualni rizik. S druge strane je li ispravno da netko tko je rizičniji bez svoje krivnje dobije skuplju policu. Ili da otkrije da uopće ne može dobiti osiguranje?
Jedan od načina da se to riješi jeste da umjetna inteligencija bude savjetnik, a ne donositelj odluka. “Za mene je sve u riječi ‘bodovanje’,” kaže Sawhney. “Ne mislim da možete donositi odluke samo na temelju pojedinačnih čimbenika kao što je ima li netko lišće u oluku na satelitskoj snimci.” Prilagodbe se mogu izvršiti tamo gdje je primjenjivo a da rezultati i dalje ostanu pravedni. “Umjesto da AI vidimo samo kao alat za smanjenje troška, možda ga možemo vidjeti kao način za bolju procjenu rizika koji ne mogu pronaći pokriće”, dodaje Sawhney. Na taj način, osiguravatelji bi mogli biti bolje opremljeni i kao posebnu prodajnu prednost uzeti potrošače s višim rizikom.
Regulatorne barijere
Umjetnu inteligenciju pokreću podaci, ali osiguranje podliježe propisima koji ograničavaju koji su podaci dopušteni i kako se mogu koristiti. To već ima utjecaja na nove AI aplikacije kao što je otkrivanje prijevara.
Kako bi izbjegao da bude stjeran u kut gdje ograničenja zaustavljaju umjetnu inteligenciju, Fretz tvrdi da industrija mora proaktivno implementirati dobre prakse na svakom koraku. “Osim ako se sami ne reguliramo”, kaže on, “onda će nas regulatori pljusnuti s nečim s čime ne možemo raditi.”
Put u budućnost
Osiguranje je po prirodi oprezna zvijer. Usvajanje alata i tehnika koje pokreće umjetna inteligencija bit će spor proces. Njegov prodor u nova područja industrije započet će s eksperimentima i dokazivanjem koncepata. Slično onome kada Brit Insurance korištenju slika iz zraka za potvrdu zahtjeva za prirodne katastrofe. Kako je vrijednost njegovih različitih primjena u svemu. Od preuzimanja rizika do korisničkog iskustva, postala jasna, stavovi i apetiti bi se mogli početi mijenjati. “Polako, ali sigurno, počet ćemo pomicati inerciju”, kaže Davison.
Netko bi mogao misliti da bi umjetna inteligencija sama mogla osmisliti posve nove oblike osiguranja. Kakvo je mišljenje ChatGPT-a o tome?
“Da, umjetna inteligencija ima potencijal smisliti nove oblike osiguranja koji bolje odgovaraju potrebama kupaca. Analizom golemih količina podataka i identificiranjem obrazaca i trendova, algoritmi umjetne inteligencije mogu identificirati nove rizike i razviti nove proizvode osiguranja kako bi ih riješili.”
Ako je to istina, to je još jedan razlog zašto budućnost pripada onima koji prihvate ovu tehnologiju na poslovnoj razini. “Ovo nije samo ‘IT problem koji treba riješiti’”, naglašava Wharton. “Ovo je temeljna poslovna prilika.”
