AI in verzekeringen: Een praktische startergids voor real-world implementatie

Er is een kloof tussen bewustzijn van kunstmatige intelligentie (AI) en toepassing.

Volgens McKinsey-onderzoek gebruiken slechts ongeveer 20% van de bedrijven die zich bewust zijn van AI, AI op schaal of in een kernbedrijfsproces. En volgens een 2019 MIT Sloan Management Review-studie hebben slechts 7% van de geïnterviewde organisaties machine learning (ML) en AI toegepast in besluitvorming of productieworkflows.

Verzekeringsmaatschappijen, die net hun AI-reis beginnen, vallen waarschijnlijk in deze bewustzijns- en toepassingskloof. Hoewel verzekeringsmaatschappijen al decennia data-intensieve workflows gebruiken, gebruiken velen nog steeds AI niet optimaal – of helemaal niet.

Eerder dit jaar organiseerden we een paneel van experts om AI in verzekeringen te bespreken als onderdeel van onze AI Summit. Tijdens de sessie deelden gast-experts van Forrester Research, Cognizant en Mercer inzichten en ervaringen uit hun werk in de verzekeringsindustrie.

Dit artikel brengt de sessie terug tot een paar kernideeën, maar voor de volledige ervaring, ga naar de AI in Insurance sessiepagina.

Hier richten we ons op trends in AI en een drie-stappenproces dat verzekeringsmaatschappijen kunnen gebruiken om met AI aan de slag te gaan.

AI-verzekeringstrends onthullen: nu investeren

Tijdens de "AI in Insurance"-sessie werd duidelijk dat de toekomst van de verzekeringsindustrie zal draaien om het vergroten van organisatorische wendbaarheid door AI voorop te plaatsen. Digitale transformatie wordt imperatief om marktleiderschap te behalen en een innovatie-gefocuste cultuur te faciliteren. AI wordt een essentieel deel van die transformatie.

2020 veranderde de verzekeringsindustrie

2020, een zware jaar voor alle industrieën, was een cruciale voor de verzekeringsindustrie.

2020 dwing de verzekeringsindustrie om rekening te houden met haar vermogen om de snel veranderende behoeften van klanten, partners en werknemers te bevredigen. McKinsey wees bijvoorbeeld in een 2020-rapport erop dat "Verzekeraars die volwassen digitale functies in verkoop en distributie, service en retentie, en schadeverwerking hebben ontwikkeld, goed gepositioneerd zijn om de crisis te doorstaan – en die dat niet hebben, snel moeten handelen om in te halen."

Deze rekening onthulde dat digitale transformatie niet alleen nodig was om de crisis te doorstaan, maar noodzakelijk om vooruit te gaan.

Vanaf 2021 zullen AI en automatisering – hoekstenen van enterprise digitale transformatie – hoge prioriteiten zijn voor vooruitstrevende verzekeringsmaatschappijen.

De toekomst van verzekeringen

In tegenstelling tot andere industrieën waar technologiebudgetten neigen te dalen, stijgen verzekeringstechnologiebudgetten, legde Carney uit op het paneel. Volgens Carney, citerend Forrester-onderzoeksresultaten, zal een 1,4% toename in verzekeringstechnologiebudgetten de toekomst van het werk en de toekomst van de klantervaring versnellen.

Het is belangrijk te noteren dat een groot deel van deze budgettoename niet alleen naar onderhoud gaat. Carney deelde dat 33% van dit budget naar nieuwe projecten gaat.

Holly Olive (Digital Operations, Insurance Consulting Lead bij Cognizant ten tijde van het paneel) was het eens en waarschuwde dat naarmate budgetten verschuiven, de momentum toeneemt, en achterblijvende bedrijven achtergelaten kunnen worden: "De trein rijdt, en u wilt erop zitten."

De toekomst van AI

De toekomst van verzekeringen zal echter niet alleen afhangen van de bereidheid van bedrijven om AI te adopteren, maar hun vermogen om zakelijke oplossingen die AI benutten te vervolgen, adopteren en implementeren.

Scepticisme rond AI ontstaat omdat in veel industrieën technologie niet bij de beloftes van zijn marketing heeft bijgehouden. AI en ML zijn marketing-buzzwords geworden in veel kringen. Bedrijven met producten die eenvoudige, regels-gebaseerde automatisering bieden, zijn vaak bereid te claimen dat hun producten intelligent zijn terwijl ze dat niet zijn. Die producten kunnen nog steeds nuttig zijn, maar ze leveren niet de impact die echte AI-gebaseerde oplossingen kunnen bieden.

Waar hype de realiteit ontmoet, volgens keynote-speaker Craig Le Clair, Principal Analyst bij Forrester, is in platforms die gefocuste horizontale en verticale use cases mogelijk maken. Le Clair legde uit tijdens de AI Summit-keynote dat hoewel AI vroeger een apart tool was, het nu deel zal worden van bijna alle technologieën: "AI zal in applicaties insijpelen en een normale manier van zaken doen worden."

De toekomst van AI zal niet zijn een fancy tool adopteren en het u in de juiste richting laten leiden; het zal zijn een slimme zakelijk strategie ontwikkelen die de voordelen van AI benut.

AI-verzekeringsvoorbeeld: schadeverwerking

Use cases voor het implementeren van AI in verzekeringsprocessen zijn talrijk, maar er is één proces dat met name rijk is voor AI: schadeverwerking.

Er zijn vier aspecten van schadeverwerking die het een geweldige kandidaat voor AI maken:

1. Het is tijdrovend.
2. Het kan foutgevoelig zijn.
3. Het schaalt niet.
4. Het vereist subject matter experts.

Een traditioneel verzekeringsschadeproces ziet er zo uit:

• Schadedocumenten komen in uw systeem van een klant, intermediair of derde partij.
• Een subject matter expert beoordeelt de documenten handmatig op vereiste data, (een cognitie-zwaar proces dat hun gespecialiseerde expertise vereist).
• Een medewerker voert data handmatig in een schadesysteem in.
• Een subject matter expert beoordeelt de schade tegen het beleid.
• Een medewerker voert een steekproef fraudecontrole uit om handmatig te controleren tegen bekende risico's.
• Een mens keurt een schikking goed of af.

In een schadeproces met AI ziet het er meer zo uit:

• Schadedocumenten komen in uw systeem van een klant, intermediair of derde partij.
• Een softwarerobot gebruikt AI om data automatisch te extraheren uit de schadedocumenten.
• Een product zoals UiPath Document Understanding gebruikt ML-modellen om gestructureerde, ongestructureerde en pictogrammen uit documenten te extraheren.
• Softwarerobots voeren de data in uw schadesystemen in.
• Een medewerker beoordeelt de data snel, indien vereist, voor validatie.

Let op hoe, in het tweede voorbeeld, een mens alleen in de laatste stap het proces binnenkomt en zelfs dan alleen indien nodig. Het schadeproces is sneller, minder foutgevoelig, en betreft veel minder handmatige, menselijke inspanning.

Nu kunnen werknemers zich herfocuseren op meer boeiende, mens-gerichte activiteiten, terwijl softwarerobots de herhalende taken afhandelen.

Met AI ingebed in het technologieportfolie van een enterprise, kunnen werknemers zich herfocuseren van vervelende, herhalende taken zoals schadeverwerking naar meer boeiende, cognitief uitdagende taken.

Aan de slag met AI in 3 stappen

Ons paneel deelde drie kernstappen voor het beginnen met AI. Elke stap maakt AI makkelijker te implementeren en effectiever.

1. Begin klein

Zoek praktische use cases en kies een pijnpunt om ze te prioriteren. Zorg ervoor dat de use case die u kiest klein genoeg is om praktisch te zijn maar pijnlijk genoeg dat de oplossing meetbaar en impactvol is voor stakeholders.

Volgens een van onze panelleden, Kieran Gilmurray, Global Automation and Digital Transformation Expert bij Mercer, is een voordeel van de verzekeringsindustrie dat use cases overvloedig, bewezen en gevalideerd zijn. Use cases zijn al goed bekend, dus dit is geen plek waar u hoeft te innoveren.

Olive adviseerde om te beginnen met AI voor e-mailclassificatie. Carney was het eens: met 20 miljoen ontvangen e-mails per jaar, en meer dan vijf minuten besteed aan elk, presenteert e-mailautomatisering een groot-impact, laag-risico opportuniteit.

De uitdaging is dat klanten regelmatig klantenservice e-mailen met een enorme reeks vragen die kunnen accumuleren in lange reactietijden. De kans is dat met AI u die reactietijden kunt verkorten en steeds efficiënter kunt worden waar andere bedrijven nog traag zijn. Voor vroege adopters van AI kan dit voordeel samengesteld worden, waardoor u concurrenten kunt inhalen en zo ver vooruit kunt komen dat ze u niet meer kunnen inhalen.

Met AI-geassisteerde e-mail kunt u binnenkomende communicatie begrijpen en de volgende communicaties voorspellen. Wat betekent dat klanten niet eens hoeven te vragen om bepaalde vragen – u heeft ze al beantwoord.

Olive zegt dat door kleiner te beginnen, u de waardeketen beetje bij beetje kunt aanpakken.

2. Afstemmen op ROI

Elke transformationele technologie vereist investering, maar de vereiste investering is niet altijd een kapitaale. Kapitaal is belangrijk, maar belangrijker is de investering in een cultuur van innovatie. U moet een cultuur aanmoedigen die voorbij bestaande methodologieën en praktijken kijkt zodat ze een technologie zo game-changing als AI kunnen adopteren.

Beide soorten investering vereisen dat u zorgvuldig nadenkt over ROI. Om uw ROI-visie met de realiteit af te stemmen, wilt u uw ROI-analyse kaderen met procesontdekking.

Velen in de verzekeringsindustrie zijn gewend aan het aantal beslissingspunten die bestaande processen bevatten, wat hen doet vergeten hoe complex veel processen geworden zijn.

Het potentieel voor AI om enkele van deze complexe processen aan te pakken is immens, maar alleen als u uw bedrijven eerst documenteert en beoordeelt – met data, niet anekdotes. Het doel van deze ontdekking is te bepalen waar u de meeste waarde via AI kunt leveren.

UiPath Task Mining en UiPath Process Mining kunnen u beiden helpen uw processen en hun knelpunten te begrijpen. Met deze procesontdekkingstools kunt u AI-use cases prioriteren op basis van meetbare zakelijke resultaten.

Vanaf daar kunt u beginnen uw begrip van ROI te verbreden.

Gilmurray waarschuwde dat hoewel er near-term AI-use cases zijn, bredere transformatie meer vereist dan het omdraaien van een schakelaar. Het implementeren van AI omvat een pad van verbeteringen die uiteindelijk leiden tot significante veranderingen in bedrijfsoperaties.

Zet het team niet onder druk om onmiddellijke opbrengsten te leveren, maar begrijp de richting van het project en waar opbrengsten vandaan zullen komen. AI is op een manier vergelijkbaar met een nieuwe werknemer, wat betekent dat het tijd kost om het te trainen en klaar te maken voor productie. En vergelijkbaar met een werknemer, kunnen AI-gebaseerde oplossingen leren en aanpassen op basis van de eisen van het bedrijf.

Olive waarschuwde dat veel bedrijven te veel focussen op kostenverlaging als hun primaire metriek.

De echte waarde van AI is echter niet alleen in wat het aan kosten elimineert, maar wat het aan waarde produceert. AI zal bijvoorbeeld betere turnaround-tijden en hogere klanttevredenheid creëren, wat betere klantloyaliteit betekent.

Als u ROI nauwkeurig kunt schatten, van de smalste opbrengsten tot het grootste potentiële waarde, dan kiest u de inspanningen met het meest potentieel elke keer. U kunt een product zoals UiPath Automation Hub gebruiken om een centrale locatie voor automatiseringsideeën te creëren die u vervolgens kunt organiseren en prioriteren.

3. Schalen door zakelijke strategie eerst te zetten

Voor digitale transformatie om te leveren tegen uw enterprise-brede strategische doelen, kan AI-adoptie niet gesiloëerd zijn binnen een enkel team. Met de ondersteuning van zowel een kapitaalinvestering als een culturele investering, kan uw organisatie adoptie omarmen en uitbreiden. Als u geen wijdverspreide adoptie kunt krijgen, dan zal digitale transformatie niet gebeuren, en riskeert u dat uw AI-project stagneert als een prototype.

Alleen een prioritering van zakelijke strategie zal ervoor zorgen dat AI schaalt en zich verspreidt.

Het risico is dat bedrijven technologie voorop stellen boven zakelijke strategie. Als u te veel focust op de technologie, waarschuwde Gilmurray, dan heeft u de vergelijking fout. Het is zakelijke strategie eerst.

Gilmurray adviseerde dat u de zakelijke strategie op bedrijfs- (of tenminste afdelings-) niveau begrijpt om te weten waaraan u bijdraagt. Technologie maakt zakelijk mogelijk – het is mensen, proces en dan technologie.

U zou twee vragen moeten stellen, zei hij:

1. Waar willen we heen?
2. Hoe komen we daar?

Te veel bedrijven focussen op de tweede vraag zonder de eerste aan te pakken.

Verzekeringen is al een data-gedreven industrie, dus als u de juiste data, op het juiste moment, aan de juiste mensen kunt leveren, zullen massive voordelen volgen. De ROI-berekening zal niet alleen het aantal uren bespaard omvatten (maar dat is vaak de nummer-één-driver). Deze berekening zal geïnformeerd worden door zakelijke strategie en rekening houden met wat uw concurrenten doen en eventuele zwakke plekken in uw huidige bedrijf, zoals service-level agreements (SLAs) en klantreactietijden.

Digital Darwinisme doorstaan met AI aan uw zijde

Gilmurry besprak hoe 2020 onze vooruitgang versnelde in een tijdperk van "digitale Darwinisme." In deze leeftijd zullen alleen de sterksten overleven. Maar kracht zal niet het resultaat zijn van brute force – het zal het resultaat zijn van de bereidheid van bedrijven om zich aan te passen aan een veranderende omgeving.

Nieuwe technologieën en nieuwe complementaire zakelijke strategijen zullen de weg banen voor verzekeringsmaatschappijen om volledig geautomatiseerde enterprises te worden. Een fully automated enterprise™ is een die automatisering, AI, ML en de digitale transformatievoordelen die die technologieën ontgrendelen volledig omarmt.

Een volledig geautomatiseerd enterprise is een die verandering nu en in de toekomst kan doorstaan. AI is niet slechts één tool om aan uw arsenaal toe te voegen – het is een facilitator voor wijdverspreide digitale transformatie, en er zijn weinig industrieën met zoveel kansen voor transformatie als verzekeringen.

Om meer te leren over hoe AI te adopteren en implementeren, bekijk de opname van onze AI in Insurance sessie (deel van ons AI Summit-evenement). Het is on-demand beschikbaar zodat u het op uw gemak kunt bekijken.

Speciale dank aan Elaine Mannix voor het samenwerken aan dit artikel en voor het co-hosten van onze "AI in Insurance"-sessie tijdens de AI Summit. Mannix is de Insurance Leader bij UiPath.