Искусственный интеллект и будущее страхования

Искусственный интеллект (ИИ) меняет мир. От игровых шоу, где IBM Watson побеждает в Jeopardy, до медицинских достижений и деловых решений, применение ИИ просто ошеломляет. В связи с высокой степенью измеримости деятельности страховых компаний, ИИ окажет преобразующее влияние. Хотя обработка претензий традиционно отходит на второй план в технологическом прогрессе по сравнению с другими страховыми функциями, такими как актуарные расчеты, маркетинг и андеррайтинг, ситуация начинает меняться.

Представьте себе следующий сценарий: ураган 4-й категории обрушился на Флориду, повредив или уничтожив имущество по всему штату. С таким большим количеством претензий, как перегруженные контролеры проверяют все данные, чтобы оценить претензии и сделать точные оценки? Конечно, многие из них имеют многолетний опыт и полагаются на навыки или инстинкты, но достаточно ли этого?

Компании знают, что последствия неправильного решения по страховому требованию могут иметь катастрофические последствия для их прибыли или репутации. Интегрируя ИИ в свои операции, страховщики вкладывают средства в способы автоматизации компонентов операций с претензиями, не жертвуя при этом точностью. Такие страховщики либо покупают, либо разрабатывают собственное программное обеспечение, которое позволяет аджастерам тратить меньше времени на оценку требований. Большая часть эффективности в этой областибудет достигнута за счет автоматизации рутинных ручных задач, но когнитивные задачи также становятся более эффективными.

ИИ и автоматизация могут устранить ненужное участие человека и быстро сообщить о претензии, зафиксировать ущерб, обновить систему и уведомить клиента. Это также уменьшает количество мошеннических претензий и человеческих ошибок, позволяя идентифицировать шаблоны данных в отчетах о претензиях.

Специалисты по претензиям признают, что ИИ повышает ценность, помогает лучше распределять свое время и более творчески использовать свои навыки. Они признают, что модели ИИ делают что-то полезное, помогая им, а не создавая больше работы. Наличие формальной модели искусственного интеллекта помогает специалистам урегулированию убытков быстро определить наиболее важную информацию по делу и предоставить рекомендации, которые послужат ценной отправной точкой.

В некоторых случаях это намеренно замедляет процесс, заставляя специалистов по рассмотрению претензий задуматься о том, почему ИИ провел какую-то особую оценку. Тем не менее, некоторые выводы, которые делает ИИ, должны быть уточнены. Могут быть важные конфликты, когда аджастер претензий отклоняет свою позицию или дает обоснование для нее. Если есть конфликт в части высокого резерва, то он привлекает внимание к конкретной претензии.

Будущее прогнозной аналитики

Компании также получают более глубокое представление о процессе подачи претензий с помощью прогнозной аналитики, которая включает в себя передовые инструменты статистического моделирования, интеллектуального анализа данных и машинного обучения для отбора данных с целью прогнозирования будущих событий.

Страховщики видят огромный, неисследованный потенциал для расширенной аналитики в области страховых требований, согласно опросу Willis Towers Watson 2017/2018, в котором предотвращение мошенничества и сортировка для определения сложных требований были определены в качестве главных приложений для разработки в течение следующих двух лет.

Согласно отчету McKinsey за 2018 год, к 2030 году 90% обработки требований по страхованию личного и малого бизнеса будет полностью автоматизировано. По мере развития исследований ИИ мы, вероятно, увидим, что технологии имитируют когнитивные функции, связанные с человеческим разумом, такие как онлайн-обучение, воспринимаемый контекст решения проблем и рассуждений, принятия более сложных функций, например, создания резерва. Когда-нибудь ИИ может даже полностью предоставить первое уведомление об обработке убытков, оценках резерва и первоначальной сортировке без необходимости профессионального надзора за претензиями.

Интерпретация является ключом к приложениям прогнозирующей модели в операциях с претензиями

Прогнозирующие модели могут применяться во всех аспектах процесса управления претензиями, включая распределение ресурсов, резервирование, расчетные значения и выявление мошеннических претензий. И хотя прогноз является главной целью, интерпретация этих моделей может дать ключевое представление о деятельности компании и помочь организации определить модели, обреченные на провал.

Сложные решения требуют сложных моделей. Одна из техник машинного обучения, подходящая для очень сложных задач, - это искусственные нейронные сети (ИНС). ИНС - это современное состояние для задач, которые включают распознавание речи, обработку естественного языка и компьютерное зрение (как оценку изображений, так и просмотр видео). В отличие от многих других алгоритмов машинного обучения, ИНС не только учатся принимать решения, но и учатся обрабатывать информацию наилучшим образом для принятия решений. В результате эти модели работают хорошо, но они очень сложны и, следовательно, очень сложны для понимания.

Хотя соблазнительно полагаться исключительно на точность прогнозирования модели, часто очень важно понять взаимосвязи, зафиксированные моделью. Например, разработчик модели может захотеть узнать, как ИИ обрабатывает изображение поврежденного транспортного средства, чтобы понять, на что полагаются ИНС при принятии решения по делу. В простом случае, возможно, ИИ идентифицирует присутствие определенного объекта на изображении или обнаруживает что-то относительно условий освещения в данной области, где произошла авария. Без характеристики ИНС мы не знаем, на чем она сосредоточена.

Необходимость понимания прогностических моделей обусловлена множеством внутренних и внешних факторов. Внешние факторы могут включать нормативные требования, вопросы ответственности и удовлетворенности клиентов. Например, если модель приходит к решению о претензиях, которое клиент счел несправедливым, страховщик должен объяснить, как он пришел к этому решению. С внутренней точки зрения, руководство также может захотеть узнать, согласуется ли алгоритм принятия решения с его взглядом на бизнес.

В конечном счете, мы хотим знать, как каждый из фактов о претензии способствовал окончательному решению ИИ. Это называется атрибуцией, а процесс атрибуции требует специальных методов для сложных моделей, а для таких технологий, как ИНС, исследователи только начинают разрабатывать подходы.

ИИ или люди?

Некоторые специалисты предпочитают сосредоточиться на ограничениях ИИ и сделать выводы о технологии. Это правда, что исследователи все еще внедряют лучшие практики в области ИИ и устраняют недочеты на этом пути, и, возможно, еще слишком рано, чтобы ИИ мог принимать важные, изменяющие жизнь решения без надлежащего мониторинга и управления. Но у людей тоже есть ограничения, у них много бессознательных предубеждений, которые могут отрицательно повлиять на их решения. Убеждения людей формируют ожидания, которые, в свою очередь, формируют восприятие и выводы. Кроме того, люди склонны совершать ошибки, необычные для ИИ, такие как переоценка вероятности недавних редких событий и склонность к оптимизму, которая приводит к убеждению, что они с большей вероятностью будут испытывать хорошие последствия плохих событий.

В конечном счете, ИИ очень объективен, в отличии от принятия решений человеком. Модель ИИ - это всего лишь компьютерный код и уравнение, которые можно изучить и идеально повторить. Человек, принимающий решения, намного сложнее для понимания и, вероятно, изменяется с течением времени. Если некоторая конфиденциальная информация, такая как принадлежность к какой-либо расе или национальности, незаконно учитывается при принятии решения, мы можем определить проблему с помощью алгоритма и системно удалить этот компонент из модели принятия решения ИИ.

Наше профессиональное сообщество должно рассматривать ИИ как набор впечатляющих инструментов (а не источник конкуренции) для изучения, использования и улучшения бизнес-процессов.

Изменения всегда сложны, но профессионалы в области урегулирования претензий готовы меняться. Они понимают, что ИИ сделает их работу более эффективной и, в конечном счете, они будут принимать лучшие решения, что позволит им не только лучше выполнять свою работу, но и лучше обслуживать своих клиентов.

Подготовлено порталом Allinsurance.kz