ผู้นำทางความคิด

จากการทำด้วยมือไปสู่อัตโนมัติ: การปรับปรุงระบบอัตโนมัติประกันภัยในยุค GenAI

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

บริษัทประกันภัยได้เข้าใจถึงประโยชน์ของการอัตโนมัติมาเป็นเวลานานแล้ว: การปรับปรุงกระบวนการทำงาน, การปรับปรุงการบริการลูกค้า, และการปลดปล่อยตัวแทนจากงานที่ไม่จำเป็น

ในขณะที่บางบริษัทประกันภัยที่มีการใช้เทคโนโลยีดิจิทัลเป็นหลักกำลังผลักดันให้ระบบอัตโนมัติเต็มรูปแบบ, บริษัทประกันภัยส่วนใหญ่ยังคงอยู่ในระดับการอัตโนมัติแบบไม่สมบูรณ์, ติดอยู่กับเครื่องมือที่ไม่สามารถตอบสนองความต้องการสมัยใหม่ได้ บริษัทเหล่านี้ยังคงทำงานผ่านความท้าทายพื้นฐาน เช่น ข้อมูลที่แยกจากกัน, กระบวนการทำงานที่ล้าสมัย, และความรู้เกี่ยวกับ AI ที่จำกัด ทำให้ยากต่อการขยายการอัตโนมัติโดยไม่เพิ่มความซับซ้อนและต้นทุน

GenAI กำลังเปลี่ยนแปลงความหมายของการอัตโนมัติ, ทำให้สามารถตัดสินใจได้อย่างชาญฉลาดในหลายๆ ด้าน เช่น การประกันภัย, การอ้างสิทธิ์, การบริการ, และอื่นๆ

เพื่อให้บรรลุถึงศักยภาพเต็มที่ของการอัตโนมัติ, บริษัทประกันภัยต้องใช้แนวทางที่เป็นขั้นตอนในการนำ AI มาใช้ เพื่อขยายการอัตโนมัติอย่างมีความรับผิดชอบ, ติดตามความก้าวหน้า, จัดลำดับความสำคัญของการลงทุน, และจัดการความเสี่ยง เมื่อ GenAI ในอุตสาหกรรมประกันภัยยังคงเติบโต, นี่คือสิ่งที่บริษัทประกันภัยต้องทราบ

การอัตโนมัติแบบดั้งเดิมไม่เพียงพอ

ในประวัติศาสตร์, การอัตโนมัติในอุตสาหกรรมประกันภัยมักจะหมายถึงระบบที่ใช้กฎและระบบอัตโนมัติแบบโรบอท (RPA), ซึ่งเป็นเครื่องมือที่มีประสิทธิภาพสำหรับงานที่ซ้ำๆ กัน แต่ไม่เพียงพอเมื่อเกิดการเปลี่ยนแปลงหรือการตัดสินใจที่ซับซ้อน แต่ด้วยต้นทุนการอ้างสิทธิ์ที่เพิ่มขึ้น, การตรวจสอบด้านกฎระเบียบที่เข้มงวดขึ้น, และลูกค้าที่ต้องการประสบการณ์ที่รวดเร็วและเป็นส่วนตัว, thị trườngปัจจุบันต้องการมากกว่านั้น

การอัตโนมัติที่ขับเคลื่อนด้วย AI กำลังช่วยให้สามารถจัดลำดับความสำคัญของความต้องการเหล่านี้

GenAI มีศักยภาพในการปรับปรุงการประกันภัย, การประเมินความเสี่ยง, และการปรับแต่งผลิตภัณฑ์ประกันภัยทั่วทั้งห่วงโซ่คุณค่าของประกันภัย แต่การนำมาใช้เพียงอย่างเดียวไม่เพียงพอ – หากไม่มีกลยุทธ์ที่ชัดเจนในการนำไปใช้, บริษัทประกันภัยอาจอัตโนมัติอย่างไม่มีประสิทธิภาพ, ก่อให้เกิดความเสี่ยงด้านการปฏิบัติตามกฎระเบียบ, และสูญเสียประโยชน์เต็มที่ของ GenAI

5 ระดับการอัตโนมัติประกันภัย

ได้รับแรงบันดาลใจจากระบบการจำแนกความสามารถการขับขี่อัตโนมัติ 5 ระดับ, บริษัทประกันภัยใช้โมเดลความตื่นรู้การอัตโนมัติของตนเองเพื่อประเมินความก้าวหน้าของการอัตโนมัติ

  • ระดับ 0 (การทำด้วยมือ): พบได้ทั่วไปในสภาพแวดล้อมที่มีประวัติศาสตร์และในหมู่ผู้ให้บริการร่วมที่เล็ก, ระดับ 0 ของบริษัทประกันภัยยังคงทำทุกอย่างด้วยมือ – การป้อนข้อมูลด้วยมือ, สเปรดชีต, และแบบฟอร์มกระดาษเป็นสิ่งที่โดดเด่นในกระบวนการทำงาน
  • ระดับ 1 (พื้นฐาน): ในระดับการอัตโนมัติขั้นพื้นฐาน, งาน เช่น การสร้างคำเสนอราคาหรือการประมวลผลแบบตรง (STP) สำหรับนโยบายที่ง่ายๆ จะถูกอัตโนมัติแบบบางส่วน, แต่มนุษย์ยังคงควบคุมกระบวนการทำงานหลัก
  • ระดับ 2 (เกิดใหม่): ที่นี่, การอัตโนมัติขับเคลื่อนกระบวนการทำงานส่วนใหญ่, แต่ยังคงมีการคาดหวังว่ามนุษย์จะเข้าแทรกแซงสำหรับกรณี ngoại lệ, เช่น สภาพการอ้างสิทธิ์ที่ไม่ปกติหรือสถานการณ์ที่ไม่ธรรมดา
  • ระดับ 3 (ขั้นสูง): ในระดับ 3, ชีวิตการประกันภัยทั้งหมดสามารถอัตโนมัติได้สำหรับผลิตภัณฑ์ประกันภัยมาตรฐาน เช่น ประกันภัยรถยนต์หรือบ้าน, โดยมีการป้อนข้อมูลจากมนุษย์เฉพาะสำหรับสถานการณ์ประกันภัยที่ผิดปกติ การชำระเงินอัตโนมัติและกระบวนการขอเงินชดเชยเป็นลักษณะเด่นของระดับนี้
  • ระดับ 4 (การอัตโนมัติเต็มรูปแบบ): บริษัทประกันภัยระดับ 4 ใช้เครื่องมือ GenAI และโมเดล Machine Learning (ML) เพื่อจัดการชีวิตการประกันภัยทั้งหมด, ตั้งแต่การโต้ตอบลูกค้าครั้งแรกจนถึงการชำระเงินสุดท้าย, โดยมีมนุษย์ให้คำแนะนำเชิงกลยุทธ์เท่านั้น Lemonade เป็นตัวอย่างที่สามารถประมวลผลการอ้างสิทธิ์ของลูกค้าได้ภายในสองวินาทีโดยไม่ต้องมีการตรวจสอบของมนุษย์, แสดงให้เห็นถึงการอัตโนมัติเต็มรูปแบบที่ประสบความสำเร็จ

ใดๆ ก็เป็นจุดเริ่มต้นที่ดี, แต่สำหรับบริษัทประกันภัยที่มีความตั้งใจแข่งขัน, การอัตโนมัติเต็มรูปแบบควรเป็นเป้าหมาย

เพื่อให้บรรลุเป้าหมายนี้, บริษัทประกันภัยต้องมีข้อมูลที่จัดระเบียบ, ระบบการกำกับดูแล AI และการปฏิบัติตามกฎระเบียบ, และกระบวนการตัดสินใจที่สามารถตรวจสอบได้เพื่อแก้ไขข้อกังวลด้านจริยธรรม, การหลอกลวง AI หรือความลำเอียง การฝึกอบรมพนักงานให้ทำงานร่วมกับ AI – การส่งคำถามที่ถูกต้อง, การตรวจสอบผลลัพธ์, และการชี้แนะกรณี ngoại lệ – มีความสำคัญไม่แพ้กับการพัฒนาเทคโนโลยีเอง

การอัตโนมัติขับเคลื่อนคุณค่า

ดังนั้น, การบรรลุการอัตโนมัติที่ขับเคลื่อนด้วย AI จริงๆ แล้วหมายถึงอะไรสำหรับบริษัทประกันภัย?

ในกระบวนการประมวลผลการอ้างสิทธิ์, GenAI กำลังเร่งกระบวนการประเมินและแจ้งการอ้างสิทธิ์ครั้งแรก (FNOL) – มากจนถึง 76% ของบริษัทประกันภัยได้นำ GenAI มาใช้หรือกำลังวางแผนเพื่อฝัง GenAI ลงในกระบวนการประมวลผลการอ้างสิทธิ์ของตน

ความสามารถนี้มีความสำคัญอย่างยิ่งในการตรวจจับการฉ้อโกง, เนื่องจาก AI มีความสามารถพิเศษในการระบุรูปแบบที่ผิดปกติที่อาจถูกพลาดไปโดยโมเดลแบบดั้งเดิม Mastercard เป็นตัวอย่างที่ได้ ใช้ GenAI เพื่อตรวจจับการฉ้อโกงบัตรเครดิต โดยเพิ่มความเร็วและความแม่นยำในการแจ้งเตือนการฉ้อโกงให้กับร้านค้าและลดการตรวจจับเท็จของธุรกรรมที่ฉ้อโกงได้ถึง 200% Insurtechs ก็ใช้ GenAI เพื่อตรวจสอบการอ้างสิทธิ์ในเวลาจริงเช่นกัน

การประกันภัยยังได้รับการปรับปรุงด้วยเครื่องมือสนับสนุนการตัดสินใจที่ขับเคลื่อนด้วย AI, ซึ่งสามารถแสดงความเสี่ยงในการส่งผลิตภัณฑ์ประกันภัยในเวลาจริงและแนะนำขั้นตอนต่อไปได้หลายบริษัทกำลังทดลองใช้เครื่องมือ GenAI ที่วิเคราะห์ข้อมูลการส่งผลิตภัณฑ์ประกันภัยและสร้างการประเมินเบื้องต้น, ลดเวลาในการทำงานของนักประกันภัยในการทำงานที่มีคุณค่าต่ำ

สุดท้ายนี้, GenAI ปรับปรุงการบริการลูกค้าทั่วทุกจุดติดต่อของประกันภัย, ปรับปรุงคุณภาพและความเร็วในการบริการด้วยตัวแทนเสมือนและเครื่องมือ GenAI

แผนการอัตโนมัติ AI: เริ่มต้นด้วยการวางแผน, ขยายการทำงานเชิงกลยุทธ์

การอัตโนมัติในอุตสาหกรรมประกันภัยไม่ใช่การเปลี่ยนแปลงที่เกิดขึ้นในทันที, และจะไม่นำไปสู่ “ชัยชนะที่รวดเร็ว” ที่หลายบริษัทประกันภัยคาดหวัง GenAI เป็นเครื่องยนต์, แต่บริษัทประกันภัยที่มีเป้าหมายการอัตโนมัติต้องขับเคลื่อนการเดินทางด้วยความตั้งใจ – วาดแผนการอัตโนมัติ, ขยายการทำงานเชิงกลยุทธ์, และติดตามความก้าวหน้าตามเวลา โดยการประเมินความตื่นรู้และจับคู่ AI กับการตัดสินใจของมนุษย์, บริษัทประกันภัยสามารถอัตโนมัติได้อย่างมั่นใจ, จัดตำแหน่งตัวเองเพื่อนำไปสู่อนาคตของประกันภัยอัจฉริยะ

ไม่ใช่แค่เรื่องของความสะดวกสบาย มันคือการทำให้เวลาที่ท้าทายที่ผู้คนหันมาขอความช่วยเหลือจากบริษัทประกันภัยของพวกเขาเป็นเรื่องที่ง่ายที่สุดในการนำทางมากกว่าที่เคยเป็นมา

Graham Gordon เข้าร่วม Sapiens ในปี 2021 ในตำแหน่ง Product & Strategy Director for P&C จาก LexisNexis Risk โดยที่เขานำเสนอผลิตภัณฑ์ใหม่หลายรายการเกี่ยวกับข้อมูลยานพาหนะและรถยนต์เชื่อมต่อ ก่อนหน้านี้ Graham เป็นส่วนหนึ่งของทีมผู้นำระดับสูงในตำแหน่ง Director of Marketing ที่ Masternaut (Michelin) โดยที่เขานำเสนอโครงการข้อมูลและวิเคราะห์หลายโครงการ รวมถึงการวิเคราะห์เชิงลึกและความเข้าใจเชิงพาณิชย์ของคุณค่าของพฤติกรรมของผู้ขับขี่ในภาคอุตสาหกรรมและภาคผู้บริโภค Graham จบการศึกษาระดับปริญญาตรีจาก Lancaster University, ระดับหลังปริญญาตรีจาก Chartered Institute of Marketing และเพิ่งจบการศึกษาระดับปริญญาโทจาก University of Cambridge โดยสำเร็จการศึกษาจาก Executive MBA Program ของ Judge Business School