跨越年龄谱系：如何赢得人工智能的信任

在保险业中，人工智能驱动的自动化已经开始带来可衡量的商业价值，改变了关键流程，并承诺提供更快、更高效的服务。

但它也引发了公平和问责的问题。

随着这项强大的技术进入更多的保险接触点，信任变得越来越有价值——尤其是在不同年龄段之间。年轻用户期望人工智能驱动大多数交互。老年用户则对其持怀疑态度。因此，设计能够满足不同年龄段客户需求和期望的人工智能体验成为了一项挑战。

为了实现这一目标，使用人工智能的保险公司（或承保人）必须超越其技术能力，努力优先考虑透明度、渐进式入职和人工智能-人类协作。对于保险行业来说，决策往往发生在人们生活中的敏感时刻，并以深远的方式直接影响他们，跨人工智能驱动决策建立信任不仅是一种选择：它将成为未来保险业的DNA。

人工智能期望：代际鸿沟

数字原住民一代，如千禧一代和Z世代，已经习惯了在银行、零售和媒体等领域的人工智能驱动体验。因此，年轻用户更有可能感到与人工智能应用和服务更加熟悉，因为这些工具正在扩展到其他领域。

例如，保险公司经常使用人工智能驱动的聊天机器人或虚拟助手来提供报价比较或政策建议，通常只需几秒钟。已经习惯于优先考虑速度和个性化的年轻用户可能不会对此感到惊讶，即使他们不完全理解其中的机制。

另一方面，X世代和婴儿潮一代通常更警惕这些人工智能机器人，特别是在涉及金钱或投资的决定时。这种老年人群更看重可解释性和保证，喜欢混合模型，即真人仍然可以作为接触点——引导他们完成保险决策或解释为什么某个索赔被批准或拒绝，即使人类并不执行所有操作。

必须记住，人们对人工智能的舒适度不仅取决于年龄，还取决于所涉及的风险。 当决策涉及高风险或高回报时——例如金融损失或保险覆盖——对人工智能隐藏逻辑的信任就会减少。

透明度：信任的基础

令人惊讶的是，高达80%的人工智能项目由于用户缺乏信任而失败。 在保险业等领域，信任和信心已经成为大多数交易的关键要素，这个数字只会增加。

为了建立信心，公司必须主动解释人工智能的工作原理和所使用的数据。 以CapitalOne为例，他们公开发布有关人工智能和机器学习使用的信息——如何提示模型、人工智能训练的数据以及更多——用于欺诈检测、信用风险评估和客户体验个性化，并与客户分享人工智能治理标准。

透明度努力有助于用户感到控制和放松，即使没有人类参与。为了弥合信任差距，尤其是对于老年客户，保险公司应该考虑提供“为什么我们做出这个决定”弹出窗口、清晰的数据政策选择页面以及在整个数字客户旅程中轻松访问上诉流程。

低风险使用案例

最成功的人工智能策略是将用户介绍给人工智能的价值，在低风险的背景下，然后扩展到高影响力的决策。

在保险的背景下，这可能意味着利用人工智能来帮助新保单持有人仅处理基本的保险询问或帮助代理人草拟常规的客户电子邮件——这些都是低风险的使用案例，允许员工和客户在没有害怕负面后果的情况下对人工智能建立信心。PayPal的面向客户的人工智能使用案例始终从不直接涉及资金的功能开始，例如使用人工智能检测可疑的登录尝试或推荐密码更新。

这些小的互动有助于新用户，尤其是来自老年一代的用户，适应人工智能，同时也加强了对年轻用户的技术先进品牌形象。随着时间的推移，这些建立信任的策略将使公司能够将人工智能扩展到更高风险的工作流程中，例如信用、索赔或贷款。

人类的触感仍然很重要

人工智能已经被证明可以提高人类的生产力，但让它完全接管将会侵蚀信任。特别是在保险或金融服务中，人类的同理心、判断力和背景理解仍然不可替代。

考虑摩根士丹利最近推出的金融顾问人工智能协同系统。该系统帮助他们更快地分析客户投资组合，但顾问仍然完全控制客户关系。对于老年用户来说，知道有人参与通常提供了安慰，而对于年轻客户来说，这可能被视为可信度和问责制的信号，尤其是在人工智能达到极限的情况下。

BCG全球人工智能信任调查发现，跨越所有年龄段，消费者更喜欢“人类安全网”模型，即人工智能提出建议，但最终决定由人做出。即使人工智能改进，获胜的公式将是混合的——人工智能负责速度和规模，人类负责细微差别和信任。

信任处理

保险业中人工智能的下一个采用阶段将受到信任的影响，就像其能力一样。

但这种信任不会一夜之间就到来。

成功的公司将是那些能够创造出快速和可解释的人工智能体验、自动化和个性化的人工智能体验，通过透明度、同理心和周到的设计跨越人口统计学差异。因为在人工智能做出比以往更多决定的世界中，信任是您可以提供的最重要的产品。