用全面的 AI 方法重新构想保险

保险实务 用全面的AI方法重新构想保险 保险公司正在对其生成式AI应用场景的关键转折点进行考量。三位麦肯锡合伙人探讨了将生成式AI与其他技术结合的价值所在。 卡梅隆·塔利斯基，约尔格·穆斯霍夫和哈立德·里法伊 2024年8月 尽管向前迈进在利用生成式人工智能（genAI）的应用场景和能力时，许多保险公司发现自己被困在了试点阶段，无法扩大规模或提取价值。Jörg 穆施霍夫与卡梅伦·塔利什和凯勒德·里法伊坐下来讨论了组织如何通过利用传统人工智能和机器人流程自动化（以及通用人工智能）来摆脱“试点困境”。此外，他们强调了重新构想领域，如索赔、承保和分销的重要性，以及及早解决数据隐私、安全问题，特别是关于知识产权（IP）和其他相关问题的重要性。此转录已为清晰度进行了编辑。 约格·穆斯霍夫：对我们来说，GeneAI不仅仅是炒作 ，麦肯锡估计，GeneAI对全球经济的总潜力为4.4万亿美元。1许多保险领导者都在思考，“我们如何从首次应用案例中获取利益，并如何在全球范围内扩大规模和使业务模式实际化？”Cam，能否先为我们介绍您对通用人工智能的整体趋势的见解，以及哪些应用和领域可能对客户产生最大影响？ 卡梅隆·塔利斯基：我们在这个话题上看到了保险行业大量的兴趣和活动，这并不令人意外，因为保险业基于知识，涉及处理非结构化数据。而这正是通用人工智能模型非常擅长的地方。 在有前景的应用和领域中，三种用例类别正在获得关注 。首先也是最常见的，运营商正在探索使用生成式人工智能模型从非结构化来源提取洞察力和信息。例如，在理赔处理中，这可能涉及合成医疗记录或提取需求包中的信息。在商业财产责任保险公司（P&C）的承保过程中，这可以表现为从经纪人提交的信息中获取信息，或者让承保人能够更深入地了解这些信息。 无缝搜索和查询风险偏好和承保指引。 第二类是内容生成——尤其是创意内容。从营销或个性化的角度考虑。在此背景下，关于声明的沟通涉及到向声明人传达声明的状态，通过捕获与该声明特定相关的一些细节和微妙之处，以及与承保人沟通或协商。对于编码和软件开发的应用场景构成了最后一类。鉴于技术现代化和数字化的紧迫需求，以及许多保险公司仍在处理遗留系统的情况，这些应用显得尤为突出。 KhaledRifai:在客户参与和自助服务的背景下，我会再添加一点内容。考虑到保险客户想知道他们是否受到保障、理赔的状态，或是是否需要更新地址或姓名的需求，许多保险公司仍然依赖人工处理这些请求。借助通用人工智能（genAI），这些任务可以被自动化或设计为自助服务。我认为，通用人工智能的长期影响被低估了，而短期影响则被高估了。这意 许多保险公司和其他企业面临的困境。他们渴望从通用人工智能应用带来的好处中获得快速成果，但又犹豫不决，不愿投资于数据管理、技术现代化、组织变革和预算分配 。 考虑到我们对通用人工智能（genAI）的潜力抱有信心，其发展将需要高层管理团队和组织投入大量的参与、投资和承诺。 为了让它成为现实。为了使通用人工智能（genAI）真正成功，您必须将genAI与更传统的AI以及传统流程自动化技术结合使用。这些技术的结合构成了帮助您重新思考客户旅程和流程以获得正确的投资回报率的秘密配方。 1“超越炒作：捕捉AI和genAI在科技，媒体和电信领域的潜力”，麦肯锡，2024年2月22日。 约格·穆斯霍夫：这正是我们所看到许多参与者所做的 。但我们仍处于试点阶段。为什么组织会陷入这一阶段，以及它们如何能成功地从那里扩大规模？ 卡梅隆·塔利斯基：我们观察到许多组织陷入了我们称之为“试验炼狱”的状态，原因有多个。其中一个原因是过分关注技术而非关键因素。 从商业视角来看。许多组织已经识别出了多种应用场景，并组建了团队来开发这些资产。然而，大量的时间被投入到对不同工具，例如LLMs（大型语言模型 ）的测试、分析和基准测试中。 尽管语言模型的选择可能受到其他因素的制约，最终对性能的影响微乎其微，但在学习语言的过程中仍然至关重要。 尽管学习和尝试用例有价值，但这些操作需要妥善规划，以防止成为分心的因素。相反，那些考虑扩展的领先组织正在将注意力转向识别应用程序背后的通用代码组件。之前我们讨论了从非结构化来源提取信息。通常情况下，这些应用在后台具有相似的架构运行。因此，有可能创建可重用的模块，这可以加速构建类似用例的过程，同时使后台管理变得更加容易。 另一个组织容易陷入的领域是如何看待影响。我们看到许多组织从企业各个部分获取想法并予以优先考虑。但许多用例非常孤立，未能产生太多价值，因此组织延长了试点项目。 如果您没有从用例中看到价值，即使是孤立的，您也可能想要继续前进。越好 驱动业务价值的方法是重塑领域并探索每个领域内所有潜在行动，这些行动能够共同推动工作方式的根本变化。这不仅意味着审视可用的所有杠杆，而不仅仅是通用人工智能（genAI）。这种方法更有利于规模化发展，而非仅限于试点单一应用案例。 KhaledRifai:我完全同意。重塑领域是关键，因为你可以非常迅速地接触到与孤立应用场景相关的限制。 由于与其他系统和流程的依赖关系。在当前的通用人工智能（genAI）阶段，我们应该退一步，真正深入思考这一问题。 重新构想索赔、承保和分销。通过结合这些技术，并考虑如何设计能在正确的时间点捕获所需数据的过程，我们可以推动有意义的变化。这种方法不仅需要对技术的投入，还需要相当大的承诺、投资以及变革。 约格·穆斯霍夫：您是否能为我们的客户提供一些实际建议，指导他们如何着手建立并随着时间的推移发展这些能力？ 卡梅隆·塔利斯基：所有内容都必须基于战略视野和路线图，但在能力层面，数据架构至关重要，特别是在考虑获取规模时。你需要确保支持可能应用场景的数据处于可用状态。我们讨论了技术栈以及构建并以加速速度交付应用场景基础设施的概念。你也触及到了人才和运营模式的重要性，这些都是同样关键的。一些运营模式失败的原因之一是当努力仅由技术驱动而非业务驱动，且技术功能作为推动者时。评估中央开发与企业内部开发的比例是很重要的。 在人才方面，组织很可能采取构建与购买相结合的方式：从外部供应商处购买一些能力和应用场景，同时内部开发一些，如与知识产权和工作方式紧密相关的应用场景。为了内部开发，你需要具备相应的人才来创建这些能力。例如，新设立的职位如提示工程师负责研究我们如何与模型互动以及从中获得合适的行为。你需要建立这种能力和一些相关机制。 通过技术和业务的结合来部署这些功能，作为正确运营模式的一部分。 “您不应该等待，因为您需要建立这种力量来了解应该购买的解决方案。” -KhaledRifai KhaledRifai:一些公司正在考虑在大型供应商开始实施通用人工智能（genAI）后，关于数据管理应采取什么行动。他们是否应该只是等待观望？我们的答案是否定的——你不应该等待。正如Cam所说，你需要建立这种能力来理解不仅如何保持， 组织安全，以及您应该购买适合您需求的解决方案。 约格·穆斯霍夫：除了数据隐私和安全问题外，还有一个重大的监管问题。生成式人工智能（GenAI）可能存在偏见，这引发了伦理方面的疑问。在这些技术中长期应用的过程中，保险公司应重点关注什么以避免风险？ 卡梅隆·塔利斯基：首先且最重要的是，保险公司应建立一个全面的框架体系，涵盖主要与人工智能相关的风险，如数据隐私问题或准确性及幻觉方面的担忧。 顺便说一下，保险公司需要考虑由于客户或其互动的其他方使用生成人工智能所面临的风险。图像生成就是一个很好的例子，因为它可能导致欺诈索赔。 关于数据隐私，可以建立自动化流程来识别PII（个人可识别信息）并移除不必要的数据，确保这些数据不会离开安全环境。与业务紧密合作，确保有客观的评估指标和性能目标。在应用或使用案例投入生产前进行测试，同时在生产后实施定期审计，以确保达到预期的性能水平。 KhaledRifai:关于欧洲的监管方面，欧盟的人工智能法案最近已获通过。尽管存在国家层面的调节空间，保险行业的国家级监管机构将会有一定的自主权来实施这一法案。 查看特定案例以确定标准。根据我的经验，这些规定对于客户来说足够适用。我不会从高风险案例开始，特别是那些可能影响被保险人生命和健康决策的案例，而是从我们确信可以实施的其他用例开始。 以安全、客户友好的方式实现。需要记住的是，没有什么是固定的，持续的法规制定过程意味着一步一步来。 卡梅隆·塔利斯基是麦肯锡芝加哥办事处的合伙人JörgMušhoff是柏林办公室的高级合伙人KhaledRifai是合伙人. 版权所有©2024麦肯锡公司。保留所有权利。