Kunstig forsikring? Hvordan Maskinindlæring forvandler Underwriting
For en industri, der har bevist modstandsdygtighed over for århundreder, er forsikringen nu under en digital revolution. Med fremkomsten af flere maskinindlæringsalgoritmer inddrager garantister flere oplysninger for bedre at måle risiko og tilbyde mere skræddersyede præmiepriser. På bagsiden er forsikringsprocessen strømlinet for at forbinde ansøgere med luftfartsselskaber mere effektivt og med færre fejl.
Denne drastiske hastighedsændring betyder store ting for både forsikringsselskaber og ansøgere. Her er hvordan kunstig intelligens eller AI ligger på forsiden af forsikringsbranchen, og hvor den kan komme på vej i de kommende år.
Risikovurdering
Historisk har forsikringsgarantier påberåbt sig oplysninger, der er givet på ansøgninger til vurdering af risiciene omkring en potentiel kunde. Problemet er selvfølgelig, at ansøgere kan være uærlige eller lave fejl, hvilket gør disse risikovurderinger upræcise.
Maskinindlæring, specielt naturlig sprogforståelse (NLU), gør det muligt for forsikringsselskaberne at pore gennem mere abstrakte kilder til information, som f.eks. anmeldelser, sociale medier, SEC-arkiver og så videre og trækker relevante oplysninger sammen for bedre at vurdere forsikringsselskabets potentielle eksponering.
"[Med NLU] vores evne til faktisk at se på disse tekstdata og trække meget relevante Informationen er stærkt øget, "siger Andy Breen, SVP hos Argo Digital. "Vi bruger disse informationskilder, der ikke var tilgængelige eller let formidlede før."
Flere nøjagtige risikovurderinger betyder mere passende præmier. I en branche hvor den største forskel mellem forsikringsselskaber ikke er deres produkter, men deres priser, kan en bedre og mere individualiseret eksponeringsmodel gøre en stor forskel, sagde Sofya Pogreb, COO på Next Insurance.
"Traditionelt [branchen har tilbudt] 'laveste fællesnævner' produkter: en standardansvarspolitik, "sagde Pogreb. "Hvad du ender med er et meget udifferentieret produkt, hvor et bageri og et vaskeri har samme politik. Det er ikke den rigtige måde at gå til kunden. At kunne forbruge flere data automatisk, vil vi se mere tilpasning og kunderne vil være til gavn ved at betale for dækning, som de virkelig har brug for. "
Svindelbekæmpelse
Svig er et stort problem for forsikringsselskaber, og AI er en vigtig vagthund i kampen mod svigagtige krav. Som Samsung noterer sig i et blogindlæg om forebyggelse af forebyggelse af forsikring handler det om at opdage mønstre, der kunne undslippe menneskelig erkendelse:
"Fransk AI-startfirma Shift Technology indarbejder denne teknologi i deres svindelforebyggelsesydelser, som allerede har behandlet over 77 millioner fordringer . De algoritmer til kognitiv maskinindlæring har nået en nøjagtighedsgrad på 75 procent for at opdage svigagtige forsikringskrav. ML-algoritmerne indeholder detaljer om mistænkelige krav med potentielle ansvar og reparationsomkostninger og foreslår procedurer, der kan løse og forbedre svindelbeskyttelse. "
" Maskinindlærings evne til at hjælpe med at spotte mistænkt bedrageri er veletableret, men menneskeskabt datalogi er lige så i stand til så langt. Hovedforskellen over tid vil være en af omkostningerne, "siger Areiel Wolanow, administrerende direktør hos Finserv Experts Limited . "Professionelle kriminelle vil holde sig ajour med branchens førende svindelindikatorer og tilpasse deres adfærd for at passe. Menneskelige datalogikere skal i løbet af tiden analysere deres analyse for at holde tempoet, mens maskininlæringsalgoritmer træner sig over tid baseret på observerbare ændringer i de underliggende data . "
Reducering af menneskelig fejl
Forsyningskæden i forsikringsbranchen er snoede og komplekse. En række mellemmænd undersøger oplysninger mellem den forsikrede og transportøren, der fører til en masse menneskelig fejl og manuel arbejde, der bremser processen, siger Breen. Men AI er allerede begyndt at løse dette problem.
Algoritmer kan reducere tid og antal fejl, da oplysninger sendes fra en kilde til den næste. Ved at logge ind på en portal og uploade en PDF reduceres mængden af dataindtastning og genindtastning, og nøjagtigheden øges, siger Breen. "Folk bliver trætte og kede og gør fejl, men algoritmer gør det ikke," han tilføjet.
For Pogreb er broen mellem klienten og forsikringsselskabet lige så vigtigt som at reducere fejlen. Med bedre data kan både kunder og forsikringsselskaber gavne, fordi forsikringsselskaber kan udvikle bedre produkter baseret på mere præcise vurderinger, og kunderne betaler for præcis, hvad de har brug for.
"Med maskinindlæring tror jeg, at vi vil kunne at gøre et meget bedre job, der giver forbrugeren rådgivning automatisk, "sagde Pogreb. "Baseret på, hvad du fortæller mig om din virksomhed og hvad jeg ved om lignende, tror jeg, at dette er den rigtige kombination af dækning for dig. Så det sætter ikke påbudet på agenten eller på kunden - hvem ærligt har ikke erfaring eller viden - men lad dataene give rådgivning.
" Forsikringens fremtid AI
Forsikringsbranchen har kun begyndt at forfalske i AI, og virksomheder eksperimenterer allerede med nye måder at indarbejde det i deres daglige drift i forventning om yderligere teknologisk udvikling.
"Det er de meget tidlige dage af AI," sagde Breen. "For mærkelige, gentagne opgaver sætter vi computeren på den ... men vi er veje væk fra en computerens forfatter. Vi forstærker bare mennesker på dette tidspunkt."
Det er stadig en betydelig ændring i branchen, han sagde. Underwriters hos Argo Digital er nu begyndt at styre porteføljer, snarere end at gennemgå hvert enkelt indsendelse. De mere standardiserede forudsigelige krav håndteres af maskininlæringsalgoritmer, siger Breen, og den menneskelige garantistyrker i det væsentlige finjusterer hele processen og intervenerer i sager, der kræver højere ordens beslutningstagning.
Pogreb ser endnu større potentiale for effektivisering af tegningsprocessen. Hun forventer, at antallet af ansøgninger, som en menneskelig forsikringsmand vil blive pålagt at håndtere, vil falde betydeligt, da maskinindlæring gør endnu mere forfald i forsikringsbranchen.
"Vi tror på teknologi og maskinindlæring, en masse [menneskelig forsikring ] kan gøres væk med, "sagde Pogreb. "Procentdelen af forsikringsapplikationer, der kræver menneskelig berøring, vil falde dramatisk, måske 80 til 90 procent, og endda til lave enkeltcifre."
Selvom vedtagelsen af AI er kommet på rudimentære måder, ændrer det allerede drastisk jord. Forsikringsselskaber, der ønsker at forblive konkurrencedygtige, bør begynde at teste AI's farvande, siger Wolanow.
"Virksomheder kan forberede og forblive konkurrencedygtige ved at begynde at vurdere virkningen af maskinindlæring på deres forretning ved at prototyper deres egne algoritmer," siger Wolanow. "En individuel maskinindlæringsalgoritme, der udfører sin analyse på et selvstændigt grundlag, er faktisk ret billigt, og i mange tilfælde er et frittstående analyseværktøj mere end egnet til formål."
Negativ, men høflig, Online anmeldelser er ikke så dårlige for erhvervslivet
Ikke alle negative anmeldelser har samme skadelige virkning, siger ny forskning. Online negative anmeldelser, der kompenseres af en høflighedsfaktor, kan faktisk hjælpe med at sælge produkter og tjenester og øge mærkeopfattelsen, ifølge en undersøgelse i Journal of Consumer Research. I en række af fem eksperimenter undersøgte undersøgelsens forfattere, hvordan inddragelse af en markør for høflighed i en negativ produktanmeldelse ramte billedet af både korrekturlæseren og produkt.
HP Specter x360 (13-tommers) anmeldelse: Er det godt for erhvervslivet?
HPs nye Specter x360 er en fantastisk, alsidig notebook, som vil gøre en god arbejdskammerat. Det giver hurtig ydelse, lang batterilevetid og et slankt og alsidigt foldet design. Du får også aktiv penstøtte til at tage notater lige på skærmen, og et tastatur, der er så behageligt det vil ødelægge andre ultraslim-bærbare computere til dig.
Populære Indlæg