Jānis Kesteris: Mākslīgais intelekts palīdz transformēt apdrošināšanas nozari nākamajā līmenī

MI nepārprotami ļauj transformēt apdrošināšanas nozari nākamajā līmenī, padarot to efektīvāku, rentablāku un vairāk orientētu uz klientu. Bet ko tieši apdrošinātāji un apdrošināšanas ņēmēji no tā var sagaidīt tuvākajā nākotnē?

MI neapšaubāmā ietekme uz apdrošināšanas nozari bija skaidri redzama jau pirms vairākiem gadiem. Kādreiz apdrošināšana ne vienam vien saistījās ar laikietilpīgu dokumentācijas kārtošanu, vairākām klātienes tikšanās reizēm, sarežģītu atlīdzības prasību iesniegšanas procesu un ilgu lēmuma pieņemšanas laiku. MI apdrošināšanā ieviesa automatizācijas procesu, kas neviļus ir ļāvis atjaunot patērētāju uzticību apdrošināšanas pakalpojumu sniedzējam, veicinājis nozares izaugsmi, mazinājis riskus un krāpšanas gadījumus, automatizējis dažādus biznesa procesus, tādējādi mazinot kopējās izmaksas un nodrošinot iespējami labāko klientu apkalpošanas servisu.

Lai saglabātu savu konkurētspēju, apdrošinātājiem ir ļoti svarīgi savā darbā izmantot jaunākās tehnoloģijas, piemēram, mašīnmācīšanos, robotizētu procesu automatizāciju, dabiskās valodas apstrādi (Natural language processing) un citas. Viena no jomām, kur MI tiek plaši izmantots, ir atlīdzības pieteikumu izskatīšana. Ar MI rīkiem ir iespējams ne tikai analizēt un skaidrot atlīdzības pieteikumu datus, bet arī identificēt novirzes no normas un ieteikt, kā tālāk rīkoties. Apdrošinātāji mēdz izmantot dabiskās valodas apstrādes algoritmus, lai analizētu klientu atlīdzības pieteikumus un noteiktu pieteikumā ietverto pamatinformāciju, piemēram, bojājuma veidu, negadījuma vietu un datumu. Šos datus var izmantot, lai noteiktu atlīdzības pieteikuma pamatotību un uzsāktu tā izskatīšanu bez cilvēku iesaistes.

Piemēram, viens no veidiem, kā mašīnmācīšanās ir veiksmīgi ieviesta "If" veselības apdrošināšanas pieteikumu izskatīšanā, ir attēlu lasīšana. Galvenā problēma bija tā, ka pakalpojumu sniedzēji rēķinu un maksājuma apstiprinājuma dokumentu parasti izsniedz drukātā veidā, tāpēc apdrošināšanas ņēmējiem, iesniedzot atlīdzības pieteikumu, dati bija jāievada manuāli. Mēs nonācām pie risinājuma – "Microsoft Cognitive" pakalpojumu izmantošanas teksta nolasīšanai no attēla un mūsu pašu risinājuma izstrāde, kas "saprot" dokumentu saturu. Tagad šis rīks tiek izmantots "If Mobile" lietotnē un spēj atpazīt kopējo pakalpojuma maksu, pakalpojumu sniedzēja reģistrācijas numuru un nosaukumu, datumu un laiku, personas kodu un dokumenta numuru, tādējādi ietaupot klientu laiku un novēršot nepieciešamību pēc manuāla darba. Ir skaidrs, ka, mainoties dažādiem apstākļiem, algoritms var pieļaut kļūdas. Šādās situācijās mēs apmācām algoritmu konkrēto kļūdu nepieļaut atkārtoti un pārliecināmies, ka tā tiek novērsta. Runājot par datu privātumu, "Microsoft Cognitive" pakalpojumi neizpauž datus trešajām pusēm un dzēš tos pēc 24 stundām, tāpēc datu noplūdes risks ir ļoti zems.

MI apdrošināšanā plaši tiek izmantots arī krāpniecības gadījumu konstatēšanai un novēršanai. Šī joma ir "If" uzmanības centrā, un mūsdienās, kad tradicionālās krāpšanas atklāšanas metodes bieži vien ir laikietilpīgas un neefektīvas, MI krāpšanas atklāšanas rīkiem ir pa spēkam izanalizēt lielu datu apjomu un identificēt aizdomīgu uzvedību un pazīmes, kas var liecināt par krāpšanu vai tās mēģinājumu. Apdrošināšanas sabiedrības mēdz izmantot mašīnmācīšanās algoritmus, lai pētītu klientu datus un noteiktu uzvedības modeļus, kas saistīti ar negodīgām darbībām. Šie algoritmi var noteikt, piemēram, vairāku iesniegto atlīdzības pieteikumu esamību par vienu un to pašu traumu, atlīdzības pieteikumus par traumām, kas nevarētu būt gūtas attiecīgajā negadījumā, un atlīdzības pieteikumus, kas iesniegti no aizdomīgām atrašanās vietām vai neierastā laikā. Ir skaidrs, ka tuvākajā nākotnē MI rīki tiks izmantoti visaugstākajā līmenī, tādējādi padarot apdrošinātāju apkrāpšanu gandrīz neiespējamu.

Vēl viena svarīga joma, kurā mākslīgais intelekts, analizējot milzu datu apjomu no dažādiem avotiem, ir panācis būtiskus uzlabojumus, ir risku novērtējums. Tas ļauj apdrošinātājiem identificēt iespējamos riskus un novērst zaudējumus vēl pirms to rašanās.

Piemēram, "If" IT komanda ir izveidojusi risinājumu, kas analizē datus par postošiem laikapstākļiem, tādējādi nosakot, kurās atrašanās vietās pastāv vislielākie postījumu riski. Izmantojot šos datus, mēs varam veikt profilaktiskus pasākumus un palīdzēt saviem industriālās nozares klientiem pieņemt labāko lēmumu biznesa attīstībai zema riska atrašanās vietās.

Visbeidzot, apdrošinātāji MI plaši izmanto klientu pieredzes uzlabošanai. Lai klientiem nodrošinātu ātru un ērtu piekļuvi informācijai un atbalstam, tiek radīti tērzēšanas roboti, virtuālie palīgi un citi MI rīki. Tie var atbildēt uz biežāk uzdotiem jautājumiem, sniegt norādījumus par atlīdzības pieteikumu izskatīšanu un pat klienta vārdā uzsākt atlīdzības pieteikuma izskatīšanas procesu.

Nav šaubu, ka MI ir apdrošināšanas nozares neatņemama sastāvdaļa gan šodien, gan arī nākotnē. Izmantojot dažādus MI tehnoloģijas rīkus, panākta apdrošināšanas atlīdzības pieteikumu automatizēta izskatīšana ar minimālu cilvēka iesaisti. Manuprāt, tas, ietaupot izmaksas un laiku, palīdzēs nozarei piedāvāt labākas produktu kategorijas un sagatavot personalizētākus piedāvājumus, kas tiks ģenerēti, balstoties uz dažādu avotu datu analīzi. Taču jāpatur prātā, ka MI izmantošana rada arī vairākas problēmas, piemēram, datu privātuma, drošības un ētisku apsvērumu kontekstā. Apdrošinātājiem ir jānodrošina, ka MI tiek izmantots ētiskā un pārredzamā veidā un ka tiek aizsargāts klientu datu privātums. Apdrošinātājiem ir arī jārūpējas, lai MI algoritmi būtu droši un aizsargāti pret kiberuzbrukumiem.

Ieviešot dažādas MI tehnoloģijas, apdrošināšanas nozare nākotnē piedzīvos strauju izaugsmi. To izmantošana ietekmēs ne tikai apdrošinātājus, bet arī apdrošināšanas ņēmējus, izstrādājot klientam vispiemērotākos produktus un nodrošinot vēl ērtāku apkalpošanu.