Artificiell försäkring? Hur maskininlärning förändrar försäkringsbranschen
För en bransch som har visat sig resistent mot förändring i århundraden, försäkras nu försäkringar i en digital revolution. Med införandet av fler maskininlärningsalgoritmer tar försäkringsgivarna in mer information för att bättre mäta risk och erbjuda mer skräddarsydda premiumpriser. På baksidan blir försäkringsprocessen effektiviserad för att ansluta sökande till transportörer mer effektivt och med färre fel.
Denna drastiska snabba förändring innebär stora saker för försäkringsgivare och sökande. Här är hur artificiell intelligens, eller AI, ligger på gränsen till försäkringsbranschen och där det kan gå under kommande år.
Bedömning av risk
Historiskt har försäkringsgarantierna åberopat information som lämnats på ansökningar för att bedöma riskerna kring en potentiell kund. Problemet är självklart att sökande kan vara oärliga eller göra misstag, vilket gör dessa riskbedömningar felaktiga.
Maskininlärning, särskilt naturligt språkförståelse (NLU), gör det möjligt för försäkringsgivarna att pore genom mer abstrakta informationskällor, som Yelp recensioner, sociala medier, SEC-arkiv och så vidare och dra relevant information tillsammans för att mer noggrant bedöma försäkringsbolagets potentiella exponering.
"[Med NLU] vår förmåga att faktiskt titta på dessa textkällor och dra upp mycket relevanta informationen ökar mycket, säger Andy Breen, SVP på Argo Digital. "Vi använder sig av dessa informationskällor som inte var tillgängliga eller enkelt sprids före."
Mer exakta riskbedömningar innebär mer lämpliga premier. I en bransch där den största skillnaden mellan försäkringsbolag inte är deras produkter, men deras priser kan en bättre och mer individualiserad exponeringsmodell göra stor skillnad, säger Sofya Pogreb, COO på Next Insurance.
"Traditionellt [industrin har erbjudit] "lägsta gemensamma nämnare" produkter: en standardansvarspolicy ", sade Pogreb. "Det du slutar med är en mycket odefinierad produkt, där ett bageri och en tvättomat har samma policy. Det är inte rätt sätt att gå till kunden. Att kunna konsumera mer data automatiskt kommer vi att se mer anpassning och kunderna kommer att gynnas genom att betala för täckning som de verkligen behöver. "
Upptäcka bedrägeri
Bedrägeri är ett stort problem för försäkringsbolagen och AI är en viktig vakthund i kampen mot bedrägliga fordringar. Som Samsung noterar i ett blogginlägg om förebyggande av förebyggande av bedrägerier handlar det om att upptäcka mönster som kan undvika mänsklig kognition:
"Fransk AI-startföretag Shift Technology införlivar denna teknik i sina bedrägeribekämpningstjänster, som redan har behandlat över 77 miljoner fordringar . De algoritmer för kognitiv maskininlärning har nått en noggrannhet på 75 procent för att upptäcka bedrägliga försäkringsanspråk. ML-algoritmerna ger information om misstänkta påståenden med potentiellt ansvar och reparationskostnadsbedömningar och föreslår förfaranden som kan lösa och förbättra bedrägeribekämpning. "
" Maskininlärningens förmåga att hjälpa till med att upptäcka misstänkta bedrägerier är väl etablerad, men mänsklig ledd datavetenskap är lika kompetent hittills. Den viktigaste skillnaden över tiden kommer att vara en kostnad ", säger Areiel Wolanow, VD för Finserv Experts Limited . "Professionella brottslingar kommer att hålla sig ajour med branschledande bedrägeriindikatorer och anpassa sitt beteende för att passa. Mänskliga datavetenskapare kommer att behöva iterera sin analys över tiden för att hålla takten, medan maskininlärningsalgoritmer tränar sig över tiden baserat på observerbara förändringar i underliggande data . "
Minskning av mänskligt fel
Fördelningskedjan i försäkringsbranschen är lindad och komplex. En serie mellanmän undersöker information mellan försäkrade och transportören, vilket leder till mycket mänskligt fel och manuellt arbete som saktar processen, säger Breen. AI börjar emellertid redan att åtgärda problemet.
Algoritmer kan minska tiden och antalet fel eftersom information skickas från en källa till en annan. Genom att logga in på en portal och ladda upp en PDF, minskar datainmatningen och återinmatningen och precisionen ökar, säger Breen. "Folk blir trötta och uttråkade och gör misstag, men algoritmer gör det inte", säger han. läggs till.
För Pogreb är överbryggning av klyftan mellan den försäkrade och försäkringsgivaren lika viktig som att minska felet. Med bättre data gagnar både kunder och försäkringsbolag, eftersom försäkringsgivare kan utveckla bättre produkter baserat på mer exakta bedömningar och kunderna kommer att betala för exakt vad de behöver.
"Med maskininlärning tror jag att vi kommer att kunna att göra ett mycket bättre jobb som ger konsumenten råd som automatiskt ", sa Pogreb. "Baserat på vad du berättar om ditt företag och vad jag vet om liknande, kan jag säga att det här är den rätta kombinationen av täckning för dig. Så det lägger inte onus varken på agenten eller på kunden - vem uppriktigt har inte erfarenheten eller kunskapen, men låter uppgifterna ge råd.
" Försäkringsframtidens AI
Försäkringsbranschen har bara börjat förvandla till AI, och företagen experimenterar redan med nya sätt att införliva det i sin dagliga verksamhet i väntan på ytterligare teknisk utveckling.
"Det är de allra första dagarna av AI", sade Breen. "För menliga, repetitiva uppgifter lägger vi datorn på den ... men vi är vägar borta från en datorens författare. Vi förstärker verkligen människor på det här steget."
Det är fortfarande en betydande förändring i branschen, han sa. Underwriters på Argo Digital börjar nu hantera portföljer, snarare än att granska varje enskilt inlämnande. De mer standardiserade förutsägbara kraven hanteras av maskininlärningsalgoritmer, säger Breen, och den mänskliga försäkringsgivaren finjusterar helt och hållet hela processen och ingriper i fall som kräver beslutsfattande beslut.
Pogreb ser ännu större potential för effektivisering av försäkringsprocessen. Hon förväntar sig att antalet ansökningar som en mänsklig försäkringsgivare kommer att behöva hantera kommer att minska avsevärt, eftersom maskininlärning gör ännu mer av fördjupning i försäkringsbranschen. "
" Vi tror på teknik och maskininlärning, en hel del [mänsklig försäkran ] kan göras bort med, sade Pogreb. "Andelen försäkringsapplikationer som kräver mänsklig beröring kommer att gå dramatiskt, kanske 80 till 90 procent, och till och med till låga enstaka siffror."
Medan AI har antagits på rudimentära sätt förändras det redan drastiskt landa. Försäkringsbolag som vill vara konkurrenskraftiga bör börja testa vatten i AI, säger Wolanow. "Företag kan förbereda sig och vara konkurrenskraftiga genom att börja utvärdera effekten av maskininlärning på sin verksamhet genom att prototyper sina egna algoritmer", säger Wolanow. "En individuell maskininlärningsalgoritm som utför sin analys på fristående basis är faktiskt ganska billigt, och i många fall är ett fristående analysverktyg mer än lämpligt för ändamål."
15 Varumärken som tillverkas i Amerika
Varje köp du gör är ett beslut att stödja vissa orsaker, produktionsstandarder och ekonomier. Detta är dock inte alltid ett medvetet beslut. Du köper saker du gillar, och tänker inte alltid på var produkterna egentligen kommer ifrån. För amerikanska konsumenter är det att stödja lokala ekonomier och jobb för att söka och köpa amerikanska produkter.
8 Tekniker som kommer att förändra hur du jobbar
Säkerhetstjänsterna och 3D-utskrift är bland de senaste teknikerna som är anpassade för att förändra hur du gör affärer, nya forskningsfynd. Förutom dessa två teknologier kommer moln, mobila enheter, bioteknik och hälsovård IT, analytik, autotech och artificiell intelligens att förändra industrier och möjliggöra nya affärsmodeller under de närmaste åren, enligt en studie från revisions-, skatte- och rådgivningsföretaget KPMG.
Populära Inlägg