IBM werkt op verschillende fronten samen met onze verzekeringsklanten, en gegevens van het IBM Institute for Business Value (IBV) identificeerden drie belangrijke vereisten die de managementbeslissingen van verzekeraars sturen:

1. Implementeer digitale transformatie om verzekeraars in staat te stellen nieuwe producten te leveren, de omzetgroei te stimuleren en de klantervaring te verbeteren.
2. Verbeter de kernproductiviteit (business en IT) en verlaag tegelijkertijd de kosten.
3. Omarm de incrementele modernisering van applicaties en data met behulp van een veilige hybride cloud en AI.

Verzekeraars moeten voldoen aan de volgende belangrijke vereisten om de transformatie van hun bedrijven te vergemakkelijken:

• Bied digitale aanbiedingen aan hun klanten.
• Word efficiënter.
• Gebruik data intelligenter.
• Beantwoord cyberveiligheidsproblemen.
• Streef naar een veerkrachtig en stabiel aanbod.

De meeste verzekeringsmaatschappijen hebben prioriteit gegeven aan digitale transformatie en modernisering van de IT-kern, waarbij gebruik wordt gemaakt van hybride cloud- en multi-cloudinfrastructuur en -platforms om de bovengenoemde doelstellingen te bereiken. Deze aanpak kan de speed-to-market versnellen door verbeterde mogelijkheden te bieden voor het ontwikkelen van innovatieve producten en diensten, het faciliteren van bedrijfsgroei en het verbeteren van de algehele klantervaring in hun interacties met het bedrijf.

IBM kan verzekeringsmaatschappijen helpen generatieve AI in hun bedrijfsprocessen te integreren

IBM is een van de weinige mondiale bedrijven die het scala aan mogelijkheden kan samenbrengen dat nodig is om de manier waarop verzekeringen op de markt worden gebracht, verkocht, onderschreven, onderhouden en betaald volledig te transformeren.

Met een sterke focus op AI in zijn brede portfolio blijft IBM een marktleider op het gebied van AI-gerelateerde mogelijkheden. In een recent Gartner Magic Quadrant is IBM in de rechterbovenhoek geplaatst vanwege zijn AI-gerelateerde mogelijkheden (dat wil zeggen, conversationeel AI-platform, inzichtmotoren en AI-ontwikkelaarsservice).

IBM watsonx™ AI- en dataplatform, samen met zijn reeks AI-assistenten, is ontworpen om de impact van AI te helpen schalen en versnellen met behulp van vertrouwde gegevens in het hele bedrijf.

IBM werkt samen met verschillende verzekeringsmaatschappijen om hoogwaardige mogelijkheden voor het gebruik van generatieve AI te identificeren. De meest voorkomende gebruiksscenario's bij verzekeringen omvatten het optimaliseren van processen die worden gebruikt voor het verwerken van grote documenten en blokken tekst of afbeeldingen. Deze gebruiksscenario's vertegenwoordigen vandaag al een kwart van de AI-werklast, en er is een aanzienlijke verschuiving in de richting van het verbeteren van de functionaliteit ervan met generatieve AI. Deze verbetering omvat het extraheren van inhoud en inzichten of het classificeren van informatie ter ondersteuning van de besluitvorming, zoals bij acceptatie en claimverwerking. Aandachtsgebieden waar het gebruik van generatieve AI-mogelijkheden een aanzienlijk verschil kan maken in de verzekeringssector zijn onder meer:

• Klantbinding
• Digitale arbeid
• Applicatie modernisering
• IT-operaties
• Cybersecurity

IBM creëert generatieve, op AI gebaseerde oplossingen voor verschillende gebruiksscenario's, waaronder virtuele agenten, conversatiezoeken, compliance- en regelgevingsprocessen, claimonderzoek en modernisering van applicaties. Hieronder geven we samenvattingen van enkele van onze huidige initiatieven voor generatieve AI-implementatie.

Klantbinding: Het verzorgen van verzekeringsdekkingen betekent dat je met veel documenten moet werken. Deze documenten omvatten beschrijvingen van verzekeringsproducten met gedetailleerde gedekte items en uitsluitingen, polis- of contractdocumenten, premienota's en -bonnen, evenals ingediende claims, uitleg van uitkeringen, reparatieschattingen, facturen van leveranciers en meer. Een aanzienlijk deel van de klantinteracties met de verzekeringsmaatschappij bestaat uit vragen over de dekkingsvoorwaarden voor verschillende producten, het begrijpen van het goedgekeurde claimbetalingsbedrag, de redenen voor het niet betalen van het ingediende claimbedrag en de status van transacties zoals premieontvangsten, claimbetalingen, verzoeken om beleidswijzigingen en meer.

Als onderdeel van onze generatieve AI-initiatieven kunnen we de mogelijkheid demonstreren om een ​​basismodel met snelle afstemming te gebruiken om de gestructureerde en ongestructureerde gegevens in de verzekeringsdocumenten (gegevens die verband houden met de klantvraag) te beoordelen en op maat gemaakte aanbevelingen te doen met betrekking tot het product, het contract of algemene verzekeringsaanvraag. De oplossing kan specifieke antwoorden bieden op basis van het profiel en de transactiegeschiedenis van de klant, waarbij toegang wordt verkregen tot de onderliggende polisadministratie en claimgegevens. De mogelijkheid om direct uitgebreide klantgegevens te analyseren, patronen te identificeren om inzichten te genereren en te anticiperen op de behoeften van klanten kan resulteren in een grotere klanttevredenheid.

Een voorbeeld van klantbetrokkenheid is een generatieve AI-gebaseerde chatbot die we hebben ontwikkeld voor een multinationale levensverzekeringsklant. De PoC laat de toegenomen personalisatie zien van de respons op vragen over verzekeringsproducten wanneer generatieve AI-mogelijkheden worden gebruikt.

Een andere chatbot die we voor een verzekeringsklant hebben ontwikkeld, toont de mogelijkheid voor de verzekeringnemer om een ​​uitgebreid beeld te krijgen van de dekkingen die in een verzekeringspakket worden geboden, inclusief premies voor elk van de verzekeringsdekkingen in het pakket. Op dezelfde manier wordt de mogelijkheid aangeprezen om een allerlei andere functies, zoals het toevoegen van vereiste documenten (bijvoorbeeld geboorteakten), het toevoegen van begunstigden die verzekeringsproducten onderzoeken en het aanvullen van de huidige dekking. Al deze mogelijkheden worden ondersteund door automatisering en gepersonaliseerd door traditionele en generatieve AI met behulp van veilige, betrouwbare basismodellen.

We laten hieronder een voorbeeld zien van een klant die informeert naar een specifieke tandheelkundige procedure en een antwoord op maat ontvangt op basis van kennis van de bestaande tandheelkundige dekkingen van de klant en het vermogen van de generatieve AI-chatbot om een ​​interactief gesprek te voeren (vergelijkbaar met dat van een deskundige klantenservice agent) die is afgestemd op de specifieke behoeften van de klant.

We ontwikkelen momenteel verschillende gebruiksscenario's, waaronder:

• Het verkrijgen van voorafgaande toestemming voor medische procedures.
• Het beheren van gezondheidsvoordelen.
• Het uitleggen van claimsbeslissingen en voordelen aan polishouders.
• Samenvatting van de claimgeschiedenis.

Hulp van verzekeringsagent/contactcenteragent: Verzekeringsmaatschappijen hebben op grote schaal Voice Response Units, mobiele apps en online, webgebaseerde oplossingen ingezet die klanten kunnen gebruiken voor eenvoudige vragen, zoals informatie over openstaande facturen en controles van de betalingsstatus van claims. De huidige reeks oplossingen is echter beperkt in functionaliteit en kan geen antwoord geven op de complexere vragen van klanten, zoals vermeld onder klantbetrokkenheid. Als gevolg hiervan nemen klanten vaak hun toevlucht tot het bellen van de verzekeringsagent of het contactcenter van de verzekeringsmaatschappij. Generatieve, op AI gebaseerde oplossingen die zijn ontworpen voor agenten kunnen de zoektijd voor documenten aanzienlijk verkorten, informatie samenvatten en adviesmogelijkheden mogelijk maken verhoogde productiviteit middeling 14-34% or zelfs 42%en betere klanttevredenheidsstatistieken. IBM implementeert al enkele jaren traditionele, op AI gebaseerde oplossingen bij verzekeringsmaatschappijen, met behulp van producten als IBM watsonx™ Assistant en IBM Watson® Explorer. We starten nu samenwerkingen met een paar verzekeringsmaatschappijen om basismodellen op te nemen en snel af te stemmen om de assistentiemogelijkheden van agenten te verbeteren.

Risicomanagement: Om verzekeringsbeslissingen met betrekking tot onroerend goed te nemen, verzamelen verzekeringsmaatschappijen een aanzienlijke hoeveelheid externe gegevens – waaronder de eigendomsgegevens die worden verstrekt in verzekeringsaanvraagformulieren, historische gegevens over overstromingen, orkanen, brandincidenten en misdaadstatistieken – voor de specifieke locatie van het onroerend goed. Hoewel historische gegevens openbaar beschikbaar zijn uit bronnen zoals data.govhebben gerenommeerde verzekeringsmaatschappijen ook toegang tot hun eigen acceptatie- en claimervaringsgegevens. Momenteel vergt het gebruik van deze gegevens voor het modelleren van risico's handmatig intensieve inspanningen, en worden de mogelijkheden van AI onderbenut.

Een actueel initiatief van IBM omvat het verzamelen van openbaar beschikbare gegevens die relevant zijn voor het afsluiten van eigendomsverzekeringen en het onderzoeken van claims om de basismodellen in het IBM® watsonx™ AI- en dataplatform te verbeteren. De resultaten kunnen vervolgens worden gebruikt door onze klanten, die hun eigen ervaringsgegevens kunnen gebruiken om de modellen verder te verfijnen. Deze modellen en bedrijfseigen gegevens zullen worden gehost binnen een veilige IBM Cloud®-omgeving, die speciaal is ontworpen om te voldoen aan de nalevingsvereisten van de regelgeving voor hyperscalers. De oplossing voor risicobeheer heeft tot doel de risico-evaluatie- en besluitvormingsprocessen aanzienlijk te versnellen en tegelijkertijd de kwaliteit van de beslissingen te verbeteren.

Modernisering van de code: Veel verzekeringsmaatschappijen met meer dan 50 jaar geschiedenis vertrouwen nog steeds op systemen die al in de jaren '70 zijn ontwikkeld, vaak gecodeerd in een mix van Cobol, Assembler en PL1. Het moderniseren van deze systemen vereist het omzetten van de oude code naar productieklaar Java of andere programmeertalen.

IBM werkt samen met verschillende financiële instellingen die generatieve AI-mogelijkheden gebruiken om de bedrijfsregels en logica die zijn ingebed in de bestaande codebase te begrijpen en de transformatie ervan naar een modulair systeem te ondersteunen. Het transformatieproces maakt gebruik van het IBM-componentenbedrijfsmodel (voor verzekeringen) en het BIAN-framework (voor het bankwezen) om het herontwerp te begeleiden. Generatieve AI helpt ook bij het produceren van testcases en scripts voor het testen van de gemoderniseerde code.

Het aanpakken van zorgen uit de sector met betrekking tot het gebruik van generatieve AI

In een onderzoek uitgevoerd door IBM's Institute for Business Value (IBV)hebben bedrijfsleiders hun zorgen geuit over de adoptie van generatieve AI. De grootste zorgen hebben betrekking op:

• Uitlegbaarheid: 48% van de geïnterviewde leiders van IBM is van mening dat beslissingen die door generatieve AI worden genomen, niet voldoende verklaarbaar zijn.
• Ethiek: 46% maakt zich zorgen over de veiligheid en ethische aspecten van generatieve AI.
• Vooroordelen: 46% is van mening dat generatieve AI gevestigde vooroordelen zal verspreiden.
• Vertrouwen: 42% is van mening dat generatieve AI niet te vertrouwen is.
• Naleving: 57% is van mening dat wettelijke beperkingen en naleving aanzienlijke belemmeringen vormen.

IBM pakt de bovenstaande problemen aan via zijn reeks watsonx-platformcomponenten: IBM watsonx.ai™ AI-studio, IBM watsonx.gegevens™-gegevensopslag en IBM watsonx.governance™ toolkit voor AI-beheer. Concreet biedt watsonx.governance de mogelijkheden om de gehele AI-levenscyclus te monitoren en te besturen door transparantie, verantwoording, afkomst, datatracking en monitoring van vooringenomenheid en eerlijkheid in de modellen te bieden. De end-to-end oplossing biedt leiders van verzekeringsmaatschappijen functies die verantwoorde, transparante en verklaarbare AI-workflows mogelijk maken bij gebruik van zowel traditionele als generatieve AI.

Zoals hierboven beschreven hebben we veel hoogwaardige mogelijkheden geïdentificeerd om verzekeringsmaatschappijen aan de slag te helpen met het gebruik van generatieve AI voor de digitale transformatie van hun verzekeringsbedrijfsprocessen. Bovendien kan generatieve AI-technologie worden gebruikt om nieuwe inhoudstypen aan te bieden, zoals artikelen (voor de marketing van verzekeringsproducten), gepersonaliseerde inhoud of e-mails voor klanten, en zelfs om te helpen bij het genereren van inhoud, zoals programmeercode, om de productiviteit van ontwikkelaars te verhogen.

De ervaring van IBM met het werken met klanten wijst op aanzienlijke productiviteitswinsten bij het gebruik van generatieve AI, waaronder het verbeteren van HR-processen om taken zoals het verwerven van talent en het beheren van de prestaties van werknemers te stroomlijnen; klantenservicemedewerkers productiever maken door hen in staat te stellen zich te concentreren op waardevollere interacties met klanten (terwijl digitale kanaalvirtuele assistenten die gebruik maken van generatieve AI eenvoudiger vragen afhandelen); en het besparen van tijd en moeite bij het moderniseren van verouderde code door generatieve AI te gebruiken om te helpen bij het refactoren en converteren van code.

Als u deze onderwerpen nader wilt bespreken, kunt u een e-mail sturen Kishore Ramchandani en Anuj Jaïn.

Zet de generatieve AI van Watsonx aan het werk