Kunstig forsikring? Hvordan Maskinlæring er Transforming Underwriting
For en bransje som har vist seg å være bestandig mot forandring i århundrer, er forsikring nå under en digital revolusjon. Med tilkomsten av flere maskinlæringsalgoritmer, gir forfattere inn mer informasjon for bedre å måle risiko og tilby mer skreddersydde premiepriser. På baksiden er forsikringsprosessen strømlinjeformet for å koble søkere med transportører mer effektivt og med færre feil.
Dette drastiske nivået av rask forandring betyr store ting for både forsikringsselskaper og søkere. Her er hvordan kunstig intelligens, eller AI, ligger på forsiden av forsikringsbransjen, og hvor det kan gå i årene som kommer.
Risikovurdering
Historisk har forsikringsgarantier støttet informasjon gitt på søknader for å vurdere risikoene rundt en potensiell klient. Problemet er selvsagt at søkere kan være uærlige eller gjøre feil, noe som gjør disse risikovurderingene unøyaktige.
Maskinlæring, spesielt naturlig språkforståelse (NLU), gjør det mulig for forsikringsselskaper å pore gjennom mer abstrakte informasjonskilder, for eksempel Yelp vurderinger, sosiale medier, SEC-arkiver og så videre, og trekk relevant informasjon sammen for å bedre vurdere forsikringsselskapets mulige eksponering på en tilstrekkelig måte.
"[Med NLU] vår evne til å se på disse tekstdata kildene og trekke ut svært relevant informasjonen øker kraftig, sier Andy Breen, SVP på Argo Digital. "Vi bruker disse informasjonskildene som ikke var tilgjengelige eller enkelt formidles før."
Mer nøyaktige risikovurderinger betyr mer passende premier. I en bransje hvor den største forskjellen mellom forsikringsselskapene ikke er deres produkter, men deres priser, kan en bedre, mer individuell eksponeringsmodell gjøre stor forskjell, sa Sofya Pogreb, COO på Next Insurance.
"Tradisjonelt [industrien har tilbudt] "laveste fellesnævner" -produkter: en standardansvarspolitikk, "sa Pogreb. "Det du ender med er et veldig utifferentiert produkt, hvor et bakeri og et vaskeri har samme policy. Det er ikke den rette måten å gå for kunden. Å kunne konsumere flere data automatisk, vil vi se mer tilpasning, og kunder vil dra nytte av å betale for dekning de virkelig trenger. "
Registrering av svindel
Svindel er et stort problem for forsikringsselskaper, og AI er en nøkkelvakt i kampen mot svindelskader. Som Samsung notater i et blogginnlegg om forebygging av forsikringssvindel handler det om å oppdage mønstre som kan unnslippe menneskelig kognisjon:
"Fransk AI-oppstartsselskap Shift Technology inkorporerer denne teknologien i deres svindelforebyggende tjenester, som allerede har behandlet over 77 millioner krav De algoritmer for kognitiv maskinlæring har nådd en nøyaktighetsgrad på 75 prosent for å oppdage sviktende forsikringskrav. ML-algoritmene gir opplysninger om mistenkelige krav med potensiell erstatningsansvar og reparasjonskostnader og foreslår prosedyrer som kan løse og forbedre svindelbeskyttelse. "
" Muligheten for maskinlæring for å hjelpe til med å oppdage mistenkt bedrageri er godt etablert, men menneskeskapte datavitenskap er like i stand til nå. Hovedforskjellen over tid vil være en av kostnadene, sier Areiel Wolanow, administrerende direktør hos Finserv Experts Limited . "Profesjonelle kriminelle vil holde seg oppdatert med bransjeledende svindelindikatorer og tilpasse deres oppførsel for å passe. Menneskelige datavitenskapere trenger å gjenta deres analyse over tid for å holde tempoet, mens maskinlæringsalgoritmer trener seg over tid basert på observerbare endringer i underliggende data . "
Redusere menneskelig feil
Fordelingskjeden i forsikringsbransjen er svingete og komplekse. En rekke mellommenn undersøker informasjon mellom den forsikrede og transportøren, noe som fører til mye menneskelig feil og manuell arbeid som bremser prosessen, sa Breen. Imidlertid begynner AI allerede å fikse dette problemet.
Algoritmer kan redusere tid og antall feil ettersom informasjonen er overført fra en kilde til en annen. Ved å logge inn på en portal og laste opp en PDF, blir mengden datainngang og re-entry redusert og nøyaktigheten økes, sier Breen. "Folk blir sliten og kjedelig og gjør feil, men algoritmer gjør det ikke," han lagt til.
For Pogreb er det like viktig å bygge bro mellom gapet mellom forsikrede og forsikringsselskapet som å redusere feilen. Med bedre data, kan både kunder og forsikringsselskaper ha fordel, fordi forsikringsselskapene kan utvikle bedre produkter basert på mer nøyaktige vurderinger, og kundene vil betale for akkurat det de trenger.
"Med maskinlæring tror jeg vi vil kunne å gjøre en mye bedre jobb som gir forbrukeren råd om automatisk, sier Pogreb. "Basert på hva du forteller om virksomheten din og hva jeg vet om lignende, kan jeg si at dette er den rette kombinasjonen av dekning for deg. Så det setter ikke onus heller på agenten eller på kunden - hvem ærlig har ikke opplevelsen eller kunnskapen - men lar dataene gi råd.
" Forsikringens fremtid AI
Forsikringsbransjen har bare begynt å forfølge AI, og bedrifter eksperimenterer allerede med nye måter å innlemme den i deres daglige drift i påvente av videre teknologisk utvikling.
"Det er de aller første dagene til AI," sa Breen. "For mesterlige, repeterende oppgaver setter vi datamaskinen på den ... men vi er veier borte fra en dataskriver. Vi forstår bare mennesker på dette punktet."
Det er fortsatt en betydelig forandring i bransjen, han sa. Underwriters på Argo Digital begynner nå å administrere porteføljer, i stedet for å gjennomgå hver enkelt innsendelse. Jo mer standardiserte, forutsigbare krav håndteres av maskinlæringsalgoritmer, sier Breen, og den menneskelige garantien er i det vesentlige finjustere hele prosessen og griper inn i saker som krever høyere rekkefølge beslutningstaking.
Pogreb ser enda større potensial for effektivisering av garantiprosessen. Hun forventer at antall søknader en menneskelig garantistyrer vil ha behov for å håndtere, vil synke betydelig, ettersom maskinlæring gir enda mer forvirring til forsikringsbransjen.
"Vi tror på teknologi og maskinlæring, mye [menneskelig forsikring ] kan gjøres unna med, "sa Pogreb. "Prosentdelen av forsikringsapplikasjoner som krever menneskelig berøring, vil gå dramatisk, kanskje 80 til 90 prosent, og til og med til lave enkelsifre."
Selv om adopsjon av AI har kommet på rudimentære måter, er det allerede drastisk endring av lagene til land. Forsikringsselskaper som ønsker å bli konkurransedyktige bør begynne å teste vannet i AI, sier Wolanow. «Selskapene kan forberede seg og bli konkurransedyktige ved å begynne å vurdere effekten av maskinlæring på deres virksomhet ved å prototype egne algoritmer,» sa Wolanow. "En individuell maskininlæringsalgoritme som utfører sin analyse på frittstående grunnlag, er faktisk ganske billig, og i mange tilfeller er et frittstående analyseverktøy mer enn egnet for formål."
Fungerer belønningsprogrammer? De fleste bedrifter vet ikke
Virker som om du ikke kan svinge et lerretskjøp uten å trykke på et "shopper belønning" -program, men det viser seg Ubiquity betyr ikke nødvendigvis at de jobber. Det er funnet på en ny studie som så på kundesuksessprogrammer i hele gjestfrihetsbransjen og fastslått at mens nesten alle restauranter og hotellkjeder har en, har få funnet ut om de oversetter til høyere salg eller faktisk kundeloyalitet.
Videoovervåkningssystemer: En Kjøpsveiledning
Kameraene overvåker hva som skjer både i og utenfor en bedrift, mens opptaksenhetene lagrer hele videoen slik at bedriftseiere kan se på film heller ikke leve eller på et senere tidspunkt. "Et videoovervåkningssystem lar brukerne se og ta opp levende videofilmer fra kameraer som ligger i eller utenfor en bedrift," sier Luis Orbegoso, president for ADTs Small Business Unit.
Populære Innlegg