rian Mullins  é o CEO da Mind Foundry, um fornecedor de soluções de IA em Oxford, Reino Unido. Ele é um especialista em tecnologias de ponta na área de seguros. Conversamos com ele sobre os benefícios da IA ​​nos seguros e seu papel em levar produtos e serviços incorporados ao mercado.

Quão incorporada está a IA no mercado de seguros atual?

A IA está muito inserida no mercado de seguros, especialmente em comparação com outros setores de serviços financeiros. Vários avanços foram feitos em grande parte por disruptores, que usaram a IA para mudar as metodologias de seguros e esse investimento continua a otimizar suas práticas de negócios, ampliar sua vantagem competitiva e oferecer produtos centrados no cliente.

No entanto, olharemos para trás daqui a dez anos e veremos que estávamos apenas começando a arranhar a superfície do que é realmente possível. O desejo de mudar e implementar todos os benefícios da IA ​​são adulterados com a realidade de que muitas seguradoras são grandes organizações com forças de trabalho e práticas de trabalho que levarão anos para se ajustar. É por isso que grande parte da inovação até o momento foi preservada pelos disruptores das insurtechs.  

Por que a IA se tornou tão central para o processo de subscrição/atendimento ao cliente?

Os volumes de dados atuais significam que o processamento de cotações, renovações, reclamações, solicitações de clientes etc. está no limite do que pode ser tratado por operadores humanos assistidos por sistemas de informação tradicionais. Na última década, as empresas recorreram à automação de processos robóticos para acelerar os processos manuais e ampliar o trabalho de seus manipuladores. No entanto, hoje isso ainda não é suficiente e, para sobreviver nesses oceanos de dados, muito menos para inovar e ficar à frente da curva, as seguradoras, como muitas outras empresas, recorreram à IA para descobrir padrões mais sutis nos dados, ajustando-se automaticamente às novas tendências. , ameaças e oportunidades. Os algoritmos de Machine Learning podem ser treinados para descobrir o comportamento, preferência, inclinação para risco e até fraude dos segurados, aprendendo com exemplos passados ​​e adaptando-se a novos, sem a necessidade de intervenção humana.

Que tendências em tecnologia estamos vendo emergir?

O seguro baseado no uso tem sido uma parte central das carteiras de seguros há algum tempo, especialmente no seguro de automóveis, e no centro disso está a avaliação precisa do risco individual. Isso abriu caminho para um aumento nos modelos de classificação de comportamento de direção, impulsionados por dados telemáticos, que capturam os recursos de veículos conectados e computação de borda. O acesso a dados em tempo real está permitindo que as seguradoras reimaginem seus produtos de seguro e ofereçam ofertas de seguro hiperpersonalizadas.

Outra tendência emergente – que também vimos em outros setores – é o uso da IA ​​para acelerar o processamento de dados. Isso reduz o tempo humano necessário para processar sinistros ou investigar fraudes, o que permite que as seguradoras concentrem seus recursos humanos na validação, correção e investigação não trivial.

No entanto, vale a pena notar que algumas das tendências de IA que estavam começando a surgir – como a visão computacional – poderiam ser sufocadas por regulamentações muito necessárias, como a proposta recentemente publicada de um regulamento que estabelece regras harmonizadas sobre IA pela UE. Exemplos disso incluem o modelo de ML da Lemonade, que usa reconhecimento facial para avaliar se um reclamante é confiável, ou aplicativos que incluem o uso de imagens de computador para avaliar instantaneamente danos a um carro ou ajudar a aconselhar um cliente sobre os serviços médicos a serem procurados com base em seus sintomas .

A Hyper Automation também está surgindo. O que o diferencia de ML, RPA e IA e por que está se tornando popular?

A automação em geral tem sido amplamente utilizada em seguros, e o uso de Robotic Process Automation (RPA) é comum, se não assumido. O RPA automatiza tarefas específicas usando um conjunto de instruções. É particularmente eficiente quando se trata de interagir com os clientes, pois o uso de chatbots e a geração automática de repostas de reclamações liberam o tempo dos agentes de atendimento ao cliente para lidar com casos mais complexos.

No entanto, ela não pode evoluir ou aprender com novas informações da maneira que a IA pode. As eficiências de ponta a ponta da hiperautomação são o que a tornou tão popular. Pode ser considerado uma extensão do RPA que extrai tecnologias de IA e ML, mineração de processos e tomada de decisões para produzir soluções de automação de ponta a ponta.