Como a IA generativa agrega valor às seguradoras e seus clientes

As seguradoras lutam para gerenciar a lucratividade enquanto tentam expandir seus negócios e manter clientes. Elas devem cumprir uma carga regulatória crescente e competem com uma ampla gama de empresas de serviços financeiros que oferecem produtos de investimento com potencial de retornos melhores do que os produtos tradicionais de seguros de vida e anuidade. Embora as taxas de juros tenham aumentado a uma taxa sem precedentes no ano passado, com os bancos centrais tentando conter a inflação, uma parte significativa das reservas das seguradoras está presa em investimentos de baixo rendimento, e os rendimentos de seus investimentos não melhorarão por vários anos (como seu portfólios giram).

Grandes seguradoras bem estabelecidas têm a reputação de serem muito conservadoras em sua tomada de decisão e têm sido lentas para adotar novas tecnologias. Eles preferem ser “seguidores rápidos” do que líderes, mesmo quando apresentados com um caso de negócios convincente. Esse medo do desconhecido pode resultar em projetos fracassados que impactam negativamente o atendimento ao cliente e levam a perdas.

O trabalho da IBM com clientes de seguros, juntamente com estudos do Institute of Business Value (IBV) da IBM, mostra que as decisões de gerenciamento de seguradoras são baseadas em orquestração digital, produtividade central e necessidade de infraestrutura flexível. Para se alinharem aos principais imperativos e transformarem suas empresas, as seguradoras precisam disponibilizar ofertas digitais aos seus clientes, tornar-se mais eficientes, usar os dados de forma mais inteligente, lidar com as questões de cibersegurança e ter uma oferta resiliente e estável.

Para alcançar esses objetivos, a maioria das seguradoras concentrou-se na transformação digital, bem como na modernização do núcleo de TI, possibilitada pela infraestrutura e plataformas de nuvem híbrida e de nuvem. Essa abordagem pode acelerar a velocidade de lançamento no mercado, fornecendo recursos para o desenvolvimento de produtos e serviços inovadores para ajudar no crescimento da empresa, e também pode melhorar a experiência do cliente.

Sejam usadas em operações rotineiras de infraestrutura de TI, interações voltadas para o cliente ou análise de risco de back-office, subscrição e processamento de sinistros, a IA tradicional e a IA generativa são fundamentais para as iniciativas de modernização e transformação digital.

Modernização do núcleo com a IA

A maioria das principais seguradoras determinou que sua estratégia de médio a longo prazo é migrar o máximo possível de seu portfólio de aplicações para a nuvem.

Quando o uso da nuvem é combinado com IA generativa e recursos tradicionais de IA, essas tecnologias podem ter um enorme impacto nos negócios. O uso inicial da IA generativa geralmente é para tornar o DevOps mais produtivo. O AIOps integra várias ferramentas manuais separadas de operações de TI em uma plataforma de operações de TI única, inteligente e automatizada. Isso permite que as equipes de operações de TI e DevOps respondam de forma mais rápida (até mesmo de forma proativa) a lentidões e interrupções, melhorando assim a eficiência e a produtividade nas operações.

Uma abordagem de multinuvem híbrida combinada com os melhores recursos de controle de segurança e conformidade da categoria (como as funcionalidades que o IBM Cloud está habilitando para setores regulamentados) oferece uma proposta de valor atraente para grandes seguradoras em todas as regiões geográficas. Várias empresas de destaque em todas as regiões estão trabalhando com a IBM em sua principal jornada de modernização.

Transformação digital com a IA

As seguradoras estão reduzindo custos e proporcionando uma melhor experiência do cliente usando automação, digitalizando o negócio e incentivando os clientes a usar canais de autoatendimento. Com o advento da IA, as empresas agora estão implementando uma cognitive process automation que permite opções de autoatendimento de clientes e agentes e auxilia na automação de muitas outras funções, como help desk de TI e recursos de RH dos funcionários.

O lançamento dos recursos do ChatGPT gerou muito interesse nos modelos de base da IA generativa. Os modelos de base são pré-treinados em conjuntos de dados não rotulados e Aproveite o aprendizado autossupervisionado por meio de redes neurais. Os modelos de base estão se tornando um ingrediente essencial dos novos fluxos de trabalho baseados em IA, e os produtos IBM® Watson têm usado modelos de base desde 2020. . A biblioteca de modelos de base do watsonx.ai, da IBM, contém modelos de base desenvolvidos pela IBM, bem como vários modelos de linguagem de grande escala (LLMs) de código aberto da Hugging Face.

O aprendizado supervisionado usado para treinar a IA exige muito esforço humano. É difícil, requer uso intenso de rotulagem e exige meses de esforço. Por outro lado, o aprendizado autossupervisionado é impulsionado por computador, requer pouca rotulagem e é rápido, automatizado e eficiente. A experiência da IBM com modelos de base indica que há uma redução de 10 a 100 vezes nos requisitos de rotulagem e uma redução de seis vezes no tempo de treinamento (em comparação ao uso de métodos tradicionais de treinamento em IA).

Para alcançar a transformação digital com a IA, as seguradoras precisam obter uma boa compreensão de dados estruturados e dados não estruturados, organizá-los, gerenciá-los de maneira segura (em conformidade com as regulamentações dos setores) e possibilitar o acesso instantâneo aos dados "certos". Esse recurso é fundamental para proporcionar experiência do cliente superior, atrair novos clientes, reter clientes existentes e obter insights que podem levar a novos produtos inovadores. Também ajuda a melhorar as decisões de subscrição, reduzir fraudes e controlar custos. As principais seguradoras em todas as regiões estão implementando as arquiteturas de dados e o software de automação da IBM na nuvem.

Os recursos de IA generativa que possibilitam a transformação digital de hoje podem ser colocados em cinco domínios:

1. Sumarização: transforme textos em documentos grandes, conversas de voz e gravações com conteúdo específico do domínio em visões gerais personalizadas que destacam pontos importantes (como contratos de seguro, documentos de apólices e coberturas e respostas a perguntas frequentes de clientes).
2. Classificação: leia e classifique inputs escritos com apenas zero exemplos (como classificar solicitações de sinistros, classificar reclamações de clientes, analisar o sentimento do cliente, classificar o risco durante a subscrição de seguros e analisar a segmentação de clientes para o desenvolvimento de produtos de seguros).
3. Geração: gere conteúdo de texto para uma finalidade específica (por exemplo, campanhas de marketing com foco em produtos de seguro específicos, postagens e artigos de post de blog sobre vários tópicos relacionados a seguros, suporte personalizado para elaboração de e-mails de clientes e geração de código para uso por sistemas de tecnologia de seguros).
4. Extração: analise e extraia informações essenciais de texto não estruturado (como extrair informações de relatórios arquivados por agentes de seguros, extrair diagnóstico médico de médicos ou relatórios clínicos para uso na subscrição de seguros e avaliação de riscos).
5. Respostas a perguntas: crie uma funcionalidade de respostas a perguntas baseada em dados específicos (por exemplo, criar políticas e recursos de perguntas e respostas específicas de cobertura para agentes de atendimento ao cliente).

À medida que as seguradoras começam a usar a IA generativa para a transformação digital de seus processos de negócios de seguros, há muitas oportunidades para liberar valor.

O trabalho da IBM com os clientes mostra ganhos significativos de produtividade ao usar IA generativa, incluindo a melhoria dos processos de RH para simplificar tarefas como aquisição de talentos e gerenciamento do desempenho dos funcionários; tornar os agentes de atenção ao cliente mais produtivos, permitindo que eles se concentrem em interações de maior valor com os clientes (enquanto assistentes virtuais de canal digital usando IA generativa lidam com consultas mais simples); e economizar tempo e esforço na modernização do código legado usando IA generativa para ajudar na refatoração e conversão de código.