保险公司如何与 IBM 合作实施基于生成式 AI 的解决方案

IBM 通过不同层面与我们的保险客户合作，IBM 商业价值研究院 (IBV) 的数据确定了指导保险公司管理层决策的三个关键要求：

1. 通过数字化转型，使保险公司能够交付新产品、推动收入增长并改善客户体验。
2. 提高核心生产力（业务和 IT），同时降低成本。
3. 利用安全的混合云和 AI，逐步推进应用和数据的现代化改造。

保险公司必须满足以下关键要求，以推动公司转型：

• 向客户提供数字化产品。
• 提升效率。
• 更智能地使用数据。
• 应对网络安全问题。
• 努力提供稳定可靠的解决方案。

大多数保险公司已优先考虑数字化转型和 IT 核心现代化，使用混合云和多云基础设施及平台来实现上述目标。这种方法可以通过增强开发创新产品和服务的能力来加快产品上市速度，促进业务增长，并改善客户与公司互动时的整体体验。

IBM 是为数不多的能够整合全方位能力的全球性公司之一，这些能力足以彻底变革保险营销、销售、承保、服务和赔付的方式。

IBM 在其广泛的产品组合中高度聚焦 AI，因此在 AI 相关能力方面一直是行业领导者。在最新的 Gartner 魔力象限中，IBM 因其 AI 相关能力（即会话式 AI 平台、洞察引擎和 AI 开发者服务）而被置于右上象限。

IBM watsonx™ AI 和数据平台及其一系列 AI 助手，旨在帮助企业利用可信数据在整个业务中扩展和加速 AI 的影响力。

IBM 与多家保险公司合作，识别使用生成式 AI 的高价值机会。最常见的保险用例包括优化用于处理大量文档、文本块或图像的流程。这些用例目前已占 AI 工作负载的四分之一，并且正朝着使用生成式 AI 增强其功能的方向发生重大转变。这种增强涉及提取内容和洞察，或对信息进行分类以支持决策，例如在承保和理赔处理中。生成式 AI 能力可以发挥重要作用的保险业重点领域包括：

• 用户参与
• 数字化劳动力
• 应用程序现代化
• IT 运营
• 网络安全

IBM 正在为各种用例创建基于生成式 AI 的解决方案，包括虚拟代理、会话式搜索、合规与监管流程、理赔调查和应用现代化。下面，我们总结了一些当前正在进行的生成式 AI 实施计划。

客户互动： 提供保险服务涉及处理大量文档。这些文档包括详细说明保障项目和除外责任的保险产品描述、保单或合同文件、保费账单和收据，以及提交的理赔、福利说明、维修估价、供应商发票等等。客户与保险公司互动的一大部分内容是询问关于各种产品的保障条款和条件、了解批准的理赔金额，不支付所提交的理赔金额的原因以及交易状态，例如保费收入、理赔支付、政策变更请求等。

作为我们生成式 AI 计划的一部分，我们可以展示这样一种能力：使用带有提示调优的基础模型来审查保险文档中的结构化和非结构化数据（与客户查询相关的数据），并就产品、合同或一般保险咨询提供量身定制的建议。该解决方案能够根据客户的资料和交易历史，访问底层的保单管理和理赔数据，提供具体答案。能够即时分析大量客户数据、识别模式以生成洞察并预测客户需求，可以带来更高的客户满意度。

客户互动的一个例子是我们为一家跨国人寿保险公司开发的基于生成式 AI 的聊天机器人。该概念验证展示了当使用生成式 AI 能力时，对保险产品查询的响应个性化程度得以提高。

我们为另一家保险客户开发的聊天机器人展示了投保人能够全面查看保险组合中提供的保障，包括组合中包含的每一项保险的保费。同样，它还宣称能够执行各种其他功能，例如添加所需文件（如出生证明）、添加受益人、查询保险产品以及补充当前保障。所有这些功能都通过自动化得以辅助，并通过使用安全、可信的基础模型的传统 AI 和生成式 AI 实现个性化设置。

下面我们展示一个示例：一位客户询问特定的牙科手术，并根据对客户现有牙科保障的了解，以及生成式 AI 聊天机器人能够进行针对客户特定需求量身定制的交互式对话（类似于专家级客服代理），收到了量身定制的回复。

我们目前正在开发多个用例，其中包括：

• 获取医疗手术的预先授权。
• 管理健康福利。
• 向投保人解释理赔决定和福利。
• 汇总理赔历史记录。

保险智能体/联络中心智能体协助：保险公司广泛部署了语音应答设备、移动应用程序和基于网络的在线解决方案，客户可以使用这些解决方案进行简单的查询，例如余额到期信息和理赔支付状态检查。然而，当前这套解决方案功能有限，无法回答客户参与部分列出的更复杂的客户查询。因此，客户通常会致电保险智能体或保险公司的联络中心。为智能体设计的基于生成式 AI 的解决方案可以显著减少文档搜索时间、总结信息并实现顾问式功能，从而提高生产力 （平均 14–34% ，甚至 42%） ，并改善客户满意度指标。IBM 多年来一直使用 IBM watsonx™ Assistant 和 IBM Watson Explorer 等产品，在保险公司实施基于传统 AI 的解决方案。我们现在正开始与几家保险公司合作，整合基础模型和提示调优，以增强智能体协助能力。

风险管理：为了做出与财产相关的承保决策，保险公司会收集大量外部数据——包括保险申请表中提供的财产数据、特定财产所在地的历史洪水、飓风、火灾事故记录和犯罪统计数据。虽然历史数据可以从 data.gov 等 来源公开获取，但成熟的保险公司也可以访问自己的承保和理赔经验数据。目前，使用这些数据进行风险建模涉及大量人工操作，AI 能力未得到充分利用。

IBM 目前的一项举措是收集与财产保险承保和索赔调查相关的公开可用数据，以增强 IBM watsonx AI 和数据平台中的基础模型。然后，我们的客户可以使用这些结果，并结合他们自己的专有经验数据来进一步优化模型。这些模型和专有数据将托管在安全的 IBM Cloud 环境中，该环境专为满足超大规模云提供商的监管行业合规要求而设计。该风险管理解决方案旨在显著加快风险评估和决策流程，同时提高决策质量。

代码现代化：许多拥有 50 多年历史的保险公司仍然依赖 20 世纪 70 年代开发的系统，这些系统通常使用 Cobol、Assembler 和 PL1 混合编码。这些系统的现代化需要将旧版代码转换为可用于生产的 Java 或其他编程语言。

IBM 正在与多家金融机构合作，使用生成式 AI 能力来理解现有代码库中嵌入的业务规则和逻辑，并支持将其转换为模块化系统。转换过程使用 IBM 组件业务模型（用于保险）和 BIAN 框架（用于银行）来指导重新设计。生成式 AI 还有助于生成用于测试现代化代码的测试用例和脚本。

在 IBM 商业价值研究院 (IBV) 进行的一项研究中，商业领袖们表达了对采用生成式 AI 的担忧。主要担忧涉及：

• 可解释性：在接受 IBM 采访的领导者中，48% 认为生成式 AI 做出的决定并非完全可解释。
• 伦理：46% 的人担心生成式 AI 的安全和伦理方面。
• 偏见：46%的人认为生成式 AI 会传播的固有偏见。
• 信任：42%的人认为生成式 AI 不可信。
• 合规：57% 的人认为监管约束和合规性是重大障碍。

IBM 通过其 watsonx 平台组件套件解决上述问题：IBM watsonx.aiAI studio、IBM watsonx.data 数据存储和 IBM watsonx.governanceAI 治理工具包。具体来说，watsonx.governance 通过提供模型中的透明度、问责制、沿袭、数据跟踪以及偏见和公平性监控能力，来监控和管理整个 AI 生命周期。这个端到端解决方案为保险公司领导者提供了相关功能，使得在使用传统 AI 和生成式 AI 时，能够实现负责任、透明且可解释的 AI 工作流。

如上所述，我们已经识别了许多高价值机会，可以帮助保险公司着手使用生成式 AI 对其保险业务流程进行数字化转型。此外，生成式 AI 技术可用于提供新的内容类型，例如文章（用于保险产品营销）、为客户提供个性化内容或电子邮件，甚至有助于内容生成（如编程代码），以提高开发人员生产力。

IBM 与客户合作的经验表明，使用生成式 AI 可以显著提高生产力，包括改进人力资源流程以简化人才招聘和管理员工绩效等任务；通过使客服人员能够专注于与客户进行更高价值的互动（而数字渠道的虚拟助手使用生成式 AI 处理简单查询）来提高他们的生产力；以及通过使用生成式 AI 帮助进行代码重构和转换，节省现代化旧版代码的时间和精力。

如需更详细地讨论这些主题，请发送电子邮件至 Kishore Ramchandani 和 Anuj Jain。