Cara kerja perusahaan asuransi dengan IBM untuk menerapkan solusi berbasis AI generatif

IBM® bekerja sama dengan klien asuransi kami melalui berbagai lini, dan data dari IBM® Institute for Business Value (IBV) mengidentifikasi tiga imperatif utama yang menjadi panduan dalam pengambilan keputusan manajemen perusahaan asuransi:

1. Mengadopsi transformasi digital agar perusahaan asuransi dapat menghadirkan produk baru, mendorong pertumbuhan pendapatan, dan meningkatkan pengalaman pelanggan.
2. Meningkatkan produktivitas inti (bisnis dan TI) sekaligus mengurangi biaya.
3. Manfaatkan aplikasi inkremental dan modernisasi data menggunakan cloud hybrid yang aman dan AI.

Perusahaan asuransi harus memenuhi beberapa hal penting berikut ini untuk memfasilitasi transformasi perusahaan mereka:

• Berikan penawaran digital kepada pelanggan mereka.
• Menjadi lebih efisien.
• Gunakan data dengan lebih cerdas.
• Mengatasi masalah keamanan siber.
• Berusaha keras untuk penawaran yang tangguh dan stabil.

Sebagian besar perusahaan asuransi telah memprioritaskan transformasi digital dan modernisasi core IT dengan memanfaatkan infrastruktur serta platform hybrid cloud dan multi-cloud untuk mencapai tujuan tersebut. Pendekatan ini dapat mempercepat time-to-market dengan menghadirkan kemampuan yang lebih kuat untuk mengembangkan produk dan layanan inovatif, mendorong pertumbuhan bisnis, serta meningkatkan pengalaman pelanggan secara keseluruhan dalam berinteraksi dengan perusahaan.

IBM® adalah salah satu dari sedikit perusahaan global yang dapat menyatukan berbagai kemampuan yang diperlukan untuk sepenuhnya mengubah cara asuransi dipasarkan, dijual, ditanggung, diservis, dan dibayar.

Dengan fokus yang kuat pada AI di seluruh portofolio yang luas, IBM® terus menjadi pemimpin industri dalam kemampuan terkait AI. Dalam Gartner Magic Quadrant baru-baru ini, IBM® telah ditempatkan di bagian kanan atas untuk kemampuan terkait AI-nya (yaitu, platform AI percakapan, mesin insight, dan layanan pengembang AI).

IBM® watsonx AI dan platform data, bersama dengan rangkaian asisten AI-nya, dirancang untuk membantu meningkatkan dan mempercepat dampak AI menggunakan data tepercaya di seluruh bisnis.

IBM® bekerja dengan beberapa perusahaan asuransi untuk mengidentifikasi peluang bernilai tinggi untuk menggunakan AI generatif. Contoh penggunaan asuransi yang paling umum termasuk mengoptimalkan proses yang digunakan untuk menangani dokumen besar dan blok teks atau gambar. Contoh penggunaan ini sudah mencakup seperempat dari beban kerja AI saat ini, dan terdapat pergeseran besar untuk meningkatkan fungsionalitasnya dengann AI generatif. Peningkatan ini melibatkan ekstraksi konten dan insight atau mengklasifikasikan informasi untuk mendukung pengambilan keputusan, seperti dalam penjaminan dan pemrosesan klaim. Area fokus di mana penggunaan kemampuan AI generatif dapat membuat perbedaan yang signifikan dalam industri asuransi meliputi:

• Interaksi pelanggan
• Tenaga kerja digital
• Modernisasi aplikasi
• Operasional TI
• Cyber security

IBM® menciptakan solusi berbasis AI generatif untuk berbagai contoh penggunaan, termasuk agen virtual, pencarian percakapan, proses kepatuhan dan peraturan, penyelidikan klaim, dan modernisasi aplikasi. Di bawah ini, kami memberikan ringkasan dari beberapa inisiatif implementasi AI generatif kami saat ini.

Interaksi pelanggan: Memberikan pertanggungan asuransi melibatkan bekerja dengan banyak dokumen. Dokumen-dokumen ini mencakup deskripsi produk asuransi yang menjelaskan cakupan dan pengecualian, polis atau kontrak, tagihan serta bukti pembayaran premi, klaim yang diajukan, penjelasan manfaat, estimasi perbaikan, faktur vendor, dan lainnya. Sebagian besar interaksi pelanggan dengan perusahaan asuransi berupa pertanyaan mengenai syarat dan ketentuan pertanggungan untuk berbagai produk, pemahaman atas jumlah klaim yang disetujui, alasan klaim tidak dibayarkan penuh, serta status transaksi seperti penerimaan premi, pembayaran klaim, perubahan polis, dan lainnya.

Sebagai bagian dari inisiatif generative AI, kami dapat menunjukkan kemampuan menggunakan model dasar dengan prompt tuning untuk meninjau data terstruktur dan tidak terstruktur dalam dokumen asuransi (yang terkait dengan pertanyaan pelanggan) serta memberikan rekomendasi yang dipersonalisasi terkait produk, kontrak, atau pertanyaan asuransi secara umum. Solusi ini dapat memberikan jawaban spesifik berdasarkan profil pelanggan dan riwayat transaksi, mengakses administrasi kebijakan yang mendasarinya dan data klaim. Kemampuan untuk secara instan menganalisis data pelanggan yang luas, mengidentifikasi pola untuk menghasilkan insight dan mengantisipasi kebutuhan pelanggan dapat menghasilkan kepuasan pelanggan yang lebih besar.

Contoh interaksi pelanggan adalah chatbot berbasis AI generatif yang telah kami kembangkan untuk klien asuransi jiwa multinasional. PoC menunjukkan peningkatan personalisasi respons terhadap pertanyaan produk asuransi ketika kemampuan AI generatif digunakan.

Chatbot lain yang kami kembangkan untuk klien asuransi menunjukkan kemampuan bagi pemegang polis untuk mendapatkan pandangan komprehensif tentang pertanggungan yang disediakan dalam paket asuransi, termasuk premi untuk setiap pertanggungan asuransi yang terkandung dalam paket. Selain itu, solusi ini juga menonjolkan kemampuan untuk menjalankan berbagai fungsi lain seperti menambahkan dokumen yang diperlukan (misalnya akta kelahiran), menambah penerima manfaat, menelusuri produk asuransi, serta melengkapi pertanggungan yang sudah ada. Semua kemampuan ini dibantu oleh otomatisasi dan dipersonalisasi oleh AI tradisional dan AI generatif menggunakan model dasar yang aman dan tepercaya.

Di bawah ini kami menampilkan contoh pelanggan yang menanyakan prosedur perawatan gigi tertentu dan menerima jawaban yang dipersonalisasi berdasarkan cakupan perlindungan gigi yang dimilikinya, serta kemampuan chatbot AI generatif untuk berinteraksi (layaknya agen layanan pelanggan pakar berpengalaman) yang disesuaikan dengan kebutuhan spesifik pelanggan.

Saat ini kami sedang mengembangkan beberapa contoh penggunaan, yang meliputi:

• Mendapatkan otorisasi sebelumnya untuk prosedur medis.
• Mengelola manfaat kesehatan.
• Menjelaskan keputusan klaim dan manfaat kepada pemegang polis.
• Merangkum riwayat klaim.

Bantuan agen asuransi/agen pusat kontak: Perusahaan asuransi telah banyak menerapkan unit respons suara, aplikasi mobile, dan solusi berbasis web yang dapat digunakan pelanggan untuk pertanyaan sederhana seperti informasi tagihan yang harus dibayar dan status pembayaran klaim. Namun, solusi yang ada saat ini masih terbatas fungsinya dan belum mampu menjawab pertanyaan pelanggan yang lebih kompleks, seperti yang tercantum pada bagian interaksi pelanggan. Akibatnya, pelanggan sering menggunakan telepon agen asuransi atau pusat kontak perusahaan asuransi. Solusi berbasis AI generatif yang dirancang untuk agen dapat secara signifikan mengurangi waktu pencarian dokumen, merangkum informasi, dan mengaktifkan kemampuan penasihat, yang mengarah pada peningkatan produktivitas (tautan berada di luar ibm.com) rata-rata 14-34% (tautan berada di luar ibm.com) atau bahkan 42% (tautan berada di luar ibm.com), dan metrik kepuasan pelanggan yang lebih baik. IBM® telah menerapkan solusi berbasis AI tradisional di perusahaan asuransi selama beberapa tahun, menggunakan produk seperti IBM® watsonx Assistant dan IBM® Watson Explorer. Kami sekarang memulai kolaborasi dengan beberapa perusahaan asuransi untuk menggabungkan model dasar dan prompt tuning untuk meningkatkan kemampuan bantuan agen.

Manajemen risiko: Untuk membuat keputusan penjaminan terkait properti, perusahaan asuransi mengumpulkan sejumlah besar data eksternal—termasuk data properti yang diberikan dalam aplikasi asuransi, catatan historis banjir, badai, kebakaran, dan statistik kejahatan—untuk lokasi spesifik properti tersebut. Sementara data historis tersedia untuk umum dari sumber-sumber seperti data.gov (tautan berada di luar ibm.com), perusahaan asuransi yang mapan juga memiliki akses ke data pengalaman penjaminan dan klaim mereka sendiri. Saat ini, menggunakan data ini untuk pemodelan risiko melibatkan upaya intensif secara manual, dan kemampuan AI kurang dimanfaatkan.

Inisiatif saat ini oleh IBM® melibatkan pengumpulan data yang tersedia untuk umum yang relevan dengan penjaminan asuransi properti dan investigasi klaim untuk meningkatkan model dasar di platform AI dan data IBM® watsonx. Hasilnya kemudian dapat digunakan oleh klien kami, yang dapat menggabungkan data pengalaman eksklusif mereka untuk lebih menyempurnakan model. Model dan data eksklusif ini akan dihosting dalam lingkungan IBM® Cloud yang aman, dirancang khusus untuk memenuhi persyaratan kepatuhan industri peraturan untuk hyperscaler. Solusi manajemen risiko bertujuan untuk secara signifikan mempercepat evaluasi risiko dan proses pengambilan keputusan sambil meningkatkan kualitas keputusan.

Modernisasi kode: Banyak perusahaan asuransi dengan sejarah lebih dari 50 tahun masih mengandalkan sistem yang dikembangkan sejak tahun 70-an, sering dikodekan dalam campuran Cobol, Assembler dan PL1. Modernisasi sistem ini membutuhkan konversi kode lama menjadi Java siap produksi atau bahasa pemrograman lainnya.

IBM® bekerja sama dengan sejumlah institusi keuangan dengan memanfaatkan kemampuan AI generatif untuk memahami business rules dan logika yang tertanam dalam codebase yang ada serta mendukung transformasinya menjadi sistem modular. Proses transformasi menggunakan model bisnis komponen IBM® (untuk asuransi) dan kerangka kerja BIAN (untuk perbankan) untuk memandu desain ulang. AI generatif juga membantu dalam menghasilkan kasus uji dan skrip untuk menguji kode modern.

Dalam sebuah studi yang dilakukan oleh Institute for Business Value (IBV) IBM®, para pemimpin bisnis mengungkapkan kekhawatiran mereka mengenai adopsi AI generatif. Kekhawatiran utama berkaitan dengan:

• Penjelasan: 48% pemimpin yang diwawancarai IBM® percaya bahwa keputusan yang dibuat oleh AI generatif tidak cukup dapat dijelaskan.
• Etika: 46% prihatin dengan aspek keselamatan dan etika AI generatif.
• Bias: 46% percaya bahwa AI generatif akan menyebarkan bias yang sudah ada.
• Kepercayaan: 42% percaya AI generatif tidak dapat dipercaya.
• Kepatuhan: 57% percaya kendala peraturan dan kepatuhan adalah hambatan yang signifikan.

IBM menjawab berbagai kebutuhan di atas melalui rangkaian komponen platform watsonx: IBM watsonx.ai™ sebagai AI studio, IBM watsonx.data™ sebagai data store, dan IBM watsonx.governance sebagai AI studio, IBM® watsonx.data sebagai penyimpanan data dan IBM® watsonx.governance sebagai toolkit tata kelola AI. Secara khusus, watsonx.governance menghadirkan kemampuan untuk memantau dan mengelola seluruh siklus hidup AI dengan menyediakan transparansi, akuntabilitas, silsilah, pelacakan data, serta pemantauan bias dan keadilan pada model. Solusi menyeluruh memberikan pemimpin perusahaan asuransi fitur yang memungkinkan alur kerja AI yang bertanggung jawab, transparan dan dapat dijelaskan saat menggunakan AI tradisional dan AI generatif.

Seperti yang telah dijelaskan di atas, kami telah mengidentifikasi banyak peluang bernilai tinggi untuk membantu perusahaan asuransi memulai penggunaan AI generatif dalam transformasi digital proses bisnis mereka. Selain itu, teknologi AI generatif dapat dimanfaatkan untuk menghasilkan jenis konten baru seperti artikel (untuk pemasaran produk asuransi), konten atau email yang dipersonalisasi bagi pelanggan, bahkan membantu pembuatan kode pemrograman untuk meningkatkan produktivitas pengembang.

Pengalaman IBM® dalam bekerja dengan klien menunjukkan peningkatan produktivitas yang signifikan melalui penggunaan AI generatif, termasuk penyempurnaan proses SDM untuk menyederhanakan tugas seperti akuisisi talenta dan pengelolaan kinerja karyawan; meningkatkan produktivitas agen layanan pelanggan dengan memungkinkan mereka fokus pada interaksi bernilai tinggi (sementara asisten virtual di kanal digital menangani pertanyaan sederhana); serta menghemat waktu dan upaya dalam modernisasi kode lama melalui bantuan generative AI untuk pemfaktoran ulang dan konversi kode.

Untuk mendiskusikan topik-topik ini secara lebih terperinci, silakan kirim email ke Kishore Ramchandani dan Anuj Jain.