كيف يوفّر الذكاء الاصطناعي التوليدي قيمة لشركات التأمين وعملائها

تواجه شركات التأمين تحديات في إدارة الربحية بينما تسعى في الوقت نفسه إلى تنمية أعمالها والحفاظ على عملائها. كما يتعيّن عليها الامتثال لعبء تنظيمي متزايد، إلى جانب منافسة شريحة واسعة من شركات الخدمات المالية التي تقدّم منتجات استثمارية قد تحقق عوائد أفضل مقارنة بمنتجات التأمين التقليدية على الحياة ومنتجات الأقساط السنوية. وعلى الرغم من ارتفاع أسعار الفائدة بمعدل غير مسبوق خلال العام الماضي مع سعي البنوك المركزية للحد من التضخم، فإن جزءًا كبيرًا من احتياطيات شركات التأمين لا يزال مرتبطًا باستثمارات منخفضة العائد، ولن تتحسن عوائد هذه الاستثمارات لعدة سنوات مقبلة، إلى أن تتجدد محافظها الاستثمارية.

وتتمتع شركات التأمين الكبيرة والراسخة بسمعة تقوم على التحفّظ الشديد في صنع القرار، وقد كانت بطيئة في تبنّي التقنيات الجديدة. وغالبًا ما تفضّل هذه الشركات أن تكون “تابعين سريعين” بدلًا من أن تكون قادة، حتى عندما تكون أمامها حالات عمل مقنعة. ويمكن لهذا الخوف من المجهول أن يؤدي إلى مشاريع غير ناجحة تؤثر سلبًا على خدمة العملاء وتتسبب في خسائر.

ويُظهر عمل IBM مع عملاء شركات التأمين، إلى جانب الدراسات التي يجريها معهد IBM Institute for Business Value (IBV)، أن قرارات الإدارة في هذا القطاع مدفوعة بالتنسيق الرقمي، والإنتاجية الأساسية، والحاجة إلى بنية تحتية مرنة. ولكي تواكب شركات التأمين المتطلبات الرئيسية وتعمل على تحويل أعمالها، فهي بحاجة إلى تقديم عروض رقمية لعملائها، ورفع كفاءتها التشغيلية، واستخدام البيانات بذكاء أكبر، والتعامل مع مخاوف الأمن الإلكتروني، وتوفير عروض مرنة ومستقرة.

ولتحقيق هذه الأهداف، ركّزت معظم شركات التأمين على التحول الرقمي إلى جانب تحديث البنية الأساسية لتكنولوجيا المعلومات، بالاعتماد على بنى تحتية ومنصات سحابية هجينة ومتعددة السحابات. ويسهم هذا النهج في تسريع الوصول إلى السوق من خلال توفير قدرات محسّنة لتطوير منتجات وخدمات مبتكرة تُسهم في تنمية الأعمال، كما يمكنه تحسين تجربة العملاء بوجه عام.

سواء جرى استخدام الذكاء الاصطناعي التقليدي أو الذكاء الاصطناعي التوليدي في العمليات الروتينية للبنية التحتية لتكنولوجيا المعلومات، أو في التفاعلات الموجّهة للعملاء، أو في تحليل المخاطر والاكتتاب ومعالجة المطالبات في المكاتب الخلفية، فإن كلا النوعين من الذكاء الاصطناعي يمثلان عنصرًا أساسيًا في مبادرات التحديث والتحول الرقمي.

التحديث الأساسي باستخدام الذكاء الاصطناعي

لقد قررت معظم شركات التأمين الكبرى أن استراتيجيتها على المدى المتوسط إلى الطويل تتمثل في ترحيل أكبر قدر ممكن من محفظة تطبيقاتها إلى السحابة.

وعند الجمع بين استخدام السحابة وقدرات الذكاء الاصطناعي التوليدي والذكاء الاصطناعي التقليدي، يمكن أن تُحدث هذه التقنيات تأثيرًا كبيرًا على الأعمال. ويكون الاستخدام الأولي للذكاء الاصطناعي التوليدي غالبًا لتحسين إنتاجية عمليات التطوير. ويَدمج الذكاء الاصطناعي لعمليات تقنية المعلومات (AIOps) العديد من أدوات عمليات تكنولوجيا المعلومات اليدوية والمنفصلة في منصة واحدة ذكية ومؤتمتة لعمليات تكنولوجيا المعلومات. ويسمح ذلك لفرق عمليات تكنولوجيا المعلومات وفرق عمليات التطوير (DevOps) بالاستجابة بسرعة أكبر، وأحيانًا بشكل استباقي، لحالات التباطؤ والانقطاعات، مما يعزز الكفاءة والإنتاجية في العمليات.

ويوفر النهج القائم على السحابة المتعددة الهجينة، إلى جانب ميزات التحكم في الأمان والامتثال الأفضل في فئتها (مثل الضوابط التي توفرها IBM Cloud للصناعات الخاضعة للرقابة)، عرض قيمة مقنعًا لشركات التأمين الكبيرة في جميع المناطق الجغرافية. وتعمل العديد من الشركات البارزة في كل منطقة جغرافية مع IBM في رحلة التحديث الأساسية الخاصة بها.

التحول الرقمي باستخدام الذكاء الاصطناعي

تعمل شركات التأمين على خفض التكاليف وتقديم تجربة أفضل للعملاء من خلال الأتمتة، ورقمنة الأعمال، وتشجيع العملاء على استخدام قنوات الخدمة الذاتية. ومع ظهور الذكاء الاصطناعي، بدأت الشركات الآن في تنفيذ أتمتة العمليات المعرفية (Cognitive Process Automation) التي تتيح خيارات الخدمة الذاتية للعملاء والوكلاء، وتساعد في أتمتة العديد من الوظائف الأخرى، مثل مكتب مساعدة تكنولوجيا المعلومات وقدرات الموارد البشرية للموظفين.

وقد أدى تقديم إمكانيات ChatGPT إلى إثارة اهتمام كبير بنماذج الأساس للذكاء الاصطناعي التوليدي. ويتم تدريب نماذج الأساس مسبقًا على مجموعات بيانات غير مصنّفة، وتستفيد من التعلم الذاتي باستخدام الشبكات العصبية. وتُعد نماذج الأساس عنصرًا أساسيًا في مهام سير العمل الجديدة القائمة على الذكاء الاصطناعي، وتستخدم منتجات IBM Watson نماذج الأساس منذ عام 2020. IBM watsonx.ai تحتوي مكتبة نماذج الأساس على نماذج أساس طورتها IBM، بالإضافة إلى عدد من النماذج اللغوية الكبيرة مفتوحة المصدر (LLMs) من Hugging Face.

ويتطلب التعلم الخاضع للإشراف المستخدم لتدريب الذكاء الاصطناعي قدرًا كبيرًا من الجهد البشري. وهي عملية معقدة، تتطلب وسم البيانات بكثافة، وقد تستغرق شهورًا من العمل. ومن ناحية أخرى، فإن التعلم الخاضع للإشراف الذاتي يعمل بواسطة الكمبيوتر، ويتطلب عددًا قليلًا من وسوم البيانات، وهو سريع ومؤتمت وفعّال. وتشير تجربة IBM مع نماذج الأساس إلى وجود انخفاض يتراوح بين 10 أضعاف و100 ضعف في متطلبات وسم البيانات، وانخفاض بمقدار 6 أضعاف في وقت التدريب (مقارنة بأساليب التدريب التقليدية للذكاء الاصطناعي).

ولتحقيق التحول الرقمي باستخدام الذكاء الاصطناعي، تحتاج شركات التأمين إلى فهم جيد للبيانات المنظمة والبيانات غير المنظمة، وتنظيمها، وإدارتها بطريقة آمنة (مع الامتثال للوائح القطاع)، وتمكين الوصول الفوري إلى البيانات “الصحيحة”. وتُعد هذه القدرة أساسية لتقديم تجربة مميزة للعملاء، وجذب عملاء جدد، والاحتفاظ بالعملاء الحاليين، والحصول على رؤى عميقة يمكن أن تقود إلى منتجات مبتكرة جديدة. كما تساعد هذه القدرة على تحسين قرارات الاكتتاب، والحد من الغش، والتحكم في التكاليف. وتعمل شركات التأمين الرائدة في مختلف المناطق الجغرافية على تنفيذ هياكل بيانات IBM وبرمجيات الأتمتة على السحابة.

ويمكن تصنيف قدرات الذكاء الاصطناعي التوليدي التي تمكّن التحول الرقمي اليوم ضمن خمسة مجالات:

1. التلخيص: تحويل النصوص الموجودة في المستندات الكبيرة، والمحادثات الصوتية، والتسجيلات ذات المحتوى الخاص بالمجال إلى لمحات عامة مخصصة ترصد النقاط الرئيسية (مثل عقود التأمين، وبوليصة التأمين ووثائق التغطية التأمينية، والردود على الأسئلة الشائعة للعملاء).
2. التصنيف: قراءة الإدخالات المكتوبة وتصنيفها باستخدام عدد قليل جدًا من الأمثلة أو بدون أمثلة (مثل تصنيف طلبات المطالبات، وفرز شكاوى العملاء، وتحليل مشاعر العملاء، وتصنيف المخاطر أثناء الاكتتاب، وتحليل تقسيم العملاء لتطوير منتجات التأمين).
3. التوليد: إنشاء محتوى نصي لغرض محدد (مثل الحملات التسويقية التي تركز على منتجات تأمين معينة، ومنشورات المدونات والمقالات لمختلف الموضوعات المتعلقة بالتأمين، ودعم صياغة رسائل البريد الإلكتروني المخصّصة للعملاء، وتوليد التعليمات البرمجية لاستخدامها من قبل أنظمة التقنية التأمينية).
4. الاستخراج: تحليل واستخلاص المعلومات الأساسية من النصوص غير المنظمة (مثل استخراج المعلومات من تقارير وكلاء التأمين، واستخراج التشخيص الطبي من تقارير الأطباء أو التقارير السريرية لاستخدامها في الاكتتاب وتقييم المخاطر).
5. الإجابة عن الأسئلة: إنشاء خاصية للإجابة عن الأسئلة تستند إلى بيانات محددة (مثل إنشاء مورد Q&A خاص بالسياسات والتغطيات لموظفي خدمة العملاء).

ومع بدء شركات التأمين في استخدام الذكاء الاصطناعي التوليدي للتحول الرقمي لعملياتها في قطاع التأمين، تظهر العديد من الفرص لإطلاق القيمة.

ويُظهر عمل IBM مع العملاء مكاسب إنتاجية كبيرة عند استخدام الذكاء الاصطناعي التوليدي، بما في ذلك تحسين عمليات الموارد البشرية من خلال تبسيط المهام مثل استقطاب الكفاءات وإدارة أداء الموظفين؛ وجعل وكلاء خدمة العملاء أكثر إنتاجية من خلال تمكينهم من التركيز على التفاعلات ذات القيمة العالية مع العملاء (بينما تتولى المساعدات الافتراضية للقنوات الرقمية المعتمدة على الذكاء الاصطناعي التوليدي التعامل مع الاستفسارات الأبسط)؛ وتوفير الوقت والجهد في تحديث التعليمات البرمجية القديمة من خلال الاستفادة من الذكاء الاصطناعي التوليدي للمساعدة في إعادة بناء التعليمات البرمجية وتحويلها.