I dagens digitale tidsalder blir forsikringsindustrien stadig påvirket av høyere forventninger fra den nye generasjonen forsikringskunder. Denne generasjonen, som er vant til rask tilgang til informasjon og personlig tilpassede tjenester, krever en mer sømløs og effektiv forsikringsopplevelse. For å imøtekomme disse forventningene og drive innovasjon, har forsikringsbransjen tatt i bruk kunstig intelligens (AI) de siste årene, og resultatene har vært imponerende.
AI-teknologier som Generative Pre-trained Transformers (GPT) har spesielt vist seg å være svært nyttige i forsikringssektoren. GPT er en form for generativ kunstig intelligens som har evnen til å forstå og generere menneskelignende tekst basert på store mengder data og kontekst. Ved å utnytte GPT-teknologien har forsikringsselskaper kunnet automatisere og forbedre flere aspekter av sin virksomhet, fra kundeservice og skadebehandling til risikovurdering og forsikringspoliser.
Denne bruken av AI har ført til betydelig verdiskapning for forsikringsbransjen. Ved å implementere AI-løsninger har selskapene kunnet redusere manuelle oppgaver, øke effektiviteten og nøyaktigheten i beslutningsprosesser, og tilby mer skreddersydde forsikringsprodukter og tjenester til kundene. Dette har resultert i en forbedret kundeopplevelse, økt kundetilfredshet og en mer konkurransedyktig posisjon i markedet.
Som vi ser, har forsikringsindustrien allerede omfavnet AI og oppnådd betydelige fordeler som resultat. Men potensialet for videre utnyttelse av GPT-teknologien i forsikringssektoren er enormt. I resten av denne artikkelen vil vi utforske ulike bruksområder for GPT i forsikringsbransjen og hvordan det kan bidra til å forme fremtiden for forsikringsindustrien.
I disse dager har de fleste hørt om «ChatGPT». Mange har også fått med seg «You», «Bard» og «GPT4». Alle disse er eksempler på såkalt “generativ kunstig intelligens”. Så lenge man kobler dette sammen med sensitiv data, så er det meget risikabelt. Men lar det seg gjøre? Sikkerhetsmessig er det mange hensyn å ta samtidig. Man må tenke på GDPR og Schrems II, klassisk IT og informasjonssikkerhet og kommende EU-regulering på området, som eksempelvis AI Act og Data Act. Med store språkmodeller må man også ta høyde for risikoen for at modellen kan inneholde persondata og andre data som leverandøren muligens ikke har fullt eierskap til, eller har samtykke til å tilgjengeliggjøre. Er man ikke forsiktig kan man både risikere å komme i brudd med personvernlovgivning eller opphavsretten til disse dataene, men også risikere å miste kontrollen med egne data som mates inn i systemet. Simplifai løser disse utfordringene igjennom en rekke tiltak, både tekniske, organisatoriske og metodiske. Dette inkluderer blant annet anonymisering av persondata, rutiner for hvordan løsningene driftes, samt for hvordan og med hvilke data AI’en bygges opp og benyttes.
Når Simplifai går løs på tekstbehandling hos en av kundene sine, gjøres dette gjennom maskinlæring. Data prosesseres gjennom løsningen. Dette kan være gjennom håndtering av skriftlige henvendelser på mail, i portal, chat eller skjema. Det kan også være direkte klassifiseringer og oppgaver eller forslag basert på det som føres manuelt eller maskinelt i forsikringsselskapets systemer.
For enkelthetens skyld, la meg beskrive en prosess.
• En kunde melder en skade på mail/portal, med beskrivelse av skaden og vedlagt takst/kvittering/annen dokumentasjon.
• AI-platformen klassifiserer reklamasjonen til riktig skadetype, identifiserer om det er en ny skade eller oppdatering på eksisterende, kobler det til riktig kundekort, oppretter skadesak med saksnummer i systemet, skaper ticket til rett saksbehandler.
• Når det er gjort, vil den kunstige intelligensen gjøre dokumentsjekk. Først klassifiserer den dokumentet korrekt. Dersom det er flere dokumenter i en fil, splitter den disse opp. Hvert dokument klassifiseres og gis nytt navn basert på dokument-type. Relevant metadata hentes ut fra dokumentet, slik som beskrivelse av skade, navn på relevante parter, datoer, beløp og annet. Så lagres dette på rett sted automatisk.
• Et svar går til kunden, med templates tilpasset hva den kunstige intelligensen har avdekket, og med variable felter som justeres basert på navn, saksnummer osv. Kanskje bes kunden ettersende nødvendig dokumentasjon, fordi det er avsjekket at noe mangler for å starte saksbehandlingen.
Nå kommer vi til et av de mange områdene GPT-teknologi kan tas i bruk. La oss si at den nevnte skaden skal responderes på av en saksbehandler. Tenk om du som saksbehandler allerede kunne fått saken sammenlignet med alle lignende saker i databasen, og fått et ferdig utkast til svar basert på dette, med alle vilkårshenvisninger og begrunnelse på plass. Verdien av slik funksjonalitet gjør ikke at saksbehandleren blir overflødig, fordi saksbehandleren må fortsatt vurdere forslaget InsuranceGPT har gitt. Men verdien det gir i form av økt kapasitet, mer konsekvente beslutninger, kortere ventetid for kunden og redusert totalkostnad for skadeoppgjøret, er udiskutabelt formidabel. Og det nevnte eksempelet er bare et av flere titalls bruksområder som allerede er avdekket.
Hva som gjør at vi ivaretar alle de juridiske aspektene, er mange faktorer. Og alle skal ikke belyses i denne artikkelen, ettersom det er et stort batteri som skal avsjekkes for å være «compliant». Men det at maskinlæringen gjøres på forsikringsselskapets data er et viktig aspekt. Det at algoritmene kan trenes opp og så gjenbrukes på en måten som sikrer at datagrunnlaget ikke lar seg gjenfinne av andre brukere, er et annet poeng. Vi kunne ellers gått løs på maskeringsfunksjoner, lock-box funksjonalitet, tilgjengelighetsstyring og mye mer. Men det at selskap som Eika Forsikring og Van Ameyde sitter i referansepanelet, samt at Simplifai’s juridiske sparringspartner Brækhus har godkjent løsningen for kommersialisering, danner et solid utgangspunkt for selskapenes individuelle juridiske vurdering.
Det vil selvfølgelig også være mulig å bruke denne teknologien på et vis som ikke ivaretar de etiske og juridiske aspektene. Men brukes kunstig intelligens riktig, vil den gi gevinster i alle ledd. Kanskje med unntak av for medarbeideren som elsker å krangle med misfornøyde kunder, koser seg med administrativt merarbeid, research uten anbefalte kilder, lesing og tolkning av diagnoser eller vilkår i lange dokumenter, å forfatte avslags eller innvilgelsesbrev med minst mulig mal, og trives med purring på uteblitt dokumentasjon.
