Από τον Ηλία Βυζά και τον Κωνσταντίνο Νικολόπουλο*
Ο κλάδος των ασφαλίσεων χαρακτηριζόταν πάντα ως ένας από τους πλέον παραδοσιακούς στον τρόπο λειτουργίας του. Σήμερα, όπως και για το σύνολο της οικονομίας, ο κλάδος βρίσκεται εν μέσω μιας επανάστασης, κυρίως χάρη στις δυνατότητες και τις προοπτικές που προσφέρει η τεχνητή νοημοσύνη και, συγκεκριμένα, η παραγωγική τεχνητή νοημοσύνη (GenAI).
Τι διαφοροποιεί όμως την GenAI από καινοτόμες τεχνολογίες του παρελθόντος; Δεν πρόκειται για μια τεχνολογία που απλώς υπόσχεται να βελτιώσει τις επιχειρησιακές λειτουργίες, τα προϊόντα και την εμπειρία πελάτη. Η GenAI αναμένεται να μετασχηματίσει ριζικά τον ασφαλιστικό κλάδο, στον πυρήνα του.
Τα μεγάλα γλωσσικά μοντέλα (LLMs) –οι αλγόριθμοι– που υποστηρίζουν τις τεχνολογίες GenAI έχουν εκπαιδευτεί σύμφωνα με έναν τεράστιο όγκο δεδομένων, που τους επιτρέπει να δημιουργήσουν περιεχόμενο, όπως κείμενο, εικόνες, ακόμη και ήχο, που προσομοιάζει σχεδόν απόλυτα με κάτι που θα δημιουργούσε ένας άνθρωπος. Χαρακτηριστικό είναι ότι το 77% των συμμετεχόντων στην παγκόσμια έρευνα της EY, Impact of Generative AI on Financial Services εκτιμούν ότι τα εργαλεία GenAI επιφυλάσσουν περισσότερες ευκαιρίες παρά κινδύνους για τους οργανισμούς στον κλάδο χρηματοοικονομικών υπηρεσιών –ανάμεσά τους και οι ασφαλιστικές.
Από την εμπειρία των ομάδων ασφαλιστικών υπηρεσιών της EY στην Ελλάδα και στο Κέντρο Αριστείας της EY για AI & Data στην Αθήνα –στο οποίο απασχολούνται πάνω από 300 επιστήμονες και επαγγελματίες που υποστηρίζουν καθημερινά επιχειρήσεις και οργανισμούς σε περισσότερες από 30 χώρες–, έχουμε δει ότι, για να μπορέσουν να αξιοποιήσουν τις δυνατότητες της GenAI και να μετασχηματιστούν, να καινοτομήσουν και να ηγηθούν της αλλαγής που φέρνει στον κλάδο, οι εταιρείες που εξετάζουν την υιοθέτησή της θα πρέπει να έχουν ένα σαφώς διατυπωμένο όραμα σχετικά με το τι θέλουν να επιτύχουν και με ποιους τρόπους.
Κάτι τέτοιο προϋποθέτει τον εντοπισμό και τον προσδιορισμό του πιθανού αντίκτυπου, αλλά και των περιπτώσεων χρήσης (use cases) της τεχνητής νοημοσύνης –εν προκειμένω, στον ασφαλιστικό κλάδο.
Οι τεχνολογίες AI επηρεάζουν όλες τις περιοχές της ασφάλισης: από τον αναλογισμό και το underwriting, την εξυπηρέτηση πελατών και τις υπηρεσίες, την τεχνολογία, τα χρηματοοικονομικά και λογιστικά έως και τη διαχείριση του ανθρώπινου κεφαλαίου. Περιπτώσεις χρήσης περιλαμβάνουν την αυτοματοποίηση διαδικασιών, την ανάλυση δεδομένων, την προσωποποιημένη εξυπηρέτηση πελατών, τον εντοπισμό απάτης, την εκτίμηση και διαχείριση κινδύνων και την κανονιστική συμμόρφωση.
Συγκεκριμένα, για τους μεσίτες ασφαλίσεων, η GenAI μπορεί να αποδειχθεί σημαντικό εργαλείο, που, μέσα από την ανάλυση μεγάλου όγκου προσωπικών δεδομένων, θα επιτρέψει την καλύτερη κατανόηση των αναγκών των πελατών, αλλά και του βαθμού κάλυψης και έκθεσής τους, για την, μεταξύ άλλων, προσφορά προσωποποιημένων προϊόντων και υπηρεσιών, καθώς και την προγνωστική ανάλυση (predictive analytics) τάσεων της αγοράς. Αυτές οι περιπτώσεις χρήσης καθορίζουν και τους στόχους της υιοθέτησης της τεχνολογίας.
Για τον ασφαλιστικό κλάδο, αυτοί μπορούν να συνοψιστούν σε τρεις βασικούς:
Πρώτον, τη βελτίωση της εμπειρίας των πελατών, των διαμεσολαβητών και του προσωπικού των ασφαλιστικών εταιρειών μέσω της υιοθέτησης ενός ψηφιακού βοηθού ή ψηφιακού ασφαλιστικού διαμεσολαβητή, που θα προσφέρει προσωποποιημένη εξυπηρέτηση και πληροφόρηση.
Δεύτερον, την ενίσχυση της παραγωγικότητας και της αποτελεσματικότητας με την αξιοποίηση της GenAI από επαγγελματίες, όπως οι underwriters και οι αναλογιστές, οδηγώντας, για παράδειγμα, στη βελτιστοποίηση της διαδικασίας του underwriting για τις ασφάλειες ζωής και την επίσπευση των διαδικασιών διεκδίκησης αποζημιώσεων.
Τέλος, τη διαχείριση της συμμόρφωσης και του μετριασμού κινδύνων, με τη βοήθεια της GenAI, που αποτελούν θέματα υψηλής προτεραιότητας σε έναν αυστηρά ρυθμιζόμενο κλάδο, όπως ο ασφαλιστικός.
Πιθανές περιοχές εφαρμογής αποτελούν η αυτοματοποιημένη παρακολούθηση συμμόρφωσης, ο εντοπισμός περιστατικών απάτης, ακόμη και η παραγωγή εκπαιδευτικού περιεχομένου σχετικά με τους πιο πρόσφατους κανονισμούς για το προσωπικό των εταιρειών.
Για να μπορέσουν να δημιουργήσουν αξία από τη χρήση της παραγωγικής τεχνητής νοημοσύνης, οι ασφαλιστικές εταιρείες θα πρέπει να την ενσωματώσουν στις τεχνολογικές τους υποδομές και να την προσαρμόσουν στις υπάρχουσες διεργασίες τους.
Ένας ενδεικτικός οδικός χάρτης που θα μπορούσε να ακολουθήσει μια ασφαλιστική εταιρεία για την υιοθέτηση της GenAI θα περιλάμβανε τα παρακάτω βήματα:
Δημιουργία μιας διεπιστημονικής ομάδας αποτελούμενης από επαγγελματίες του ασφαλιστικού κλάδου και εξειδικευμένους επιστήμονες από τον χώρο της επιστήμης δεδομένων και της πληροφορικής, με έμφαση στην ανάπτυξη λύσεων GenAI, προσαρμοσμένων στις ανάγκες του εκάστοτε οργανισμού.
Εντοπισμός του πιο ταιριαστού για τον οργανισμό λειτουργικού μοντέλου, ώστε η υιοθέτηση της τεχνολογίας να γίνει με ασφάλεια και σε κλίμακα.
Ανάπτυξη τεχνογνωσίας και δυνατοτήτων GenAI, ξεκινώντας με απλές περιπτώσεις χρήσης και σταδιακά βελτιώνοντας τα μοντέλα, βάσει εμπειρίας και διαθέσιμων πηγών δεδομένων.
Το μετασχηματιστικό ταξίδι των ασφαλιστικών εταιρειών δεν αφορά μόνο την υιοθέτηση της τεχνητής νοημοσύνης, γενικότερα, ή της GenAI, ειδικότερα. Αφορά ένα ευρύτερο όραμα, με τον άνθρωπο στο επίκεντρο, που περικλείει επανασχεδιασμένες διαδικασίες, τη δημιουργία νέων σχέσεων με τους πελάτες, την ανάπτυξη νέων επιχειρηματικών μοντέλων και την εκπαίδευση και επανεκπαίδευση των εργαζομένων (reskilling).
Αυτό το όραμα αποτελεί «κενό γράμμα» δίχως την κατάλληλη επίβλεψη και διαχείριση των κινδύνων που σχετίζονται με τη χρήση της τεχνητής νοημοσύνης. Ανάμεσα σε αυτούς συγκαταλέγονται η προστασία της πνευματικής ιδιοκτησίας και της εταιρικής φήμης καθώς και η ασφάλεια προσωπικών δεδομένων και πληροφοριών. Ως οργανισμοί που διαχειρίζονται καθημερινά τεράστιο όγκο ευαίσθητων προσωπικών και χρηματοοικονομικών δεδομένων, οι εταιρείες του κλάδου, για να μετριάσουν τυχόν κινδύνους, θα πρέπει, πέρα από τις τεχνολογικές υποδομές, να επενδύσουν τόσο σε διαδικασίες ελέγχου όσο και στην εκπαίδευση του ανθρώπινου κεφαλαίου τους, για την ασφαλή, υπεύθυνη και ηθική χρήση της τεχνολογίας. Η εξασφάλιση της διαφάνειας και της δίκαιης αντιμετώπισης δίχως προκαταλήψεις σε διαδικασίες που αφορούν προσωπικά δεδομένα πελατών, όπως η κάλυψη, η τιμολόγηση και η διεκδίκηση αποζημιώσεων, είναι απαραίτητη για την οικοδόμηση εμπιστοσύνης μεταξύ καταναλωτών, ασφαλιστικών και ρυθμιστικών αρχών. Αυτό ονομάζεται, συνολικά, υπεύθυνη και ηθική τεχνητή νοημοσύνη (responsible and ethical AI).
Η απρόσκοπτη ενσωμάτωση της GenAI δεν επαναπροσδιορίζει απλώς τις δυνατότητες των ασφαλιστικών εταιρειών, αλλά δημιουργεί ένα νέο πρότυπο για τον κλάδο, όπου η τεχνολογία, η καινοτομία και ο άνθρωπος αποτελούν τους ακρογωνιαίους λίθους του μετασχηματισμού και της ανάπτυξης. Μια προσέγγιση που θα σταθμίζει την υιοθέτηση της GenAI και τα πιθανά ρίσκα, με ισχυρές δομές διακυβέρνησης και με κατάλληλα εκπαιδευμένο ανθρώπινο κεφάλαιο είναι κρίσιμη για να μπορέσουν οι ασφαλιστικές εταιρείες να δημιουργήσουν προστιθέμενη αξία και να επιτύχουν εκθετική ανάπτυξη μέσα από την καινοτομία.
*Ο Ηλίας Βυζάς είναι εταίρος, επικεφαλής Συμβουλευτικών Υπηρεσιών της EY Ελλάδος και επικεφαλής για τη Στρατηγική Τεχνητής Νοημοσύνης της EY στην περιοχή CESA. Ο Κωνσταντίνος Νικολόπουλος είναι εταίρος, Συμβουλευτικές Υπηρεσίες ΕΥ, επικεφαλής Ασφαλιστικών Υπηρεσιών της EY Ελλάδος και επικεφαλής Αναλογιστικών Υπηρεσιών της EY στην περιοχή CESA.
Από το περιοδικό BROKER’S TIME #76
