Was das Aufkommen der missionsgesteuerten KI für Versicherungen bedeutet

Künstliche Intelligenz ist seit über einem Jahrzehnt ein Schlagwort in der Versicherungsbranche, aber in den Köpfen vieler Führungskräfte wurde sie dem Hype nicht gerecht und...

EvolutionIQ
July 26, 2021

Was ändert sich an KI und wie wirken sich Insurtech auf die Branche aus?

Künstliche Intelligenz ist seit über einem Jahrzehnt ein Schlagwort in der Versicherungsbranche, aber in den Köpfen vieler Führungskräfte konnte sie dem Hype nicht gerecht werden und die versprochene Wirkung nicht erzielen. In den letzten Jahren haben Fortschritte in der KI jedoch zu einem viel höheren ROI geführt und lösen nun einige der komplexesten Herausforderungen der Versicherungsbranche.

Dies ist größtenteils auf „Mission Driven AI“ zurückzuführen — Insurtechs entwickeln vollständig integrierte Produkte, die KI nutzen, um spezifische Probleme zu lösen. Diese durch Risikokapital finanzierten Startups sind in der Lage, die besten technischen Talente der Welt für sich zu gewinnen, um mehr in spezifische Herausforderungen zu investieren, als es ein Carrier oder ein internes Data-Science-Team könnte, und das mit einem engeren Fokus und einer stärkeren Spezialisierung als Unternehmen wie McKinsey und IBM. Die Ergebnisse sprechen für sich: Eine schnellere und kostengünstigere KI, die einen besseren ROI als die früherer Generationen generiert.

Mit KI das Geschäftsergebnis beeinflussen

Die Fortschritte in der KI und ihrer Anwendung haben sich in den letzten zehn Jahren dramatisch verändert. Die meisten der frühen Bemühungen, die auch heute noch beliebt sind, betrafen Arten der robotergestützten Prozessautomatisierung (RPA). Diese Technologie war besonders effektiv bei der Automatisierung einfacher, sich wiederholender Aufgaben, was in erster Linie zu Effizienz und Kostensenkung im Unternehmen führte. Die Kosteneinsparungen boten jedoch keinen nennenswerten Wettbewerbsvorteil, da diese alltäglichen Aufgaben in der Regel von einem kleinen Team von Nachwuchskräften ausgeführt wurden. Obwohl eine grundlegende Automatisierung ein Muss ist, wirkten sich die Kosteneinsparungen selten negativ auf das Geschäftsergebnis aus, und die Verlustquoten wurden kaum bis gar nicht beeinflusst.

Die KI-Modellierung war die nächste Technologie, die das Interesse der Versicherer weckte, angefangen beim Underwriting und der Preisgestaltung bis hin zu Schadensfällen, dem größten verbleibenden Bereich, der die Leistung von Versicherungsunternehmen beeinflussen kann. Diese neueren Initiativen konzentrieren sich auf die Analyse, Prognose und Priorisierung der Daten, die innerhalb des Versicherers vorhanden sind. In einem hart umkämpften Markt wie dem Versicherungsmarkt ist es wichtig, darüber nachzudenken, was letztlich zu einem differenzierten Mehrwert führen wird. Die drei Kernelemente dieser KI-Systeme sind: Infrastruktur, Modelle und Daten.

Veränderung von Verhalten und Ergebnissen durch Daten

Jeder Spediteur verfügt über einzigartige Daten, die seine Differenzierung vorantreiben sollten, aber der limitierende Faktor war in erster Linie die Zugänglichkeit der Daten innerhalb ihrer Organisationen. Die anfänglichen Herausforderungen im Zusammenhang mit Speicherung und Digitalisierung wurden in den letzten zehn Jahren größtenteils durch massive Investitionen in Kernsysteme bewältigt. Die jüngste Herausforderung besteht darin, dass der Großteil der in Versicherungsunternehmen vorhandenen Informationen in unstrukturierten Schadensmeldungen enthalten ist (Lesen Sie hier mehr über unstrukturierte Daten). Der Großteil der Investitionen in die Analyse dieses Textes konzentriert sich auf die Suche nach Schlüsselwörtern, um regelbasierte Systeme zu ermöglichen, die häufig falsch positive Meldungen ausgeben. Diese Systeme werden nicht in der Lage sein, den nächsten Schritt zu unternehmen, um eine quantifizierbare Wirkung auf die Schadensfälle zu erzielen, wenn sie nicht massiv in NLP und Feature-Engineering von Freiformtexten investiert werden, da sie mehr als 80% des Kontextes und des Prozesses der Schadensbearbeitung ausmachen.

In vielen Fällen handelte es sich bei den Modellen, die den Schweregrad und das Risiko für die Fluggesellschaften vorhersagten, um Blackboxen, die einen kaum höheren Wert lieferten. Dadurch erhielten die Schadensabwickler eine priorisierte Liste von Schadensfällen, was ihnen wenig Vertrauen in das System verschaffte. Infolgedessen mussten die Mitarbeiter die jahrelange Schadenhistorie durchforsten, nur um das Modellergebnis zu validieren und jegliche Auswirkungen auf die Kosten zunichte zu machen. Da keine Investitionen in das Änderungsmanagement und die Produktentwicklung für Endanwender getätigt wurden, konnten diese Fortschritte in der Modellierung ihr Versprechen, sich auf Verluste auszuwirken, nicht einlösen.

Neuere Ansätze haben jedoch noch viel mehr geboten. Wenn die KI die Zeitreihen der Informationen in einer Behauptung aus den Notizen versteht (unstrukturierte Daten), kann sie spezifische Maßnahmen empfehlen (Lesen Sie hier mehr über die Schadensanalyse in Zeitreihen) z. B. zu dem Zeitpunkt, zu dem im Schadenprozess ein Sachverständiger oder Ermittler hätte hinzugezogen werden müssen, welche Antragsteller unter welchen Umständen eher offen für eine Beilegung sind und welche Maßnahmen des Schadensbearbeiters letztlich die Wirkung auf den Schadensfall haben. Letztlich kann die KI lernen, dem Schadensbearbeiter immer wieder zu empfehlen, was er als Nächstes tun sollte, um das beste Schadenergebnis für alle Parteien zu erzielen. Unternehmen sind in der Lage, sich eingehender mit den spezifischen Maßnahmen und den daraus resultierenden Auswirkungen zu befassen, wenn die KI die Hinweise und Dokumente versteht, um daraus bewährte Verfahren für die Schadenbearbeitung abzuleiten.

Das Goldene Zeitalter der Insurtechs

Die neue Generation von KI wird Einsparungen in Milliardenhöhe ermöglichen und sich auf Hunderte von Basispunkten kombinierter Kennzahlen auswirken. Dieses Vorhaben wird aus mehreren wichtigen Gründen von Insurtechs geleitet. Erstens erfordert diese Art von KI Investitionen in Frontend-Produkte, Backend-Infrastruktur und datenwissenschaftliche Ressourcen, für deren Bewältigung in den nächsten zehn Jahren Dutzende, wenn nicht Hunderte Millionen Dollar erforderlich sind. Darüber hinaus werden diese komplexeren Herausforderungen von den führenden Köpfen in den Bereichen KI und Technologie gelöst werden (Lesen Sie mehr über die Rekrutierungsherausforderungen in der Versicherungsbranche). Dieses Ausmaß laufender Investitionen ist nur möglich, wenn die Kosten auf die gesamte Branche verteilt werden können. Die Wirtschaftlichkeit dieser Softwareunternehmen ermöglicht es ihnen, viel zu investieren und gleichzeitig zielgerichtetere und fortschrittlichere Technologien zu einem günstigeren Preis anzubieten.

Related posts

EvolutionIQ
EvolutionIQ erweitert MedHub: Durch aktive medizinische Zusammenfassungen werden medizinische Daten zu einem Wettbewerbsvorteil
Nachrichtenredaktionen
All