Hvorfor er kunstig intelligens relevant for forsikringsbranchen?

Generativ AI (GenAI) har vundet indpas gennem den populære ChatGPT, efterfulgt af en bred vifte af systemer fra andre teknologileverandører.

Opsummering: 

• GenAI kan blive en transformerende teknologi for forsikringssektoren, der kan forbedre kundeoplevelsen og øge effektiviteten på tværs af værdikæden.
• Implementering af teknologien kræver dog omhu, planlægning, koordination og integration i forretningsmodellen.
• Forsikringsselskaber bør også være opmærksomme på de regulatoriske aspekter og overveje samarbejde med leverandører for at få adgang til kompetencer og erfaringer.

Kunstig intelligens (AI) er blevet en integreret del af det danske ordforråd – på en gang nærværende og fremmedgørende. Vi ser det anvendt i alle samfundets hjørner – fra offentlige myndigheder til private virksomheder.

Generativ AI (GenAI) vundet indpas gennem den populære ChatGPT, efterfulgt af en bred vifte af systemer fra andre teknologileverandører. GenAI kan analysere data og generere nye data – f.eks. tekst eller billeder - ved at kombinere eksempler fra de enorme mængder data de er baseret på. Disse systemer er ofte designet til at interagere i naturligt sprog, hvilket gør dem meget fleksible og tilgængelige. Potentialet for denne fremadstormende teknologi er enormt, især inden for forsikringsbranchen, der ser forventningsfuldt mod GenAI som en metode til at skabe forretningsmæssig værdi og forbedre kundeoplevelsen.

EY's 2023 undersøgelse af europæiske finansinstitutioner viste, at 60 % af adspurgte ledere har investeret i GenAI i det forgangne år, mens 75 % planlægger at øge deres investering i det kommende år1. Selvom mange af lederne ser potentialet i GenAI, er der en stigende opmærksomhed på de udfordringer der skal overvindes for at få succes med AI.

I denne korte artikel ser vi på, hvorfor GenAI er så attraktivt for forsikringsbranchen. Vi overvejer efterfølgende udfordringerne der skal tages stilling til ved implementering af teknologien, og hvordan forsikringsselskaber kan implementere GenAI effektivt.

Hvorfor er GenAI så attraktivt for forsikringsbranchen?

GenAI har potentialet til at transformere stole dele af forsikringsbranchen. Der er en række praktiske anvendelser af GenAI forsikringsselskaber på tværs af deres værdikæder – både i kundevendte og ikke-kundevendte funktioner.

En af de mest lovende kundevendte anvendelser af GenAI i forsikringsbranchen er personaliseret kommunikation. Selskaberne kan bruge GenAI til at analysere markeds- og kundedata for at identificere præferencer og adfærdsmønstre samt tilbyde skræddersyede tilbud. Forventningen er at det vil føre til øget loyalitet, forbedret kundeoplevelse og reducerede omkostninger til markedsføring.

Generativ AI kan også anvendes til analysen af skader. For eksempel kan det hjælpe forsikringsselskaber med at oprette bedre skadesrapporter med færre manuelle fejl ved automatiseret af processering eller verificering af data. Derudover kan GenAI fremskynde skadesbehandlingsprocessen ved at analysere fotos og estimere skadens omfang og reparationsomkostninger. Dette kan føre til hurtigere udbetalinger og øge kundetilfredsheden.

Disse få eksempler - for der er mange flere - tegner et billede af at GenAI ikke kun kan øge effektiviteten af forsikringsselskaber, men også styrke kundeoplevelsen og tilliden til forsikringsselskabet.

Samtidig skal man dog være opmærksom på være opmærksom på at der kan være en slagside; hvis man f.eks. fremskynder sagsbehandling ved hjælp af GenAI, men kompromitterer kvaliteten er man ikke garanteret reducerede omkostninger og øget kundetilfredshed, tværtimod. Derfor opnås de gavnlige effekter kun når GenAI bliver omhyggeligt implementeret på en forsvarlig måde.

Udfordringer ved brugen af GenAI

Selvom potentialet i GenAI er stort, er der stadig en række udfordringer, der skal adresseres for at brugen af det bliver en succes. Anvendelsen af GenAI kræver et klart formål, kompetencer og teknologi, og ikke mindst integration med eksisterende systemer for at skabe reel forretningsværdi. Forsikringsselskaber skal tage højde for, hvordan teknologien påvirker kunderne og ændrer forretningen og forretningsmodellen.

En af de største bekymringer er dataetik og gennemsigtighed, især da mange generative AI-løsninger kan have begrænset evne til at forklare deres handlinger. Forklarlighed er afgørende for at opbygge brugertillid, sikre transparens og retfærdighed og muliggøre ansvarlighed. Man vil f.eks. undgå at AI systemer systematisk diskriminerer eller manipulerer på et uretmæssigt eller uetisk grundlag. Kompetente brugere skal derfor kunne forstå og auditere systemets grundlag for beslutninger.

En generel udfordring, som også rammer GenAI, er at opretholde sikkerhed og overholdelse af GDPR-regler for databeskyttelse. Hvis AI-systemer bygger på sensitive data, kan der være risiko for alvorlige databrud. Specielt kundevendte AI systemer kan manipuleres til at lække data eller foretage uhensigtsmæssige handlinger, hvis de ikke beskyttes tilstrækkeligt.

Forsikringsbranchen og andre finansielle institutioner er derfor underlagt regler og standarder for brug af data der er vigtige at leve op til, såsom Solvens 2, IRFS 17, GDPR, DORA og den nyligt vedtagne AI Act. Udover de eksterne regulatoriske krav, skal brugen af AI være forenelig med firmaets egne værdier, mål og risiko appetit.

Hvordan forsikringsselskaber kan implementere generativ AI effektivt

Implementering af GenAI kræver, ligesom så mange andre implementeringsopgaver, grundige og holistiske overvejelser. Proof-of-concept prototyper kan sædvanligvis udvikles i et isoleret miljø, men en skalering til produktion kræver omfattende analyse. Implementering af AI er ikke kun en teknisk øvelse, men indbefatter en transformation af virksomheden, hvor medarbejdere og ledere tilpasser og tilpasser sig de ændrede forretningsgange.

Da teknologien og landskabet af løsninger er hastigt omskiftende, er der grund til at tænke langsigtet for at sikre at levetiden for en AI-løsning står mål med investeringen og at investeringen er tilstrækkeligt velovervejet til at realisere værdien uden uheldige følger.

Her er nogle eksempler på spørgsmål, organisationerne kan stille sig selv for at belyse effekterne af en potentiel implementering:

• Hvad er det man ønsker at opnå - er målsætningen gennemtænkt og klar?
• Hvordan kan det sikres at det implementeringen virker som tiltænkt og lever op til interne og eksterne krav?
• Hvordan kan implementeringen påvirke kunders tillid til selskabet?
• Hvordan vil implementeringen ændre forretningen og forretningsmodellen?
• Hvordan bliver samspillet mellem teknologien og medarbejderne?
• Hvordan sikres databeskyttelse og datasikkerhed?
• Skal vi involvere en leverandør for at accelerere initiativet?
• Hvordan sikres forankring af videreudvikling og drift?