Tehisintellektil põhinevad lahendused kindlustussektoris koos hallatud tehisintellektiga: miks kindlustussektor seisab silmitsi oma suurima pöördepunktiga.

"Digitaalse halvatuse" lõpp: kuidas hallatud tehisintellekt päästab kindlustussektorit

See, mis aastakümneid toimis stabiilse ärimudelina, mis põhines riskide koondamisel ja järkjärgulisel innovatsioonil, seisab nüüd silmitsi tehnoloogilise võla, plahvatuslikult kasvavate kulude ja regulatiivse surve täiusliku tormiga. Numbrid räägivad enda eest: kuigi kindlustuspettused nõuavad kogu maailmas igal aastal umbes 122 miljardit dollarit kahju, kulutatakse paradoksaalsel kombel kuni 90 protsenti traditsiooniliste ettevõtete IT-investeeringutest üksnes aegunud süsteemide hooldamisele – see on „digitaalne halvatus“, mis lämmatab innovatsiooni.

Kuid stagnatsiooni hind ei ole enam ainult kaotatud efektiivsus; sellest on saamas eksistentsiaalne oht. Ajastul, kus pettusemustrid muutuvad dünaamilisemaks ja kliendid ootavad reaalajas kogemusi, ei piisa enam ainult poliiside haldamisest. Valdkonna vastus peitub hallatud tehisintellekti lahenduste strateegilises rakendamises. Need tehnoloogiad ei ole enam valikuline trikk, vaid pigem oluline hoob hiiglasliku "pärandilõksu" ületamiseks, kiirendades radikaalselt selliseid protsesse nagu kahjukäsitlus ja hinnates riske täpsemalt kui kunagi varem.

Järgnev analüüs uurib selle ümberkujundamise majanduslikku külge üksikasjalikult. Alates ajaloolistest põhjustest, miks IT-monoliitid on sellistes tööstushiiglastes nagu Allianz, kuni uue ELi tehisintellekti seaduse lõksudeni: uurime, kuidas kindlustusandjad tasakaalustavad ranget regulatsiooni ja vajalikku automatiseerimist. Siit saate teada, miks hallatud tehisintellekt on enamat kui lihtsalt tarkvara – see on homse konkurentsivõime infrastruktuur – ja millised strateegiad määravad järgmise kümnendi võitjad ja kaotajad.

Sobib selleks:

• UNFRAME.AI: hallatud tehisintellekti lahendused kindlustusele

Kuidas kindlustusandjad oma tulevikku automatiseerivad või seda nutikalt kujundavad

Kindlustussektor on kriitilises pöördepunktis, kus tehnoloogilised, majanduslikud ja regulatiivsed jõud koonduvad ja sunnivad läbi viima põhimõttelisi muutusi. Kindlustusärimudel, mis on aastakümneid üles ehitatud käsitsi tehtavatele protsessidele, detsentraliseeritud andmestruktuuridele ja järkjärgulistele uuendustele, on üha suurema surve all. Reaalsus on ühemõtteline: kindlustussektor kaotab vara- ja õnnetusjuhtumipettuste tõttu igal aastal ligikaudu 122 miljardit dollarit, kusjuures ainuüksi Saksamaal on kahju üle 6 miljardi euro aastas. Samal ajal kulub 70 protsenti kindlustusseltside IT-eelarvest vananenud süsteemide hooldamisele, mis oma keerukuse all üha enam kokku varisevad. Kaks kolmandikku kindlustusandjatest kogu maailmas ei ole seni suutnud tehisintellekti pilootprojektidest kaugemale skaleerida ja seda oma igapäevasesse tegevusse integreerida.

See olukord ei kirjelda lihtsalt efektiivsuslünka, vaid ellujäämisprobleemi. Seega ei ole hallatud tehisintellekti lahendused kindlustussektoris tehnoloogiline trikk ega valikuline moderniseerimine, vaid strateegiline vajadus, mis määrab kindlustusseltside konkurentsivõime, kasumlikkuse ja lõppkokkuvõttes pikaajalise turuelujõu. Käesolev aruanne analüüsib selle ümberkujundamisprotsessi taga olevaid majanduslikke liikumapanevaid jõude, institutsionaalseid osalejaid ja turumehhanisme. See toob esile, kuidas hallatud tehisintellekti süsteemid integreeritud lahendusplatvormidena võimaldavad kindlustusandjatel ületada vananenud süsteeme, tuvastada ja ennetada pettusi reaalajas, kiirendada kahjunõuete menetlemist ja laiendada isikupärastatud kliendikogemust.

Sobib selleks:

• Unframe tehisintellekt muudab ettevõtete tehisintellekti integratsiooni rekordajaga: kohandatud lahendused tundide või päevadega

Elektromehaanilisest andmetöötlusest digitaalse halvatuseni

Kindlustussektori praeguse olukorra mõistmiseks on vaja heita pilk selle tehnoloogilisele arengule. Näiteks Allianz oli esimene kindlustusselts Euroopas, mis võttis 1956. aastal kasutusele IBM 650 suurarvuti. See oli läbimurre, mis muutis andmetöötlust revolutsiooniliselt ja võimaldas kindlustusandjatel tõhusalt hallata miljoneid poliise. Järgnevatel aastakümnetel laiendati ja kohandati neid süsteeme pidevalt uutele nõuetele vastavaks. Iga uus funktsioon ei olnud integreeritud, vaid pigem kihiline: kindlustushaldus, kahjunõuete töötlemine, arveldamine ja kliendihaldus tekkisid osaliselt isoleeritud ja osaliselt omavahel põimunud süsteemidena.

See oli ajalooliselt mõistetav ja majanduslikult mõistlik. Kuni 20. sajandi lõpuni olid sellised monoliitsed süsteemid standardseks ärimudeliks mitte ainult kindlustuses, vaid praktiliselt kõigis suuremates finantsasutustes. Sel ajal võimaldasid need skaleeritavust ja kasumlikkust. Siiski ei olnud need süsteemid eelkõige loodud paindlikkuse, kiirete iteratsioonide või välise integratsiooni jaoks. Need olid optimeeritud stabiilsete ja prognoositavate protsesside jaoks.

Aastatuhande vahetus ja sellele järgnenud kaks aastakümmet paljastasid nende otsuste varjuküljed. Kuna finantsteenused sattusid kogu maailmas ühinemiste, uute regulatsioonide ja kindlustustehnoloogia ettevõtete esiletõusu tõttu surve alla, muutusid kindlustusandjad üha enam sõltuvaks süsteemidest, mida nad ise enam täielikult ei mõistnud. Mõnel juhul on tehnilised sõltuvused nüüdseks nii keerulised, et kellelgi kindlustusseltsis pole täielikku ülevaadet oma tarkvaraarhitektuurist. Mõned pealtnäha tühised muudatused, näiteks teise e-posti aadressi lisamine süsteemi, põhjustavad kuuekohalisi kulusid, kuna need nõuavad süsteemi sadades kohtades kohandusi.

IT-investeeringud illustreerivad probleemi ulatust. Ainuüksi Saksamaa kindlustusandjad suurendasid oma IT-investeeringuid 2024. aastal rekordilise 6,2 miljardi euroni, peamiselt olemasolevate probleemide lahendamiseks, mitte tulevastesse innovatsioonidesse investeerimiseks. Suur osa neist vahenditest, hinnanguliselt 70–90 protsenti, kulutatakse lihtsalt pärandsüsteemide hooldamisele. See on klassikaline näide majanduslikust ebaefektiivsusest: ettevõtted maksavad üha suuremaid summasid sama funktsionaalsustaseme säilitamiseks, samal ajal kui nende konkurentsivõime langeb. Tehniline võlg kasvab eksponentsiaalselt, samal ajal kui investeeringud innovatsiooni ja kasvu on lämmatatud.

Põhitegurite analüüs: süsteemne ebatõhusus ja ümberkujundamise stiimulite struktuurid

Kindlustusäri põhineb asümmeetrilisel informatsioonil, riskide koondamisel ja preemialoogikal. Kindlustusandjad koguvad riskide kohta andmeid, hindavad neid riske ja arvutavad selle hinnangu põhjal preemiaid. Selle hindamise jaoks ühendavad nad ajaloolised andmed, välise teabe ja väljakujunenud arvutusmudelid. Traditsiooniliselt olid need käsitsi või poolautomaatsed protsessid. Kindlustusandjal oli vaja aastatepikkust kogemust, et neid hinnanguid järjepidevalt teha. Kahjude käsitlemine oli sarnane: kahjukäsitleja pidi lugema dokumente, võrdlema fakte poliisiga, tuvastama võimalikud pettusenäitajad ja seejärel otsuse tegema.

Selles kontekstis toimivad hallatud tehisintellekti lahendused katalüütilise transformaatorina. Need võimaldavad neid kognitiivseid ülesandeid täita mitte ainult kiiremini, vaid ka täpsemalt ja skaleeritavamalt. Kuid majanduslik mõju ulatub palju sügavamale:

Esiteks on pettuste ennetamine ülioluline. Vara- ja õnnetusjuhtumikindlustuse (P&C) kindlustuspettustest tulenevad ülemaailmselt kvantifitseeritud kahjud ulatuvad ligikaudu 122 miljardi dollarini aastas. Saksamaal on see hinnanguliselt üle 6 miljardi euro aastas ja see arv pidevalt kasvab. Tavapärane pettuste avastamine tugineb reeglistikule: kahtlased mustrid määratlevad eksperdid ja seejärel kodeerivad need süsteemidesse. Probleem on selles, et petised kohanevad teadaolevate mustritega, arendavad uusi tehnikaid ja muutuvad loovamaks. Masinõppel põhinev pettuste avastamine toimib erinevalt: see tunneb ära anomaalsed mustrid, mida inimesed pole varem kirjeldanud. McKinsey analüüsid näitavad, et tipptasemel pettuste avastamine suurendab avastamise määra 15–20 protsenti, vähendades samal ajal valepositiivseid tulemusi 20–50 protsenti. Sellel on otsesed majanduslikud tagajärjed: vähem pettusi tähendab vähem kahjunõuete väljamakseid. Vähem valepositiivseid tulemusi tähendab vähem ebavajalikke uurimisi ja kiiremat kontrollimist ausate kindlustusvõtjate jaoks.

Teiseks on kahjunõuete menetlemise efektiivsus tohutult suurenenud. Üks suur Hollandi kindlustusandja, kes võttis kasutusele tehisintellektil põhineva kahjunõuete menetlemise, automatiseeris 91 protsenti kõigist abikõlblikest liikluskahjudest. Kahjunõude keskmine töötlemisaeg lühenes 46 protsenti ja klientide rahulolu (mõõdetuna Net Promoter Score'i abil) suurenes 9 punkti võrra. Üks Põhjamaade kindlustusandja, kes võttis kasutusele dokumendiluure lahendused, saavutas 70 protsendi sissetulevate dokumentide puhul korrektse andmete ekstraheerimise ja tõlgendamise reaalajas, mitte käsitsi ja viivitustega. See oli oluline mitte ainult tehniliselt, vaid ka majanduslikult: kahjukäsitlejad said vabaneda rutiinsetest ülesannetest ja keskenduda hoopis keerukatele ja väärtuslikele juhtumitele, kus inimteadmised lisavad väärtust.

Kolmandaks, dünaamiline riskihindamine tehisintellekti abil võimaldab hinnakujunduse täpsust radikaalselt parandada. Kui traditsiooniline kindlustusandmine põhines vähestel muutujatel (vanus, sõiduajalugu, postiindeks), siis tehisintellekti mudelid saavad reaalajas analüüsida ja kombineerida sadu või tuhandeid andmepunkte. See võimaldab täpsemaid kindlustusmakseid, mis kajastavad tegelikku riski, mitte keskmisi kindlustusmakseid, mis toetavad suurt osa kliendibaasist. Allianzi juhtumiuuring näitab, kuidas tehisintellekti süsteem BRIAN (Underwriter Guidance Tool) kasutab andmete integreerimist ja semantilist analüüsi, et anda riskipõhiseid soovitusi, mis teavitavad kindlustusandjaid kiiremini ja tõhusamalt.

Neljandaks, tehisintellektil põhinev isikupärastamine parandab oluliselt klientide hankimist ja hoidmist. Generatiivne tehisintellekt ja laiaulatuslikud keelemudelid võimaldavad suhelda kindlustusklientidega loomulikus keeles, pakkuda automatiseeritud iseteeninduslahendusi ja anda individuaalseid tootesoovitusi. Kliendinõustaja, kes tavaliselt tegeleb 100 päringuga tööpäeva jooksul, saab seda mahtu tehisintellekti abiliste abil kahe- või kolmekordistada, parandades samal ajal nõuannete kvaliteeti.

Siiski toimivad need hoovad ainult teatud institutsionaalsetes tingimustes. Enamik kindlustusandjaid pole suutnud neid efekte realiseerida, kuna nende pärandsüsteemid ei ole piisavalt paindlikud, et toetada kiiret integratsiooni. Tehisintellekti projekt traditsioonilises kindlustusandjas võib võtta aastaid, sest iga uus liides loob sadu olemasolevaid sõltuvusi. See on peamine põhjus, miks kaks kolmandikku kindlustusandjatest kogu maailmas ei ole veel tehisintellekti pilootprojektidest kaugemale laiendanud.

Praegune olukord: andmepõhine inventuur ja väljakutsed

Globaalne tehisintellekti turg kindlustuses kasvab erakordselt kiiresti. 2024. aastal oli tehisintellekti turu väärtus kindlustuses ligikaudu 6,44–11,33 miljardit dollarit, olenevalt allikast. Prognoosid järgmiseks kümnendiks on dramaatilised: turu kasvuks prognoositakse aastateks 2031–2035 45,74–246 miljardit dollarit, keskmise aastase kasvumääraga 32–33 protsenti.

Need arvud ei ole matemaatilised abstraktsioonid, vaid pigem reaalsete majanduslike muutuste väljendused. Kindlustusandjad kogu maailmas investeerivad tohutuid summasid tehisintellekti tehnoloogiasse, talentide värbamisse ja ümberkujundamisprojektidesse. Suurimad kindlustusandjad, nagu Allianz, Munich Re ja Zürich, on loonud investeerimisüksusi, laboreid ja teaduspartnerlusi. Zürich teatas uue tehisintellekti labori avamisest 2025. aastal koostöös St. Galleni ülikooli ja ETH Zürichi ülikooliga, et muuta kindlustuse ärimudelit ennast. Allianz ehitab ettevõtteülest andmeplatvormi, et integreerida andmeid kõigist allikatest ja seega võimaldada tehisintellekti rakenduste kasutamist.

Kuid need investeeringud ei ole piiramatud. Ressursid on tavaliselt seotud pärandsüsteemidega. Saksa kindlustusandjad kulutavad IT-le aastas umbes 5,9–6,2 miljardit eurot, kuid 70–90 protsenti sellest läheb olemasoleva infrastruktuuri hooldamiseks. See tähendab, et tõelise innovatsiooni ja tulevaste investeeringute jaoks on sellest summast saadaval vaid 10–30 protsenti. Väikestel ja keskmise suurusega kindlustusandjatel on veelgi vähem ressursse. Seetõttu on tehisintellekti lahenduste kiire ja integreeritud pakkumine ühest allikast tohutu eelis.

Kõige pakilisemad väljakutsed on järgmised. Esiteks integratsiooni tehniline keerukus: igal kindlustusseltsil on ainulaadne pärandsüsteemide maastik, millel kõigil on oma API-d, andmestruktuurid ja äriloogika. Tõeline lahenduste pakkuja peab pakkuma lisaks tehisintellekti algoritmidele ka konfigureeritavat ühendusraamistikku, mis kohandub selle mitmekesisusega. Teiseks regulatiivne keerukus: ELi tehisintellekti seadusega, mis jõustus 2024. aasta augustis ja mida hakatakse täielikult kohaldama alates 2026. aasta maist, kehtivad kõrge riskiga tehisintellekti süsteemidele, eriti riskihindamise ja hinnakujunduse süsteemidele, ranged nõuded juhtimise, dokumenteerimise, läbipaistvuse ja eelarvamuste minimeerimise osas. Kolmandaks andmekaitse ja usalduse küsimus: tundlikke kliendiandmeid, terviseteavet ja finantsandmeid tuleb käsitleda kõrgeima turvalisuse tasemega. Kindlustusandjad ei saa neid andmeid lihtsalt välistele pilveteenuse pakkujatele tellida ilma regulatiivseid riske kandmata. Nad vajavad lahendusi, mis töötavad kohapeal või kontrollitud keskkonnas ning pakuvad auditeerimisjälgi ja täielikku läbipaistvust.

Hallatud tehisintellekti platvorm - pilt: Xpert.Digital

Siit saate teada, kuidas teie ettevõte saab kiiresti, turvaliselt ja ilma kõrgete sisenemisbarjäärideta rakendada kohandatud tehisintellekti lahendusi.

Hallatud tehisintellekti platvorm on teie igakülgne ja muretu tehisintellekti pakett. Keerulise tehnoloogia, kalli infrastruktuuri ja pikkade arendusprotsesside asemel saate spetsialiseerunud partnerilt teie vajadustele vastava võtmed kätte lahenduse – sageli juba mõne päeva jooksul.

Peamised eelised lühidalt:

⚡ Kiire teostus: Ideest rakenduseni päevade, mitte kuude jooksul. Pakume praktilisi lahendusi, mis loovad kohest väärtust.

🔒 Maksimaalne andmeturve: Teie tundlikud andmed jäävad teie kätte. Garanteerime turvalise ja nõuetele vastava töötlemise ilma andmeid kolmandate osapooltega jagamata.

💸 Finantsriski pole: maksate ainult tulemuste eest. Suured esialgsed investeeringud riist- ja tarkvarasse või personali jäävad täielikult ära.

🎯 Keskendu oma põhitegevusele: Keskendu sellele, mida sa kõige paremini oskad. Meie tegeleme sinu tehisintellekti lahenduse kogu tehnilise juurutamise, käitamise ja hooldusega.

📈 Tulevikukindel ja skaleeritav: teie tehisintellekt kasvab koos teiega. Tagame pideva optimeerimise ja skaleeritavuse ning kohandame mudeleid paindlikult uutele nõuetele.

Lisateavet selle kohta siin:

• Hallatud tehisintellekti platvorm

Praktika juhtumiuuringud: erinevate ümberkujundamisstrateegiate võrdlev analüüs

Selle analüüsi praktiliste tagajärgede illustreerimiseks on abiks erinevate lähenemisviisidega juhtumiuuringud.

Põhjamaade kindlustusandja, kes võttis kasutusele tehisintellektil põhineva dokumendiluure, illustreerib oma etapiviisilise ja protsessipõhise juurutamise teed. Ettevõttel oli aastakümnete pikkune kogemus paber- ja digitaalsete dokumentidega kahjunõuete menetlemisel. Manuaalne protsess oli väga keeruline: kahjunõue saabus, välised dokumendid pildistati või skanniti, töötajad lugesid seda käsitsi ja kopeerisid andmed erinevatesse süsteemidesse. Veamäärad olid märkimisväärsed. EY Fabric Document Intelligence'iga see töövoog muutus. Seitsekümmend protsenti dokumentidest tõlgendatakse nüüd reaalajas õigesti ning andmed ekstraheeritakse automaatselt ja edastatakse taustsüsteemidesse. See lahendus ei olnud täiesti uus arendus, vaid pigem integreeritud komponent, mis oli ehitatud olemasolevate kahjuhaldussüsteemide peale. Tulemus: oluliselt kiirem kahjunõuete menetlemine, vähem vigu ja töötajad, kes said keskenduda analüütilisematele ja kliendikesksematele ülesannetele.

Üks suur Hollandi kindlustusandja demonstreerib veelgi radikaalsemat lähenemist: traditsiooniliste kahjunõuete otsuste täielikku automatiseerimist. Sellel ettevõttel oli väga selge hüpotees: ligikaudu 91 protsenti kõigist liikluskahjudest järgib standardiseeritud otsustusloogikat ja neid saaks täielikult automatiseerida, kui süsteem selle loogika selgeks õpiks. Kindlustusandja koolitas tehisintellektiga agendi, kes modelleeris kogenud kahjukäsitlejate otsustusmustreid. Agent oli loodud kahjunõuete klassifitseerimiseks, kahjunõuete tingimuste läbivaatamiseks ja lihtsate juhtumite automaatseks kinnitamiseks. See rakendamine oli tehniliselt keeruline, kuna see nõudis kümnete pärandsüsteemide ühendamist. Kuid äriplaan oli nii veenev, et investeering õigustas end. Pärast täielikku rakendamist lühenes keskmine kahjunõuete menetlemise aeg 46 protsenti, 91 protsenti kõigist abikõlblikest liikluskahjudest automatiseeriti ja klientide rahulolu suurenes 9 NPS-punkti võrra. See ei olnud aga inimtöö täielik automatiseerimine, vaid pigem nutikas tööjaotus: agent tegeles rutiinsete ülesannetega, samal ajal kui inimesed võtsid enda kanda keerukuse.

Globaalse tegijana järgib Allianz ettevõtteülest andmete integreerimise ja tehisintellekti strateegia lähenemisviisi. Ettevõte mõistis, et tehisintellekti projektid on jätkusuutlikult edukad ainult siis, kui andmete kvaliteet on kõrge ja andmed on kogu organisatsioonis kättesaadavad. Seetõttu investeerib Allianz suuresti oma Allianzi andmeplatvormi, andmehaldusse ja andmekaitsejuhi ametikohtadele oma üksikutes tegevusüksustes. See on pikaajaline ümberkujundamise tee, kuid see lahendab põhiprobleemi: hea tehisintellekt vajab häid andmeid ning head andmed vajavad organisatsioonilist struktuuri ja kultuuri.

Seevastu Zürich järgib oma uue tehisintellekti labori kaudu teadus- ja innovatsioonipõhist lähenemisviisi. Zürich tunnistas, et olemasolevate tehisintellekti tehnoloogiate rakendamisest üksi ei piisa tõelise ärimudeli ümberkujundamise saavutamiseks. Ettevõte on teinud koostööd juhtivate ülikoolidega uute tehisintellekti tehnoloogiate ja meetodite väljatöötamiseks. Labor keskendub agendipõhistele tehisintellekti süsteemidele, mis toimivad autonoomsemalt ja suudavad langetada keerulisi otsuseid. See on tulevikumäng, mitte tänase tõhususe suurendamise eesmärk.

Võrdlus toob esile mitu olulist tähelepanekut. Esiteks, ühte imerohtu pole olemas. Protsessispetsiifilised tehisintellekti lahendused (näiteks dokumendiluure), täielik protsesside automatiseerimine (nagu Hollandi kindlustusandja), ettevõtteülesed andmestrateegiad (Allianz) ja fundamentaaluuringud (Zürich) on kõik kehtivad ja käsitlevad erinevaid majanduslikke väljakutseid. Teiseks, rakendamise kiirus on kriitilise tähtsusega konkurentsitegur. Süsteem, mida saab rakendada kuude, mitte aastate jooksul, pakub majanduslikke eeliseid. Kolmandaks on integreerimine olemasolevate süsteemidega ülioluline. Kindlustusandjatel, kes tegelevad tehisintellektiga isoleeritud projektina, on piiratud edu. Need, kes integreerivad tehisintellekti oma olemasolevasse tehnoloogiamaastikku, skaleeruvad tõhusamalt.

Sobib selleks:

• Hallatud tehisintellektiga ettevõtte lahendused koos Blueprint-lähenemisviisiga: paradigma muutus tööstusliku tehisintellekti integratsioonis

Edasised arenguteed ja võimalikud häired

Seni tehtud analüüsi põhjal saab välja tuua mitu tõenäolist arenguteed.

Kõige tõenäolisem stsenaarium on kindlustussektori järkjärguline killustumine. Suured ja ressurssidega tegijad, nagu Allianz, Munich Re ja Zurich, skaleerivad edukalt tehisintellekti ja andmete integratsiooni, kindlustades seeläbi oma konkurentsieelised. Nad jäävad ka regulatiivse järelevalve all uuendusmeelseks, kuna neil on vastavuse tagamiseks vajalikud ressursid. Keskmise suurusega ja väiksemad kindlustusandjad seisavad silmitsi dilemmaga: kas nad investeerivad suuresti tehisintellekti ja moderniseerimisse (mis vähendab lühiajaliselt nende kasumlikkust) või jäävad tehnoloogiliselt maha ja kaotavad turuosa. Paljud valivad allhanke või strateegilise partnerluse tehisintellekti platvormidega (näiteks hallatud tehisintellekti lahenduste pakkujad). See võib viia konsolideerumiseni, kus suurimad kindlustusandjad meelitavad ligi parimaid tehisintellekti talente, samas kui väiksemad kindlustusandjad pöörduvad turustajate poole või järgivad nišistrateegiaid.

Teine tõenäoline stsenaarium on uute kindlustusmudelite teke, mis põhinevad põhimõtteliselt tehisintellektil ja andmeanalüütikal. Uutel InsurTech-ettevõtetel ehk kindlustussektorisse sisenevatel tehnoloogiaettevõtetel (nagu Google kindlustuses) on väiksem tehniline võlg ja nad saavad tehisintellekti oma arhitektuuri algusest peale integreerida. Nad võivad kiiresti domineerida niši vertikaalsetel turgudel. See avaldab survet väljakujunenud kindlustusandjatele mitte ainult optimeerida oma olemasolevaid protsesse, vaid ka ümber mõelda oma ärimudeleid. Zurich on seda tunnistanud ja investeerib uute ärimudelite uurimisse.

Kolmas stsenaarium on tehisintellekti standardite järkjärguline reguleerimine ja formaliseerimine. Praegune ELi tehisintellekti seadus on alles algus. Sellele on oodata täiendavaid regulatsioone, olgu siis tegemist tehisintellekti süsteemide selgitatavuse, eelarvamuste minimeerimise või krediidivõimelisusega. See võib viia olukorrani, kus edukad on ainult spetsialiseerunud, rangelt reguleeritud tehisintellekti lahenduste pakkujad, kellel on tõelised turvalisuse ja vastavussertifikaadid. Tehnoloogiahiiglaste üldised tehisintellekti tööriistad võivad muutuda ebapiisavaks reguleeritud tööstusharudes, näiteks kindlustuses.

Neljas stsenaarium, mis on vähem tõenäoline, kuid mitte võimatu, on tehisintellekti automatiseerimise vastane tagasilöök kindlustuses, mida õhutab avalik arutelu töökohtade kaotuse või diskrimineerimise üle. See võib kaasa tuua poliitilise surve tehisintellekti piiramiseks või keelustamiseks teatud kontekstides. See on aga ebatõenäoline, kuna majanduslik kasu on liiga suur.

Võimalikud häired, mis võivad need teed pea peale pöörata:

1. Suur kindlustusandja andmete rikkumine kahjustab oluliselt usaldust tehisintellekti süsteemide vastu
2. Tehisintellekti süsteemide diskrimineeriv mõju kõrge riskiga juhtudel (näiteks Amazoni värbamisskandaal kindlustuses) on demonstreeritud, mis on vallandanud regulatiivse tagasilöögi.
3. Läbimurre agendipõhistes tehisintellektides või autonoomsetes tehisintellekti otsustussüsteemides, mis muudab veelgi kindlustusmudeleid
4. Kliimamuutuste ja tehisintellekti abil täiustatud riskihindamise koosmõju, mis viib ulatuslike turumoonutusteni (näiteks kui tehisintellekt tuvastab, et teatud piirkonnad on palju riskantsemad kui varem eeldatud)

Strateegilised tagajärjed: vajadus koordineeritud ümberkujundamise järele

Empiiriline analüüs annab selge pildi: hallatud tehisintellekti lahendused ei ole kindlustusandjatele valikulised, vaid hädavajalikud. Praegune ebatõhusus on nii drastiline, konkurentsijõud nii tugev ja regulatiivsed nõuded nii selged, et tegevusetus on samaväärne konkurentidele konkurentsieelise andmisega.

Poliitikakujundajate jaoks tähendab see regulatiivse raamistiku (ELi tehisintellekti seadus, isikuandmete kaitse üldmäärus, riiklikud kindlustusseadused) tugevdamist, aga ka väiksemate kindlustusandjate praktilist toetamist. Ilma toetuseta võib tekkida kahetasandiline kindlustussektor, kus suured kindlustusandjad jäävad innovaatiliseks ja sunnivad väiksemaid kindlustusandjaid kas turgu omandama või sealt lahkuma.

Kindlustusjuhtide jaoks on strateegilised tagajärjed selged. Üksikute tehisintellekti projektide piloteerimisest ei piisa. Kindlustusandjad peavad:

1. Töötage välja ettevõtteülene andmestrateegia, mis käsitleb andmeid kriitilise varana.
2. Järk-järgult lammutage või kaasajastage vananenud süsteeme, ärge installige lõputult parandusi.
3. Tehisintellekti ei tohiks vaadelda isoleeritud projektina, vaid kui operatiivse arhitektuuri lahutamatut osa.
4. Integreeri juhtimine ja vastavus projekti elluviimisse algusest peale, mitte järelmõttena.
5. Strateegiliste otsuste langetamine tootmise, ostmise ja partnerluse vahel: millal on mõttekas arendada oma tehisintellekti lahendusi ja millal on hallatud tehisintellekti lahenduste pakkuja õige valik?

Investorite ja sidusrühmade jaoks on peamine arusaam, et kindlustusandjad, kes selle ümberkujundamise edukalt läbivad, võivad oodata konkurentsieeliseid, suuremat kasumlikkust (pettuste vähendamise, kulutõhususe ja parema hinnakujunduse täpsuse kaudu) ning tugevamaid kliendisuhteid. Kindlustusandjad, kes seda ei tee, kaotavad oma olulisuse üha konkurentsitihedamas ja regulatiivsemas keskkonnas.

Seega ei ole käesoleva analüüsi keskne tees mitte see, et tehisintellekt on tehnoloogiline valik, vaid see, et tehisintellekt on strateegiline vajadus, mis määrab kindlustusseltside elujõulisuse järgmisel kümnendil. Õigesti konfigureeritud ja juhtimisse juurutatud hallatud tehisintellekti lahendused on majanduslik instrument selle vajaduse elluviimiseks.

Konrad Wolfenstein

Aitan teid hea meelega isikliku konsultandina.

minuga ühendust võtta Wolfenstein ∂ xpert.digital

Helistage mulle lihtsalt alla +49 89 674 804 (München)

Linkedin
 

Meie globaalne tööstus- ja ärialane ekspertiis äriarenduses, müügis ja turunduses - pilt: Xpert.Digital

Tööstusharu fookus: B2B, digitaliseerimine (tehisintellektist XR-ini), masinaehitus, logistika, taastuvenergia ja tööstus

Lisateavet selle kohta siin:

• Xpert Business Hub

Teemakeskus koos teadmiste ja ekspertiisiga:

• Teadmisplatvorm globaalse ja regionaalse majanduse, innovatsiooni ja tööstusharude suundumuste kohta
• Analüüside, impulsside ja taustteabe kogumine meie fookusvaldkondadest
• Koht ekspertiisi ja teabe saamiseks äri- ja tehnoloogiavaldkonna praeguste arengute kohta
• Teemakeskus ettevõtetele, kes soovivad õppida turgude, digitaliseerimise ja valdkonna uuenduste kohta