-1.2 C
New York
martes, abril 16, 2024

Cómo la IA puede mantener rentables a las aseguradoras generales


¿Cómo pueden las aseguradoras generales seguir siendo rentables en 2024?

Las aseguradoras cerraron 2023 con un relación combinada del 103,3%. A ello contribuyeron numerosos desafíos, entre ellos la inflación, el cambio climático y el aumento de las tasas de reaseguro. Si bien estos desafíos se encuentran en gran medida fuera del control de las aseguradoras, los tiempos señalan la necesidad de una adopción tecnológica estratégica para ayudarlas a compensar las temporadas difíciles.

La IA se ha convertido en una herramienta formidable en esta batalla, en particular los avances en los modelos de visión por computadora y los modelos de lenguaje grande (LLM).

Cuando profundizamos en estos casos de uso específicos de la IA, su impacto en tiempo real se vuelve evidente. Los modelos de visión por computadora y aprendizaje automático entrenados con imágenes aéreas y datos geoespaciales pueden generar atributos detallados de las condiciones de la propiedad. Los LLM les dicen a los aseguradores todo lo que necesitan saber sobre una propiedad para revelar información que de otro modo sería desconocida.

¿Cómo ayuda el aprovechamiento de estas herramientas a las aseguradoras a optimizar las operaciones, minimizar las pérdidas y recortar gastos? Vamos a explorar.

Maximizar los conocimientos a través de la visión por computadora

Una clave para superar los obstáculos a la rentabilidad no es depender únicamente de la tecnología o las imágenes aéreas. Implica desbloquear conocimientos más profundos y gestionar mejor la exposición al riesgo a través de conocimientos impulsados ​​por IA a partir de imágenes aéreas. Los suscriptores armados con esta tecnología obtienen una visión integral de la exposición al riesgo, lo que les permite ver lo invisible de cualquier propiedad en su cartera.

Los modelos de visión por computadora escanean imágenes de propiedades para detectar y resaltar atributos específicos, como tejas faltantes en un techo, estanques y salientes de árboles. Con imágenes actualizadas, las aseguradoras pueden comunicar rápidamente cualquier cambio en la exposición al riesgo al asegurado. Por ejemplo, una propiedad con un gran alero de árboles puede provocar problemas con el tejado del asegurado. Si la condición del techo se ha degradado dramáticamente, las aseguradoras pueden demostrar los nuevos factores de riesgo al asegurado, ayudando tanto al asegurado como al asegurador. La aseguradora también puede tomar medidas políticas inmediatas y evitar sorpresas en la renovación. La proactividad no sólo ayuda a cerrar las brechas de comunicación entre las aseguradoras y los asegurados, sino que también predice y previene pérdidas potenciales antes de que ocurran. Es una victoria para todos.

Leer  ¿Por qué los pagos digitales siguen siendo complicados?

Considere el caso del cliente de seguros que redujo el tiempo de servicio de 5,5 días a 1,5 con la incorporación de tecnología de visión por computadora basada en inteligencia de propiedad. La capacidad de eludir las inspecciones físicas tradicionales, que consumen mucho tiempo, tuvo un enorme impacto financiero. Ese mismo cliente produjo un ahorro real en la tasa de ejecución de más de $1,4 millones. Para una empresa con $200 millones en primas emitidas directas, esta reducción en el presupuesto y los costos de inspección externa, así como la entrega acelerada del servicio, fue significativa para nuestro cliente, el agente y, en última instancia, el asegurado.

Ver también: IA en el centro de CL-AI-MS

IA generativa y LLM

Por muy emocionante que haya sido el auge de los LLM, con el auge de OpenAI, esta forma de IA no es nueva, pero los matices de sus aplicaciones sí lo son. Entonces, ¿qué papel juegan los LLM en la rentabilidad?

Considere el uso de la visión por computadora para gestionar el riesgo de propiedad ya discutido y ahora combine estos conocimientos con un LLM. Pasas de ver cada detalle a ser dijo cada detalle del estado de la propiedad y exposición al riesgo. Esto incluye vulnerabilidades estructurales y peligros específicos de la ubicación, analizados a partir de una agregación de conjuntos de datos que incluyen bases de datos de bienes raíces, patrones climáticos e historial de reclamos.

Un asegurador ahora puede decir: «Dígame lo que necesito saber sobre esta propiedad» o «Dígame lo que necesito saber sobre la geografía». O más específicamente, tal vez el asegurador esté buscando propiedades en un área costera propensa a inundaciones. Es posible que primero pregunten: «¿Puede informarme sobre la precipitación promedio anual en el área?» Y luego puede continuar diciendo: «Muéstrame la altura del primer piso de esta propiedad». En esencia, el LLM no solo transmitirá datos fácticos, sino que aplicará algoritmos avanzados para proyectar escenarios de riesgo futuros, proporcionando un pronóstico probabilístico de inundaciones y su impacto potencial en el valor y la asegurabilidad de la propiedad.

Leer  Los 10 principales desafíos para la seguridad de los datos

Esto es importante si se tiene en cuenta lo que suele hacer un asegurador cuando suscribe nuevos negocios. En lugar de depender de una única fuente de información, se ven obligados a ordenar costosas inspecciones físicas, consultar varios sitios web para garantizar que los datos sean precisos y aprovechar el software de mapeo sin conocimientos de inteligencia artificial. Los aseguradores pueden reducir drásticamente el tiempo y los gastos de estas tareas incorporando datos holísticos sobre las propiedades, además de los datos derivados de ML, y fusionando estas fuentes en un LLM. A partir de ahí, un LLM examina toda la cartera de propiedades, automatizando la extracción de puntos de datos clave y sintetizándolos en una visión clara del riesgo. Es similar a consultar a un genio de los seguros para obtener las respuestas más completas. Este nuevo proceso ayuda a los suscriptores a comprender mejor su perfil de riesgo, gestionar pólizas y optimizar su tiempo y experiencia donde más se necesita.

Ver también: Equilibrando la IA y el futuro de los seguros

El futuro de la IA en los seguros generales

Las aseguradoras generales deberían considerar seriamente aprovechar la IA para lograr rentabilidad y eficiencia. Aunque todavía es pronto para ver el impacto financiero total de la IA y surgen dudas sobre el sesgo y las cuestiones regulatorias, es probable que llegue para quedarse. La industria de seguros tiene altibajos, pero las herramientas de inteligencia artificial adecuadas pueden ser la constante que ayude a las aseguradoras a mantenerse estables cuando lleguen momentos difíciles. Sin mencionar que invertir en él ahora establecerá nuevos estándares de innovación, optimizará las operaciones y mejorará drásticamente los flujos de trabajo para el futuro.





Source link

Related Articles

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí

Latest Articles