-1.2 C
New York
martes, abril 16, 2024

¿Están las aseguradoras generales preparadas para la IA generativa?


La IA generativa tendrá profundas implicaciones para los seguros generales, pero en este momento la industria, como muchas otras, está haciendo el arduo trabajo de evaluar dónde aplicar la tecnología y cómo hacerlo de forma segura. La promesa de las capacidades de la IA generativa para mejorar la gestión de reclamaciones es enorme, y su impacto eventualmente será transformador y estará a la altura de las expectativas actuales. Pero esto llevará tiempo.

Es fácil ver el potencial de la tecnología. Al observar los procesos de negocio, se podría decir: «Realmente nos vendría bien algún resumen aquí» o «un chatbot podría manejar esto por completo». Pero incorporar la IA generativa de manera responsable en los flujos de trabajo que, por ejemplo, tratan a los empleados lesionados y ayudan a los conductores que han resultado heridos en accidentes automovilísticos, es un desafío dados algunos de los aspectos inherentes de la tecnología. Abordar estas características requiere experimentación y cuidado exhaustivos.

En el corto plazo, la industria de seguros generales dedicará más tiempo a prepararse para esta tecnología que a implementarla. Sin embargo, no hay duda de que la IA generativa está dando a conocer su presencia en la industria. Por eso, a medida que las empresas de seguros generales evalúan e investigan cómo pueden utilizar esta tecnología, también harían bien en empezar a sentar las bases para el éxito.

Limpia tu casa de datos

El primer paso es poner en orden el centro de datos de su empresa. La IA generativa requiere cantidades masivas de datos para entrenar el modelo, comprender la base de conocimientos de la empresa e interactuar de manera humana. Pero no basta con tener terabytes de datos: deben estar limpios y accesibles. Muchas aseguradoras, en particular las más grandes, tienen datos almacenados en múltiples ubicaciones en muchos sistemas y entornos diferentes. Es difícil acceder a ellos y, en muchos casos, TI ni siquiera tiene una buena idea de qué datos tiene la organización en primer lugar.

Leer  Guía estratégica para desbloquear la 'Gen Zalpha'

Además, es importante contar con un científico de datos a bordo para supervisar la limpieza de datos y la capacitación en inteligencia artificial. Incluso si sus datos están limpios, formateados y accesibles, debe asegurarse de tener el tipo de datos correcto para el uso previsto o podría introducir sesgos que harán que el algoritmo generativo de IA proporcione contenido inadecuado.

Ver también: Cinco formas en que la IA generativa transformará las reclamaciones

Trabajar con proveedores de tecnología que entienden nuestra industria.

Deberá prestar mucha atención a la privacidad de los datos, porque la mayoría de los usos de P&C para la IA generativa requerirán datos de los clientes. Ciertamente no desea que el modelo comience a escupir información personal sobre sus clientes a personas que no tienen derecho a verla, y desea asegurarse de seguir las leyes federales y estatales si utiliza dichos datos para entrenar a su modelos.

A continuación, deberá trabajar con sus proveedores de tecnología para garantizar que el problema de alucinaciones de la IA generativa no cause daño. El superpoder de la IA generativa es su capacidad de crear contenido completamente nuevo, pero en ocasiones, este contenido está completamente inventado. A veces, esto puede resultar simplemente molesto o, para quienes dependen demasiado de él, vergonzoso, como cuando hace referencias a publicaciones que no existen. Esto ocurre cuando la tecnología genera resultados incorrectos o engañosos causados ​​por varios factores, incluidos datos de entrenamiento insuficientes, suposiciones incorrectas hechas por el modelo o sesgos en los datos utilizados para entrenar el modelo.

Pero en una situación de atención médica, la información alucinada podría dañar gravemente o literalmente matar a un paciente. Por lo tanto, es imperativo que los proveedores de seguros generales exijan sistemas diseñados para monitorear y detectar cuando los datos generativos de IA no son precisos o no tienen sentido. Por este motivo, es importante asociarse con proveedores de tecnología que comprendan profundamente los seguros generales. Los profesionales de reclamos se enfrentan a desafíos, procesos comerciales y requisitos regulatorios específicos que, si el usuario no los comprende, resultarán en una implementación generativa de IA que, en el mejor de los casos, no agrega valor y podría causar daños graves a largo plazo, tanto a la empresas y asegurados. Se necesita tiempo para entrenar estos modelos y estos modelos necesitan datos confiables.

Leer  Dentro de la creciente convergencia entre las compañías de seguros de vida y los planificadores patrimoniales

Ver también: Una prueba de la realidad para la IA generativa

Empieza pequeño

Una vez que tenga todo lo anterior implementado, estará listo para implementar su primer caso de uso. Y si bien puede parecer anticlimático trabajar tanto preparándose para una prueba pequeña, si algo sale mal, es más fácil solucionar un problema pequeño que uno grande. Encuentre un caso de uso que brinde un valor concreto al negocio pero que también tenga un alcance limitado y exponga a la organización a un riesgo mínimo.

El éxito a pequeña escala no sólo le brindará a su equipo lecciones importantes sobre lo que funciona y lo que no, sino que también generará confianza dentro de la alta dirección y de la empresa en general, de modo que cuando pase a proyectos más grandes y con mayores consecuencias. usos, habrá ganado un número cada vez mayor de defensores que apoyen el proyecto y presionen para su éxito.

La IA generativa se convertirá en una tecnología cada vez más importante para los seguros generales y los beneficios serán enormes. Pero no llegarán de la noche a la mañana, y los transportistas que lo lleven sobre sus esquís probablemente pagarán un alto precio por hacerlo. En este momento, la mejor medida que puede tomar un pagador es sentar las bases para la IA generativa y, una vez sentadas las bases, probarla con usos pequeños y de bajo riesgo, y construir a partir de ahí.





Source link

Related Articles

DEJA UNA RESPUESTA

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

Latest Articles