Wie man Datenbereitschaft für KI erreicht: Praktische Ratschläge für Versicherungsunternehmen von LIMRA-, Microsoft- und UCT-Experten

Wenn Sie heute ein Versicherungsunternehmen von Grund auf neu gründen würden, garantiere ich Ihnen, dass KI in Ihrer gesamten Wertschöpfungskette integriert sein wird. Sie wird wahrscheinlich ein zentrales Element in vielen Ihrer Prozesse sein.

Anwendungsfälle für KI in der Lebensversicherung

Die Versicherungsbranche steht vor einer großen Transformation, die durch künstliche Intelligenz (KI) getrieben wird. Viele Versicherer nutzen bereits KI, um wichtige Prozesse zu unterstützen, die die Effizienz, die Kundenbindung und die Entscheidungsfindung erheblich beeinflussen. Gängige und leistungsstarke Anwendungsfälle umfassen:

GenAI-Verbesserte Kundenerfahrung: Versicherer nutzen KI, um ein personalisiertes Verständnis ihrer Kunden zu erlangen und zu verstehen, wie sie ihre Erfahrungen verbessern können. KI kann Interaktionen anpassen, Aufgaben automatisieren und das Risikomanagement verbessern. Diese Ergebnisse führen offensichtlich zu einer effizienteren und positiveren Kundenerfahrung.

Verbesserte Entscheidungsfindung: KI kann große Mengen an Daten analysieren, um Muster und Trends zu identifizieren, was zu einer besseren Risikobewertung, Schadensabwicklung und Betrugserkennung führt. Versicherer prüfen auch ihre Versicherungsprodukte und fragen, wie sie Analytics nutzen können, um Produkte mehr vernetzt und digital zu machen.

Erhöhte Effizienz: KI kann wiederkehrende Aufgaben automatisieren, sodass Mitarbeiter sich auf komplexere Aktivitäten konzentrieren und die Mitarbeitererfahrung verbessern können.

Gen-AI-Technologie ist relativ neu, daher konzentrieren sich die derzeitigen Implementierungen bei unseren Kunden auf "low-hanging Fruits". Es handelt sich um interne Anwendungsfälle, und viele davon sind auf die Verwendung von Geschäftsanwendungen ausgerichtet, um die Kundenerfahrung (indirekt) und die Mitarbeitererfahrung (direkt) zu verbessern. "Eine der häufigsten Fragen im Moment ist, wie ich ein Chat-GPT-ähnliches Erlebnis erstellen kann, das es Mitarbeitern ermöglicht, einen Prompt einzugeben und sofort eine nützliche und verwendbare Antwort zu erhalten, und das in einer sicheren Umgebung architektiert ist, die unsere Daten nutzt?

Die "born analog"-Herausforderung: Legacy-System-Daten-Silos

Während KI spannende Möglichkeiten bietet, stehen Versicherer bei der Umsetzung ihres Potenzials vor Herausforderungen aufgrund der Verbreitung von Legacy-Systemen und der variablen Qualität der Datenmanagement-Praktiken.

Die meisten Versicherer sind etablierte Unternehmen mit einer Geschichte, die Jahrzehnte oder sogar länger zurückreicht. Sie sind definitiv nicht "digital geboren". Das bedeutet, dass sie nicht von einem sauberen Blatt Papier aus starten, wenn es um Daten geht.

Lebensversicherungs- und Rentenunternehmen weltweit sind auf dem Weg, "digital zu werden", wobei hybride (Legacy-Analog- und 1. Generation Digital-) Daten-Sammlungs- und -Umformungs-Methoden auf rein digitale Speicher- und Nutzungsmodelle treffen. Dies schafft eine interessante Komplexität, solange diese beiden Methoden innerhalb eines Versicherers existieren.

Das schafft eine Herausforderung für diejenigen, die analog geboren wurden.

Analytics, KI, LLMs und andere neue datengetriebene Anwendungen erfordern konsistente und hohe Datenqualität. Und leider ist das nicht die Situation, in der sich die meisten Unternehmen befinden. Sie haben keine perfekt formatierten Daten, die universell verfügbar sind, in Echtzeit. Wahrscheinlicher ist, dass die Datenstruktur, -sammlung und -zugänglichkeit sich im Laufe der Zeit entwickelt haben. Einige Unternehmen bezeichnen es als "den Sumpf", weil es wahrscheinlich eine Mischung aus Formaten und Strukturen gibt, die sich im Laufe der Jahre entwickelt haben. Und ein Großteil davon ist wahrscheinlich in Legacy-PAS- und CRM-Systemen gefangen, die im Laufe der Zeit in die IT-Umgebung hinzugefügt wurden.

Das bedeutet, dass Unternehmen, um eine Grundlage für zukünftige digitale Anwendungen zu schaffen, einen Weg finden müssen, ihre Daten zu modernisieren und für neue Anwendungen bereitzustellen. Versicherer müssen einen Datenmodernisierungsplan haben, um zu bestimmen, wie sie auf ihre Legacy-Daten zugreifen, sie bereinigen, umwandeln und migrieren können, die sich über Jahrzehnte angesammelt haben.

Traditionelle Versicherungsunternehmen kämpfen oft mit:

Datenqualität: Legacy-Systeme enthalten oft inkonsistente und schlecht formatierte Daten, die KI-Anwendungen behindern, die auf sauberen und organisierten Daten basieren. Datenmodernisierung: Die Modernisierung der Dateninfrastruktur und der Governance-Praktiken, die für die Vorbereitung auf KI-Integration unerlässlich sind. Daten-Silos: Viele Versicherer haben mehrere Legacy-Policy-Admin-Systeme, die es schwierig machen, auf Daten in Echtzeit zuzugreifen, was dazu führt, dass ein Großteil der Daten des Unternehmens "eingesperrt" ist.

Die KI-Bereitschafts-Roadmap für Versicherer

In der Versicherungsbranche ist die Vorbereitung von Daten für Business Intelligence (BI) und KI-Projekte ein strategischer Imperativ. Ein Großteil der Daten kann ohne große Änderungen für BI-Anwendungen verwendet werden, aber im KI-Bereich müssen spezielle Überlegungen angestellt werden (manchmal für dieselben Daten, die für BI-Anwendungen gesammelt werden). Um einen nahtlosen Übergang zu datengetriebener Entscheidungsfindung zu gewährleisten, müssen Versicherer spezifische Maßnahmen ergreifen:

Vision und Strategie: Binden Sie KI als eine Ermöglichungstechnologie klar an Ihre Geschäftsziele und gewünschte Geschäftsergebnisse. Haben Sie einen realistischen Plan und führen Sie ihn aus. Dann fließen alles andere: Ihre Mitarbeiter, Ihre Prozesse. Und denken Sie daran, KI ist eine hochentwickelte Technologie, aber am Ende des Tages ist sie nur ein Werkzeug.

Es geht um die Datenintegration - über Systeme hinweg und mit dem Ziel, Geschäftsziele zu erreichen. Erstellen Sie keine Datenmengen aus ad-hoc-Gründen in unterschiedlichen Formaten, isoliert in verschiedenen Silos.

Führen Sie nicht mit der Technologie. Führen Sie mit der Geschäftsstrategie und den Geschäftsproblemen, die Sie lösen möchten.

Seien Sie bereit, sich auf "Strategie" einzulassen! Es werden Veränderungen auftreten, weil Sie persönlich und organisatorisch lernen. Wir müssen bereit sein, den Kurs zu korrigieren, wenn neue Erkenntnisse und Erfahrungen unser grundlegendes Verständnis der Bedürfnisse und des Einsatzes dieser leistungsstarken neuen Anwendungsfälle vorantreiben.

Regulierung und Priorisierung

Die Regulierung beeinflusst die Strategie in Bezug auf die Priorisierung von KI-Projekten.

Einige der Dinge, die ich derzeit mit meinen Kunden mache, ist, ihnen zu helfen, zu verstehen, wo sie priorisieren sollten. Wir sind eine sehr regulierte Branche. Das wird sich nicht ändern. KI soll keine Entscheidungen treffen. Nicht jetzt. Was sie tun soll, ist, zu unterstützen, um Dinge ein bisschen einfacher für die Menschen zu machen. Wenn Versicherer priorisieren, werden Anwendungsfälle, bei denen regulatorische und Datenschutzaspekte erheblich sind, nicht die sicheren Orte zum Starten sein. Ein gutes Beispiel ist ein generatives AI-aktivierte Kundenfacing-Chatbot, der auf Kundendaten angewiesen ist, um die Erfahrung zu verbessern. Wir sehen nicht viele Kunden, die hierher gehen. Während es, wenn es sich um interne Anwendungsfälle handelt, wie z.B. die Verbesserung der Produktivität von Kontaktcenter-Mitarbeitern, Schadensregulierern oder Underwritern, wahrscheinlich wollen Sie hier beginnen. Hier sehen wir die meisten unserer Kunden, die ihre Mitarbeiter produktiver und effektiver machen.

Daten sind nicht nur ein IT-Projekt - Zusammenarbeit zwischen Geschäftseinheiten ist entscheidend

Eine robuste Zusammenarbeit zwischen Informationstechnologie (IT) und Geschäft ist unerlässlich, um ein umfassendes Verständnis der Datenbedürfnisse zu entwickeln, die die Grundlage für eine effektive KI-Implementierung sind. Die Integration von Erkenntnissen aus beiden Seiten des Unternehmens stellt sicher, dass Dateninitiativen nicht nur technisch machbar sind, sondern auch eng mit den übergeordneten Geschäftszielen abgestimmt sind, was die Relevanz und den Einfluss von KI-Projekten erhöht.

Daten sind nicht nur ein IT-Projekt - Zusammenarbeit zwischen Geschäftseinheiten ist entscheidend Eine robuste Zusammenarbeit zwischen Informationstechnologie (IT) und Geschäft ist unerlässlich, um ein umfassendes Verständnis der Datenbedürfnisse zu entwickeln, die die Grundlage für eine effektive KI-Implementierung sind. Die Integration von Erkenntnissen aus beiden Seiten des Unternehmens stellt sicher, dass Dateninitiativen nicht nur technisch machbar sind, sondern auch eng mit den übergeordneten Geschäftszielen abgestimmt sind, was die Relevanz und den Einfluss von KI-Projekten erhöht.

Agilität in Dateninitiativen Diese Initiativen müssen auch flexibel genug sein, um sich an veränderte Kundenerwartungen und regulatorische Landschaften anzupassen. Kontinuierliche Kommunikation und die Verfeinerung von Datenstrategien werden erforderlich sein, um schnell auf neue Trends und Herausforderungen zu reagieren. Ein Geschäfts- und technisches Verständnis von bewährten Lösungen für die hybride Koexistenz der Systemtopologie eines Versicherers ermöglicht agilere Dateninitiativen und stärkere Governance-Muster in einem sich schnell entwickelnden Zukunftszustand des Datenbestands eines Versicherers. Ein kooperativer Ansatz stellt sicher, dass Dateninitiativen mit den Geschäftszielen des Unternehmens abgestimmt bleiben, was KI-Projekte effektiver und ergebnisorientierter macht.

Ebenso fördert die Investition in skalierbare und flexible Cloud-Infrastruktur die Agilität bei sich ändernden Marktbedingungen, während sich KI-Fähigkeiten entwickeln. Das exponentielle Wachstum der Datenmengen, getrieben durch digitale Interaktionen und die Notwendigkeit von Echtzeit-Analysen, erfordert eine Infrastruktur, die nicht nur dieses Wachstum bewältigen kann, sondern auch kosteneffizient und agil ist.

Skalierbarkeit von Dateninitiativen Cloud-basierte Lösungen bieten die Skalierbarkeit und Flexibilität, die erforderlich ist, um die zunehmenden Datenmengen zu bewältigen, und bieten eine Grundlage, die die Agilität unterstützt, die für KI-Initiativen erforderlich ist. Eine solche Infrastruktur ermöglicht die nahtlose Skalierung von DatenSpeicher- und Verarbeitungskapazitäten, sodass Versicherer die großen Datenmengen nutzen können, die für anspruchsvolle KI-Anwendungen erforderlich sind, ohne durch physische Hardware-Einschränkungen behindert zu werden. Während die Skalierung erheblich einfacher ist als je zuvor (in der Welt der Cloud-Technologie), müssen diese Entscheidungen auf Zweck und Wert gründen, um "Überausgaben" und die Erosion dünner Budgets/Margen zu vermeiden.

Daten-Governance Die Einrichtung eines umfassenden Daten-Governance-Frameworks schafft eine Grundlage für die Sicherstellung der Datenintegrität, des Kontexts und der Sicherheit, die für die erfolgreiche Implementierung und den Betrieb von KI-Technologien entscheidend sind. Ein robustes Daten-Governance-Framework legt die Grundlage für die Verwaltung der umfangreichen und komplexen Datensätze, auf denen KI-Systeme basieren, und stellt sicher, dass die Daten im gesamten Unternehmen genau, konsistent definiert und sicher verwaltet werden. Die Entwicklung strukturierter Wege, um mit unstrukturierten Daten umzugehen und sie zu regeln, ist eine neue Herausforderung, der viele Versicherer gegenüberstehen oder in Zukunft gegenüberstehen werden.

Datenmanagement-Rollen Zentral für dieses Framework ist die klare Definition von Rollen und Verantwortlichkeiten im Zusammenhang mit Datenmanagement innerhalb des Unternehmens. Ein klar definiertes Daten-Organigramm stellt sicher, dass die gesamte Datenstrategie auf einem hohen Niveau im Unternehmen gemanagt wird, um eine angemessene Aufsicht zu gewährleisten, während sichergestellt wird, dass in allen Teams und Projekten jeder Aspekt des Datenlebenszyklus, von der Erstellung und Speicherung bis zum Zugriff und zur Löschung, ordnungsgemäß gemanagt wird.

Datenzugriffs- und Eigentumsrichtlinien Das Governance-Framework sollte auch Datenzugriffs- und Eigentumsrichtlinien enthalten. Diese Maßnahmen schützen sensible Informationen vor unbefugtem Zugriff und stellen sicher, dass Daten nur auf Grundlage der Notwendigkeit zugänglich sind und verantwortungsvoll genutzt werden. Datenzugriffs- und Eigentumsrichtlinien helfen auch bei der Abgrenzung der Grenzen der Datenverwendung, um sicherzustellen, dass die Einhaltung von Vorschriften aufrechterhalten wird und ethische Richtlinien eingehalten werden.

Ein gut strukturiertes Daten-Governance-Framework schützt das Unternehmen vor internen und externen Bedrohungen, schafft eine einzige Wahrheitsquelle und eine solide Grundlage für die effektive Nutzung von KI-Technologien. Das Framework ermöglicht es Versicherern, die Macht von KI zu nutzen, während die höchsten Standards der Datenintegrität und -sicherheit aufrechterhalten werden.

Die Bedeutung von Datenkompetenz als Grundfähigkeit Datenkompetenz ist in ihrem Kern die Fähigkeit, gute Daten von schlechten Daten zu unterscheiden. Und die Datenqualität hängt ausschließlich von den Menschen ab, die die Daten verwalten. Das bedeutet, dass Datenkompetenz vor KI-Kompetenz kommen muss - und das gilt für das gesamte Unternehmen.

Dies wird nun als eine Kerngeschäfts-Kompetenz für jedes Unternehmen angesehen, das Geschäfte in einer digitalen Umgebung durchführt. Wenn Sie nicht in Datenkompetenz investieren, werden Sie zunehmend schlechte Datenqualität haben, weil die Menschen, die täglich mit den Daten arbeiten, den Kontext nicht verstehen oder interpretieren können, in dem die Daten verwendet werden. Und das Ergebnis ist, dass schlechte Daten Ihre KI-Modelle infizieren werden.

Also konzentrieren Sie sich als allgemeines Prinzip auf die Datenqualität, aber priorisieren Sie auch die Verbesserung der Datenkompetenz durch kontinuierliche Lernprogramme, um Ihre Mitarbeiter mit den Fähigkeiten auszustatten, die sie benötigen, um gute von schlechten Daten zu unterscheiden. Investieren Sie in KI-Kompetenz-Initiativen, damit sie verstehen, wie sie mit Machine-Learning-Programmen arbeiten und welche Auswirkungen die Entscheidungen haben, die sie mit den Daten treffen, die sie sammeln, identifizieren oder verwenden, um diese Algorithmen zu trainieren.

Als Beispiel für die Auswirkung von Datenkompetenz auf KI-Kompetenz sprach ich mit einem Analysten, der intelligentes Dokumenten-Processing in einem Unternehmen implementierte. Als es in die Produktion ging, mussten die Menschen beginnen, Dokumente manuell zu kategorisieren und zu klassifizieren. Und er war schockiert, weil am ersten Tag etwa 40 % aller Dokumente falsch klassifiziert waren und sie nicht verstanden, warum.

Der Prozess zur Vorbereitung von Daten für KI

Die meisten Versicherungsunternehmen haben bereits ihre Datenmodernisierungsjourney begonnen. Sie extrahieren möglicherweise Daten aus Legacy-Quellen, um sie in ein neues Speichermedium zu übertragen, um sie zu bereinigen und zu modernisieren und Dinge damit zu tun, um die Kundenerfahrung zu verbessern oder Berichte zu erstellen. Die Falle ist, einen "eine-Größe-passt-für-alle"-Ansatz für Ihre KI-Datenstrategie zu verwenden. Versicherer müssen ihre Daten anders betrachten als je zuvor, um erstaunliche Ergebnisse aus dieser erstaunlichen technologischen Veränderung zu erzielen.

Datenbewertung und -modernisierung Die Vorbereitung von Daten für KI-Anwendungen beginnt mit einer umfassenden Datenmodernisierung. In diesem Schritt besteht das Ziel darin, die Datenqualität zu bewerten, Inkonsistenzen, Lücken oder Fehler zu beheben und die Formate und Strukturen zu standardisieren (wo erforderlich). Es kann auch die Ergänzung

Bitte beachten Sie, dass die deutsche Version von Ai unterstützt wird und daher geringfügige Fehler auftreten können.

AUTOR

Über ABN Asia: Ai Base Network (ABN), ABN Asia wurde im Jahr 2012 gegründet und ist ein Unternehmen mit akademischem Hintergrund, das von Lehrkräften und ehemaligen Studierenden aus Ungarn, den Niederlanden, Russland, Deutschland und Japan gegründet wurde. Wir teilen eine gemeinsame Leidenschaft und eine klare Vision für Technologie, die Innovation und erstklassige Qualität für unsere Kunden bringt. Unser Motto lautet: Besser. Schneller. Sicherer. In vielen Fällen: Günstiger.

Zögern Sie nicht, uns zu kontaktieren, wenn Sie IT-Dienstleistungen, digitale Beratung, Standardsoftwarelösungen benötigen oder uns Angebotsanfragen (RFPs) senden möchten. Sie können uns unter [email protected] kontaktieren. Wir sind bereit, Ihnen bei all Ihren Technologiebedürfnissen zu helfen.