Cara Mencapai Kesiapan Data untuk AI: Saran Praktis untuk Perusahaan Asuransi dari Pakar LIMRA, Microsoft, dan UCT

Jika Anda harus memulai perusahaan asuransi dari awal hari ini, saya jamin bahwa AI akan tertanam di seluruh rantai nilai Anda. Ini mungkin akan menjadi elemen sentral dalam banyak proses Anda.

Penggunaan Kasus AI dalam Asuransi Jiwa

Industri asuransi berada di ambang transformasi besar yang dipicu oleh Kecerdasan Buatan (AI). Banyak perusahaan asuransi sudah menggunakan AI untuk memperkuat proses penting yang berdampak besar pada efisiensi, keterlibatan pelanggan, dan pengambilan keputusan. Penggunaan kasus yang umum dan kuat termasuk:

Pengalaman Pelanggan yang Ditingkatkan dengan GenAI: Perusahaan asuransi menggunakan AI untuk memperoleh pemahaman yang lebih personal tentang pelanggan mereka dalam upaya memahami bagaimana membuat pengalaman mereka lebih baik. AI dapat menyesuaikan interaksi, mengotomatisasi tugas, dan meningkatkan penilaian risiko. Hasil ini jelas-jelas mengarah pada pengalaman pelanggan yang lebih efisien dan positif.

Pengambilan Keputusan yang Ditingkatkan: AI dapat menganalisis sejumlah besar data untuk mengidentifikasi pola dan tren, memungkinkan underwriting, pengolahan klaim, dan deteksi penipuan yang lebih baik. Perusahaan asuransi juga melihat produk asuransi mereka dan bertanya, bagaimana Anda menggunakan analitik untuk membuat produk lebih terhubung dan digital?

Efisiensi yang Ditingkatkan: AI dapat mengotomatisasi tugas berulang, membebaskan karyawan manusia untuk fokus pada kegiatan yang lebih kompleks dan membuat pengalaman karyawan lebih baik.

Teknologi Gen AI relatif baru, sehingga penerapan yang kita lihat pada pelanggan kita saat ini berfokus pada "buah yang mudah dipetik". Mereka adalah penggunaan kasus yang berfokus internal, dan banyak di antaranya dibangun di sekitar penggunaan aplikasi bisnis untuk membuat pengalaman pelanggan (tidak langsung) dan karyawan (langsung) lebih baik. "Salah satu pertanyaan yang paling umum saat ini adalah, bagaimana saya dapat membuat pengalaman seperti Chat GPT yang memungkinkan karyawan memasukkan prompt dan langsung mendapatkan jawaban yang berguna dan dapat digunakan, dan dirancang dalam lingkungan yang aman dan memanfaatkan data kita?"

Tantangan 'Lahir Analog': Silo Data Sistem Warisan

Sementara AI menawarkan peluang yang menarik, perusahaan asuransi menghadapi tantangan dalam mewujudkan potensinya karena keberadaan sistem warisan dan kualitas manajemen data yang bervariasi.

Sebagian besar perusahaan asuransi adalah perusahaan yang sudah mapan dengan sejarah yang membentang beberapa dekade, jika tidak lebih lama. Mereka tidak "lahir digital". Artinya, mereka tidak memulai dari lembaran yang bersih ketika datang ke data.

Perusahaan asuransi jiwa dan anuitas global sedang dalam perjalanan "menjadi digital" di mana metode pengumpulan/transformasi data hibrida (analog warisan & digital generasi pertama) bertemu dengan model penyimpanan dan penggunaan digital murni. Ini menciptakan kompleksitas yang menarik ketika kedua metode ini ada dalam perusahaan asuransi.

Hal ini menciptakan tantangan bagi mereka yang "lahir analog".

Analitik, AI, LLM, dan aplikasi data-driven lainnya memerlukan kualitas data yang konsisten dan tinggi. Dan, sayangnya, itu bukan situasi yang dihadapi oleh sebagian besar perusahaan. Mereka tidak memiliki data yang diformat dengan sempurna, yang tersedia secara universal dalam waktu nyata. Lebih mungkin, struktur data, pengumpulan, dan aksesibilitas akan berkembang seiring waktu. Beberapa perusahaan menyebutnya sebagai "rawa" karena mungkin ada campuran format dan struktur yang telah berkembang selama bertahun-tahun. Dan sebagian besar, jika tidak sebagian besar, akan terjebak dalam sistem PAS dan CRM dan ERP warisan yang telah ditambahkan ke lingkungan TI seiring waktu.

Hal ini berarti bahwa untuk membangun fondasi untuk aplikasi digital masa depan, perusahaan harus menemukan cara untuk memodernisasi data mereka dan membuatnya siap untuk penggunaan baru. Perusahaan asuransi harus memiliki rencana modernisasi data untuk mengakses, membersihkan, mengubah, dan memigrasikan semua data warisan yang telah terkumpul selama dekade.

Perusahaan asuransi tradisional seringkali kesulitan dengan:

Kualitas Data: Sistem warisan seringkali berisi data yang tidak konsisten dan tidak diformat dengan baik, menghambat aplikasi AI yang bergantung pada data yang bersih dan terorganisir. Modernisasi Data: Memodernisasi infrastruktur data dan praktik tata kelola yang penting untuk menjadi lebih "siap data" untuk integrasi AI. Silo Data: Banyak perusahaan asuransi memiliki beberapa sistem administrasi kebijakan warisan yang membuatnya sulit untuk mengakses data dalam waktu nyata, secara efektif memenjarakan sebagian besar data perusahaan.

Peta Jalan Kesiapan AI untuk Perusahaan Asuransi

Dalam industri asuransi, mempersiapkan data untuk proyek Business Intelligence (BI) dan Artificial Intelligence (AI) adalah imperatif strategis. Sebagian besar data dapat memiliki penggunaan ganda dengan perubahan minimal, tetapi dalam ranah AI, pertimbangan unik harus diterapkan (kadang-kadang pada data yang sama yang dikumpulkan untuk penggunaan BI). Untuk memastikan transisi yang lancar menuju pengambilan keputusan yang berbasis data, perusahaan asuransi harus melakukan langkah-langkah tertentu:

Visi dan Strategi: Hubungkan AI sebagai teknologi pengaktifan dengan jelas ke tujuan bisnis dan hasil bisnis yang diinginkan. Miliki rencana yang realistis dan terstruktur, lalu jalankan rencana tersebut. Kemudian, semuanya mengalir dari sana: orang, proses, dan ingat, AI mungkin teknologi yang sangat maju, tetapi pada akhirnya, itu hanya alat.

Ini tentang integrasi data - di seluruh sistem dan dengan tujuan mencapai tujuan bisnis. Jangan buat set data untuk alasan ad hoc dalam format yang berbeda, terisolasi dalam silo yang berbeda.

Jangan memimpin dengan teknologi. Pimpin dengan strategi bisnis dan masalah bisnis yang Anda coba selesaikan.

Bersedia untuk terlibat dalam "strategery"! Perubahan akan terjadi karena pembelajaran pribadi dan organisasi Anda. Kita harus bersedia untuk mengoreksi arah ketika temuan dan pengalaman baru mempengaruhi pemahaman fundamental kita tentang kebutuhan dan penggunaan organisasi kita terhadap kasus penggunaan baru yang kuat ini.

Regulasi dan Prioritas

Regulasi mempengaruhi strategi dalam hal bagaimana perusahaan asuransi harus memikirkan prioritas proyek AI.

Beberapa hal yang saya lakukan dengan pelanggan saya saat ini adalah membantu mereka memahami di mana mereka harus memprioritaskan. Kami adalah industri yang sangat diatur. Itu tidak akan berubah. AI tidak dimaksudkan untuk membuat keputusan. Tidak sekarang. Apa yang dimaksudkan adalah untuk meningkatkan, membuat hal-hal sedikit lebih mudah bagi orang-orang. Ketika perusahaan asuransi memprioritaskan kasus penggunaan di mana pertimbangan regulasi dan privasi sangat besar, tidak akan menjadi tempat yang aman untuk memulai. Contoh yang bagus adalah chatbot pelanggan yang diaktifkan oleh AI generatif, yang mengandalkan data pelanggan untuk meningkatkan pengalaman. Kami tidak melihat banyak pelanggan yang pergi ke sana saat ini. Di mana jika itu adalah kasus penggunaan internal, seperti meningkatkan produktivitas perwakilan pusat kontak, pengolah klaim, atau penilai, Anda mungkin ingin memulai dari sana. Ini adalah tempat di mana kami melihat sebagian besar pelanggan kami menerapkan saat ini; membantu karyawan mereka menjadi lebih produktif dan efektif dalam bekerja.

Data Bukan Hanya Proyek TI - Kolaborasi Unit Bisnis Sangat Penting

Kolaborasi yang kuat antara Teknologi Informasi (TI) dan bisnis sangat penting untuk mengembangkan pemahaman holistik tentang kebutuhan data, yang merupakan fondasi penerapan AI yang efektif. Integrasi wawasan dari kedua sisi perusahaan memastikan bahwa inisiatif data tidak hanya layak secara teknis, tetapi juga sejalan dengan tujuan bisnis yang lebih luas, sehingga meningkatkan relevansi dan dampak proyek AI.

Data bukan hanya proyek TI - Kolaborasi unit bisnis sangat penting Kolaborasi yang kuat antara Teknologi Informasi (TI) dan bisnis sangat penting untuk mengembangkan pemahaman holistik tentang kebutuhan data, yang merupakan fondasi penerapan AI yang efektif. Integrasi wawasan dari kedua sisi perusahaan memastikan bahwa inisiatif data tidak hanya layak secara teknis, tetapi juga sejalan dengan tujuan bisnis yang lebih luas, sehingga meningkatkan relevansi dan dampak proyek AI.

Agilitas dalam inisiatif data Inisiatif ini juga harus fleksibel untuk menyesuaikan diri dengan harapan pelanggan yang terus berkembang dan lanskap regulasi. Komunikasi berkelanjutan dan penyempurnaan strategi data akan diperlukan untuk merespons cepat terhadap tren dan tantangan yang muncul. Pemahaman bisnis dan teknis tentang solusi yang terbukti untuk ko-eksistensi hibrida topologi sistem perusahaan asuransi akan memungkinkan inisiatif data yang lebih lincah dan pola tata kelola yang lebih kuat dalam keadaan masa depan perusahaan asuransi yang terus berkembang. Pendekatan kolaboratif memastikan bahwa inisiatif data tetap sejalan dengan tujuan bisnis, membuat proyek AI lebih efektif dan berorientasi pada hasil.

Dalam hal yang sama, berinvestasi dalam infrastruktur berbasis cloud yang fleksibel dan dapat diskalakan meningkatkan agilitas Anda dalam menghadapi perubahan kondisi pasar ketika kemampuan AI berkembang. Pertumbuhan data yang eksponensial, yang dipicu oleh interaksi digital dan kebutuhan akan analitik waktu nyata, menuntut infrastruktur yang tidak hanya dapat menampung pertumbuhan ini tetapi juga melakukannya dengan cara yang efektif biaya dan lincah.

Skalabilitas inisiatif data Solusi berbasis cloud menawarkan skalabilitas dan fleksibilitas yang diperlukan untuk mengelola volume data yang meningkat, menyediakan fondasi yang mendukung agilitas yang diperlukan untuk inisiatif AI. Infrastruktur ini memfasilitasi penskalaan data yang mulus dan kemampuan pemrosesan, memastikan bahwa perusahaan asuransi dapat memanfaatkan sejumlah besar data yang diperlukan untuk aplikasi AI yang canggih tanpa terhambat oleh keterbatasan perangkat keras fisik. Sementara penskalaan jauh lebih mudah daripada sebelumnya (di dunia teknologi cloud), keputusan ini harus didasarkan pada tujuan dan nilai untuk menghindari "memboroskan" dan mengikis margin/budget yang tipis.

Tata Kelola Data Membangun Kerangka Tata Kelola Data yang komprehensif menciptakan fondasi untuk memastikan integritas data, konteks, dan keamanan, yang sangat penting untuk penerapan dan operasi teknologi AI yang sukses. Kerangka tata kelola data yang kuat memberikan fondasi untuk mengelola dataset yang luas dan kompleks yang digunakan oleh sistem AI, memastikan bahwa data di seluruh organisasi akurat, konsisten didefinisikan, dan dikelola dengan aman. Mengembangkan cara yang terstruktur untuk menangani dan mengatur data yang tidak terstruktur adalah tantangan baru yang banyak perusahaan asuransi hadapi atau akan hadapi dalam pertimbangan tata kelola mereka di masa depan.

Peran Manajemen Data Pusat dari kerangka ini adalah definisi yang jelas tentang peran dan tanggung jawab yang terkait dengan manajemen data dalam organisasi. Diagram organisasi data yang jelas memastikan bahwa strategi data keseluruhan Anda akan dikelola pada tingkat yang cukup tinggi dalam organisasi untuk memberikan pengawasan yang tepat, sambil memastikan bahwa, di seluruh tim dan proyek, setiap aspek siklus hidup data, dari pembuatan dan penyimpanan hingga akses dan penghapusan, dikelola dengan baik.

Kebijakan Akses dan Kepemilikan Data Kerangka tata kelola juga harus merinci kontrol akses data dan kebijakan kepemilikan data. Langkah-langkah ini melindungi informasi sensitif dari akses tidak sah, memastikan bahwa data diakses berdasarkan kebutuhan dan digunakan secara bertanggung jawab. Kontrol akses dan kebijakan kepemilikan juga membantu dalam menentukan batas-batas penggunaan data, memastikan bahwa kepatuhan regulasi dipertahankan, dan pedoman etis dipatuhi.

Kerangka Tata Kelola Data yang terstruktur dengan baik melindungi data organisasi dari ancaman internal dan eksternal, menciptakan sumber kebenaran tunggal, dan fondasi yang kuat untuk memanfaatkan teknologi AI secara efektif. Kerangka ini memungkinkan perusahaan asuransi untuk memanfaatkan kekuatan AI sambil mempertahankan standar tertinggi integritas data dan keamanan.

Pentingnya Literasi Data sebagai Kemampuan Dasar Literasi data adalah, pada intinya, kemampuan untuk membedakan data yang baik dari data yang buruk. Dan kualitas data sepenuhnya bergantung pada manusia yang mengelola data tersebut. Artinya, literasi data harus datang sebelum literasi AI - dan itu di seluruh organisasi.

Ini sekarang dianggap sebagai kemampuan bisnis inti untuk setiap organisasi yang melakukan bisnis dalam kapasitas digital. Jika Anda tidak melakukan investasi yang tepat dalam literasi data, Anda akan memiliki kualitas data yang semakin buruk karena orang-orang yang berada di garis depan dengan data sepanjang hari, setiap hari, tidak dapat memahami atau menafsirkan konteks di mana data digunakan. Dan hasilnya adalah data yang buruk akan menyebar dan menginfeksi model AI Anda.

Jadi, sebagai prinsip umum, fokus pada kualitas data, tetapi juga prioritaskan peningkatan literasi data melalui program pembelajaran berkelanjutan untuk memberikan karyawan dengan keterampilan yang mereka butuhkan untuk membedakan data yang baik dari data yang buruk. Investasikan dalam inisiatif literasi AI sehingga mereka memahami bagaimana bekerja dengan program pembelajaran mesin dan dampak yang dapat terjadi ketika mereka membuat keputusan dengan data yang mereka kumpulkan, identifikasi, atau gunakan untuk melatih algoritma tersebut.

Sebagai contoh literasi data yang mempengaruhi literasi AI, saya berbicara dengan seorang analis dan dia mulai menerapkan pengolahan dokumen cerdas ke dalam organisasi. Setelah itu diluncurkan, orang-orang harus mulai mengklasifikasikan dan mengklasifikasikan dokumen secara manual. Dan dia terkejut karena pada hari pertama mereka melihat bahwa sekitar 40% dari semua dokumen diklasifikasikan secara salah dan mereka tidak memahami mengapa.

Proses Mempersiapkan Data untuk AI

Sebagian besar perusahaan asuransi telah memulai perjalanan modernisasi data mereka. Mereka mungkin telah mengekstrak data dari sumber warisan untuk memasukkannya ke dalam mekanisme penyimpanan baru, membersihkannya, dan memodernisasi serta melakukan sesuatu dengannya untuk meningkatkan pengalaman klien dan pelanggan atau menghasilkan laporan. Jebakan adalah menerapkan pendekatan "satu ukuran cocok untuk semua" untuk strategi data AI Anda. Perusahaan asuransi harus melihat data mereka secara berbeda dari sebelumnya untuk menghasilkan hasil yang luar biasa dari pergeseran teknologi yang luar biasa ini.

Penilaian dan Modernisasi Data Mempersiapkan data untuk aplikasi AI dimulai dengan modernisasi data yang luas. Dalam langkah ini, tujuan adalah menilai kualitas data, memperbaiki inkonsistensi, celah, atau kesalahan sambil memstandarkan format dan struktur (di mana tepat). Ini mungkin termasuk melengkapi data dari proses kerja dan menerjemahkan nilai kode ke "bahasa bisnis yang sebenarnya".

Mengharmoniskan cara data diwakili dan memahami konteksnya memungkinkan integrasi data yang lebih efisien dan pemrosesan oleh algoritma AI. Keseragaman ini sangat penting untuk sistem AI, yang dapat memerlukan dataset yang konsisten dan terstruktur untuk belajar secara efektif dan menghasilkan output yang bermakna.

Penggabungan Data Teknik pengg

Harap dicatat bahwa versi bahasa Indonesia didukung oleh AI dan karena itu mungkin terjadi kesalahan kecil.

Penulis

Ai Base Network (ABN), ABN ASIA didirikan oleh orang-orang dengan akar yang kuat di dunia akademis, dengan pengalaman kerja di Amerika Serikat, Belanda, Hungaria, Jepang, Korea Selatan, Singapura, dan Vietnam. ABN Asia adalah tempat di mana akademik dan teknologi bertemu dengan peluang. Dengan solusi terdepan kami dan layanan pengembangan perangkat lunak yang kompeten, kami membantu bisnis untuk meningkatkan level dan bersaing di panggung global. Komitmen kami: Lebih Cepat. Lebih Baik. Lebih handal. Dalam kebanyakan kasus: Lebih murah juga.

Jangan ragu untuk menghubungi kami jika Anda membutuhkan layanan IT, konsultasi digital, solusi perangkat lunak siap pakai, atau jika Anda ingin mengirimkan permintaan proposal (RFP). Anda dapat menghubungi kami di [email protected]. Kami siap membantu Anda dengan semua kebutuhan teknologi Anda.