Cách Đạt Được Sự Sẵn Sàng Dữ Liệu cho AI: Lời Khuyên Thực Tiễn cho Các Công Ty Bảo Hiểm từ Các Chuyên Gia của LIMRA, Microsoft và UCT

Nếu bạn bắt đầu một công ty bảo hiểm từ đầu ngày hôm nay, tôi đảm bảo rằng trí tuệ nhân tạo sẽ được tích hợp vào toàn bộ chuỗi giá trị của bạn. Nó có lẽ sẽ trở thành một yếu tố trung tâm trong nhiều quy trình của bạn.

1. Các trường hợp sử dụng AI trong bảo hiểm nhân thọ

Ngành bảo hiểm đang trên đà chuyển đổi lớn được thúc đẩy bởi Trí tuệ Nhân tạo (AI). Nhiều công ty bảo hiểm đã sử dụng AI để vận hành các quy trình quan trọng ảnh hưởng đáng kể đến hiệu quả, sự tương tác của khách hàng và ra quyết định. Các trường hợp sử dụng phổ biến và mạnh mẽ bao gồm:

Trải nghiệm khách hàng nâng cao với GenAI: Các công ty bảo hiểm sử dụng AI để có hiểu biết cá nhân hóa hơn về khách hàng nhằm cải thiện trải nghiệm của họ. AI có thể tùy chỉnh tương tác, tự động hóa các nhiệm vụ và cải thiện đánh giá rủi ro. Những kết quả này rõ ràng dẫn đến trải nghiệm khách hàng hiệu quả và tích cực hơn.

Cải thiện ra quyết định: AI có thể phân tích lượng dữ liệu lớn để xác định các mẫu và xu hướng, cho phép đánh giá tốt hơn, xử lý yêu cầu và phát hiện gian lận. Các công ty bảo hiểm cũng đang xem xét các sản phẩm bảo hiểm của mình và hỏi, làm thế nào để sử dụng phân tích để làm cho các sản phẩm kết nối và kỹ thuật số hơn?

Tăng hiệu quả: AI có thể tự động hóa các nhiệm vụ lặp đi lặp lại, giải phóng nhân viên để tập trung vào các hoạt động phức tạp hơn và cải thiện trải nghiệm làm việc của nhân viên.

Công nghệ Gen AI còn khá mới nên các triển khai mà chúng tôi đang thấy ở khách hàng hiện tại tập trung vào những cơ hội dễ thực hiện. Chúng là các trường hợp sử dụng tập trung vào nội bộ, và nhiều trường hợp được xây dựng xung quanh việc sử dụng các ứng dụng kinh doanh để cải thiện trải nghiệm của khách hàng (gián tiếp) và nhân viên (trực tiếp). “Một trong những câu hỏi phổ biến nhất hiện nay là, làm thế nào tôi có thể tạo ra một trải nghiệm giống Chat GPT cho phép nhân viên nhập một yêu cầu và ngay lập tức nhận được một phản hồi hữu ích và có thể sử dụng, và được xây dựng trong một môi trường an toàn và tận dụng dữ liệu của chúng tôi?

2. Thách thức 'sinh ra từ analog': các silo dữ liệu hệ thống kế thừa

Mặc dù AI mang lại những cơ hội thú vị, các công ty bảo hiểm phải đối mặt với thách thức trong việc hiện thực hóa tiềm năng của nó do sự phổ biến của các hệ thống kế thừa và chất lượng quản lý dữ liệu không đồng đều.

Hầu hết các công ty bảo hiểm là các doanh nghiệp trưởng thành với lịch sử kéo dài hàng thập kỷ, nếu không muốn nói là lâu hơn. Họ chắc chắn không phải là 'sinh ra từ kỹ thuật số'. Điều này có nghĩa là họ không bắt đầu từ một tờ giấy trắng khi nói đến dữ liệu.

Các công ty bảo hiểm nhân thọ và niên kim trên toàn cầu đang trong hành trình "trở thành kỹ thuật số" nơi các phương pháp thu thập/chuyển đổi dữ liệu hỗn hợp (analog kế thừa & kỹ thuật số thế hệ đầu tiên) đang gặp gỡ với các mô hình lưu trữ và sử dụng hoàn toàn kỹ thuật số. Điều này tạo ra một sự phức tạp thú vị khi hai phương pháp này tồn tại trong một công ty bảo hiểm.

Điều đó tạo ra một thách thức cho những người sinh ra từ analog.

Phân tích, AI, LLM và các ứng dụng mới dựa trên dữ liệu khác đòi hỏi mức độ chất lượng dữ liệu nhất quán và cao. Và, không may, đó không phải là tình huống mà hầu hết các công ty gặp phải. Họ không có dữ liệu được định dạng hoàn hảo, có sẵn toàn cầu trong thời gian thực. Nhiều khả năng, cấu trúc dữ liệu, thu thập và khả năng truy cập sẽ phát triển theo thời gian. Một số công ty gọi đó là 'đầm lầy' vì có lẽ có một túi hỗn hợp các định dạng và cấu trúc đã phát triển qua các năm. Và rất nhiều, nếu không muốn nói là hầu hết, sẽ bị mắc kẹt trong các hệ thống PAS, CRM và ERP kế thừa đã được thêm vào môi trường CNTT theo thời gian.

Điều này có nghĩa là để xây dựng nền tảng cho các ứng dụng kỹ thuật số trong tương lai, các công ty phải tìm cách hiện đại hóa dữ liệu của họ và làm cho nó sẵn sàng cho các mục đích sử dụng mới. Các công ty bảo hiểm phải có một kế hoạch hiện đại hóa dữ liệu về cách họ sẽ truy cập, làm sạch, chuyển đổi và di chuyển tất cả dữ liệu kế thừa mà họ đã tích lũy qua nhiều thập kỷ.

Các công ty bảo hiểm truyền thống thường gặp khó khăn với:

Chất lượng dữ liệu: Các hệ thống kế thừa thường chứa dữ liệu không nhất quán và định dạng kém, cản trở các ứng dụng AI dựa vào dữ liệu sạch và có tổ chức. Hiện đại hóa dữ liệu: Hiện đại hóa cơ sở hạ tầng dữ liệu và thực hành quản trị là rất quan trọng để trở nên "sẵn sàng dữ liệu" hơn cho tích hợp AI. Silo dữ liệu: Nhiều công ty bảo hiểm có nhiều hệ thống quản lý chính sách kế thừa khiến việc truy cập dữ liệu trong thời gian thực trở nên khó khăn, thực tế là giam cầm rất nhiều dữ liệu của công ty.

3. Lộ trình sẵn sàng AI cho các công ty bảo hiểm

Trong ngành bảo hiểm, chuẩn bị dữ liệu cho các dự án Trí tuệ Kinh doanh (BI) và Trí tuệ Nhân tạo (AI) là một yêu cầu chiến lược. Phần lớn dữ liệu có thể có sử dụng kép với ít thay đổi, nhưng trong lĩnh vực AI, các cân nhắc độc đáo phải được áp dụng (đôi khi đối với cùng một dữ liệu được thu thập cho các mục đích sử dụng BI). Để đảm bảo chuyển đổi liền mạch hướng tới ra quyết định dựa trên dữ liệu, các công ty bảo hiểm phải thực hiện các biện pháp cụ thể:

Tầm nhìn và Chiến lược: Liên kết AI như một công nghệ hỗ trợ rõ ràng với các mục tiêu kinh doanh và kết quả kinh doanh mong muốn của bạn. Có một kế hoạch thực tế, có thời gian và thực hiện kế hoạch đó. Sau đó, mọi thứ sẽ chảy từ đó: con người của bạn, quy trình của bạn. Và hãy nhớ rằng, AI có thể là một công nghệ tiên tiến nhưng, cuối cùng, nó vẫn là một công cụ.

Đó là về tích hợp dữ liệu - trên các hệ thống và với mục tiêu đạt được các mục tiêu kinh doanh. Đừng tạo ra các tập dữ liệu vì lý do ad hoc trong các định dạng khác nhau, bị cô lập trong các silo khác nhau.

Đừng dẫn đầu bằng công nghệ. Hãy dẫn đầu bằng chiến lược kinh doanh và các vấn đề kinh doanh mà bạn đang cố gắng giải quyết.

Hãy sẵn sàng tham gia vào "chiến lược"! Những thay đổi sẽ xảy ra do học hỏi cá nhân và tổ chức của bạn. Chúng ta phải sẵn sàng điều chỉnh khi những phát hiện và kinh nghiệm mới thúc đẩy sự hiểu biết cơ bản của chúng ta về nhu cầu và việc sử dụng những trường hợp sử dụng mạnh mẽ mới này của tổ chức.

Quy định và ưu tiên

Quy định ảnh hưởng đến chiến lược về cách các công ty bảo hiểm cần suy nghĩ về cách họ ưu tiên các dự án AI.

Một số điều mà tôi đang làm với khách hàng của mình hiện tại là giúp họ hiểu nơi họ nên ưu tiên. Chúng tôi là một ngành rất được quy định. Điều đó sẽ không thay đổi. AI không nhằm mục đích đưa ra quyết định. Không phải bây giờ. Điều nó nhằm mục đích làm là tăng cường, làm cho mọi thứ dễ dàng hơn một chút cho mọi người. Khi các công ty bảo hiểm ưu tiên, các trường hợp sử dụng nơi quy định và cân nhắc về quyền riêng tư là đáng kể, sẽ không phải là nơi an toàn để bắt đầu. Một ví dụ tuyệt vời là một chatbot khách hàng được hỗ trợ bởi AI sinh tạo, dựa vào dữ liệu khách hàng để nâng cao trải nghiệm. Chúng tôi không thấy nhiều khách hàng đi đến đây. Trong khi nếu đó là trường hợp sử dụng nội bộ, chẳng hạn như cải thiện đại diện trung tâm liên lạc, người xử lý yêu cầu, hoặc năng suất của người đánh giá, bạn có thể muốn bắt đầu từ đó. Đây là nơi chúng tôi đang thấy hầu hết khách hàng của chúng tôi triển khai ngay bây giờ; giúp nhân viên của họ làm việc hiệu quả và hiệu quả hơn.

4. Dữ liệu không chỉ là một dự án CNTT - Sự hợp tác giữa các đơn vị kinh doanh là rất quan trọng

Một sự hợp tác mạnh mẽ giữa Công nghệ Thông tin (CNTT) và kinh doanh là cần thiết để phát triển một sự hiểu biết toàn diện về nhu cầu dữ liệu, là nền tảng của việc triển khai AI hiệu quả. Sự tích hợp của những hiểu biết từ cả hai phía của doanh nghiệp đảm bảo rằng các sáng kiến dữ liệu sẽ không chỉ khả thi về mặt kỹ thuật, mà còn phù hợp chặt chẽ với các mục tiêu kinh doanh tổng thể, do đó tăng cường sự liên quan và tác động của các dự án AI.

Dữ liệu không chỉ là một dự án CNTT - Sự hợp tác giữa các đơn vị kinh doanh là rất quan trọng

Một sự hợp tác mạnh mẽ giữa Công nghệ Thông tin (CNTT) và kinh doanh là cần thiết để phát triển một sự hiểu biết toàn diện về nhu cầu dữ liệu, là nền tảng của việc triển khai AI hiệu quả. Sự tích hợp của những hiểu biết từ cả hai phía của doanh nghiệp đảm bảo rằng các sáng kiến dữ liệu sẽ không chỉ khả thi về mặt kỹ thuật, mà còn phù hợp chặt chẽ với các mục tiêu kinh doanh tổng thể, do đó tăng cường sự liên quan và tác động của các dự án AI.

Sự linh hoạt trong các sáng kiến dữ liệu

Các sáng kiến này cũng phải đủ linh hoạt để thích ứng với kỳ vọng của khách hàng và bối cảnh quy định đang phát triển. Liên tục giao tiếp và tinh chỉnh các chiến lược dữ liệu sẽ được yêu cầu để nhanh chóng phản ứng với các xu hướng và thách thức mới nổi. Một sự hiểu biết kinh doanh và kỹ thuật về các giải pháp đã được chứng minh cho sự tồn tại đồng thời của hệ thống topology của một công ty bảo hiểm, sẽ cho phép các sáng kiến dữ liệu linh hoạt hơn và các mẫu quản trị mạnh mẽ hơn trong một trạng thái tương lai mở rộng nhanh chóng của dữ liệu của một công ty bảo hiểm. Một cách tiếp cận hợp tác đảm bảo rằng các sáng kiến dữ liệu vẫn phù hợp với các mục tiêu kinh doanh, làm cho các dự án AI hiệu quả hơn và định hướng kết quả.

Tương tự, đầu tư vào cơ sở hạ tầng dựa trên đám mây có thể mở rộng và linh hoạt nâng cao sự linh hoạt của bạn trong bối cảnh điều kiện thị trường thay đổi khi khả năng AI phát triển. Sự tăng trưởng theo cấp số nhân trong khối lượng dữ liệu, được thúc đẩy bởi các tương tác kỹ thuật số và nhu cầu phân tích thời gian thực, đòi hỏi cơ sở hạ tầng có thể không chỉ đáp ứng sự tăng trưởng này mà còn làm điều đó một cách hiệu quả về chi phí và linh hoạt.

Khả năng mở rộng của các sáng kiến dữ liệu

Các giải pháp dựa trên đám mây cung cấp khả năng mở rộng và linh hoạt cần thiết để quản lý các khối lượng dữ liệu ngày càng tăng, cung cấp một nền tảng hỗ trợ sự linh hoạt cần thiết cho các sáng kiến AI. Cơ sở hạ tầng như vậy tạo điều kiện cho việc mở rộng liền mạch khả năng lưu trữ và xử lý dữ liệu, đảm bảo rằng các công ty bảo hiểm có thể tận dụng lượng dữ liệu khổng lồ cần thiết cho các ứng dụng AI phức tạp mà không bị cản trở bởi các hạn chế phần cứng vật lý. Trong khi việc mở rộng dễ dàng hơn bao giờ hết (trong thế giới công nghệ đám mây), các quyết định này phải được đặt nền tảng trong mục đích và giá trị để tránh "chi tiêu quá mức" và làm xói mòn ngân sách/margin mỏng.

Quản trị dữ liệu

Thiết lập một Khung Quản trị Dữ liệu toàn diện tạo ra một xương sống để đảm bảo tính toàn vẹn, bối cảnh và bảo mật của dữ liệu, điều này rất quan trọng đối với việc triển khai và vận hành thành công các công nghệ AI. Một khung quản trị dữ liệu mạnh mẽ đặt nền tảng cho việc quản lý các tập dữ liệu rộng lớn và phức tạp mà các hệ thống AI dựa vào, đảm bảo rằng dữ liệu trên toàn tổ chức là chính xác, được định nghĩa nhất quán và được quản lý an toàn. Đưa ra các cách có cấu trúc để xử lý và quản lý dữ liệu không có cấu trúc là một thách thức mới mà nhiều công ty bảo hiểm đã hoặc sẽ phải đối mặt trong các cân nhắc quản trị tương lai của họ.

Vai trò quản lý dữ liệu

Trung tâm của khung này là sự định nghĩa rõ ràng về vai trò và trách nhiệm liên quan đến quản lý dữ liệu trong tổ chức. Một sơ đồ tổ chức dữ liệu được định nghĩa rõ ràng đảm bảo rằng chiến lược dữ liệu tổng thể của bạn sẽ được quản lý ở mức đủ cao trong tổ chức để cung cấp sự giám sát thích hợp, trong khi đảm bảo rằng, trong suốt các đội và dự án, mọi khía cạnh của vòng đời dữ liệu, từ tạo ra và lưu trữ đến truy cập và xóa, được quản lý đúng cách.

Chính sách truy cập và sở hữu dữ liệu

Khung quản trị cũng nên chi tiết các kiểm soát truy cập dữ liệu và chính sách sở hữu dữ liệu. Các biện pháp này bảo vệ thông tin nhạy cảm khỏi truy cập trái phép, đảm bảo rằng dữ liệu được truy cập trên cơ sở cần biết và được sử dụng một cách có trách nhiệm. Các kiểm soát truy cập và chính sách sở hữu cũng giúp phân định ranh giới của việc sử dụng dữ liệu, đảm bảo rằng tuân thủ quy định được duy trì, và các hướng dẫn đạo đức được tuân thủ.

Một Khung Quản trị Dữ liệu được cấu trúc tốt bảo vệ dữ liệu của tổ chức khỏi các mối đe dọa nội bộ và bên ngoài, tạo ra một nguồn sự thật duy nhất, và một nền tảng vững chắc để tận dụng các công nghệ AI một cách hiệu quả. Khung này cho phép các công ty bảo hiểm khai thác sức mạnh của AI trong khi duy trì các tiêu chuẩn cao nhất về tính toàn vẹn và bảo mật dữ liệu.

Tầm quan trọng của sự hiểu biết về dữ liệu như một khả năng nền tảng

Sự hiểu biết về dữ liệu, ở cốt lõi của nó, là khả năng phân biệt dữ liệu tốt khỏi dữ liệu xấu. Và chất lượng dữ liệu hoàn toàn phụ thuộc vào con người quản lý dữ liệu đó. Điều này có nghĩa là sự hiểu biết về dữ liệu phải đến trước sự hiểu biết về AI - và đó là trên toàn tổ chức.

Điều này hiện được coi là một năng lực kinh doanh cốt lõi cho bất kỳ tổ chức nào thực hiện kinh doanh trong một khả năng kỹ thuật số. Nếu bạn không đầu tư thích hợp vào sự hiểu biết về dữ liệu, bạn sẽ có chất lượng dữ liệu ngày càng kém vì những người ở tuyến đầu với dữ liệu hàng ngày không thể hiểu hoặc diễn giải bối cảnh mà dữ liệu đang được sử dụng. Và kết quả là dữ liệu xấu sẽ lan rộng và làm nhiễm các mô hình AI của bạn.

Vì vậy, như một nguyên tắc chung, hãy tập trung vào chất lượng dữ liệu, nhưng cũng ưu tiên cải thiện sự hiểu biết về dữ liệu thông qua các chương trình học tập liên tục để trang bị cho nhân viên của bạn các kỹ năng họ cần để phân biệt dữ liệu tốt khỏi dữ liệu xấu. Đầu tư vào các sáng kiến hiểu biết về AI để họ hiểu cách làm việc với các chương trình học máy và tác động của các quyết định họ đưa ra với dữ liệu họ thu thập, xác định hoặc sử dụng để đào tạo các thuật toán này có thể có.

Như một ví dụ về sự hiểu biết về dữ liệu ảnh hưởng đến sự hiểu biết về AI, tôi đã nói chuyện với một nhà phân tích và anh ta bắt đầu triển khai xử lý tài liệu thông minh vào một tổ chức. Khi nó đi vào sản xuất, mọi người phải bắt đầu phân loại và phân loại thủ công các tài liệu khác nhau. Và anh ta đã bị sốc vì vào ngày đầu tiên họ thấy rằng khoảng 40% tất cả các tài liệu đã được phân loại sai và họ không hiểu tại sao.

5. Quy trình chuẩn bị dữ liệu cho AI

Hầu hết các công ty bảo hiểm đã bắt đầu hành trình hiện đại hóa dữ liệu của họ. Họ có thể đang trích xuất dữ liệu từ các nguồn kế thừa để đưa vào bất kỳ cơ chế lưu trữ mới nào, để làm sạch và hiện đại hóa nó và làm những điều với nó để cải thiện trải nghiệm khách hàng hoặc tạo ra các báo cáo. Cạm bẫy là áp dụng một cách tiếp cận "một kích cỡ phù hợp với tất cả" cho cách tiếp cận/chiến lược dữ liệu AI của bạn. Các công ty bảo hiểm phải nhìn vào dữ liệu của họ khác với trước đây để đạt được kết quả tuyệt vời từ sự thay đổi công nghệ tuyệt vời này.

Đánh giá và hiện đại hóa dữ liệu

Chuẩn bị dữ liệu cho các ứng dụng AI bắt đầu với việc hiện đại hóa dữ liệu rộng rãi. Trong bước này, mục tiêu là đánh giá chất lượng dữ liệu, khắc phục các điểm không nhất quán, khoảng trống hoặc lỗi trong khi chuẩn hóa các định dạng và cấu trúc (nếu thích hợp). Nó có thể bao gồm việc tăng cường dữ liệu từ các quy trình làm việc và dịch mã giá trị thành "ngôn ngữ kinh doanh thực".

Hài hòa cách dữ liệu được biểu diễn và đặt ngữ cảnh cho việc lựa chọn/lưu trữ cho phép tích hợp và xử lý dữ liệu hiệu quả hơn bởi các thuật toán AI. Sự đồng nhất này là rất quan trọng đối với các hệ thống AI, có thể yêu cầu các tập dữ liệu nhất quán và có cấu trúc để học hiệu quả và cung cấp các đầu ra có ý nghĩa.

Tổng hợp dữ liệu

Các kỹ thuật tổng hợp dữ liệu thu thập thông tin từ nhiều nguồn thành một tập dữ liệu thống nhất. Đối với AI, cái nhìn tổng hợp này là vô giá, cung cấp một tập dữ liệu toàn diện phản ánh một loạt các biến số và kịch bản để AI phân tích

TÁC GIẢ

Về ABN Asia: AiUTOMATING PEOPLE, ABN Asia được thành lập từ năm 2012, là một công ty xuất phát từ học thuật, do những giảng viên, cựu du học sinh Hungary, Hà Lan, Nga, Đức, và Nhật Bản sáng lập. Chúng tôi chia sẻ đam mê chung và tầm nhìn vững chắc về công nghệ, mang đến sự đổi mới và chất lượng đỉnh cao cho khách hàng. Phương châm của chúng tôi là: Tốt hơn. Nhanh hơn. An toàn hơn. Trong nhiều trường hợp: Rẻ hơn.

Hãy liên hệ với chúng tôi khi Quý doanh nghiệp có các nhu cầu về dịch vụ công nghệ thông tin, tư vấn chuyển đổi số, tìm kiếm các giải pháp phần mềm phù hợp, hoặc nếu Quý doanh nghiệp có đấu thầu CNTT (RFP) để chúng tôi tham dự. Quý doanh nghiệp có thể liên hệ với chúng tôi qua địa chỉ email [email protected]. Chúng tôi sẵn lòng hỗ trợ với mọi nhu cầu công nghệ của Quý doanh nghiệp.

© ABN ASIA