THEPOWERGAME
Τα οφέλη της τεχνητής νοημοσύνης στον ασφαλιστικό κλάδο αναλύει η Βάντα Γιανναρά, γενική διευθύντρια της DGTAL Pathos. Απευθυνόμενη στο powergame.gr, εξηγεί ότι η αναπαραγωγική τεχνητή νοημοσύνη (GenAI) διευκολύνει τις εταιρείες να επεξεργαστούν ποιοτικά και όχι μόνον ποσοτικά έναν τεράστιο όγκο με δεδομένα, επιτυγχάνοντας εξοικονόμηση χρόνου 70% με 80%. Οι Άρντ Γκρόσμαν και Φλόριαν Χέρζονγκ, δημιούργησαν το πρωτότυπο μόλις προ τριετίας, όσο ακόμη η παγκόσμια οικονομία δεν είχε απαλλαχθεί από την απειλή της πανδημίας, και έναν χρόνο μετά ίδρυσαν την DGTAL Pathos.
Από τον περυσινό Σεπτέμβριο μέχρι τον ερχόμενο Δεκέμβριο θα έχουν ολοκληρωθεί, ουσιαστικά, πέντε τρίμηνα από την παρουσίαση του προϊόντος στην αγορά. Το τρέχον έτος, ο τζίρος της εταιρείας αναμένεται να έχει διαμορφωθεί περίπου στα 600.000 ευρώ από τα 180 χιλιάδες την περίοδο Σεπτεμβρίου-Δεκεμβρίου του 2023. «Υπολογίζουμε πως θα συνεχιστούν αυτοί οι ρυθμοί ανάπτυξης και πιθανότατα το 2025 να κλείσουμε κοντά στα δυο εκατ. ευρώ», δηλώνει η κ. Γιανναρά. «Ανοίγονται τεράστιες προοπτικές ανάπτυξης άπαξ και γίνει η αρχή». Προσθέτει πως τα συμβόλαια με τους πελάτες είναι τριετή. Μετά την κυκλοφορία του ChatGPT από την OpenAI, όλη η Ευρώπη συζητά την καθετοποιημένη B2B παραγωγική τεχνητή νοημοσύνη (vertical B2B generative AI). Εν τω συνόλω, η DGTAL Pathos διαθέτει περίπου δέκα μεγάλους πελάτες, συμπεριλαμβανομένης της γαλλικής αντασφαλιστικής SCOR.
Όμως πώς ακριβώς μπορεί να λειτουργήσουν οι εφαρμογές τεχνητής νοημοσύνης στις ασφάλειες; Στην Ελλάδα, παραδείγματος χάριν, η DGTAL Pathos έχει συνάψει συνεργασία με δυο εταιρείες, μια εκ των οποίων είναι ο όμιλος NN με αντικείμενο την αυτοματοποίηση και επαλήθευση δικαιολογητικών, όπως είναι οι συνταγές. Μέχρι σήμερα, η επεξεργασία των εγγράφων αυτών γίνεται δια χειρός και δειγματοληπτικά. «Σκεφτείτε τον όγκο εργασίας για να εξακριβωθεί το leakage από το ενδεχόμενο λάθους ή απάτης», τονίζει η κ. Γιανναρά. Με εφαρμογές ΑΙ και ειδικότερα τα Intelligence Document Processing Tools μπορεί να αντικατασταθεί η ανθρώπινη εργασία στην επαλήθευση.
Μια ακόμη πτυχή είναι τα claims audits που διεξάγονται υποχρεωτικά μια φορά τον χρόνο. «Μόνον στη Γερμανία υπάρχουν περίπου 530 ασφαλιστικές εταιρείες, οι 97 εκ των οποίων δραστηριοποιούνται στην ασφάλεια αυτοκινήτου».
Αδόμητα δεδομένα, ανοικτές ζημιές: ένας γρίφος που λύνεται με την αναπαραγωγική ΑΙ
Οπότε οι προοπτικές των εφαρμογών ΑΙ είναι τεράστιες. Ιδιαίτερα στην επεξεργασία ανοικτών ζημιών σε επίπεδο χαρτοφυλακίου, εκεί δηλαδή που έχει συσσωρευτεί ένας τεράστιος όγκος πληροφοριών με εκατομμύρια έγγραφα που εμπεριέχουν unstructured data, προσθέτει η ίδια.
Απλοποιώντας τον αχανή κόσμο των δεδομένων, η κ. Γιανναρά εξηγεί πως υπάρχουν δυο βασικές κατηγορίες, τα δομημένα ή structured data και τα αδόμητα ή structured data. Τα δομημένα δεδομένα είναι η εύκολη υπόθεση καθώς αναλύουν πληροφορίες που είναι ετοιμοπαράδοτες. Βρίσκονται ενσωματωμένα σε βάσεις δεδομένων ή αρχεία excel. «Αυτό είναι το ζητούμενο στον ασφαλιστικό κλάδο.
Όμως για να καταφέρουν οι ασφαλιστικές και οι αντασφαλιστικές να αναλύσουν τις ανοικτές ζημιές τους, οι οποίες καθορίζουν το μέγεθος των κεφαλαίων που υποχρεούνται να διατηρούν ως αποθεματικά κεφάλαια, πρέπει να επεξεργαστούν έναν τεράστιο όγκο εγγράφων με ένδικες ή άλλες απαιτήσεις σε εκκρεμότητα. Αυτά είναι τα αδόμητα δεδομένα ή unstructured data που υπάρχουν σε κάθε λογής αρχεία από word, excel και pdf μέχρι συμβατικές αποδείξεις ή π.χ. τις φιλικές δηλώσεις σε ένα τροχαίο ατύχημα ή τις γνωματεύσεις των ιατρών σε ένα περιστατικό υγείας. Η επεξεργασία τους είναι χρονοβόρα αλλά αναγκαία.
Τη λύση δίνουν τα Μεγάλα Γλωσσικά Μοντέλα (ΜΓΜ/LLMs), όπως το ChatGPT της OpenAI, τα οποία στηρίζονται σε αλγόριθμους που εκπαιδεύονται για να κάνουν «μαθηματική εξαγωγή» και νοητική επεξεργασία όλων αυτών των αδόμητων δεδομένων. Οπότε έτσι μπορούν να δοθούν άμεσες απαντήσεις σε έναν φάκελο τροχαίου ή υγείας καθώς τα ΜΓΜ είναι εκπαιδευμένα στην ανάγνωση της «ασφαλιστικής γλώσσας», δημιουργώντας νέο περιεχόμενο με εξειδικευμένα δεδομένα.
Τα μοντέλα αυτά μπορούν να δώσουν απαντήσεις σε συγκεκριμένα ερωτήματα σαν copilot όπως «πόσες ζημιές δεν κινήθηκαν τους τελευταίους 12 μήνες» ή «από ποια φορτηγά προκύπτουν οι περισσότερες απαιτήσεις» τονίζει η κ.. Γιανναρά. Με αυτές τις πληροφορίες, μια ασφαλιστική εταιρεία αποκτά τη δυνατότητα να αναλύει καλύτερα τις ζημιές, να ενισχύει με ποιοτικά δεδομένα τα αναλογιστικά μοντέλα και να σχεδιάζει πιο στοχευμένα προϊόντα.
«Βασικός στόχος ενός ασφαλιστή είναι να κλείνει ζημιές και η αυτοματοποίηση της επεξεργασίας δεδομένων διευκολύνει την περαίωση». Όσο μεγαλύτερο χρονικό διάστημα μένουν σε εκκρεμότητα ζημιές τότε πιο πολύ μένουν δεσμευμένα αποθετικά κεφάλαια. Η κ. Γιανναρά καταλήγει στα οφέλη που θα μπορούσε να αποσπάσει και ο δημόσιος τομέας υγείας από τις εξειδικευμένες εφαρμογές αναπαραγωγικής ΑΙ, ενισχύοντας τη διαφάνεια, την αποτελεσματικότητα του συστήματος, οδηγώντας έτσι σε εξοικονόμηση πόρων.
Διαβάστε επίσης
Τραμπ: Τι θα συμβεί στις επιχειρήσεις του αν κερδίσει τις εκλογές
Πέντε dark, εορταστικά κοκτέιλ για να περάσετε το Halloween
ΤΕΡΝΑ Ενεργειακή: Τα επόμενα βήματα μέχρι να “κλείσει” το deal με τη Masdar
Ακολουθήστε το Powergame.gr στο Google News για άμεση και έγκυρη οικονομική ενημέρωση!
