Försäkringsbolag: Så får ni fart på AI-utvecklingen

AI och maskininlärning är på allas läppar. Men trots den uppenbara potentialen och snabb teknologisk utveckling släpar försäkringsbranschen efter. Det skriver Filip Lundin, affärsområdeschef för försäkringar på Billogram, och delar med sig av tre insikter om hur försäkringsbolagen kan positionera sig i framkant av utvecklingen inom AI.

Jag har fått förmånen att gå på flera AI-event den senaste tiden. Under Insurance Evolutions nätverksmöte som hölls för ett par veckor sedan, blev framför allt två saker tydliga; 1. Det finns en enorm potential när det gäller användningen av AI inom försäkringsbranschen och 2. försäkringsbranschen ligger efter.

Med till synes oändliga möjligheter med AI och maskininlärning är det därför viktigt att börja i rätt ände och se till att fokus ligger på att skapa konkret affärsvärde. Så hur gör man då för att lyckas?

1. Gör en bruttolista av use case

Först och främst gäller det att identifiera konkreta utmaningar och problem i verksamheten där AI kan vara till nytta. Här är nyckeln att varken bli för teknisk, eller att utgå ifrån vad tekniken kan åstadkomma. Istället måste företagen börja i andra änden – i verksamheten – och involvera alla delar av organisationen för att skapa en bruttolista av konkreta case att utvärdera och testa. Johan Larsson från Mavera lyfte nyligen i en krönika att personskaderegleringen är ett område där AI ger stora möjligheter till innovation och effektivisering. Andra vanliga och väldefinierade utmaningar som snabbt går att förbättra med hjälp av AI är till exempel matchningar av felaktiga inbetalningar och att svara på vanliga kundfrågor baserat på företagets FAQ.

2. Organisera bolaget rätt internt

När man har identifierat verksamhetsproblem gäller det att skapa ett dedikerat och verksamhetsnära team med direkt exponering mot ledningen, som får arbeta med att få med hela organisationen på förändringsresan. Istället för ett AI-team långt ner i IT-organisationen eller en ny CX-avdelning måste teamet placeras centralt, få ett tydligt internt förändringsmandat och högt förtroende när det kommer till att testa, sålla bort och lära sig – för att kunna skapa sig en förståelse för var AI kan generera allra störst affärsnytta.

3. Arbeta med partners

Sist men inte minst finns stora fördelar med att arbeta tillsammans med partners som redan testat, gjort fel, itererat och hittat smarta sätt att använda tekniken för att lösa vanliga use case. Med rätt partner får försäkringsbolaget möjlighet att undvika andras misstag – och snabbare kopiera succéer.

Är AI mest en gimmick eller går det att skapa betydande affärsvärden redan idag undrar kanske skeptikern? Om man lyfter blicken till andra branscher finns många konkreta framgångsexempel att inspireras av. Ett exempel inom telekomsektorn är hallon, som optimerat sina processer med hjälp av maskininlärning och nu individanpassar sina faktura- och påminnelseflöden. Genom experimenterande med AI har de lyckats halvera kundtappet inom gruppen sent betalande kunder – och samtidigt signifikant reducerat antalet ärenden hos kundtjänst.

Med andra ord kan AI redan idag skapa konkret affärsvärde och samtidigt förbättra kundupplevelsen. Slutsatsen blir därför enkel. Tekniken är här och potentialen är enorm – det är nu hög tid för försäkringsbolagen att växla upp sin AI-resa!

För den som vill avmystifiera AI och förstå dess grunder, rekommenderar jag Helsingfors Universitets öppna kurs Elements of AI på 2 hp, som mer än en miljon globala studenter genomfört.