Em 2022, 25% das seguradoras relatarão ampla adoção de inteligência artificial. Embora a maioria das 50 principais seguradoras tenha implementações de IA, ainda existem outros setores em que a adoção está mais madura. Alguns exemplos:
- Uma pesquisa do Google mostra que 76% dos OEMs (fabricantes de equipamentos originais) automotivos usam IA nas operações diárias.
- Um estudo da KPMG mostra que mais de 50% dos executivos de varejo dizem que a IA é pelo menos moderadamente funcional dentro de suas organizações.
- Por fim, 90% das grandes empresas farmacêuticas iniciaram projetos de IA em 2020, provavelmente estimuladas pelo papel crítico que a IA desempenhou no desenvolvimento da vacina contra a Covid.
Todas essas coisas são exemplos de que os outros setores podem estar avançando mais rapidamente ao longo da curva de maturidade da IA do que as seguradoras como um todo. Os modos como estão investindo em IA podem orientar as seguradoras a tomar decisões melhores sobre implantação e uso. Aqui estão três lições que as seguradoras podem aplicar aos seus próprios planos de adoção.
Automotivo – encontrando melhores maneiras de integrar a força de trabalho humana e de IA
Quando você imagina o estado da IA na fabricação de automóveis, é provável que imagine braços de soldagem de metal equipados com soldadores e pistolas de rebite, separados com segurança da força de trabalho humana. Embora os braços do robô não tenham ido a lugar nenhum, os investimentos mais recentes para a fabricação de automóveis na IA são muito mais amigáveisaos humanos.
"Cobots" (robôs colaborativos) – uma combinação de "coworking" e "robôs" são talvez a maior expressão dessa mudança. Eles geralmente assumem a forma de pequenos carrinhos com laterais acolchoadas que são programados para seguir atrás de um operador de armazém humano.
À medida que o operador encontra as peças necessárias para a linha de montagem, ele as coloca no cobot. Quando os cobots estiverem cheios de peças, eles seguirão seu próprio caminho até a linha de montagem, realizarão sua própria descarga e retornarão. Os robôs sempre escolhem as rotas mais eficientes, o que significa que os operadores têm muito menos tempo de inatividade.
A lição para as seguradoras é que essa aplicação bem-sucedida da IA não substitui os trabalhadores humanos, nem coloca humanos e IA separados um do outro. Em vez disso, essa solução é simples, segura e intuitiva para uso humano. Ele aproveita a destreza humana e a busca robótica pelo caminho mais curto para tornar ambas as soluções mais produtivas e eficientes.
Varejo – usando a IA para melhorar a experiência do cliente
Os varejistas tradicionais físicos recentemente intensificaram a IA. Aqui, os investimentos foram direcionados para melhorar a experiência do cliente sem dimensionar a força de trabalho.
Há uma escassez de trabalhadores em vários setores que tem afetado os varejistas. Para essas empresas, as melhorias na experiência do cliente devem ocorrer sem sobrecarregar os funcionários humanos.
Como tal, os varejistas vêm adicionando soluções de IA, como chatbots e call centers virtuais. Eles podem analisar a linguagem natural e, em seguida, encaminhar as consultas dos clientes pelos canais apropriados, encaminhando, ao mesmo tempo, as consultas mais complexas aos trabalhadores humanos.
Embora você possa pensar que conversar com robôs pode prejudicar a experiência do cliente, o fato é que os clientes estão começando a gostar deles. Em 2022, 40% dos usuários vão preferir conversar com agentes virtuais em vez de representantes humanos de atendimento ao cliente.
Para as seguradoras, isso prova que é possível investir em IA sem perder o toque humano. Contanto que a solução possa entender o que os titulares da apólice estão dizendo e responder às suas perguntas de forma eficaz, eles vão gostar (e às vezes até preferir) essa experiência com a solução. Enquanto isso, os avaliadores de sinistros humanos apreciarão que podem dedicar mais tempo trabalhando em casos mais complexos.
Farmacêutico – usando a IA para otimizar montanhas de dados
Os ensaios clínicos geram dados que incluem informações de dosagem, métodos de administração, métricas de saúde dos participantes e muito mais. Isso pode ser muita coisa para vasculhar, e alguns dos dados podem necessitar de esclarecimento. Por exemplo, o Participante X ficou doente, mas foi por causa do medicamento do teste ou de uma intoxicação alimentar não relacionada? O primeiro é um ponto de dados importante, mas o último é um falso-positivo, e investigá-lo desperdiçará tempo de ciclo.
Os sinistros de seguro também têm esse problema. Há muitas informações – a marca e o modelo de dois veículos envolvidos em um acidente, o nome do responsável pela resposta, a idade dos motoristas – mas isso é relevante apenas em alguns momentos. Para acelerar a resolução de sinistros, é preciso sinalizar informações importantes e descartar o restante.
Na indústria farmacêutica, qualquer atraso na interpretação dos resultados de um teste de medicamento afetará diretamente o tempo de lançamento no mercado. Isso pode prejudicar os fabricantes de medicamentos competitivamente, além de afetar o bem-estar do paciente. Enquanto isso, no setor de seguros, qualquer atraso na resolução de sinistros pode causar a desistência dos clientes ou potencialmente afetar sua saúde e seus meios de subsistência.
A Pfizer sabia que o tempo de lançamento no mercado era crítico após os testes da vacina contra a Covid-19. Em vez de depender de esforços manuais para classificar, limpar e otimizar seus conjuntos de dados, eles recorreram a um algoritmo de aprendizado de máquina criado especificamente para essa finalidade. Essa escolha economizou um mês inteiro de tempo de desenvolvimento, permitindo que o fabricante começasse a salvar vidas muito mais cedo.
As seguradoras também têm muitos dados para processar, mas apenas alguns deles são fundamentais. Quando as seguradoras melhoram sua velocidade em termos de obtenção de dados úteis de documentos de sinistros, elas podem acelerar o próprio processo de sinistros. Isso melhora a experiência do cliente e ajuda os titulares da apólice a se recuperarem.
Lições de IA para as seguradoras: as conclusões finais
Outros setores encontraram vários resultados positivos do investimento em IA. Todos esses benefícios representam melhorias que as seguradoras podem replicar.
- Os fabricantes de automóveis estão sendo pioneiros em inovações quando se trata de melhorar as relações entre trabalhadores humanos e IA.
- Os varejistas estão usando a IA para melhorar a experiência do cliente, sem aumentar as cargas de trabalho humanas. Os clientes não parecem se importar com o aumento das interações com a IA.
- As empresas farmacêuticas usam a IA para reduzir o tempo necessário para ajudar os pacientes limpando os dados dos testes de medicamentos.
Ao considerar esses investimentos, as seguradoras podem criar interações mais perfeitas entre humanos e máquinas investindo em IA mais autônoma. Elas podem melhorar a experiência do cliente aumentando sua força de trabalho com IA que usa processamento de linguagem natural. Por fim, elas podem acelerar o processo de sinistros usando máquinas para limpar os dados recebidos.
A Shift Technology pensa nesses tópicos todos os dias como parte do modo como ajudamos nossos clientes. Nossas soluções baseadas em IA são projetadas especificamente para vencer esses desafios para o mercado de seguros, o que significa que nossos clientes podem:
- Usar decisões inteligentes baseadas em IA para dar suporte aos manipuladores de sinistros
- Melhorar as interações com o titular da apólice
- Agilizar a resolução de sinistros
Se você quiser mais informações, acabamos de lançar um novo white paper que detalha os benefícios que as seguradoras podem esperar do investimento em IA.
