Η επανάσταση των «έξυπνων εγγράφων» στην ασφάλιση

H χρήση της τεχνητής νοημοσύνης από τις εταιρείες όλων των κλάδων, συμπεριλαμβανομένου και του ασφαλιστικού, γίνεται πολλές φορές εμμονή στις τάξεις των στελεχών της, υψηλόβαθμων και χαμηλόβαθμων. Το κριτήριο όμως βάσει του οποίου αποφασίζεται σε ποιον βαθμό είναι χρήσιμο να υιοθετηθεί είναι οι τομείς εργασίας στους οποίους πρέπει να εφαρμοστεί, ώστε να απελευθερώσει πολύτιμο χρόνο για τους εργαζόμενους, επιτρέποντάς τους να αξιοποιήσουν τις δεξιότητές τους σε δραστηριότητες στις οποίες η τεχνητή νοημοσύνη δεν μπορεί να υποκαταστήσει τον εργαζόμενο.

του Νίκου Μωράκη, (LiFO, insuremag vol.3)

Για δεκαετίες, στις ασφαλιστικές εταιρείες η διαχείριση των αποζημιώσεων αποτελούσε μια διαδικασία που βασιζόταν σχεδόν αποκλειστικά στην ανταλλαγή εγγράφων. Όσο, δε, αυξανόταν ο όγκος των πληροφοριών, τόσο μεγαλύτερη γινόταν και η ανάγκη για ανθρώπινο χρόνο, ελέγχους και διασταυρώσεις δεδομένων.

Σήμερα, η εικόνα αυτή αρχίζει να αλλάζει. Η τεχνητή νοημοσύνη και ειδικότερα οι τεχνολογίες Intelligent Document Processing (IDP) επιτρέπουν στις εταιρείες να αυτοματοποιούν μεγάλο μέρος της διαχείρισης εγγράφων για την αναγνώριση, ταξινόμηση και επεξεργασία πληροφοριών, διαδικασίες που μέχρι πρόσφατα απαιτούσαν πολλές εργατοώρες από το ανθρώπινο δυναμικό. Η εξέλιξη αυτή αποκτά ακόμη μεγαλύτερη σημασία σε μια περίοδο που οι άμεσες ψηφιακές υπηρεσίες χρησιμοποιούνται ευρέως και το κοινό αναμένει αντίστοιχη ταχύτητα και από τον ασφαλιστικό κλάδο.

Για να κατανοήσουμε καλύτερα πώς εξελίσσεται αυτή η μετάβαση, συνομιλήσαμε με τον Βασίλη Λινάρδο, Head of AI Services της εταιρείας τεχνολογίας Αρχειοθήκη, η οποία έχει ήδη συνεργαστεί με ασφαλιστικές εταιρείες, αυτοματοποιώντας σε μεγάλο βαθμό τις διαδικασίες που απαιτούν διαχείριση μεγάλου όγκου εγγράφων. — Ο ασφαλιστικός κλάδος βρίσκεται σήμερα υπό αυξανόμενη πίεση να επιταχύνει τη διαχείριση αποζημιώσεων, μειώνοντας παράλληλα το λειτουργικό κόστος και βελτιώνοντας την εμπειρία του πελάτη. Από τη δική σας οπτική, τι αλλάζει σήμερα στον τρόπο με τον οποίο οι ασφαλιστικές διαχειρίζονται έγγραφα, απαιτήσεις και καθημερινές λειτουργίες σε σχέση με τα τελευταία χρόνια ή ακόμα και σε σχέση με την προηγούμενη μόλις χρονιά;

Η σημαντικότερη αλλαγή είναι ότι η αγορά έχει πλέον περάσει από τη θεωρία στην πράξη. Δεν έχει απλώς κατανοήσει την αξία της τεχνητής νοημοσύνης αλλά την έχει δοκιμάσει εμπράκτως, και μάλιστα όχι μόνο σε τυποποιημένες, επαναλαμβανόμενες εργασίες, αλλά και σε εργασίες που απαιτούν έναν βαθμό λογικής και κρίσης. Αυτό αποτελεί ένα ουσιαστικό ποιοτικό άλμα σε σχέση ακόμη και με την περσινή χρονιά. Στον ασφαλιστικό κλάδο ειδικότερα, η εξέλιξη αυτή αποτυπώνεται με τον πιο άμεσο τρόπο, μέσα από την ταχύτερη παροχή υπηρεσίας προς τον ασφαλισμένο, χωρίς να διακυβεύεται η ποιότητα. Δεν πρόκειται πλέον για τον πιο «κλασικό» συμβιβασμό ανάμεσα στην ταχύτητα και την ακρίβεια αλλά για τη δυνατότητα να επιτυγχάνονται και τα δύο ταυτόχρονα. Καταλυτικό ρόλο σε αυτήν τη μετάβαση διαδραματίζει το κόστος. Τα μοντέλα τεχνητής νοημοσύνης έχουν εξελιχθεί δραματικά ως προς την οικονομική τους αποδοτικότητα μέσα σε σύντομο χρονικό διάστημα. Το αποτέλεσμα είναι ότι πολλά business cases τα οποία μέχρι πρόσφατα ήταν ασύμφορα οικονομικά σήμερα δικαιολογούν ξεκάθαρα την επένδυση. Αυτή ακριβώς η μετατόπιση, από το ενδιαφέρον αλλά δαπανηρό στο αποδοτικό και κλιμακώσιμο, είναι που ξεκλειδώνει την πραγματική υιοθέτηση της τεχνολογίας.

— Οι ασφαλιστικές εταιρείες εξακολουθούν να βασίζονται σε τεράστιο όγκο δομημένων και αδόμητων εγγράφων – από δηλώσεις ζημιών και τιμολόγια μέχρι ιατρικές γνωματεύσεις και πραγματογνωμοσύνες. Πώς αλλάζει πρακτικά αυτήν τη διαδικασία το Intelligent Document Processing και σε ποια σημεία βλέπουν συνήθως οι ασφαλιστικές τα πρώτα και πιο ουσιαστικά οφέλη, με βάση την εμπειρία σας;

Οι λειτουργίες υποστήριξης, τα λεγόμενα back office operations, αποτελούν με διαφορά τον πρώτο σταθμό της τεχνητής νοημοσύνης στην επεξεργασία δεδομένων, κι αυτό δεν είναι τυχαίο. Με σχετικά περιορισμένο κόστος και χαμηλό ρίσκο, μια ασφαλιστική εταιρεία μπορεί να δοκιμάσει, να πειραματιστεί και να διαπιστώσει απτά αποτελέσματα, προτού επεκτείνει την εφαρμογή της σε ευρύτερη κλίμακα. Πρόκειται για το φυσικό σημείο εκκίνησης. Το πιο ουσιαστικό όφελος, ωστόσο, δεν εξαντλείται στην επιτάχυνση μιας υφιστάμενης διαδικασίας. Έγκειται στο γεγονός ότι η τεχνητή νοημοσύνη λειτουργεί ως μοχλός για να αλλάξουν οι ίδιες οι διαδικασίες, να ανασχεδιαστούν με τρόπους που προηγουμένως ήταν αδύνατοι ή απαγορευτικά κοστοβόροι. Χαρακτηριστικό παράδειγμα αποτελεί η δυνατότητα άντλησης περισσότερων και πλουσιότερων δεδομένων από ένα έγγραφο, πέρα από τα απολύτως απαραίτητα πεδία που ιστορικά απαιτούσε μια επιχειρησιακή ροή. Τα επιπλέον αυτά δεδομένα ανοίγουν νέες δυνατότητες ανάλυσης, ελέγχου και λήψης αποφάσεων, οι οποίες απλώς δεν ήταν διαθέσιμες στο παρελθόν. Παράλληλα, υπάρχει και το σκέλος που αφορά την άμεση επαφή με τον πελάτη, όπου επίσης βρίσκει εφαρμογή το Intelligent Document Processing. Εκεί τα οφέλη είναι προς το παρόν συνήθως μικρότερα σε κλίμακα σε σχέση με τις λειτουργίες υποστήριξης, ωστόσο η κατεύθυνση είναι σαφής και αναμένεται να ενισχυθεί σημαντικά το προσεχές διάστημα.

— Ένα από τα βασικά ερωτήματα γύρω από την αυτοματοποίηση μέσω AI αφορά το κατά πόσο η ταχύτητα μπορεί να επηρεάσει την ακρίβεια ή την ανθρώπινη εποπτεία. Πόσο ώριμα είναι σήμερα αυτά τα συστήματα στην κατανόηση σύνθετων ασφαλιστικών εγγράφων, στην επαλήθευση πληροφοριών και στη στήριξη καλύτερων αποφάσεων και όχι απλώς ταχύτερων διαδικασιών;

Τα συστήματα βελτιώνονται διαρκώς, το κρίσιμο σημείο όμως είναι αρχιτεκτονικό. Ένα καλά ορισμένο και ελεγχόμενο σύστημα, παρότι αξιοποιεί την τεχνητή νοημοσύνη, δεν αφήνει περιθώρια για λάθη εις βάρος της ποιότητας και της ακρίβειας. Υπήρχαν και εξακολουθούν να υπάρχουν μηχανισμοί ικανοί να εντοπίζουν πιθανά σφάλματα και να τα παραπέμπουν σε ανθρώπινο επανέλεγχο. Η ταχύτητα, με άλλα λόγια, δεν έρχεται ποτέ σε βάρος της εποπτείας. Η ουσιαστική διαφορά είναι ότι όσο τα μοντέλα και τα συστήματα εξελίσσονται, το ποσοστό των περιπτώσεων που απαιτούν ανθρώπινη παρέμβαση γίνεται ολοένα μικρότερο, ενώ η αυτόνομη κατανόηση της τεχνολογίας ολοένα μεγαλύτερη. Αυτήν τη στιγμή, ο βαθμός στον οποίο τα συστήματα κατανοούν σύνθετη και αδόμητη πληροφορία είναι πραγματικά εντυπωσιακός. Εκεί ακριβώς εντοπίζεται και η μετάβαση που έχει σημασία, καθώς δεν μιλάμε πια απλώς για ταχύτερες αλλά για καλύτερα τεκμηριωμένες διαδικασίες.

— Σε περιόδους φυσικών καταστροφών ή αυξημένου όγκου αποζημιώσεων, οι ασφαλιστικές συχνά δοκιμάζουν τα όρια των επιχειρησιακών τους δυνατοτήτων. Πώς μπορούν τεχνολογίες όπως τα AI-driven document workflows, η φωνητική καταγραφή δηλώσεων ζημιάς και οι αυτοματοποιημένες ροές εργασίας να βοηθήσουν τις εταιρείες να ανταποκριθούν πιο αποτελεσματικά σε τέτοιες συνθήκες υψηλής πίεσης;

Οι περίοδοι φυσικών καταστροφών ή αυξημένου όγκου αποζημιώσεων είναι ακριβώς οι στιγμές κατά τις οποίες οι παραδοσιακές επιχειρησιακές δομές δοκιμάζονται. Καμία ανθρώπινη ομάδα δεν μπορεί να προσαρμοστεί ακαριαία σε τέτοια κλίμακα, ενώ το λογισμικό είναι σε θέση να απορροφήσει την αιχμή χωρίς να καταρρεύσει. Οι τεχνολογίες αυτές δρουν συμπληρωματικά, καλύπτοντας ολόκληρο το εύρος της διαδικασίας. Η φωνητική καταγραφή και οι ψηφιακοί δίαυλοι υποβολής επιτρέπουν στον ασφαλισμένο να δηλώσει τη ζημιά άμεσα, ακόμη και από το σημείο του συμβάντος, χωρίς χρονοβόρες αναμονές. Στη συνέχεια, τα AI-driven document workflows αναλαμβάνουν να ταξινομήσουν, να εξαγάγουν και να επαληθεύσουν την πληροφορία αυτόματα, ενώ οι αυτοματοποιημένες ροές εργασίας ιεραρχούν τις υποθέσεις κατά σοβαρότητα και προτεραιότητα, ώστε οι πιο κρίσιμες να φτάνουν πρώτες στους κατάλληλους ανθρώπους. Το ουσιαστικό αποτέλεσμα είναι διπλό. Από τη μία πλευρά, η εταιρεία διατηρεί σταθερό ρυθμό εξυπηρέτησης ακόμη και υπό ακραία πίεση, αποφεύγοντας τη συσσώρευση εκκρεμοτήτων που εκτείνονται σε εβδομάδες. Από την άλλη, ο ανθρώπινος χρόνος, που σε τέτοιες συνθήκες αποτελεί τον πολυτιμότερο και πλέον πεπερασμένο πόρο, ανακατανέμεται εκεί όπου πραγματικά έχει αξία, δηλαδή στις σύνθετες, υψηλής σημασίας ή ιδιαίτερα ευαίσθητες υποθέσεις. Σε τελική ανάλυση, ο ασφαλισμένος λαμβάνει ανταπόκριση τη στιγμή ακριβώς που τη χρειάζεται περισσότερο, κάτι που καθορίζει σε μεγάλο βαθμό την εμπιστοσύνη του απέναντι στην εταιρεία.

— Κοιτάζοντας προς τα επόμενα χρόνια, θεωρείτε ότι τεχνολογίες όπως το Intelligent Document Processing θα λειτουργήσουν κυρίως ως εργαλεία ενίσχυσης της παραγωγικότητας των εργαζομένων ή ότι οδηγούμαστε σε ένα εντελώς διαφορετικό λειτουργικό μοντέλο για τις ασφαλιστικές εταιρείες; Και πού βλέπετε να διαμορφώνεται η ισορροπία μεταξύ αυτοματοποίησης και ανθρώπινης εξειδίκευσης στον ασφαλιστικό κλάδο;

Πρόκειται αναμφίβολα για ένα δύσκολο ερώτημα. Η πραγματικότητα, όπως ανέφερα και νωρίτερα, είναι ότι η τεχνητή νοημοσύνη επιφέρει μια ουσιαστική επανάσταση στον ίδιο τον τρόπο με τον οποίο οι οργανισμοί δομούν τις διαδικασίες τους. Η εφαρμογή της σε επιχειρησιακές ροές αναδεικνύεται πλέον σε ζήτημα ανταγωνιστικότητας, με μία ωστόσο κρίσιμη προϋπόθεση, να μην εκφυλίζεται σε απλή αυτοματοποίηση της γραφειοκρατίας. Δεν έχει ουσιαστικό νόημα να επιταχύνουμε μια κακοσχεδιασμένη διαδικασία. Η πραγματική ευκαιρία βρίσκεται στον επανασχεδιασμό της. Εδώ ακριβώς εντοπίζεται και η απάντηση ως προς την ισορροπία. Η ανθρώπινη εξειδίκευση παραμένει ο βασικός οδηγός στον σχεδιασμό των διαδικασιών, στην παρακολούθηση της εύρυθμης λειτουργίας τους, στην αξιολόγηση των αποτελεσμάτων και, κυρίως, στη δημιουργία νέας αξίας μέσα από τις διευρυμένες δυνατότητες που προσφέρει η τεχνολογία. Δεν μιλάμε επομένως για αντικατάσταση του ανθρώπου, αλλά για την αναβάθμιση της συνεισφοράς του σε ένα υψηλότερο επίπεδο. Προσωπικά εκτιμώ ότι θα παρακολουθήσουμε σύντομα έναν ουσιαστικό μετασχηματισμό των back office λειτουργιών μεγάλων οργανισμών, υπό την προϋπόθεση πάντοτε ότι αυτός θα υλοποιηθεί με σωστό σχεδιασμό, κατάλληλα εργαλεία και προσήλωση στην ακρίβεια. Δεν οδηγούμαστε απλώς σε πιο παραγωγικούς εργαζόμενους αλλά σε ένα διαφορετικό λειτουργικό μοντέλο, αρκεί η μετάβαση να πραγματοποιηθεί με σύνεση και μεθοδικότητα.