KI in der Versicherung: Ein praxisnaher Starter-Guide für die reale Umsetzung

Es gibt eine Lücke zwischen Bewusstsein für künstliche Intelligenz (KI) und Anwendung.

Laut McKinsey-Forschung nutzen nur etwa 20 % der Unternehmen, die sich KI bewusst sind, KI im großen Maßstab oder in einem Kernprozess. Und laut einer 2019er MIT Sloan Management Review Studie haben lediglich 7 % der befragten Organisationen Machine Learning (ML) und KI in Entscheidungsfindung oder Produktionsworkflows angewendet.

Versicherungsunternehmen, die 대부분 gerade erst ihre KI-Reise beginnen, fallen wahrscheinlich in diese Bewusstseins-Anwendungs-Lücke. Obwohl Versicherer seit Jahrzehnten datenintensive Workflows nutzen, setzen viele KI noch nicht voll – oder gar nicht – ein.

Anfang dieses Jahres veranstalteten wir ein Expertenpanel zu KI in der Versicherung im Rahmen unseres AI Summit. Während der Session teilten Gasterexperten von Forrester Research, Cognizant und Mercer Einblicke und Erfahrungen aus ihrer Arbeit in der Versicherungsbranche.

Dieser Artikel bricht die Session in einige Kernideen herunter, aber für das volle Erlebnis besuchen Sie die AI in Insurance Session-Seite.

Hier fokussieren wir uns auf KI-Trends und einen dreistufigen Prozess, den Versicherer nutzen können, um mit KI zu starten.

KI-Versicherungstrends zeigen: Jetzt ist der Zeitpunkt zu investieren

Im Laufe der „AI in Insurance“-Session wurde klar, dass die Zukunft der Versicherungsbranche darum kreisen wird, organisatorische Agilität zu erhöhen, indem KI in den Mittelpunkt gestellt wird. Digitale Transformation wird unverzichtbar für Marktführerschaft und die Förderung einer innovationsfokussierten Kultur. KI wird ein essenzieller Teil dieser Transformation.

2020 veränderte die Versicherungsbranche

2020, ein anstrengendes Jahr für alle Branchen, war ein entscheidendes für die Versicherung.

2020 zwang die Versicherungsbranche, sich mit ihrer Fähigkeit auseinanderzusetzen, die sich rasant wandelnden Bedürfnisse von Kunden, Partnern und Mitarbeitern zu erfüllen. McKinsey wies beispielsweise in einem 2020er-Bericht darauf hin, dass „Versicherer, die reife digitale Funktionen in Vertrieb und Distribution, Service und Retention sowie Claims entwickelt haben, gut positioniert sind, die Krise zu überstehen – und jene, die das nicht haben, schnell handeln müssen, um aufzuholen.“

Diese Auseinandersetzung offenbarte, dass digitale Transformation nicht nur nötig war, um die Krise zu überleben, sondern um künftig zu gedeihen.

Ab 2021 werden KI und Automatisierung – Kernstücke der Enterprise Digital Transformation – für zukunftsorientierte Versicherungsunternehmen hohe Priorität haben.

Die Zukunft der Versicherung

Im Gegensatz zu anderen Branchen, wo Technologiebudgets tendenziell sinken, steigen Versicherungs-Technologiebudgets, erklärte Carney im Panel. Laut Carney, basierend auf Forrester-Forschungsergebnissen, wird eine 1,4 %ige Erhöhung der Versicherungs-Technologiebudgets die Zukunft der Arbeit und die Zukunft des Kundenerlebnisses beschleunigen.

Wichtig: Ein Großteil dieses Budgetanstiegs fließt nicht nur in Wartung. Carney teilte mit, dass 33 % dieses Budgets in neue Projekte fließen.

Holly Olive (Digital Operations, Insurance Consulting Lead bei Cognizant zum Zeitpunkt des Panels) stimmte zu und warnte: Wenn Budgets sich verschieben, nimmt der Schwung zu, und Nachzügler könnten zurückbleiben: „Der Zug fährt, und Sie wollen mit an Bord sein.“

Die Zukunft der KI

Die Zukunft der Versicherung wird jedoch nicht nur von der Bereitschaft der Unternehmen abhängen, KI zu adoptieren, sondern von ihrer Fähigkeit, Geschäfts-Lösungen zu verfolgen, zu adoptieren und zu implementieren, die KI nutzen.

Skepsis gegenüber KI entsteht, weil in vielen Branchen die Technologie den Versprechungen ihres Marketings nicht gefolgt ist. KI und ML sind in vielen Kreisen zu Marketing-Buzzwords geworden. Unternehmen mit Produkten, die einfache, regelbasierte Automatisierung bieten, behaupten oft, ihre Produkte seien intelligent, obwohl sie es nicht sind. Diese Produkte können noch nützlich sein, liefern aber nicht den Impact, den echte KI-basierte Lösungen bieten können.

Wo Hype auf Realität trifft, laut Keynote-Speaker Craig Le Clair, Principal Analyst bei Forrester, ist in Plattformen, die fokussierte horizontale und vertikale Use Cases ermöglichen. Le Clair erklärte während der AI Summit Keynote, dass KI früher ein separates Tool war, nun aber Teil fast aller Technologien wird: „KI wird in Applikationen einsickern und zur normalen Art des Geschäftsbecens werden.“

Die Zukunft der KI wird nicht sein, ein fancy Tool zu adoptieren und es in die richtige Richtung führen zu lassen; es wird sein, eine smarte Geschäftsstrategie zu entwickeln, die die Vorteile von KI nutzt.

KI-Versicherungsbeispiel: Schadenbearbeitung (Claims Processing)

Use Cases für die Implementierung von KI in Versicherungsprozesse gibt es viele, aber ein Prozess ist besonders reif für KI: die Schadenbearbeitung.

Es gibt vier Aspekte der Schadenbearbeitung, die sie zu einem großartigen Kandidaten für KI machen:

1. Sie ist zeitaufwändig.

2. Sie kann fehleranfällig sein.

3. Sie skaliert nicht.

4. Sie erfordert Fachexperten (Subject Matter Experts).

Ein traditioneller Versicherungs-Schadenprozess läuft so ab:

• Schadendokumente gelangen in Ihr System von einem Kunden, Intermediär oder Dritten.

• Ein Fachexperte prüft die Dokumente manuell auf erforderliche Daten (ein kognitionsintensiver Prozess, der seine spezialisierte Expertise erfordert).

• Ein Mitarbeiter trägt Daten manuell in ein Schadensystem ein.

• Ein Fachexperte bewertet den Schaden gegen die Police.

• Ein Mitarbeiter führt eine Stichproben-Betrugsprüfung manuell gegen bekannte Risiken durch.

• Ein Mensch genehmigt oder lehnt eine Regulierung ab.

In einem Schadenprozess mit KI sieht es eher so aus:

• Schadendokumente gelangen in Ihr System von einem Kunden, Intermediär oder Dritten.

• Ein Softwareroboter nutzt KI, um Daten aus den Schadendokumenten automatisch zu extrahieren.

• Ein Produkt wie UiPath Document Understanding nutzt ML-Modelle, um strukturierte, unstrukturierte Daten und Piktogramme aus Dokumenten zu extrahieren.

• Softwareroboter tragen die Daten in Ihre Schadensysteme ein.

• Ein Mitarbeiter prüft die Daten schnell, falls erforderlich, zur Validierung.

Beachten Sie: Im zweiten Beispiel greift ein Mensch erst im letzten Schritt ein – und selbst dann nur bei Bedarf. Der Schadenprozess ist schneller, weniger fehleranfällig und erfordert viel weniger manuellen menschlichen Aufwand.

Jetzt können sich Mitarbeiter auf anspruchsvollere, menschzentrierte Aktivitäten konzentrieren, während Softwareroboter die repetitiven Aufgaben übernehmen.

Mit KI, eingebettet in das Technologieportfolio eines Unternehmens, können Mitarbeiter sich von mühsamen, repetitiven Aufgaben wie der Schadenbearbeitung auf kognitiv anspruchsvollere Aufgaben verlagern.

Mit diesen 3 Schritten KI starten

Unser Panel teilte drei Kernschritte für den Einstieg in KI. Jeder Schritt macht KI einfacher zu implementieren und effektiver.

1. Klein anfangen

Finden Sie praktische Use Cases und wählen Sie einen Schmerzpunkt, um sie zu priorisieren. Stellen Sie sicher, dass der gewählte Use Case klein genug ist, um praktisch zu sein, aber schmerzhaft genug, dass die Lösung messbar und wirkungsvoll für Stakeholder ist.

Laut einem unserer Panelisten, Kieran Gilmurray, Global Automation and Digital Transformation Expert bei Mercer, ist ein Vorteil der Versicherungsbranche, dass Use Cases zahlreich, bewährt und validiert sind. Use Cases sind bereits bekannt – hier muss man nicht innovieren.

Olive empfahl, mit KI für E-Mail-Klassifizierung zu starten. Carney stimmte zu: Mit 20 Millionen E-Mails pro Jahr und bis zu fünf Minuten Bearbeitungszeit pro E-Mail bietet E-Mail-Automatisierung eine große Wirkung bei geringem Risiko.

Die Herausforderung: Kunden mailen regelmäßig den Support mit einer riesigen Bandbreite an Fragen, die sich zu langen Antwortzeiten summieren. Die Chance: Mit KI können Sie diese Antwortzeiten verkürzen und dort effizienter werden, wo andere Unternehmen noch langsam sind. Für Early Adopters kann sich dieser Vorteil aufschaukeln, sodass Sie Wettbewerber überholen und so weit vorauskommen, dass sie nicht aufholen können.

Mit KI-unterstützter E-Mail können Sie eingehende Kommunikation verstehen und Folgekommunikation vorhersagen. Was bedeutet, dass Kunden bestimmte Fragen gar nicht mehr stellen müssen – Sie haben sie bereits beantwortet.

Olive sagt: Indem man kleiner startet, kann man die Wertschöpfungskette Stück für Stück angehen.

2. Auf ROI ausrichten

Jede transformative Technologie erfordert Investition, aber die nötige Investition ist nicht immer eine Kapitale. Kapital ist wichtig, aber wichtiger ist die Investition in eine Innovationskultur. Sie müssen eine Kultur fördern, die über bestehende Methodologien und Praktiken hinausblickt, damit sie eine so game-changing Technologie wie KI adoptieren kann.

Beide Investitionsarten erfordern, sorgfältig über ROI nachzudenken. Um Ihre ROI-Vision mit der Realität in Einklang zu bringen, sollten Sie Ihre ROI-Analyse mit Process Discovery rahmen.

Viele in der Versicherungsbranche haben sich an die Anzahl der Entscheidungspunkte in bestehenden Prozessen gewöhnt, was sie vergessen lässt, wie komplex viele Prozesse geworden sind.

Das Potenzial für KI, einige dieser komplexen Prozesse zu handhaben, ist immens – aber nur, wenn Sie Ihre Geschäftsprozesse zuerst dokumentieren und prüfen – mit Daten, nicht Anekdoten. Das Ziel dieser Discovery ist zu bestimmen, wo Sie über KI den meisten Wert liefern können.

UiPath Task Mining und UiPath Process Mining können beide helfen, Ihre Prozesse und ihre Engpässe zu verstehen. Mit diesen Process-Discovery-Tools können Sie KI-Use Cases basierend auf messbaren Geschäftsergebnissen priorisieren.

Von dort aus können Sie beginnen, Ihr Verständnis von ROI zu erweitern.

Gilmurray warnte: Zwar gibt es kurzfristige KI-Use Cases, aber breitere Transformation wird mehr erfordern als einen Schalter umzulegen. KI zu implementieren beinhaltet einen Pfad von Verbesserungen, der schließlich zu signifikanten Veränderungen in Geschäftsoperationen führt.

Setzen Sie das Team nicht unter Druck, sofortige Returns zu liefern, aber verstehen Sie die Richtung des Projekts und woher Returns kommen. KI ist in gewisser Weise ähnlich wie ein neuer Mitarbeiter – es braucht Zeit, sie zu trainieren und production-ready zu machen. Und ähnlich wie ein Mitarbeiter können KI-basierte Lösungen lernen und sich an die Anforderungen des Business anpassen.

Olive warnte: Viele Unternehmen werden sich zu stark auf Kostensenkung als primäre Metrik fokussieren.

Der wahre Wert von KI liegt jedoch nicht nur in den Kosten, die sie eliminiert, sondern im Wert, den sie produziert. KI wird beispielsweise bessere Durchlaufzeiten und höhere Kundenzufriedenheit schaffen – was bessere Kundenloyalität bedeutet.

Wenn Sie ROI präzise schätzen können – von seinen engsten Returns bis zu seinem größten potenziellen Wert –, dann wählen Sie immer die Bemühungen mit dem meisten Potenzial. Sie können ein Produkt wie UiPath Automation Hub nutzen, um einen zentralen Ort für Automatisierungsideen zu schaffen, die Sie dann organisieren und priorisieren können.

3. Skalieren, indem Business Strategy zuerst kommt

Damit Digital Transformation Ihre unternehmensweiten strategischen Ziele erfüllt, kann KI-Adoption nicht in einem einzelnen Team isoliert bleiben. Mit der Unterstützung sowohl einer Kapital- als auch einer Kulturinvestition kann Ihre Organisation Adoption umarmen und erweitern. Wenn Sie keine breite Adoption erreichen, wird Digital Transformation nicht passieren, und Sie riskieren, dass Ihr KI-Projekt als Prototyp stecken bleibt.

Nur eine Priorisierung der Business Strategy wird sicherstellen, dass KI skaliert und sich verbreitet.

Das Risiko: Unternehmen stellen Technologie vor Business Strategy. Wenn Sie zu sehr auf Technologie fokussieren, warnte Gilmurray, haben Sie die Gleichung falsch. Es ist Business Strategy first.

Gilmurray empfahl: Verstehen Sie die Business-Level-Strategie (oder zumindest Department-Level), um zu wissen, worauf Sie einzahlen. Technologie ermöglicht Business – es sind Menschen, Prozesse und dann Technologie.

Sie sollten zwei Fragen stellen, sagte er:

1. Wohin wollen wir?

2. Wie kommen wir dahin?

Zu viele Unternehmen fokussieren die zweite Frage, ohne die erste zu beantworten.

Versicherung ist bereits eine datengetriebene Branche – wenn Sie die richtigen Daten zur richtigen Zeit den richtigen Leuten liefern können, folgen massive Vorteile. Die ROI-Berechnung wird nicht nur die Anzahl gesparter Stunden umfassen (aber das ist oft der Nummer-eins-Treiber). Diese Berechnung wird durch Business Strategy informiert und berücksichtigt, was Wettbewerber tun und Schwachstellen in Ihrem aktuellen Business, wie Service-Level-Agreements (SLAs) und Kundenreaktionszeiten.

Digitalen Darwinismus mit KI an der Seite überleben

Gilmurray diskutierte, wie 2020 unseren Fortschritt in ein Zeitalter des „digitalen Darwinismus“ beschleunigte. In diesem Zeitalter überleben nur die Stärksten. Aber Stärke wird nicht das Ergebnis roher Gewalt sein – sie wird das Ergebnis der Bereitschaft von Unternehmen sein, sich einer sich wandelnden Umwelt anzupassen.

Neue Technologien und komplementäre Geschäftsstrategien werden den Weg für Versicherungsunternehmen ebnen, zu Fully Automated Enterprises™ zu werden. Ein Fully Automated Enterprise™ ist eines, das Automatisierung, KI, ML und die Digital-Transformation-Vorteile, die diese Technologien freisetzen, vollständig umarmt.

Ein Fully Automated Enterprise ist eines, das Veränderung jetzt und in der Zukunft überleben kann. KI ist nicht nur ein Tool für Ihr Arsenal – es ist ein Facilitator für weitreichende digitale Transformation, und es gibt wenige Branchen mit so viel Transformationspotenzial wie Versicherung.

Um mehr über Adoption und Implementierung von KI zu erfahren, schauen Sie sich die Aufzeichnung unserer AI in Insurance Session (Teil unseres AI Summit Events) an. Sie ist on-demand verfügbar, damit Sie sie zu Ihrer Bequemlichkeit ansehen können.

Besonderer Dank an Elaine Mannix für die Zusammenarbeit an diesem Artikel und für das Co-Hosting unserer „AI in Insurance“-Session während des AI Summit. Mannix ist Insurance Leader bei UiPath.