Страховая Австралийская группа (IAG) использует технологию обработки естественного языка, чтобы в течение нескольких дней предсказать, будет ли поврежденный автомобиль слишком дорогим для ремонта и поэтому объявлен полным убытком.
Главный аналитик компании Бора Арслан заявил на конференции FST Media Future of Financial Services Sydney 2020, что пример использования прогноза общих потерь является лишь одним из многих примеров применения технологии “масштабируемого ИИ” в ее деятельности.
“Мы пытаемся использовать возможности ИИ для оптимизации наших основных бизнес-операций, но также мы пытаемся создать новый клиентский опыт и потенциально новый бизнес с использованием ИИ”, — сказал Арслан.
В условиях автострахования поврежденный автомобиль объявляется “полным убытком”, если его ремонт обойдется дороже, чем его фактическая денежная стоимость.
Арслан сказал, что раньше на принятие решения могло уйти много недель.
“Полная потеря не обязательно является самым приятным опытом клиента, к сожалению, когда дело доходит до общего страхования”, — сказал он.
“Мы даем нашим клиентам только две недели аренды автомобиля, когда они предъявляют претензии с поврежденным автомобилем, который нуждается в ремонте.
“В обычных обстоятельствах клиентам требуется гораздо больше двух недель, чтобы узнать, что на самом деле их автомобиль не возвращается к ним. В общем, с поселением и всем прочим это очень долго.”
Арслан сказал, что в настоящее время IAG использует технологию обработки естественного языка (NLP) от неизвестного поставщика, чтобы изучить материалы дела и прийти к выводу гораздо быстрее.
“То, что мы делаем, — это используем обработку естественного языка, чтобы посмотреть на детали подачи иска, — сказал Арслан.
“Мы смотрим на диалоги, происходящие между клиентом и нашими агентами, мы собираем много дополнительной информации, мы смотрим на много дополнительных отчетов, и мы используем много идей, чтобы определить вероятность того, что эта претензия превратится в полный убыток.
“С помощью этой работы мы сократили этот длительный процесс полной потери прямо сейчас до нескольких дней, и это оказалось очень приятным для наших клиентов.”
Арслан сказал, что другие внутренние виды использования ИИ в масштабе помогают определить ответственность за инцидент или обеспечить большую персонализацию, когда потенциальные клиенты обращаются за страховым предложением.
Механизм персонализации разработан компанией Ambiata, стопроцентной дочерней компанией IAG.
Кроме того, Арслан сказал, что еще одно использование ИИ в масштабе-это “приукрашивание процессов роботизированной автоматизации процессов (RPA), которые мы имеем с использованием ИИ.”
“Мы в основном используем распознавание документов, чтобы сделать нашу RPA более разумной и эффективной”, — сказал он.
В целом, по словам Арслана, использование IAG алгоритмов машинного обучения на своих структурированных ресурсах данных является относительно зрелым.
Он также обосновывает применение аналогичных алгоритмов и к своим неструктурированным информационным ресурсам.
“В IAG мы на самом деле очень зрелы с нашими структурированными информационными активами с точки зрения того, как мы собираем, консолидируем и пытаемся использовать эти данные”, — сказал Арслан.
“Мы очень активно используем машинное обучение для многих видов оперативной аналитики, включая ценообразование и тому подобное.
“Мы также находимся на пути к тому, чтобы воспользоваться преимуществами наших неструктурированных активов данных. Мы делаем много вещей с голосом и образами, и мы довольно активно используем НЛП.
“Это не так зрело, как в случае с нашими структурированными данными, но мы уже в пути.”