A generatív mesterséges intelligencia az elmúlt évtizedek egyik legfontosabb technológiai áttörésének számít. A Munich Re csoport nagy lehetőségeket lát benne - amennyiben a biztosítók felfedezik az új technológiában rejlő lehetőségeket és megértik annak kockázatait.

Ahogy a generatív mesterséges intelligencia megváltoztatja a vállalatok üzleti tevékenységét, új kockázatokat és új veszteségforrásokat is teremt, amelyek nemcsak a vállalatokat, hanem üzleti partnereiket és a digitális ellátási láncokat is érintik.

A generatív AI piaca a következő 10 évben 1,3 billió dollárra nőhet, szemben a 2023-as 50 milliárd dollárral. A biztosítási piacon a jelenlegi 346 millió dollárról 2032-re 5,5 milliárd dollárt fog érni.

A GenAI forradalmi képességei, amelyek új és értékes információkat generálnak, át fogják alakítani ezt az iparágat is.

A generatív AI hype vagy forradalom?

Most először tapasztaljuk, hogy a mesterséges intelligencia nem csak inkrementális, hanem bomlasztó hatással is lehet számos folyamatra és üzleti modellre.

A ChatGPT elindításával a társadalom nagy része - nem csak a szakértők - először léphetett közvetlen kapcsolatba a mesterséges intelligenciával. A ChatGPT és más modellek eredményei vitathatatlanul lenyűgözőek: képek, szövegek, programozási kód, zene, 3D-s objektumok - egy rakás új lehetőség, és sok esetben a kimenet minősége már most is magas szintű. A modellek pedig a még mindig nagyon magas befektetések révén folyamatosan javulnak.

Az Aon globális kockázatkezelési felmérése szerint a mesterséges intelligencia lesz a következő nagy kérdés, amely világszerte növeli a vállalatok nyereségének ingadozását, és a következő három évben a 20 legnagyobb kockázat közé kerül.

Az elérhető AI mai elfogadása és a jövőbeli iterációkra való felkészülés kritikus fontosságú a biztosítók számára, hogy proaktívan és a lehető legnagyobb hatással kezeljék a biztosítási iparágat átalakító trendeket.

Mik a mesterséges intelligencia által vezérelt eszközök kihívásai?

A generatív AI - sokkal inkább, mint a hagyományos mesterséges intelligencia - lehetőségeket és kockázatokat kínál, melyeket mérlegelnünk kell. Segíthet abban, hogy sokkal gyorsabban és könnyebben hozzáférhetővé tegyük az információkat, és ezáltal számos folyamat hatékonyságát és minőségét is javíthatjuk. A hagyományos AI-hoz képest ez még az összetettebb és kreatívabb feladatokra is igaz, mint például a programozás vagy az igényes grafikai alkotások létrehozása.

A viszontbiztosítási üzleti irányításban feltételezzük, hogy ez többek között döntéstámogatást fog eredményezni az operatív üzleti funkcióink számára, például a kockázatvállalás terén. A technológiától függetlenül az eredmények minősége mindig a felhasznált adatok és folyamatok minőségétől függ.

A hagyományos AI-modellekkel ellentétben, amelyeket az adott szakértők által készített adatokon képeznek, a nyilvánosan elérhető generatív mesterséges intelligenciamodelleket az adathalmazok hatalmas mennyiségei alapján képzik. A képzési adatok felett azonban már nincs kontroll. Ez azt jelenti, hogy bár a generatív AI modellek rengeteg külső, strukturálatlan adathoz biztosíthatnak hozzáférést, de az eredmények minőségét illetően bizonytalanságok is fennállnak e modellek használata esetén. Másrészt az ilyen modelleknek a saját adatainkkal való kombinálása kihívást jelent a szellemi tulajdonunk védelme szempontjából.

Éppen ezért digitális fejlesztéseink során továbbra is alapvetően etikai megfontolásoknak és minőségi követelményeknek kell vezérelniük minket. Ez magában foglalja a generatív mesterséges intelligenciát alkalmazó emberek oktatását is a legjobb gyakorlatok és a lehetséges buktatók tekintetében.

Hol tartanak a biztosítók a generatív AI kezelésében?

Mint minden más iparágban, itt is vannak már első alkalmazások és termékek. A generatív mesterséges intelligenciában rejlő új lehetőségek feltárása - de hosszú távon a kockázatok megértése és kezelése is - izgalmas feladat. A biztosítók mindenkit arra buzdítanának a biztosítási ágazatban, hogy határozzák meg a lehetséges felhasználási eseteket a saját üzletáguk számára. Fontos szem előtt tartani azonban, hogy még sok kérdésre kell választ adni ahhoz, hogy ezeket sikeresen megvalósíthassák.

Egyes modellek például különösen alkalmasak orvosi szövegek megértésére (mint a MedPaLM) vagy programozási kódok generálására (mint a Code LLaMa). Fontos tehát a megfelelő modell kiválasztása, vagy akár a modellek kombinációjának használata, amelyeket össze kell hangolni.

Egy másik fontos kérdés, hogy a szabványos modelleket ki kell-e igazítani egy adott kontextusban, például egy üzletágban vagy egy adott feladatban, és ha igen, hogyan. Különböző technikák léteznek az eredmények javítására, amelyek különböző szintű erőfeszítésekhez kapcsolódnak, az okos kérdések feltevésétől ("prompt engineering") a modellek biztosítás-specifikus adatokon történő átképzéséig, azaz az algoritmusok paramétereinek módosításáig. Kérdés perszem hogy hogyan biztosítható a szellemi tulajdon és az adatok védelme, azaz a saját kapszulázott modellek saját infrastruktúrában történő elhelyezése.

Az összes technikai, tehetség- és védelmi kérdés megválaszolása meglehetősen nagy kihívást jelenthet.

Merre tart a mesterséges intelligencia útja a viszontbiztosítóknál/biztosítóknál?

Az adatvezérelt AI modellekkel a biztosítótársaságok személyre szabottabb ajánlásokat tehetnek a fogyasztóknak, valamint a jövedelem és az ügyfélelégedettség optimalizálásával megfelelő termékeket építhetnek az ügyfelek szegmensei számára.

A mesterséges intelligencia a fogyasztói viselkedés és a múltbeli adatok alapján személyre szabott árat is képes meghatározni.

Ahogy a biztosítók modernizálják a régebbi alaprendszereiket, felszabadítva a tárolt adatokat, képesek automatizálni a kockázatvállalási munkafolyamatokat, hogy gyorsabb digitális vásárlási élményt nyújtsanak, miközben további adatforrásokhoz kapcsolódnak, amelyek segítenek a megfelelő szintű kockázatkezelés alkalmazásában.

A generatív mesterséges intelligencia piacának bővülése a biztosítási ágazatban nagyrészt annak köszönhető, hogy jelentős hatást gyakorol a működési hatékonyságra. A biztosítók egyre gyakrabban alkalmaznak AI-algoritmusokat az olyan kritikus folyamatok racionalizálása érdekében, mint a kárigény-feldolgozás, a kockázatvállalás és a kötvénykezelés.

A nagyközönség számára elérhető nagy generatív AI-eszközök, bár ígéretesek, korlátozottan hasznosak a viszontbiztosítók/biztosítók számára. Mivel a biztosítók rendkívül érzékeny adatokkal rendelkeznek, biztosítaniuk kell, hogy az ezekből az adatokból generált tudást gondosan megvédjék.

A mesterséges intelligencia alkalmazásakor elsődleges cél, hogy keresletorientált biztosítási megoldásokat kínáljunk, például hogy az ügyfelek számára egyszerűbbé és gyorsabbá tegyük a kockázatok értékelését vagy a kárrendezést, vagy hogy új típusú kockázatokat biztosítsunk. Ez persze nem korlátozódik a generatív mesterséges intelligenciára. A hagyományos mesterséges intelligencia is értéket teremthet és fog is teremteni a jövőben is a biztosítók számára.