Antragsbearbeitung mit generativer KI: Den Sinn der Daten erkennen
Precisely
Die führenden Unternehmen der Versicherungsbranche beginnen gerade zu verstehen, welchen Wert generative KI für den Schadensmanagementprozess haben kann. Durch die Nutzung der Möglichkeiten des maschinellen Lernens und der Verarbeitung natürlicher Sprache können hochentwickelte Systeme Ansprüche mit beispielloser Effizienz und Aktualität analysieren und priorisieren. Sie können Informationen aufnehmen, sobald sie verfügbar sind, lange Texte zusammenfassen und den Mitarbeitenden, die den Schadensbearbeitungsprozess verwalten, Anleitungen geben.
von Ralf Krämer, Data Integrity Experte bei Precisely
In dem Maße, in dem die Versicherer diese fortschrittlichen Technologien in ihre Abläufe integrieren, wird die gesamte Landschaft des Schadensmanagements umgestaltet, was zu einem schnelleren und kundenfreundlicheren Service führt. Experten warnen jedoch, dass KI-Projekte ohne proaktives Augenmerk auf Datenqualität und Data Governance auf erhebliche Hindernisse stoßen könnten.Wie generative KI beim Schadensmanagement hilft
Die Bearbeitung von Schadensersatzansprüchen umfasst in der Regel mehrere manuelle Schritte, was sie sowohl zeitaufwändig als auch fehleranfällig macht. Von der Dokumentation von Verlusten und Schäden bis hin zur Überprüfung, ob ein eingereichter Schadensfall alle erforderlichen Kriterien erfüllt, erfordert jeder Schritt akribische Detailarbeit und oft auch die Durchsicht langatmiger Dokumente wie Unfallberichte, medizinische Aufzeichnungen und juristische Aufforderungsschreiben.
Da immer wieder neue Informationen eintreffen, muss das zuständige Personal ständig auf dem Laufenden bleiben, was die ohnehin schon hohe Arbeitsbelastung weiter erhöht.
Generative KI kann viele dieser Routineaufgaben rationalisieren und so das Risiko von Fehlern und Versäumnissen verringern, langwierige Arbeiten eliminieren und den gesamten Prozess beschleunigen.”
Durch die Automatisierung dieser Schritte kann auch das Kundenerlebnis für die Versicherungsnehmer verbessert werden. KI und maschinelles Lernen können zum Beispiel bestehende Kundenkommunikationssysteme ergänzen, um hochgradig personalisierte Informationen für Kunden bereitzustellen und sie in jeder Phase des Schadenprozesses auf dem Laufenden zu halten. KI-gesteuerte Chatbots können Kunden bei der Einreichung von Ansprüchen unterstützen und dann jederzeit den Status des Anspruchs zusammenfassen und melden.
Verringerung der Qualifikationslücke bei Mitarbeitern
Generative KI hilft Unternehmen, die Erfahrungslücke zu schließen und neue Mitarbeiter schneller als je zuvor auf den neuesten Stand zu bringen. Wie die meisten Branchen ist auch die Versicherungsbranche mit einem Arbeitskräftemangel konfrontiert.
Die Fluktuation war in den letzten Jahren relativ hoch, was zu einem Zustrom von Neueinsteigern mit wenig oder gar keiner Erfahrung im Schadenmanagement führte.”
KI-Technologien können große Mengen strukturierter und unstrukturierter Daten sehr schnell erfassen und zusammenfassen und so den Schadenregulierern helfen, die Fälle besser zu beurteilen. KI kann Ansprüche kennzeichnen, bei denen ein hohes Risiko für einen Rechtsstreit oder eine andere Eskalation besteht, indem sie Hunderte von Seiten medizinischer Unterlagen oder Schriftsätze durchforstet, um Details zu entdecken, die einem menschlichen Leser entgehen könnten.
Modelle für maschinelles Lernen können Fälle untersuchen, um potenzielle Betrugsfälle aufzuspüren, indem sie Datensätze aus einer Vielzahl von Quellen zusammenfassen und dann Ansprüche für potenzielle Untersuchungen und Folgemaßnahmen nach Priorität ordnen.”
Schadensmanager mit relativ wenig Erfahrung könnten diese Details übersehen, während die KI-Technologie ihre Technik im Laufe der Zeit verfeinern kann, um die Genauigkeit kontinuierlich zu verbessern.
In der Versicherungsbranche wurde dies als “bionischer Co-Pilot” bezeichnet, ein leistungsfähiges Werkzeug zur Unterstützung von Schadensregulierern, das ihre Fähigkeit, effektiv zu arbeiten, erhöht und ihnen die Möglichkeit gibt, sich auf sinnvolle Gespräche mit Kunden einzulassen, die mehr Mitgefühl und Empathie als je zuvor in die Interaktion einbringen.
Datenqualität und Datenverwaltung
Versicherungsunternehmen können künstliche Intelligenz nicht effektiv nutzen, wenn sie nicht zuvor eine klare Datenstrategie entwickelt haben. Wenn KI-Modelle mit schlechten oder ungenauen Daten trainiert werden, gehen die Auswirkungen weit über anfängliche Ungenauigkeiten hinaus.
Schlechte Daten haben einen Multiplikatoreffekt, wenn Unternehmen sie für KI einsetzen.”
KI-/ML-Modelle ziehen Schlussfolgerungen, leiten Geschäftserkenntnisse ab und bestimmen Ergebnisse, die allesamt grundlegend für Entscheidungsprozesse sind. Wenn die Trainingsdaten fehlerhaft sind, werden auch die daraus resultierenden Erkenntnisse und Entscheidungen fehlerhaft sein, was zu einer Kaskade negativer Auswirkungen führen kann. Die Qualität und die Kontrolle der Daten, die für das Training von KI-Modellen verwendet werden, müssen unbedingt sichergestellt werden.
Ralf Krämer war zu Beginn seiner Karriere mehrere Jahre als technischer Consultant in Geoinformationsprojekten für Energieversorger, danach als Pre-Sales Consultant und im Vertrieb für die damalige Mapinfo tätig. Seit 2002 ist Ralf Krämer als Account Manager für eine Reihe von Branchen und Großkunden verantwortlich. Sein Schwerpunkt liegt seitdem in der Beratung von Kunden bei der Auswahl und Implementierung von Unternehmenssoftwarelösungen zur Datenintegration, Sicherstellung der Datenqualität und Data Governance sowie Datenanreicherung und Datenanalyse. Im Jahr 2008 wechselte er zu Pitney Bowes, dessen Software- und Datengeschäft 2019 in Precisely (Website) überführt wurde.Unternehmen müssen sehr genau darauf achten, wie sie Daten sammeln und verwalten, und sich proaktiv um die Datenqualität kümmern.”
Es besteht das Risiko, dass generative KI auch “halluzinieren” kann, wenn Unternehmen ihren Einsatz nicht proaktiv steuern. Dieses Risiko unterstreicht noch einmal die Bedeutung hochwertiger, vertrauenswürdiger Daten. Ein scheinbar kleiner Fehler, wie eine zweistellige Abweichung in einer Versicherungsnummer, kann eine Reihe von Problemen auslösen.
Versicherungsunternehmen müssen solche Szenarien durch ein proaktives Management der Datenqualität vermeiden. Sie benötigen außerdem Tools zur Datenbeobachtung, mit denen sie Fehler bis zu ihrer Quelle zurückverfolgen und das Problem beheben können.”
Durch die proaktive Anreicherung interner Datensätze mit demografischen und standortbezogenen Daten können Versicherer die Wirksamkeit ihrer KI/ML-Investitionen vervielfachen. Die meisten Versicherer nutzen bereits die Vorteile der Geodatenanalyse, aber die führenden Innovatoren erweitern ihre Daten offensiv um Kontext und Tiefe mit kuratierten Daten aus äußerst vertrauenswürdigen Quellen.
Voreingenommenheit in der KI ist ebenfalls ein zentrales Problem geworden.
Wenn Versicherungsträger beispielsweise KI-Modelle auf der Grundlage einer begrenzten Anzahl demografischer Kriterien trainieren, könnten sie am Ende falsche Schlüsse über bestimmte Personengruppen ziehen.”
Die Regierungen richten ihr Augenmerk verstärkt auf diese Faktoren. Führungskräfte in der Wirtschaft müssen sich angesichts der neuen Vorschriften proaktiv mit Themen wie Voreingenommenheit auseinandersetzen.
Generative KI verspricht eine transformative Wirkung auf das Management von Versicherungsansprüchen zu haben, aber der erfolgreiche Einsatz dieser Technologie hängt von zwei entscheidenden Faktoren ab: Menschen und Daten.
Die Schulung, Befähigung und Ermächtigung der Mitarbeitenden, mit KI zu arbeiten, ist von entscheidender Bedeutung.”
Indem sie ihre Arbeit mit KI ergänzen, können die Mitarbeiter ihr Fachwissen einbringen und gleichzeitig von der Effizienz und Skalierbarkeit der KI profitieren, was zu einer höheren Produktivität und Innovation führt.
Gleichzeitig müssen die Versicherungsträger auf Datenintegrität und Data Governance achten. Daten sind ein entscheidendes Unterscheidungsmerkmal, insbesondere für alteingesessene Unternehmen, von denen einige über ein Jahrhundert an Daten verfügen.
Die Gewährleistung von Datenintegrität, -sicherheit und -eigentum ist von entscheidender Bedeutung, da diese die Grundlage für hoch differenzierte und transformative Modelle bilden.”
Im Wesentlichen schafft die Synergie zwischen befähigten Mitarbeitern und einer soliden Datenverwaltung die Voraussetzungen für generative KI, um sinnvolle und wirkungsvolle Veränderungen für Versicherungsunternehmen voranzutreiben.Ralf Krämer, Precisely
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/211374
Schreiben Sie einen Kommentar