在保险行业，人工智能，尤其是生成式人工智能，正迅速成为高管层讨论的话题。为了驾驭这些新功能的复杂性并利用其优势，团队必须了解竞争环境，以便安全有效地采取行动。
我们最近与 Forrester Research 保险专家、保险首席分析师 Indranil Bandyopadhyay 进行了一次独家对话，以了解分析师对保险行业生成式人工智能的看法。在这段摘录中，我们分享了讨论中的一些最重要的要点，从当前的行业趋势到保险公司从实验转向实施的实际考虑。
保险行业动态
在我们深入研究生成式人工智能本身的复杂性之前，了解塑造该行业的宏观趋势非常重要。
Forrester 报告称，收入和成本都面临压力，因此效率和效益是保险公司关注的一个关键领域，而效率和效益可以对盈利能力产生积极影响。
这些并不是影响盈利能力的唯一因素。Forrester Research 列举了未来十年将影响保险公司盈利能力的六个主要因素：不可预测的地缘政治、经济挑战、监管压力、气候变化、客户对技术的更高期望以及估计 3 万亿美元的保障缺口。这些领域将在未来许多年影响保险公司的业务模式、产品和流程。
保险业生成式人工智能的现状
如今，保险行业正处于与生成式人工智能 (GenAI) 关系的关键时刻。尽管 Forrester 最近的一项调查承认了 GenAI 的收入增长和运营效率潜力，但实际上，在大多数情况下，技术功能才是 GenAI 之旅的主导者，它为编码和测试等功能提供了价值。
尽管认识到了潜在的收益，但只有一小部分保险公司制定了针对生成式人工智能的具体政策，其中只有一半多一点的公司计划更新这些政策。这凸显了生成式人工智能计划与整体组织战略之间协调一致的关键必要性。目前，大多数公司对 GenAI 的部署还处于探索和试验阶段，部署主要局限于部门领域，尚未在整个组织范围内普及。
商用基础模型和嵌入式 AI 是保险公司使用的主要工具，而推动未来一年采用的主要用例将是知识管理和数据与分析自助服务功能。虽然 GenAI 的支出预计会增加，但目前的投资额在 10 万美元至 50 万美元之间。
最后，企业对 GenAI 的担忧十分严重。主要问题（隐私和数据保护、失业和对 GenAI 输出的信任）与渴望推出面向客户的解决方案的领导层存在矛盾。尽管企业熟悉 GenAI 的用例，但几乎所有用例都依赖于外部能力，这凸显了合作伙伴关系对于支持新兴技术的重要性。
用例：GenAI 的价值所在
虽然用例涵盖了整个企业，从营销、IT 到运营，但 GenAI 的真正试金石在于它解决具体业务挑战的能力。Bandyopadhyay 表示，重要的是，公司要认识到 GenAI 无法独自解决问题，但它可以增强解决方案，具体取决于用例。这就是为什么清楚地了解您要解决的问题至关重要。
Forrester 确定了保险公司的四大类用例：
- 数据用例可以帮助生成、翻译或更正多种语言的消息，提供摘要或消除人工开销。
- 对话任务受益于内部流程中更类似人类的交互，并且一旦经过测试，就会推广到外部应用程序。
- 在知识管理中，Gen AI 可用于将知识制度化并使其易于理解。例如，当代理需要快速准确地了解某个州的政策指导方针或综合广泛的研究时，这尤其有用。
- 在各个生命周期领域，生成性人工智能增强了索赔管理、损失评估、报告生成和客户沟通等任务。