Czy AI może skończyć jak BI?

0
731

AI odmieniana przez wiele przypadków stanowi obecnie bardzo nośny temat. Wszędzie wylewają się posty, grafiki, przykłady i wiadomości o AI lub stworzone dzięki AI. Pojawiają się oczywiste pytania: czemu teraz, co możemy dzięki AI zrobić oraz jakie są jej ograniczenia?

Jak w tym wszystkim ma się poruszać menedżer?                

Po pierwsze, zadajmy sobie pytanie, czy obecny stan rozwiązań daje nam perspektywy sukcesu wdrożenia w organizacji rozwiązań AI (sztucznej inteligencji) i ML (uczenia maszynowego). Pytanie jest zasadne, skoro rozwiązania oparte na sztucznej inteligencji są z nami już wiele lat. Sam pierwsze projekty AI pisałem ponad 20 lat temu, a koncepcja jest znana od połowy poprzedniego wieku. Wówczas to rozpoczął się stopniowy wzrost rozwoju teorii, złożoności modeli, mocy obliczeniowej komputerów oraz pojawiania się nowych strategii uczenia, które finalnie doprowadził do eksplozji możliwości. Uruchomienie w 2012 r. modeli opartych na Deep Learning uruchomiło cały obecny etap rozwoju i popularności AI.

Obecna szansa na zagoszczenie AI w biznesie i gospodarstwach domowych wynika z połączenia dziesiątek lat rozwoju strategii AI, pojawienia się Deep Learning z możliwościami obliczeniowymi nowych komputerów oraz – co niezwykle ważne – z tym, że przez lata cyfryzacji odkładała się podstawowa pożywka dla AI – dane, Big Data, a dodatkowo IoT (Internet of Things).

Obecnie wszyscy jesteśmy w stanie wyobrazić sobie, że sztuczna inteligencja działa, i czujemy jej potencjał wpływania na rzeczywistość.

Jakość danych

Pojawia się drugie pytanie: jakie widzę ułomności BI (Business Intelligence) i czy te ryzyka zagrażają również AI?

BI wprowadza możliwość implementowania strategii Data Driven Organization, która opiera się na budowaniu procesów z użyciem gromadzonych świadomie danych. Polega ona technicznie na budowie hurtowni i obszarów analizy danych, raportów i dashboardów.

Nieodłącznym czynnikiem tego modelu jest praca człowieka – analiza danych, gromadzenie ich, szukanie i definiowania wskaźników (KPI), a następnie praca zespołu na danych. Ciągła praca, doskonalenie procesów i rozbudowa hurtowni danych. To wszystko sprawia, że praca z BI nie toleruje kompromisów, półśrodków.

Wiele firm po wdrożeniu BI zatrzymuje się na którymś z etapów, nie propaguje danych wewnątrz organizacji, nie modeluje procesów, a nawet nie odświeża wypracowanych dashboardów BI, co powoduje, że przy zmieniającej się, ewoluującej dziedzinie BI staje się powoli utrwalonym widokiem biznesu sprzed kilku lat i nie wnosi niczego.

Hurtownie danych i projekty BI często borykają się z problemami jakości danych. W AI idziemy wręcz dalej. Tutaj nieprawidłowe dane mogą prowadzić do utrwalania ich w procesie uczenia i finalnie doprowadzać do podejmowania błędnych decyzji, przedstawiania błędnych rekomendacji czy analiz.

Czy AI może uniknąć tego ryzyka? Zdecydowanie może pomóc, a nawet paradoksalnie może być dodatkowym powodem do korzystania z BI. To w BI będziemy widzieć zmieniającą się rzeczywistość dzięki pracy modelu AI w organizacji. AI ożywi ponownie BI i w drugą stronę wpłynie na zrozumienie efektów działania poszczególnych modeli.

Wykorzystanie sztucznej inteligencji

Czego może menedżer firmy ubezpieczeniowej lub brokerskiej oczekiwać od AI? To pytanie równie dobrze może być postawione dla wszystkich gałęzi gospodarki.

  • Automatyczna wycena ryzyka: Wykorzystując analizę danych, AI może pomóc w szybkiej i dokładnej ocenie ryzyka dla potencjalnych klientów.
  • Wykrywanie oszustw: Algorytmy AI mogą analizować wzorce transakcji w celu identyfikacji podejrzanych aktywności, co może wskazywać na próby oszustwa. Mogą analizować zgłoszenia, zdjęcia i weryfikować pod kątem fraudów.
  • Automatyzacja procesów roszczeniowych: AI może przyspieszyć procesy rozpatrywania roszczeń, analizując dokumenty i porównując je z polisą.
  • Prognozowanie: Sztuczna inteligencja może pomóc w prognozowaniu trendów rynkowych, zmieniających się potrzeb klientów czy ryzyk związanych z katastrofami naturalnymi. AI może analizować dane historyczne i bieżące trendy, aby prognozować zmiany na rynku ubezpieczeniowym. Może również prognozować odstąpienia i lapsy na kliencie i polisie.
  • Automatyczne doradztwo: AI może analizować rynek i profil klienta, aby oferować najlepsze dostępne ubezpieczenia.
  • Optymalizacja portfela: Dla klientów, którzy posiadają wiele polis, AI może pomóc w zoptymalizowaniu ich portfolio, aby zapewnić najlepsze pokrycie w najniższej cenie.
  • Personalizacja i automatyzacja procesów sprzedaży: AI może automatycznie generować oferty dla klientów na podstawie ich profilu i potrzeb.
  • Analiza big data: Brokerskie firmy dysponują ogromnymi ilościami danych, które mogą być analizowane w celu identyfikacji trendów, szans rynkowych czy potrzeb klienta.
  • Cyfrowa obsługa klienta: Podobnie jak w firmach ubezpieczeniowych, chatboty i interfejsy oparte na AI mogą obsługiwać zapytania klientów, pomagając im w rozwiązaniu problemów czy udzielając informacji. AI może tworzyć rekomendacje co do tego, w jakim temacie i z którym klientem należy się skontaktować poprzez CC (Contact Center), CRM.
  • Prace projektowe: Wsparcie procesów wytwórczych oprogramowania w organizacjach, wsparcie programistów oraz PMów. Gartner przewiduje, że w 2030 AI zrealizuje 80% pracy PMa. Co do wsparcia zespołów developerskich, to obszar dotyczy i kwestii pisania oprogramowania, i testowania czy też dokumentowania.

To tylko niektóre z wielu możliwości wykorzystania sztucznej inteligencji w sektorze ubezpieczeniowym i brokerskim.

Optymizm rynku

Dzięki postępującej technologii i coraz większej dostępności danych AI będzie odgrywać coraz ważniejszą rolę w tych branżach. Wskaźnik CAGR dla projektów AI/ML w perspektywie pięcioletniej wynosi obecnie ponad 37%. Ten optymizm rynku spowodował również zainteresowanie Omega Code i zbudowanie dedykowanego zespołu do realizacji projektów w tym obszarze.

Podsumowując, wdrażając AI/ML, firmy ubezpieczeniowe i brokerskie mogą znacząco zwiększyć swoją efektywność i konkurencyjność. A samo wykorzystanie AI będzie powodować, że BI otrzyma dodatkowe uzasadnienie do rozwoju.

To wszystko będzie dodatkowo pozwalało zwiększyć skuteczność wdrażania w organizacji strategii Data Driven Organization. Podstawą wszystkiego jest proces cyfryzacji i tworzenie w firmie przestrzeni danych cyfrowych, bez których AI, BI nie funkcjonują. Pamiętając jednak przy tym, że AI nie jest żadnym panaceum, ale tylko elementem, który może zmienić cały biznes.

Mariusz Kokoszkiewicz
CEO Omega Code