21092022 黃淑儀博士[每日財經分析]（版權擁有)
今天重點: 人工智能計劃的商業策略案例 (1) 保險公司
• 香港保險業主要由大型全球公司主導，這些公司每天處理成千上萬的客戶提出保險索賠。 [索賠處理] (Insurance claims) 是保險業務流程的重要組成部分 (1) 縮短每項索賠的周轉時間，降低保險公司的運營成本。 (2) 這種改進將確保客戶滿意的旅程。
• 故事始於一位好友讀者，他也是香港輔警高級管理人員，被要求幫助了解[索賠]案件流程：激發了我探索保險業[索賠處理]，是否使用人工智能來實現{效率和有效性}。
人工智能: 是否[取代]還是[提升]某些職位？
當前狀態
• 當前狀態：保險公司不得不(a)保持與現有遺留系統 (legacy issues) 的兼容性 (b) 同時利用人工智能的 (1) 集成機器學( Machine learning ML) ，(2) 自然語言處理(Natural language processing NLP)和(3) 機器人流程自動化等新技術。
• 通常討論的重點是哪些人工智能技術: (a) 可能會擾亂當前[索賠處理投資]預算，(b) 確定保險公司內部的哪些部門可能在中短期內受到最大影響。
• 此外，除了[理賠]或[特殊調查部門]本身執行的功能外，IT部門 和數據分析部門也是保險公司內對改進[理賠流程]做出最大貢獻的業務功能。 這表明保險公司已經意識到，{大量數據}和{正確類型}的數據科學資源，可以幫助從數據中收集[可操作的見解]。{數據收集} (data collection}和{數據完整性} (data integrity) 是我探索保險理賠流程的主要原因。
{效率和有效性}實現
• 人工智能軟件可以根據歷史索賠數據，幫助識別{欺詐性保險索賠} (fraudulent insurance claims)。 通過對索賠數據進行機器學 (ML)培訓，預測分析(Predictive analytics) 可能有助於檢測以前在舊的欺詐性索賠中，發現的應用程序中的差異。 保險公司會發現[預測分析]有助於檢測可能是欺詐的可疑索賠。 基於[異常檢測] (Anomaly detection-based AI software)的人工智能軟件，可以幫助保險公司在用戶與[在線平台]互動，或向在線平台提交索賠時，[實時檢測] 並標記活動為欺詐行為。
• 但僅靠數據並不是成功實施的充分條件。 人工智能和數據科學，需要高度的技術能力來分析數據，並獲得有意義的見解。 我們經常會發現很多數據科學家，缺乏商業意識和實用性，缺乏人類的情商：這是很多數據項目失敗根本原因。 通常將失敗歸咎於軟件本身，因為數據科學家永遠不能責怪[自己缺乏商業意識]和[實用性]。 這是對我來說，人工智能項目失敗中最可悲的部分。
• 實現有影響力的[差異化]的關鍵可能在於(1)了解客戶需求和(2) 改善客戶體驗。 受訪者認為，在 IT 和分析之後，[客戶服務功能]可能對理賠流程的影響[最大]。周轉時間，即處理每項保險索賠所需的時間，可能對提供客戶滿意度至關重要。
這也是我最關心的問題：如果 AI 的實施只關注技術行為訴求，而不關注客戶關係部門：AI 項目肯定會失敗，導致更多的抱怨。([email protected] <mailto:[email protected]> )
今天重點: 人工智能計劃的商業策略案例 (1) 保險公司
• 香港保險業主要由大型全球公司主導，這些公司每天處理成千上萬的客戶提出保險索賠。 [索賠處理] (Insurance claims) 是保險業務流程的重要組成部分 (1) 縮短每項索賠的周轉時間，降低保險公司的運營成本。 (2) 這種改進將確保客戶滿意的旅程。
• 故事始於一位好友讀者，他也是香港輔警高級管理人員，被要求幫助了解[索賠]案件流程：激發了我探索保險業[索賠處理]，是否使用人工智能來實現{效率和有效性}。
人工智能: 是否[取代]還是[提升]某些職位？
當前狀態
• 當前狀態：保險公司不得不(a)保持與現有遺留系統 (legacy issues) 的兼容性 (b) 同時利用人工智能的 (1) 集成機器學( Machine learning ML) ，(2) 自然語言處理(Natural language processing NLP)和(3) 機器人流程自動化等新技術。
• 通常討論的重點是哪些人工智能技術: (a) 可能會擾亂當前[索賠處理投資]預算，(b) 確定保險公司內部的哪些部門可能在中短期內受到最大影響。
• 此外，除了[理賠]或[特殊調查部門]本身執行的功能外，IT部門 和數據分析部門也是保險公司內對改進[理賠流程]做出最大貢獻的業務功能。 這表明保險公司已經意識到，{大量數據}和{正確類型}的數據科學資源，可以幫助從數據中收集[可操作的見解]。{數據收集} (data collection}和{數據完整性} (data integrity) 是我探索保險理賠流程的主要原因。
{效率和有效性}實現
• 人工智能軟件可以根據歷史索賠數據，幫助識別{欺詐性保險索賠} (fraudulent insurance claims)。 通過對索賠數據進行機器學 (ML)培訓，預測分析(Predictive analytics) 可能有助於檢測以前在舊的欺詐性索賠中，發現的應用程序中的差異。 保險公司會發現[預測分析]有助於檢測可能是欺詐的可疑索賠。 基於[異常檢測] (Anomaly detection-based AI software)的人工智能軟件，可以幫助保險公司在用戶與[在線平台]互動，或向在線平台提交索賠時，[實時檢測] 並標記活動為欺詐行為。
• 但僅靠數據並不是成功實施的充分條件。 人工智能和數據科學，需要高度的技術能力來分析數據，並獲得有意義的見解。 我們經常會發現很多數據科學家，缺乏商業意識和實用性，缺乏人類的情商：這是很多數據項目失敗根本原因。 通常將失敗歸咎於軟件本身，因為數據科學家永遠不能責怪[自己缺乏商業意識]和[實用性]。 這是對我來說，人工智能項目失敗中最可悲的部分。
• 實現有影響力的[差異化]的關鍵可能在於(1)了解客戶需求和(2) 改善客戶體驗。 受訪者認為，在 IT 和分析之後，[客戶服務功能]可能對理賠流程的影響[最大]。周轉時間，即處理每項保險索賠所需的時間，可能對提供客戶滿意度至關重要。
這也是我最關心的問題：如果 AI 的實施只關注技術行為訴求，而不關注客戶關係部門：AI 項目肯定會失敗，導致更多的抱怨。([email protected] <mailto:[email protected]> )
