IA dans l'assurance : Guide pratique de démarrage pour une implémentation réelle

Il y a un fossé entre la sensibilisation à l'intelligence artificielle (IA) et son application.

Selon une recherche McKinsey, seulement environ 20 % des entreprises qui sont conscientes de l'IA l'utilisent à grande échelle ou dans un processus métier cœur. Et selon une étude 2019 de MIT Sloan Management Review, seulement 7 % des organisations sondées ont appliqué le machine learning (ML) et l'IA dans la prise de décision ou les workflows de production.

Les compagnies d'assurance, la plupart juste au début de leur parcours IA, sont susceptibles de tomber dans ce fossé entre sensibilisation et application. Bien que les compagnies d'assurance aient utilisé des workflows intensifs en données pendant des décennies, beaucoup n'utilisent toujours pas l'IA à son plein potentiel — ou pas du tout.

Plus tôt cette année, nous avons accueilli un panel d'experts pour discuter de l'IA dans l'assurance dans le cadre de notre AI Summit. Pendant la session, des experts invités de Forrester Research, Cognizant et Mercer ont partagé des insights et expériences de leur travail dans l'industrie de l'assurance.

Cet article décomposera la session en quelques idées clés, mais pour l'expérience complète, rendez-vous sur la page de la session IA dans l'assurance.

Ici, nous nous concentrerons sur les tendances en IA et un processus en trois étapes que les compagnies d'assurance peuvent utiliser pour démarrer avec l'IA.

Les tendances IA dans l'assurance révèlent qu'il est temps d'investir maintenant

Tout au long de la session « IA dans l'assurance », il est devenu clair que l'avenir de l'industrie de l'assurance tournera autour de l'augmentation de l'agilité organisationnelle en mettant l'IA au premier plan. La transformation digitale devient impérative pour atteindre le leadership du marché et faciliter une culture axée sur l'innovation. L'IA devient une partie essentielle de cette transformation.

2020 a changé l'industrie de l'assurance

2020, une année éprouvante pour toutes les industries, a été une année charnière pour l'industrie de l'assurance.

2020 a forcé l'industrie de l'assurance à faire face à sa capacité à répondre aux besoins en évolution rapide des clients, partenaires et employés. McKinsey, par exemple, a souligné dans un rapport 2020 que « Les assureurs qui ont développé des fonctions digitales matures dans la vente et la distribution, le service et la rétention, et les sinistres sont bien positionnés pour traverser la crise — et ceux qui ne l'ont pas fait doivent agir vite pour rattraper leur retard. »

Ce constat a révélé que la transformation digitale n'était pas seulement nécessaire pour survivre à la crise, mais nécessaire pour prospérer à l'avenir.

À partir de 2021, l'IA et l'automatisation — pièces maîtresses de la transformation digitale d'entreprise — vont être des priorités élevées pour les compagnies d'assurance tournées vers l'avenir.

L'avenir de l'assurance

En contraste avec d'autres industries où les budgets technologiques tendent à diminuer, les budgets technologiques de l'assurance augmentent, a expliqué Carney lors du panel. Selon Carney, citant des résultats de recherche Forrester, une augmentation de 1,4 % des budgets technologiques des compagnies d'assurance accélérera l'avenir du travail et l'avenir de l'expérience client.

Il est important de noter qu'une grande partie de cette augmentation de budget ne va pas seulement à la maintenance. Carney a partagé que 33 % de ce budget va vers de nouveaux projets.

Holly Olive (Digital Operations, Insurance Consulting Lead chez Cognizant au moment du panel) a acquiescé et averti qu'à mesure que les budgets changent, l'élan augmentera, et les entreprises retardataires pourraient être laissées pour compte : « Le train est en marche, et vous voulez être dedans. »

L'avenir de l'IA

L'avenir de l'assurance, cependant, dépendra non seulement de la volonté des entreprises d'adopter l'IA, mais de leur capacité à poursuivre, adopter et implémenter des solutions métier qui exploitent l'IA.

Le scepticisme autour de l'IA survient parce que dans de nombreuses industries, la technologie n'a pas tenu les promesses de son marketing. L'IA et le ML sont devenus des mots à la mode marketing dans de nombreux cercles. Les entreprises avec des produits offrant une simple automatisation basée sur des règles sont souvent prêtes à revendiquer que leurs produits sont intelligents alors qu'ils ne le sont pas. Ces produits peuvent encore être utiles, mais ils ne délivrent pas l'impact que de vraies solutions basées sur l'IA peuvent fournir.

Là où le battage médiatique rencontre la réalité, selon le conférencier principal Craig Le Clair, analyste principal chez Forrester, est dans les plateformes qui permettent des cas d'usage horizontaux et verticaux ciblés. Le Clair a expliqué lors de la keynote de l'AI Summit que tandis que l'IA était un outil séparé, elle fera maintenant partie de presque toutes les technologies : « L'IA va s'infiltrer dans les applications et devenir une façon normale de faire des affaires. »

L'avenir de l'IA ne sera pas d'adopter un outil fancy et de le laisser vous guider dans la bonne direction ; ce sera de développer une stratégie métier intelligente qui exploite les avantages de l'IA.

Exemple IA assurance : traitement des sinistres

Les cas d'usage pour implémenter l'IA dans les processus d'assurance abondent, mais il y a un processus particulièrement mûr pour l'IA : le traitement des sinistres.

Il y a quatre aspects du traitement des sinistres qui en font un excellent candidat pour l'IA :

1. C'est chronophage.
2. Il peut être sujet aux erreurs.
3. Il ne scale pas.
4. Il nécessite des experts métier.

Un processus d'assurance sinistres traditionnel se déroule ainsi :

• Les documents de sinistre entrent dans votre système depuis un client, intermédiaire ou tierce partie.
• Un expert métier examine manuellement les documents pour les données requises (un processus lourd en cognition qui nécessite leur expertise spécialisée).
• Un employé saisit manuellement les données dans un système de sinistres.
• Un expert métier évalue le sinistre par rapport à la police.
• Un employé exécute un échantillon de vérification de fraude pour vérifier manuellement contre les risques connus.
• Un humain approuve ou rejette un règlement.

Dans un processus de sinistres avec IA, cela ressemble plus à ceci :

• Les documents de sinistre entrent dans votre système depuis un client, intermédiaire ou tierce partie.
• Un robot logiciel utilise l'IA pour extraire automatiquement les données des documents de sinistre.
• Un produit comme UiPath Document Understanding utilise des modèles ML pour extraire des données structurées, non structurées et des pictogrammes des documents.
• Les robots logiciels saisissent les données dans vos systèmes de sinistres.
• Un employé examine rapidement les données, si requis, pour validation.

Remarquez comment, dans le second exemple, un humain n'entre dans le processus qu'à la dernière étape et même alors, seulement si nécessaire. Le processus de sinistres est plus rapide, moins sujet aux erreurs, et implique beaucoup moins d'effort manuel humain.

Maintenant, les employés peuvent se recentrer sur des activités plus engageantes, orientées humain, laissant les robots logiciels gérer les tâches répétitives.

Avec l'IA intégrée au portefeuille de solutions technologiques d'une entreprise, les employés peuvent se recentrer des tâches fastidieuses et répétitives comme le traitement des sinistres vers des tâches plus engageantes et cognitivement stimulantes.

Démarrer avec l'IA en 3 étapes

Notre panel a partagé trois étapes clés pour démarrer avec l'IA. Chaque étape rendra l'IA plus facile à implémenter et plus efficace.

1. Commencer petit

Trouvez des cas d'usage pratiques et choisissez un point de douleur pour les prioriser. Assurez-vous que quel que soit le cas d'usage que vous choisissez est assez petit pour être pratique mais assez douloureux pour que la solution soit mesurable et impactante pour les parties prenantes.

Selon l'un de nos panelistes, Kieran Gilmurray, expert mondial en automatisation et transformation digitale chez Mercer, un avantage de l'industrie de l'assurance est que les cas d'usage sont abondants, prouvés et validés. Les cas d'usage sont déjà bien connus, donc ce n'est pas un endroit où vous avez besoin d'innover.

Olive a recommandé de commencer avec l'IA pour la classification des e-mails. Carney a acquiescé : avec 20 millions d'e-mails reçus par an, et plus de cinq minutes passées sur chacun, l'automatisation des e-mails présente une opportunité à grand impact, faible risque.

Le défi est que les clients envoient régulièrement des e-mails au support client avec une énorme gamme de questions qui peuvent s'accumuler en longs temps de réponse. L'opportunité est qu'avec l'IA, vous pouvez raccourcir ces temps de réponse et devenir de plus en plus efficace là où d'autres entreprises sont encore lentes. Pour les early adopters de l'IA, cet avantage peut se composer, vous permettant de devancer les concurrents et d'aller si loin qu'ils ne peuvent pas rattraper.

Avec l'e-mail assisté par IA, vous pouvez comprendre la communication entrante et prédire les communications suivantes. Ce qui signifie que les clients n'ont même pas besoin de poser certaines questions — vous y avez déjà répondu.

Olive dit qu'en commençant plus petit, vous pouvez attaquer la chaîne de valeur un peu à la fois.

2. Aligner sur le ROI

Toute technologie transformationnelle nécessite un investissement, mais l'investissement requis n'est pas toujours un investissement en capital. Le capital est important, mais plus important est l'investissement dans une culture d'innovation. Vous devez encourager une culture qui regarde au-delà des méthodologies et pratiques existantes pour qu'elles puissent adopter une technologie aussi game-changing que l'IA.

Les deux types d'investissement vous obligent à réfléchir soigneusement au ROI. Pour aligner votre vision du ROI avec la réalité, vous voudrez encadrer votre analyse de ROI avec la découverte de processus.

Beaucoup dans l'industrie de l'assurance sont devenus habitués au nombre de points de décision que les processus existants contiennent, ce qui les fait oublier à quel point de nombreux processus sont devenus complexes.

Le potentiel pour l'IA de gérer certains de ces processus complexes est immense, mais seulement si vous documentez et examinez vos entreprises d'abord — avec des données, pas des anecdotes. Le but de cette découverte est de déterminer où vous pouvez fournir le plus de valeur via l'IA.

UiPath Task Mining et UiPath Process Mining peuvent tous deux vous aider à comprendre vos processus et leurs goulots d'étranglement. Avec ces outils de découverte de processus, vous pouvez prioriser les cas d'usage IA basés sur des résultats métier mesurables.

À partir de là, vous pouvez commencer à élargir votre compréhension du ROI.

Gilmurray a averti que bien qu'il y ait des cas d'usage IA à court terme, une transformation plus large nécessitera plus qu'un simple coup d'interrupteur. Implémenter l'IA implique un chemin d'améliorations qui mènent éventuellement à des changements significatifs dans les opérations métier.

Ne mettez pas la pression sur l'équipe pour délivrer des retours immédiats, mais comprenez la direction du projet et d'où viendront les retours. L'IA est similaire, en un sens, à un nouvel employé, signifiant qu'il faut du temps pour l'entraîner et la préparer pour la production. Et similaire à un employé, les solutions basées sur l'IA peuvent apprendre et s'ajuster basées sur les demandes du métier.

Olive a averti que de nombreuses entreprises se concentreront trop sur la réduction des coûts comme métrique principale.

La vraie valeur de l'IA, cependant, n'est pas seulement dans les coûts qu'elle élimine mais dans la valeur qu'elle produit. L'IA créera, par exemple, de meilleurs délais de traitement et une plus grande satisfaction client, signifiant une meilleure fidélité client.

Si vous pouvez estimer avec précision le ROI, de ses retours les plus étroits à sa plus grande valeur potentielle, alors vous choisissez les efforts avec le plus de potentiel à chaque fois. Vous pouvez utiliser un produit comme UiPath Automation Hub pour créer un emplacement central pour les idées d'automatisation que vous pouvez ensuite organiser et prioriser.

3. Mettre à l'échelle en mettant la stratégie métier en premier

Pour que la transformation digitale délivre contre vos objectifs stratégiques d'entreprise, l'adoption de l'IA ne peut pas être cloisonnée au sein d'une seule équipe. Avec le soutien à la fois d'un investissement en capital ainsi que d'un investissement culturel, votre organisation peut embrasser et étendre l'adoption. Si vous ne pouvez pas obtenir une adoption généralisée, alors la transformation digitale n'arrivera pas, et vous risquez que votre projet IA stagne comme un prototype.

Seule une priorisation de la stratégie métier assurera que l'IA se met à l'échelle et se propage.

Le risque est que les entreprises mettent la technologie avant la stratégie métier. Si vous vous concentrez trop sur la technologie, Gilmurray a averti, alors vous avez l'équation à l'envers. C'est la stratégie métier d'abord.

Gilmurray a recommandé de comprendre la stratégie au niveau métier (ou au moins au niveau département) pour savoir à quoi vous contribuez. La technologie permet le métier — ce sont les gens, les processus et ensuite la technologie.

Vous devriez poser deux questions, a-t-il dit :

1. Où voulons-nous aller ?
2. Comment y arriverons-nous ?

Trop d'entreprises se concentrent sur la deuxième question sans adresser la première.

L'assurance est déjà une industrie pilotée par les données, donc si vous pouvez délivrer les bonnes données, au bon moment, aux bonnes personnes, alors d'énormes bénéfices suivront. Le calcul du ROI n'impliquera pas seulement le nombre d'heures économisées (mais cela est souvent le driver numéro un). Ce calcul sera informé par la stratégie métier et prendra en compte ce que font vos concurrents et les points faibles de votre métier actuel, tels que les accords de niveau de service (SLA) et les temps de réponse client.

Survivre au darwinisme digital avec l'IA à vos côtés

Gilmurray a discuté comment 2020 a accéléré notre progression dans un âge de « darwinisme digital ». Dans cet âge, seuls les plus forts survivront. Mais la force ne sera pas le résultat de la force brute — ce sera le résultat de la volonté des entreprises à s'adapter à un environnement changeant.

De nouvelles technologies et de nouvelles stratégies métier complémentaires ouvriront la voie pour que les compagnies d'assurance deviennent des entreprises entièrement automatisées. Une entreprise entièrement automatisée™ est celle qui embrasse pleinement l'automatisation, l'IA, le ML, et les bénéfices de transformation digitale que ces technologies débloquent.

Une entreprise entièrement automatisée est celle qui peut survivre au changement maintenant et dans le futur. L'IA n'est pas juste un outil à ajouter à votre arsenal — c'est un facilitateur pour une transformation digitale généralisée, et il y a peu d'industries avec autant d'opportunités de transformation que l'assurance.

Pour en savoir plus sur comment adopter et implémenter l'IA, consultez l'enregistrement de notre session IA dans l'assurance (partie de notre événement AI Summit). Elle est disponible à la demande pour que vous puissiez la regarder à votre convenance.

Remerciements spéciaux à Elaine Mannix pour sa collaboration sur cet article et pour la co-animation de notre session « IA dans l'assurance » pendant l'AI Summit. Mannix est la responsable Assurance chez UiPath.