Listen to this article

कृत्रिम बीमा ग्राहक को लाभान्वित करते हुए कई बीमाकर्ता दर्द बिंदुओं में सुधार करता है। ऐसे।

• आर्टिफिशियल इंटेलिजेंस (एआई) बीमाकर्ताओं को जोखिम का आकलन करने, धोखाधड़ी का पता लगाने और आवेदन प्रक्रिया में मानवीय त्रुटि को कम करने में मदद कर सकता है। परिणाम बीमाकर्ता हैं जो ग्राहकों को उनके लिए सबसे उपयुक्त योजनाओं को बेचने के लिए बेहतर ढंग से सुसज्जित हैं।
• ग्राहकों को एआई द्वारा प्रदान की जाने वाली सुव्यवस्थित सेवा और दावा प्रसंस्करण से लाभ होता है।
• कुछ बीमाकर्ता सोचते हैं कि जैसे-जैसे मशीन लर्निंग आगे बढ़ती है, मानव अंडरराइटर्स की आवश्यकता अतीत की बात हो सकती है – लेकिन वह दिन वर्षों दूर हो सकता है।
• यह लेख बीमाकर्ताओं, व्यापार मालिकों और बीमा कंपनी के ग्राहकों के लिए है जो यह देखने में रुचि रखते हैं कि एआई उन्हें कैसे लाभ पहुंचाता है।

यद्यपि यह एक ऐसा उद्योग है जो सदियों से परिवर्तन के लिए प्रतिरोधी साबित हुआ है, बीमा एक डिजिटल क्रांति के दौर से गुजर रहा है। उन्नत मशीन लर्निंग एल्गोरिदम के आगमन के साथ, हामीदार जोखिम को बेहतर ढंग से मापने के लिए अधिक जानकारी ला रहे हैं और दर्जी प्रीमियम मूल्य निर्धारण की पेशकश कर रहे हैं। पिछले छोर पर, एआई आवेदकों को कैरियर के साथ अधिक कुशलता से और कम त्रुटियों के साथ जोड़ने के लिए बीमा प्रक्रिया को सुव्यवस्थित कर रहा है।

इस तेजी से बदलाव का मतलब बीमाकर्ताओं और आवेदकों के लिए समान रूप से बड़ी चीजें हैं। यहां बताया गया है कि एआई बीमा उद्योग की सीमा पर कैसे है और आने वाले वर्षों में यह कहां जा सकता है।

जोखिम का आकलन

ऐतिहासिक रूप से, बीमा हामीदारों ने ग्राहकों के बीमा जोखिमों का आकलन करने के लिए आवेदक द्वारा प्रदान की गई जानकारी पर भरोसा किया है । बेशक, परेशानी यह है कि आवेदक बेईमान हो सकते हैं या गलतियाँ कर सकते हैं, जिससे ये जोखिम आकलन गलत हो जाते हैं।

मशीन लर्निंग, विशेष रूप से प्राकृतिक भाषा समझ (एनएलयू), बीमाकर्ताओं को बीमा वाहक के संभावित जोखिम का बेहतर आकलन करने के लिए येल्प समीक्षाएं, सोशल मीडिया पोस्टिंग और एसईसी फाइलिंग जैसे सूचना के अधिक सार स्रोतों के माध्यम से प्रासंगिक जानकारी को एक साथ खींचने में सक्षम बनाता है।

अर्गो ग्रुप में डिजिटल के वरिष्ठ उपाध्यक्ष एंडी ब्रीन ने कहा, “वास्तव में इन पाठ्य डेटा स्रोतों को देखने और अत्यधिक प्रासंगिक जानकारी निकालने की हमारी क्षमता [एनएलयू के साथ] में काफी वृद्धि हुई है।” “हम इन सूचना स्रोतों का उपयोग कर रहे हैं जो पहले उपलब्ध नहीं थे या आसानी से प्रसारित नहीं किए गए थे।”

अधिक सटीक जोखिम आकलन का अर्थ है अधिक उपयुक्त प्रीमियम। नेक्स्ट इंश्योरेंस के सीओओ सोफिया पोगरेब ने कहा कि ऐसे उद्योग में जहां बीमा कंपनियों के बीच सबसे बड़ा अंतर उनके उत्पादों का नहीं बल्कि उनकी कीमतों का है, एक अधिक व्यक्तिगत एक्सपोजर मॉडल एक बड़ा अंतर ला सकता है।

“परंपरागत रूप से, [उद्योग ने पेशकश की है] ‘सबसे कम आम भाजक’ उत्पाद: एक मानक देयता नीति,” पोगरेब ने कहा। “आप जिस चीज के साथ समाप्त होते हैं वह एक बहुत ही अलग उत्पाद है, जहां एक बेकरी और लॉन्ड्रोमैट की एक ही नीति होती है। ग्राहक के लिए जाने का यह सही तरीका नहीं है। स्वचालित रूप से अधिक डेटा का उपभोग करने में सक्षम होने के कारण, हम अधिक अनुकूलन देखेंगे, और ग्राहकों को उस कवरेज के लिए भुगतान करके लाभ होगा जिसकी उन्हें वास्तव में आवश्यकता है। ”

युक्ति: यदि आप सुनिश्चित नहीं हैं कि आपको अपने व्यवसाय के लिए किस कवरेज की आवश्यकता है, तो इस प्रकार के बीमा को देखें, जिस पर आपके व्यवसाय को विचार करना चाहिए और लघु व्यवसाय बीमा चुनने के लिए हमारी मार्गदर्शिका देखें ।

धोखाधड़ी का पता लगाना

धोखाधड़ी बीमा कंपनियों के लिए एक प्रमुख चिंता का विषय है, और धोखाधड़ी के दावों के खिलाफ लड़ाई में एआई एक प्रमुख प्रहरी है। जैसा कि सैमसंग ने बीमा धोखाधड़ी की रोकथाम के बारे में एक ब्लॉग पोस्ट में नोट किया है , यह उन सभी पैटर्न का पता लगाने के बारे में है जो मानव संज्ञान से बच सकते हैं:

“फ्रांसीसी एआई स्टार्टअप फर्म शिफ्ट टेक्नोलॉजी इस तकनीक को अपनी धोखाधड़ी रोकथाम सेवाओं में शामिल करती है, जो पहले ही 77 मिलियन से अधिक दावों को संसाधित कर चुकी है। कपटपूर्ण बीमा दावों का पता लगाने के लिए संज्ञानात्मक मशीन लर्निंग एल्गोरिदम 75% सटीकता दर तक पहुंच गया है। एमएल एल्गोरिदम संभावित देयता और मरम्मत लागत आकलन के साथ संदिग्ध दावों पर विवरण प्रदान करते हैं और प्रक्रियाओं का सुझाव देते हैं जो धोखाधड़ी संरक्षण को हल और बढ़ा सकते हैं।

फिनसर्व एक्सपर्ट्स के प्रबंध निदेशक एरियल वोलानो ने कहा, “संदिग्ध धोखाधड़ी का पता लगाने में सहायता करने के लिए मशीन सीखने की क्षमता अच्छी तरह से स्थापित है, लेकिन मानव-नेतृत्व वाला डेटा विज्ञान अभी तक उतना ही सक्षम है।” “समय के साथ महत्वपूर्ण अंतर लागत में से एक होगा। पेशेवर अपराधी उद्योग के अग्रणी धोखाधड़ी संकेतकों से अवगत रहेंगे और अपने व्यवहार को उसके अनुरूप ढालेंगे। मानव डेटा वैज्ञानिकों को गति बनाए रखने के लिए समय के साथ अपने विश्लेषण को दोहराने की आवश्यकता होगी, जबकि मशीन लर्निंग एल्गोरिदम समय के साथ अंतर्निहित डेटा में देखने योग्य परिवर्तनों के आधार पर खुद को प्रशिक्षित करते हैं। ”

मानवीय त्रुटि को कम करना

बीमा उद्योग में वितरण श्रृंखला घुमावदार और जटिल है। बिचौलियों की एक श्रृंखला बीमित व्यक्ति और वाहक के बीच सूचनाओं की जांच करती है, जिससे बहुत सारी मानवीय त्रुटि होती है और प्रक्रिया को धीमा करने वाले मैनुअल काम करते हैं, ब्रीन ने कहा। हालाँकि, AI उस समस्या को ठीक करना शुरू कर रहा है।

एल्गोरिदम समय और त्रुटियों की संख्या को कम कर सकता है क्योंकि जानकारी एक स्रोत से दूसरे स्रोत तक जाती है। एक पोर्टल में लॉग इन करके और एक पीडीएफ अपलोड करके, बीमाकर्ता डेटा प्रविष्टि और पुनः प्रविष्टि की मात्रा को कम करता है और सटीकता बढ़ाता है, ब्रीन ने कहा।

“लोग थक जाते हैं और ऊब जाते हैं और गलतियाँ करते हैं, लेकिन एल्गोरिदम नहीं करते हैं,” उन्होंने कहा।

पोगरेब के लिए, बीमाधारक और बीमाकर्ता के बीच की खाई को पाटना उतना ही महत्वपूर्ण है जितना कि त्रुटि को कम करना। बेहतर डेटा के साथ, ग्राहकों और बीमाकर्ताओं दोनों को लाभ होता है, उसने कहा, क्योंकि बीमाकर्ता अधिक सटीक आकलन के आधार पर बेहतर उत्पाद विकसित कर सकते हैं, और ग्राहक ठीक उसी के लिए भुगतान करेंगे जिसकी उन्हें आवश्यकता है। 

पोगरेब ने कहा, “मशीन सीखने के साथ, मुझे लगता है कि हम उपभोक्ता को स्वचालित रूप से सलाह देते हुए बेहतर काम करने में सक्षम होंगे।” “आप मुझे अपने व्यवसाय के बारे में जो बताते हैं और मैं इसी तरह के लोगों के बारे में क्या जानता हूं, उसके आधार पर, [मैं कह सकता हूं] मेरा मानना ​​​​है कि यह आपके लिए कवरेज का सही संयोजन है। इसलिए यह न तो एजेंट पर और न ही ग्राहक पर जिम्मेदारी डाल रहा है – जिसके पास स्पष्ट रूप से अनुभव या ज्ञान नहीं है – लेकिन डेटा को सलाह देने देता है।

ग्राहक सेवा

बीमा जैसे परिवर्तन-प्रतिरोधी क्षेत्र में भी, अच्छी ग्राहक सेवा सर्वोपरि है। आखिरकार, लोग अक्सर खराब ग्राहक सेवा वाली कंपनियों का उपयोग करना बंद कर देते हैं । इसलिए बीमा कंपनी की कई वेबसाइटों में अब चैटबॉट शामिल हैं। ये एआई उपकरण मानवीय हस्तक्षेप के बिना कई प्रश्नों के माध्यम से ग्राहकों का मार्गदर्शन कर सकते हैं। वे वास्तविक लोगों की कई टीमों के विपरीत, 24/7 भी उपलब्ध हैं।

उदाहरण के लिए, एक ग्राहक जिसे अपने खाते तक पहुंचने में सहायता की आवश्यकता है, वह सीधे बीमाकर्ता की वेबसाइट से सहायता के लिए चैटबॉट को पिंग कर सकता है। यह फ़ंक्शन संभावित रूप से ग्राहक संकटों को एक पल में हल कर सकता है। वास्तविक, मानव ग्राहक सेवा एजेंट अभी भी अधिक जटिल चिंताओं के लिए आवश्यक हो सकते हैं, लेकिन एआई चैटबॉट शेष अधिकांश को संभाल सकते हैं।

क्या तुम्हें पता था? बीमा वेबसाइट चैटबॉट एआई का एक रूप है और नवीनतम चैटबॉट रुझानों में से एक है । कुछ इतने जटिल हैं कि ग्राहकों को उच्च-क्रम के कार्यों को नेविगेट करने में मदद मिलती है, जबकि अन्य को केवल सरल प्रश्नों के उत्तर देने के लिए डिज़ाइन किया गया है।

दावा प्रसंस्करण

बीमाकर्ता दावों को संसाधित करने और ग्राहकों को उन्हें कवर करने में मदद करने के लिए मौजूद हैं, लेकिन दावों का आकलन आसान नहीं है। एजेंटों को कई नीतियों की समीक्षा करनी चाहिए और यह निर्धारित करने के लिए प्रत्येक विवरण के माध्यम से जाना चाहिए कि ग्राहक को उनके दावे के लिए कितना प्राप्त होगा। यह एक श्रमसाध्य प्रक्रिया हो सकती है – और एआई मदद कर सकता है।

मशीन लर्निंग टूल्स तेजी से यह निर्धारित कर सकते हैं कि दावे में क्या शामिल है और इसमें शामिल संभावित लागतों का अनुमान लगाया जा सकता है। वे छवियों, सेंसर और बीमाकर्ता के ऐतिहासिक डेटा का विश्लेषण कर सकते हैं। एक बीमाकर्ता तब उन्हें सत्यापित करने और दावे का निपटान करने के लिए AI के परिणामों को देख सकता है। परिणाम बीमाकर्ता और ग्राहक दोनों को लाभान्वित करता है।

क्या बीमा उद्योग में AI से उपभोक्ता को लाभ होता है?

एक निश्चित तकनीक का व्यापक उद्योग अपनाना अक्सर उस क्षेत्र की कंपनियों को मिलने वाले लाभों को दर्शाता है, कभी-कभी ग्राहक पर कोई स्पष्ट प्रभाव नहीं होता है। बीमा उद्योग AI के साथ ऐसा नहीं है, जिसके ग्राहक के लिए स्पष्ट लाभ हैं।

एआई-समर्थित जोखिम मूल्यांकन बीमाकर्ताओं को योजनाओं को बेहतर ढंग से अनुकूलित करने में मदद कर सकता है ताकि ग्राहक केवल उसी के लिए भुगतान करें जिसकी उन्हें वास्तव में आवश्यकता है। यह आवेदन प्रक्रिया में मानवीय त्रुटि को भी कम कर सकता है, इसलिए ग्राहकों को ऐसी योजनाएँ प्राप्त होने की अधिक संभावना है जो उनकी आवश्यकताओं के अनुकूल हों। बेशक, यह बीमाकर्ता के ग्राहक सेवा विकल्पों का विस्तार भी कर सकता है और दावों की स्वीकृति प्रक्रिया को सुव्यवस्थित कर सकता है। अंतिम परिणाम ग्राहकों को वह मिल रहा है जिसकी उन्हें आवश्यकता है।

मुख्य उपाय: बीमा उद्योग में एआई बीमाकर्ता और उपभोक्ता दोनों को लाभान्वित करता है, जिसमें छोटे व्यवसाय भी शामिल हैं जिन्हें बीमा खरीदने की आवश्यकता होती है ।

बीमा का भविष्य AI

बीमा उद्योग ने केवल एआई में अपना प्रवेश शुरू किया है, और कंपनियां पहले से ही आगे के तकनीकी विकास की प्रत्याशा में इसे अपने दिन-प्रतिदिन के कार्यों में शामिल करने के नए तरीकों के साथ प्रयोग कर रही हैं।

“यह एआई के बहुत शुरुआती दिन हैं,” ब्रीन ने कहा। “अनिवार्य, दोहराए जाने वाले कार्यों के लिए, हम कंप्यूटर को उस पर रखते हैं … लेकिन हम एक कंप्यूटर अंडरराइटर से दूर हैं। हम वास्तव में इस बिंदु पर सिर्फ इंसानों को बढ़ा रहे हैं।”

उन्होंने कहा कि यह अभी भी उद्योग में एक महत्वपूर्ण बदलाव है। Argo Group के अंडरराइटर्स अब हर एक सबमिशन की समीक्षा करने के बजाय पोर्टफोलियो का प्रबंधन करने लगे हैं। मशीन लर्निंग एल्गोरिदम द्वारा अधिक मानक, अनुमानित दावों को नियंत्रित किया जाता है, ब्रीन ने कहा, और मानव अंडरराइटर अनिवार्य रूप से पूरी प्रक्रिया को ठीक कर रहा है और उन मामलों में हस्तक्षेप कर रहा है जिन्हें उच्च-आदेश निर्णय लेने की आवश्यकता है।

पोगरेब हामीदारी प्रक्रिया को सुव्यवस्थित करने के लिए और भी अधिक संभावनाएं देखता है। वह उम्मीद करती है कि मानव हामीदार को संभालने के लिए आवश्यक अनुप्रयोगों की संख्या में काफी गिरावट आएगी क्योंकि मशीन लर्निंग को बीमा उद्योग में अपना स्थान मिल गया है।

पोगरेब ने कहा, “हम मानते हैं कि प्रौद्योगिकी और मशीन सीखने के साथ, बहुत से [मानव अंडरराइटिंग] को दूर किया जा सकता है।” “बीमा अनुप्रयोगों का प्रतिशत जिनके लिए मानवीय स्पर्श की आवश्यकता होती है, नाटकीय रूप से नीचे जा सकते हैं, शायद 80% से 90%, और यहां तक ​​​​कि कम एकल अंकों तक।”

जबकि एआई को अपनाना अल्पविकसित तरीकों से आया है, यह पहले से ही जमीन के स्तर को काफी हद तक बदल रहा है। बीमा कंपनियां जो प्रतिस्पर्धी बने रहना चाहती हैं, उन्हें एआई के पानी का परीक्षण करना चाहिए, वोलानो ने कहा।

“कंपनियां अपने स्वयं के एल्गोरिदम को प्रोटोटाइप करके अपने व्यवसाय पर मशीन सीखने के प्रभाव का आकलन करने के लिए तैयार हो सकती हैं और प्रतिस्पर्धी रह सकती हैं,” उन्होंने कहा। “एक व्यक्तिगत मशीन लर्निंग एल्गोरिदम जो स्टैंड-अलोन आधार पर अपना विश्लेषण करता है, वास्तव में काफी सस्ता है, [और] कई मामलों में, एक स्टैंड-अलोन विश्लेषण उपकरण उद्देश्य के लिए उपयुक्त से अधिक है।”

अधिकतर पूछे जाने वाले सवाल :