通过全面应用生成式人工智能重新构想保险业
内容提要
许多保险公司在推进生成式人工智能（gen AI）应用时陷入试点阶段，无法扩展或提取价值。文章讨论了如何通过利用传统人工智能和机器人流程自动化以及gen AI来摆脱试点炼狱，解决数据隐私和安全问题，并提出了一些建议。
延伸解读
从试点炼狱到规模化：关键在于领域重构
许多保险公司在生成式人工智能应用上陷入试点阶段，无法扩展或提取价值。文章指出，失败原因包括过度关注技术选型而忽视商业价值，以及用例过于孤立。成功规模化的组织会转向识别应用背后的通用代码组件，创建可复用模块，并重新构想整个业务领域（如理赔、承保、分销），而非孤立用例。这需要结合传统人工智能和机器人流程自动化，并得到高层管理团队的承诺和投资。
数据管理与技术现代化是规模化的基础
文章强调，数据管理和技术现代化是成功实施生成式人工智能的关键因素。保险公司需要确保支撑用例的数据处于可用状态，并建立能够加速构建和交付用例的基础设施。同时，组织不应等待大型供应商的数据管理方案，而应主动构建自身能力，以理解如何保护组织安全并选择适合的解决方案。人才和运营模式同样重要，需要业务主导、技术赋能，并采取构建与购买相结合的策略。
风险与监管：建立全面框架，从低风险用例开始
保险公司需要建立全面框架来应对生成式人工智能相关的风险，包括数据隐私、准确性和幻觉问题。文章建议通过自动化例程识别并剥离个人身份信息，并与业务部门共同制定客观的性能指标，进行生产前测试和生产后审计。欧盟人工智能法案已通过，为监管提供了基础。建议从低风险用例开始实施，避免涉及影响被保险人生命健康的决策，并逐步适应不断演变的监管环境。
Q&A
保险公司在生成式人工智能应用中面临哪些主要挑战？
保险公司在生成式人工智能应用中面临的主要挑战包括停滞在试点阶段、对技术的错误关注、缺乏商业价值评估以及数据隐私和安全问题。
生成式人工智能对保险行业的潜在贡献有多大？
麦肯锡估计，生成式人工智能对全球经济的潜在贡献为4.4万亿美元，保险行业对此表现出浓厚的兴趣。
保险公司如何有效扩展生成式人工智能的应用？
保险公司可以通过结合传统人工智能和机器人流程自动化，重新构思业务领域，推动有意义的变革，从而有效扩展生成式人工智能的应用。
生成式人工智能在保险行业的具体应用有哪些？
生成式人工智能在保险行业的具体应用包括索赔处理、承保、内容生成以及客户自助服务等领域。
保险公司如何应对生成式人工智能带来的数据隐私风险？
保险公司应建立全面的框架，自动识别和处理个人可识别信息（PII），确保数据在安全环境中不被泄露。
欧盟人工智能法案对保险行业的影响是什么？
欧盟人工智能法案为保险行业的监管提供了基础，建议保险公司从低风险用例开始实施，以确保安全和客户友好。
