Gelombang Pengenalan AI yang Mengubah Industri Insurans
Mitsui Sumitomo Insurance (三井住友海上火災保険) telah mengumumkan rancangan untuk memperkenalkan AI dalam proses penilaian ejen mereka. AI akan mengautomasikan dan mempertingkatkan penilaian prestasi ejen dan analisis risiko yang sebelum ini dilakukan secara manual oleh kakitangan.
Sekilas pandang, ini kelihatan seperti satu lagi kes peningkatan kecekapan operasi. Namun, pergerakan ini menyimpan implikasi penting untuk para pengurus. Penggunaan AI dalam penilaian bukan sekadar pengurangan kos, tetapi berpotensi mengubah “kualiti penilaian” itu sendiri.
Dalam industri insurans am, terdapat kira-kira 200,000 ejen di seluruh negara, dan setiap syarikat menilai pencapaian sasaran jualan serta pematuhan peraturan. Tugas penilaian ini memerlukan pengumpulan dan analisis data yang besar, dan beban kerja kakitangan semakin meningkat dari tahun ke tahun.
Mitsui Sumitomo Insurance membina sistem penilaian automatik berasaskan AI untuk menangani cabaran ini. Sistem ini akan mempelajari data penilaian lepas, rekod transaksi, dan indikator risiko untuk menghasilkan penilaian yang objektif dan pantas.
Apakah Nilai Sebenar Pengenalan Penilaian AI?
Peningkatan Keadilan dan Ketelusan Penilaian
Penilaian yang dilakukan oleh manusia pasti akan dipengaruhi oleh subjektiviti. Tidak jarang berlaku kes di mana prestasi yang sama dinilai berbeza oleh penilai yang berbeza. Penilaian AI, yang membuat keputusan secara mekanikal berdasarkan kriteria yang telah ditetapkan, dapat mengurangkan variasi dalam penilaian.
Saya sendiri telah mengamalkan automasi semakan kontrak menggunakan AI. AI boleh menyemak klausa yang sering terlepas pandang oleh pemeriksa manusia dengan kriteria yang konsisten. Kesan yang sama dijangka dapat dicapai dalam tugas penilaian.
Mempercepatkan Proses Penilaian dan Mengurangkan Beban
Dalam penilaian ejen, pelbagai data perlu dikumpul dan dianalisis, bukan sahaja data jualan, tetapi juga hasil tinjauan kepuasan pelanggan dan status penyertaan latihan pematuhan. Dengan pengenalan AI, data ini boleh dikumpul dan diintegrasikan secara automatik, dan laporan penilaian boleh dijana dengan serta-merta.
Dalam kes Mitsui Sumitomo Insurance, dianggarkan masa yang diperlukan untuk tugas penilaian dapat dikurangkan sebanyak kira-kira 70%. Ini membolehkan kakitangan memberi tumpuan kepada sokongan ejen dan perancangan strategik berdasarkan hasil penilaian, dan bukannya pada kerja penilaian itu sendiri.
Perkara Penting untuk Pengurus dalam Pengenalan Penilaian AI
Reka Bentuk Kriteria Penilaian adalah Kunci Kejayaan
Apabila memperkenalkan penilaian AI, perkara yang paling penting ialah reka bentuk kriteria penilaian. Indikator mana yang perlu diberi keutamaan, dan bagaimana pemberat bagi setiap indikator perlu ditentukan. Tanpa definisi yang jelas, AI tidak dapat membuat penilaian yang sesuai.
Dalam kes Mitsui Sumitomo Insurance, mereka menyasarkan penilaian menyeluruh yang menggabungkan pelbagai indikator, bukan sahaja pencapaian sasaran jualan, tetapi juga status pematuhan peraturan dan kepuasan pelanggan. Dengan cara ini, pengenalan AI adalah peluang yang baik untuk menilai semula kriteria penilaian itu sendiri.
Kualiti dan Kuantiti Data Mempengaruhi Keputusan
Ketepatan penilaian AI sangat bergantung pada kualiti dan kuantiti data latihan. Jika data penilaian lepas tidak mencukupi atau mempunyai berat sebelah, AI mungkin mempelajari kriteria penilaian yang salah.
Adalah penting untuk menyemak jenis dan kualiti data yang tersedia sebelum pengenalan, dan jika perlu, menyediakan sistem pengumpulan data. Khususnya, mekanisme untuk mengesahkan kesahihan hasil penilaian (seperti semakan sampel oleh manusia) adalah penting.
Anggaran Kos Berbanding Faedah
Kos pengenalan sistem penilaian AI berbeza-beza bergantung pada jenis perkhidmatan AI yang digunakan dan tahap penyesuaian. Bagi syarikat besar seperti Mitsui Sumitomo Insurance, pembangunan dalaman atau penyesuaian berskala besar mungkin diperlukan. Walau bagaimanapun, bagi syarikat kecil dan sederhana, adalah mungkin untuk memperkenalkan AI dengan menambah fungsi AI pada sistem penilaian sedia ada jenis SaaS.
Kos bulanan boleh berkisar dari sekitar RM5,000 hingga RM10,000 untuk pengenalan berskala kecil, hingga puluhan ribu hingga ratusan ribu ringgit jika penyesuaian menyeluruh diperlukan. Sebelum pengenalan, adalah perlu untuk menganggarkan faedah yang dijangkakan (seperti pengurangan jam kerja, peningkatan jualan akibat ketepatan penilaian yang lebih baik) dan membuat keputusan pelaburan.
Kesan Sampingan Pengenalan Penilaian AI
Visualisasi dan Analisis Data Penilaian
Penilaian AI bukan sahaja memberikan hasil penilaian, tetapi juga boleh memvisualisasikan justifikasi di sebalik penilaian tersebut. Dengan menunjukkan dengan jelas mengapa penilaian itu dibuat dan indikator mana yang mempengaruhinya, kualiti maklum balas kepada individu yang dinilai juga dapat ditingkatkan.
Selain itu, dengan menganalisis data penilaian yang terkumpul, adalah mungkin untuk menyemak dan menambah baik kriteria penilaian. AI berpotensi untuk menemui trend dan corak penilaian yang sukar dilihat oleh mata manusia.
Menghapuskan Kebergantungan kepada Individu Tertentu
Jika tugas penilaian bergantung kepada kakitangan tertentu, kepakaran penilaian akan hilang apabila kakitangan tersebut meninggalkan syarikat. Dengan membina sistem penilaian AI, kepakaran penilaian boleh dikongsi dan diwarisi sebagai pengetahuan organisasi.
Dalam usaha peningkatan kecekapan operasi yang saya amalkan, penghapusan kebergantungan kepada individu tertentu adalah tema utama. Dengan membenarkan AI mempelajari peraturan dan kriteria penilaian, penilaian berkualiti sama dapat dilakukan oleh sesiapa sahaja yang bertanggungjawab.
Langkah Seterusnya dalam Penggunaan AI
Kes Mitsui Sumitomo Insurance menunjukkan bahawa AI bukan sekadar alat peningkatan kecekapan operasi, tetapi merupakan sumber pengurusan yang meningkatkan kualiti penilaian itu sendiri. Penggunaan AI dalam penilaian adalah kaedah yang boleh diaplikasikan bukan sahaja dalam industri insurans, tetapi dalam semua jenis industri dan perniagaan.
Sebagai contoh, AI boleh diperkenalkan dalam pelbagai tugas penilaian seperti penilaian prestasi jabatan jualan, penilaian prestasi pekerja, penilaian pembekal, dan penilaian kepuasan pelanggan. Perkara yang penting ialah melihat pengenalan AI sebagai “peningkatan kualiti penilaian” dan bukannya “pengurangan kos”.
Penggunaan AI dalam penilaian adalah inisiatif yang baru bermula. Walau bagaimanapun, setelah sistem dibina, keadilan, ketelusan, dan kecekapan penilaian akan meningkat secara mendadak. Sebagai pengurus, tidakkah anda patut mempertimbangkan sama ada ia berbaloi untuk memperkenalkan AI dalam tugas penilaian syarikat anda?
Sebagai langkah pertama dalam pengenalan AI, mulakan dengan memvisualisasikan status semasa tugas penilaian dan mengenal pasti tugas mana yang paling sesuai untuk AI. Dengan mengumpul pengalaman kejayaan kecil, penggunaan AI di seluruh organisasi akan dipercepatkan.
コメント