Üretken yapay zekânın (Generative AI) tüm sektörler üzerinde önemli etkisi olacak. PwC'nin 2024 Küresel CEO Araştırmasına göre, CEO’ların %70’i üretken yapay zekânın, şirketlerinin değer yaratma ve sunma şeklini önemli ölçüde değiştireceğine inanıyor. Ankete katılan sigorta sektörü CEO’larının %28’i, üretken yapay zekânın 2024 yılında çalışan sayılarını %5 veya daha fazla azaltmasını bekliyor. Bu oran, tüm sektörler arasında en yüksek ikinci değişim seviyesi olarak öne çıkıyor.
Tüm bu önemli rakamların ardında liderlerin, üretken yapay zekâ ile ilgili spekülasyonlardan kurtulup nereye ve nasıl yatırım yapacaklarını öğrenme, yani, üretken yapay zekânın en uygun kullanım alanını belirleme mücadelesi yatıyor. Önlerinde bir dizi seçenek bulunan liderler, sadece neyi seçeceklerini değil; aynı zamanda, seçtiklerini ne zaman hayata geçirecekleri ve kiminle ortaklık kuracakları gibi stratejik ağırlığı olan konularda da önemli zorluklarla karşı karşıya kalıyorlar.
Aşağıdaki dört temel adımın sigortacıların üretken yapay zekâ devrimini yönetmelerine yardımcı olabileceğine inanıyoruz ve halihazırda üretken yapay zekâyı başarıyla kullanan sigorta şirketlerinden örnekler sunuyoruz.
Sigorta sektörünün Üretken Yapay Zekâ (Generative AI) ile ilgili keşif ve denemelerine ilk başladıklarında yaptıkları en yaygın hatalardan biri, stratejilerini net olarak belirlemeden bu teknolojiyi nerede kullanacakları ile ilgili çalışmalar yapmaları. Yalnızca üretken yapay zekâyı değil, genel olarak yapay zekâ ve otomasyonu kapsayan bir strateji belirleyerek robotik süreç otomasyonu, tahmine dayalı analizler, görüntü tanıma ve diyaloğa dayalı yapay zekâ gibi farklı yapay zekâ teknolojileri arasındaki uyumu en üst düzeye çıkaran, fırsatların kaçırılmasını ve stratejik uyumsuzlukları önleyen tutarlı bir teknoloji ekosistemi oluşturulabilir. Bu daha geniş perspektif, kullanım alanının seçilmesi ve önceliklendirilmesine yönelik entegre bir yaklaşımı teşvik ederek teknolojik yatırımların şirketin uzun vadeli hedefleriyle uyumlu olmasını ve hem değişen pazar taleplerine hem de teknolojik gelişmelere adapte olabilmesini sağlıyor.
ABD’deki orta ölçekli bir sigorta şirketinin üretken yapay zekâ yolculuğuna başlamasına, karar verme sürecinin kolaylaştırılması için gelecekteki herhangi bir yapay zekâ yatırımının değerlendirilmesinde kullanılacak kılavuz ilkeleri açık ve net şekilde belirleyerek yardımcı olduk. Bu kılavuz ilkeler arasında aşağıdakiler yer alıyor: Ana faaliyetler dışındaki süreçlerin otomasyonunu en üst düzeye çıkarmak, modellerin yeniden kullanılabilirliğinden sürekli olarak yararlanmak, tüm yapay zekâ uygulamalarında etik standartlara uymak ve uyulmasını sağlamak, geçmişten gelen bir birikim olmadan sistem entegrasyonu ve birlikte çalışabilirlik için optimizasyon yapmak ve yatırım getirisinden çok esneklik ve ölçeklenebilirliğe odaklanmak.
Deneyimlerimize göre, üretken yapay zekâda başarılı olan ve mükemmellik seviyesine ulaşan firmalar, geleceğe yönelik net bir vizyonla ve kurumsal olarak hazır olma anlayışıyla şekillenen iyi tanımlanmış bir strateji izliyor.
Sigortacılar üretken yapay zekâ stratejilerini belirledikten sonra, şirketlerinde üretken yapay zekânın kullanılabileceği alanları tespit etmelidir. Bunlar, rakiplerden daha düşük maliyetlerin hedeflendiği, işletmenin faaliyet gösterebilmesi için gereken temel kapasiteler ve maliyetleri düşürürken “yeterince iyi” kalitenin korunmasının hedeflendiği, pazarda rekabet etmek için gerekli kapasitelerdir.
Bu iki grup, kaynakların yeniden yönlendirilmesine yardımcı olmak ve rekabet avantajı yaratan kapasitelere (farklılık yaratan kapasiteler) stratejik olarak daha fazla odaklanmak açısından üretken yapay zekânın uygulanabileceği cazip alanlardır. Genellikle sigorta şirketlerinin, anlamlı sonuçlar ve değer yaratan farklılaştırıcı kapasiteler yerine temel kapasitelere ve hatta hiç gerekli olmayan kapasitelere aşırı derecede yoğunlaşan bir maliyet tabanına sahip olduğunu görüyoruz. Üretken yapay zekâ, bu maliyetlerin azaltılmasına ve yeniden dağıtılmasına yardımcı olabilir.
Üretken yapay zekâya yapılan yatırımlar, müşteriler için anlamlı değer sağlayan ve şirketin rekabetçi konumunu güçlendiren, farklılık yaratan kapasitelere kaydırılan kritik kaynakları boşa çıkarmak ve yeniden dağıtmak için bir fırsat olarak kullanılmalıdır.
Önde gelen Hollandalı bir sigorta profesyoneli, müşteriler ve iş arkadaşları için poliçe dilini önemli ölçüde basitleştirmek amacıyla üretken yapay zekânın sohbet özelliğini deniyor. Bu tür üretken yapay zekâ destekli sohbet özellikleri, sektörden bağımsız ve kolay uygulanabilir oldukları için nispeten kolay kazanımlar sağlıyor. Ayrıca bu özellikleri, işletmede farklılaşmanın olmadığı alanlarda kullanmak, sigortacıların orantısız riskler almadan üretken yapay zekâ kullanımına aşina olmalarını sağlamıştır.
Tarafsız ve gerçekçi bir kapasite değerlendirmesiyle sigortacıların üretken yapay zekâyı kullanarak bazı kaynakları boşa çıkarıp bunları müşteri için anlamlı değer ve rekabet değeri sağlayan iş bölümlerine kaydırabilecekleri farklılık yaratmayan kapasiteler belirlenebilir.
Sigorta şirketlerinin çoğunda, yüksek hacim ve düşük değişkenlik ile karakterize edilen tüm faaliyetlerin %50 ila %70’inin farklılık yaratmayan temel kapasiteler ve rekabet için gerekli kapasiteler olarak sınıflandırılabileceğini görüyoruz. Bunlar, üretken yapay zekâ uygulamaları için umut verici potansiyel hedefler. Nitekim araştırmamız, üretken yapay zekânın en çok poliçe üretimi, tazminat talepleri ve müşteri hizmetleri gibi farklılık yaratmayan alanlarda etkili olacağını gösteriyor.
Bir üretken yapay zekâ (Generative AI) planı, seçilen odak alanları içinde yüksek artış sağlayabilecek rekabet için gerekli faaliyetleri ve temel faaliyetleri tanımlar. Üretken yapay zekâ geniş uygulama alanlarına sahip olsa da, genellikle en etkili olduğu yerler operasyonel süreçler ve net hedefleri olan belirli faaliyetlerdir. Bu sebeple, şirketlerin üretken yapay zekâyı kullanacakları ve odaklanmak istedikleri, değer zincirinde birkaç ana alan seçmelerini öneriyoruz.
Küçük ölçekli bir sigorta şirketi, müşteriye göre uyarlanmış değişken ve kişiselleştirilmiş primler sunan kişiye özel poliçeler oluşturmak için demografik özellikler, risk profilleri ve geçmiş veriler gibi faktörler de dahil olmak üzere müşteri bilgilerini ve mevcut müşteri verilerini dikkate alan kişiselleştirilmiş bir yapay zekâ poliçe oluşturma aracını kullanarak faaliyet kârında yaklaşık %10’luk bir artış sağladı.
Orta ölçekli bir sigorta şirketi, tüketicilere ve daha küçük kurumsal müşterilere sigorta ürünleri öneren ve kişiselleştirilmiş sigorta tavsiyeleri sunan üretken yapay zekâ destekli diyaloğa dayalı bir broker sohbet robotu kullandı ve böylelikle faaliyet kârında %5 ila %10'luk bir artış sağladı.
Orta ölçekli Avrupalı bir sigorta şirketindeki sigortacılar artık risk iştahını belirlemek veya yeni ürün lansmanları hakkında karar vermek amacıyla portföy verilerini sorgulamak için diyaloğa dayalı bir yapay zekâ sohbet robotu kullanıyor. Bu şirket, yaklaşık %5'lik bir faaliyet kârı artışı yakaladı.
Deneyimlerimize göre, sigortacılar, üretken yapay zekâyı hem yapılandırılmış verilerin (nüfus sayımı dosyaları, hasar geçmişi ve müşteri ilişkileri geçmişi) hem de yapılandırılmamış belgelerin (tazminat talep notları, arama dökümleri ve broker e-postaları gibi) yüksek hacimde olduğu alanlarda kullanacaklar. Buradaki iyi haber ise bu alanların, üretken yapay zekânın önemli veri parçalarını bulup çıkararak, bilgileri kısa ve öz bir şekilde özetleyerek ve verimliliği artırarak potansiyelini göstermesi için en iyi adaylar olmaları.
Ancak, kullanım senaryoları kendi başlarına bir strateji değil. Bu senaryolar, birinci ve ikinci adımlarda tanımlanan üretken yapay zekâ için iş stratejisi ve gelecek vizyonuna uyacak şekilde seçilmeli ve önceliklendirilmeli. Senaryolarla çalışmak, sigortacıların birden fazla üretken yapay zekâ kullanım durumunun birleşik etkisini görmelerine ve değerlendirmelerine olanak tanıyarak operasyonel verimliliği, müşteri deneyimini ve rekabet avantajını artıran durumlara stratejik olarak öncelik vermelerini sağlıyor. Bu bütünsel yaklaşım, kaynakların en önemli genel etkiyi yaratacak girişimlere ayrılmasını sağlıyor.
Ayrıca, uyumu sağlamak için, potansiyel bir kullanım durumunun sigortacının kendi operasyonlarına uygulanabilirliğini anlamak ve üretken yapay zekâ çözümünün öncelikli alanlarda belirli iş yüklerini ne ölçüde azaltabileceğini, basitleştirebileceğini veya ortadan kaldırabileceğini tahmin etmek için şirket dışı tarafları sürece dahil etmek gerekebilir.
Üretken yapay zekâya olan ilgi patlaması, ChatGPT gibi sadece birkaç tane halka açık yazılımla yakından ilişkilendirilmiş olsa da, kamu çözümleri aslında sektörler arasında en az kullanılan çözümlerdir. Sigortacılık sektöründe, kullanım senaryolarının büyük çoğunluğu (yaklaşık %60), mevcut üçüncü taraf çözümleri kullanılarak uygulanacak. Yeni ürünler, hizmetler ve kişiselleştirilmiş deneyimler söz konusu olduğunda, uygulanan üretken yapay zekâ çözümlerinin yaklaşık %20'si ihtiyaca özel çözümler olacak. Bu durum, sigorta sektöründeki birçok üretken yapay zekâ stratejisinin başarısı için ortaklıkların kritik önem taşıyacağı anlamına geliyor.
Mevcut üretken yapay zekâ sağlayıcıları arasında (20 milyon dolardan fazla para toplayanlar), sigortacılıktaki uygulamalar satış ve pazarlama, operasyonlar (öncelikle tazminat talepleri) ve müşteri hizmetleri etrafında yoğunlaşıyor. Bununla birlikte, çoğu sağlayıcı sektörden bağımsız olduğundan, potansiyel ortakların sektöre ve çözümlerinin uygulanacağı duruma ilişkin anlayışlarını doğrulamak özellikle büyük önem taşıyor. Operasyonel uygulanabilirlik, yakalanan değer, ortaklığın faydaları ve iş arkadaşı veya müşteri etkisi temel ölçütler olacak.
Araştırmamız, en başarılı ortaklıklarda hem sigortacının hem de üretken yapay zekâ sağlayıcısının rollerini ve sorumluluklarını, departmanların temel özelliklerine ve çoklu kullanım senaryolarına göre net bir şekilde belirlediklerini ve üretken yapay zekânın şimdiye kadarki etkisini, kaydedilen ilerlemeyi ve alınan dersleri düzenli olarak gözden geçirdiğini ortaya koyuyor.
Gerçek dünyadaki değere odaklanan bir üretken yapay zekâ stratejisinin temel unsurlarını yeniden belirtmekte fayda görüyoruz: İlk olarak, anlamlı olanı sadece yeni olandan ayıran stratejik bir yapay zekâ vizyonu oluşturmak. Ardından, bir sigortacının işinde farklılık yaratan, rekabet gücünü koruyan veya geliştiren veya temel faaliyetleri destekleyen temel kapasitelere odaklanmak. Üçüncü olarak, en etkili kullanım alanlarını ve bunları uygulamak için gereken kapasiteleri belirleyerek ayrıntılı bir üretken yapay zekâ planı geliştirmek. Son olarak, şirketin uzun vadeli vizyonuna uyum sağlayabilecek ve ihtiyaçlarıyla birlikte gelişebilecek doğru ortakları seçmek. Yapay zekâ yolculuğunun her adımında sigorta şirketleri, başarı şansını artırmak için işletmenin, yalnızca üretken yapay zekâyı değil, genel olarak yapay zekâ ve otomasyonu kapsayan bir strateji belirlemek, kullanım örneği seçme ve önceliklendirme için senaryolar kullanmak gibi en iyi uygulamalardan nasıl yararlanabileceğini düşünmelidir.
Bunlar, değer sağlayan bir üretken yapay zekâ stratejisinin yapı taşlarını oluşturuyor. Muhtemelen her sigortacı, en geniş anlamda ortaklığın en önemli unsur olduğunu görecektir: üretken yapay zekâ çağı keşfedilmemiş bir bölge olma özelliğini koruyor ve keşfedilmemiş bölgelerde, iyi bir kılavuz büyük fark yaratır.