保険業界における AI：実践的スターターガイド

AI の認識と実践のギャップ

人工知能 (AI) の認識と実践の間にはギャップがあります。

McKinsey の調査によると、AI を認識している企業のうち、AI を大規模に、またはコアビジネスプロセスで活用しているのはわずか約 20% です。また、2019 年 MIT Sloan Management Review の調査では、調査対象組織のわずか 7% が機械学習 (ML) と AI を意思決定や本番ワークフローに適用しています。

多くが AI ジャーニーの始まったばかりの保険会社は、この認識と実践のギャップに陥りやすいと言えます。保険会社は数十年にわたりデータ集約型ワークフローを使用してきましたが、多くはまだ AI を最大限に、あるいはまったく活用していません。

今年初め、AI サミットの一環として「保険における AI」について専門家パネルディスカッションを開催しました。セッションでは、Forrester Research、Cognizant、Mercer のゲストエキスパートが保険業界での仕事から得た洞察と経験を共有しました。

この記事ではセッションをいくつかの主要なアイデアに分解しますが、完全な体験のためには AI in Insurance セッションページ をご覧ください。

ここでは、AI のトレンドと、保険会社が AI を始めるための 3 ステッププロセスに焦点を当てます。

AI 保険トレンド：今こそ投資の時

「保険における AI」セッションを通じて、保険業界の未来が、AI を最前線に据え組織のアジリティを高めることを中心に回ることが明確になりました。デジタル変革は市場リーダーシップの達成とイノベーション重視の文化醸成に不可欠になっており、AI はその変革の不可欠な部分になりつつあります。

2020 年が保険業界を変えた

すべての業界にとって厳しい年だった 2020 年は、保険業界にとって画期的な年でした。

2020 年は、保険業界に顧客、パートナー、従業員の急速に変化するニーズに応える能力を問いただしました。例えば McKinsey は 2020 年のレポートで、「セールスと流通、サービスと維持、クレームで成熟したデジタル機能を開発した保険会社は危機を乗り切る態勢が整っている—そうでない企業は追いつくために迅速に行動しなければならない」と指摘しています。

この問い直しにより、デジタル変革は危機を生き延びるためだけでなく、前進して繁栄するためにも必要だと明らかになりました。

2021 年以降、AI と自動化—エンタープライズ デジタル変革の核心—は、前向きな保険会社にとって最優先事項になるでしょう。

保険の未来

テクノロジー予算が減少傾向にある他業界とは対照的に、保険のテクノロジー予算は増加しています。パネルでカーニー氏が説明しました。Forrester の調査結果を引用し、保険会社のテクノロジー予算が 1.4% 増加することで、働き方の未来と顧客体験の未来が加速すると述べました。

この予算増加の多くが単なる維持管理ではない点が重要です。カーニー氏によると、この予算の 33% が新規プロジェクトに向けられています。

ホリー・オリーブ氏（パネル当時、Cognizant 保険コンサルティング デジタル オペレーション リード）も同意し、予算がシフトするにつれモメンタムが増し、出遅れた企業は置き去りにされる可能性があると警告しました：「列車は動き出しました。あなたはそれに乗りたいはずです。」

AI の未来

しかし、保険の未来は、企業が AI を採用する意欲だけでなく、AI を活用したビジネスソリューションを追求、採用、実装する能力にかかっています。

多くの業界でテクノロジーがマーケティングの約束についていけていないため、AI に対する懐疑論が存在します。AI と ML は多くの場でマーケティングのバズワードになっています。シンプルなルールベース自動化を提供する製品でも、インテリジェントだと主張したがる企業があります。それらの製品もまだ有用ですが、真の AI ベースソリューションが提供できるインパクトを届けているわけではありません。

キーノートスピーカーのクレイグ・ル・クレア氏（Forrester プリンシパル アナリスト）によると、ハイプと現実が出会うのは、フォーカスされた水平・垂直ユースケースを可能にするプラットフォームです。ル・クレア氏は AI サミットの基調講演で、AI はかつて別ツールだったが、今やほぼすべてのテクノロジーの一部になると説明しました：「AI はアプリケーションに浸透し、ビジネスの標準的なやり方になる。」

AI の未来は、派手なツールを採用して正しい方向に導いてもらうことではなく、AI の利点を活かした賢いビジネス戦略を策定することです。

AI 保険事例：クレーム処理

保険プロセスへの AI 導入ユースケースは豊富ですが、特に AI に適したプロセスが一つあります：クレーム処理です。

クレーム処理が AI に最適な 4 つの側面：

1. 時間がかかる
2. エラーが発生しやすい
3. スケールしない
4. 専門知識を持つエキスパート (SME) が必要

従来の保険クレームプロセス はこうです：

• クレーム書類が顧客、仲介者、サードパーティからシステムに入る
• SME が必要データのために書類を手作業でレビュー（専門知識を要する認知負荷の高いプロセス）
• 従業員がデータをクレームシステムに手入力
• SME がポリシーに照らしてクレームを評価
• 従業員が既知のリスクに対してサンプル不正チェックを手作業で実行
• 人間が支払いを承認または却下

AI を活用したクレームプロセス ではこうなります：

• クレーム書類が顧客、仲介者、サードパーティからシステムに入る
• ソフトウェアロボットが AI を使ってクレーム書類からデータを自動抽出
• UiPath Document Understanding などの製品が ML モデルを用いて、構造化・非構造化データ、絵文字を書類から抽出
• ソフトウェアロボットがデータをクレームシステムに入力
• 必要に応じて従業員がデータを迅速にレビューして検証

第 2 の例では、人間は最後のステップでのみ、かつ必要な場合のみプロセスに関与します。クレームプロセスがより速く、エラーが少なく、手作業による人的労力が大幅に削減されます。

これにより、従業員は単調で反復的なタスク（クレーム処理など）から解放され、より魅力的で認知的な挑戦的なタスクに再集中できます。

AI が企業のテクノロジーソリューションポートフォリオに組み込まれることで、従業員はクレーム処理のような面倒で反復的なタスクから、より魅力的で認知的に挑戦的なタスクへと再フォーカスできます。

AI 導入の 3 ステップ

パネルが AI 導入の 3 つの核心ステップを共有しました。各ステップで AI 導入がより容易かつ効果的になります。

1. 小さく始める

実用的なユースケースを見つけ、優先すべきペインポイントを特定します。選んだユースケースが実用的なほど小さく、かつ解決のインパクトがステークホルダーにとって測定可能でインパクトフルなほど痛みを伴うものであることを確認します。

パネリストの一人、キーラン・ギルマレイ氏（Mercer グローバル オートメーションおよびデジタル変革エキスパート）によると、保険業界の利点の一つは、ユースケースが豊富で、実証済み、検証済みだということです。ユースケースはすでによく知られているため、ここではイノベートする必要はありません。

オリーブ氏は、メール分類への AI 活用から始めることを推奨。カーニー氏も同意：年間 2,000 万通のメールを受信し、1 通あたり 5 分以上費やす現状では、メール自動化は大きなインパクトで低リスクの機会です。

課題は、顧客がカスタマーサポートに幅広い質問をメールで送り続け、回答時間が長期化することです。機会は、AI で回答時間を短縮し、他社がまだ遅い領域で効率化できることです。AI の早期導入者にとって、このアドバンテージは複利的に働き、競合を大きく引き離せます。

AI 支援メールなら、着信コミュニケーションを理解し、その後のコミュニケーションを予測できます。つまり、顧客が特定の質問をする前に、すでに回答できているのです。

オリーブ氏は、小さく始めることでバリューチェーンを少しずつ攻略できると述べています。

2. ROI に合わせる

変革的テクノロジーには投資が必要ですが、必要な投資が常に資本的なものとは限りません。資本は重要ですが、より重要なのはイノベーション文化への投資です。既存の方法論と慣習を超えて見据え、AI のようなゲームチェンジングなテクノロジーを採用できる文化を奨励しなければなりません。

両方の投資には ROI について慎重に考える必要があります。ROI ビジョンを現実と合わせるには、プロセス ディスカバリーで ROI 分析をフレーミングします。

保険業界の多くは、既存プロセスが含む意思決定ポイントの数に慣れてしまい、多くのプロセスがいかに複雑になったかを忘れています。

AI がこれらの複雑なプロセスの一部を処理するポテンシャルは巨大ですが、データではなく逸話ではなく、まずビジネスを文書化しレビューする場合に限ります。このディスカバリーの目標は、AI で最大の価値を提供できる場所を特定することです。

UiPath Task Mining と UiPath Process Mining の両方が、プロセスとボトルネックを理解するのに役立ちます。これらのプロセス ディスカバリー ツールで、測定可能なビジネス成果に基づいて AI ユースケースを優先順位付けできます。

そこから、ROI の理解を広げられます。

ギルマレイ氏は、短期的な AI ユースケースがあるものの、より広範な変革にはスイッチ一つ以上のものが必要だと警告しました。AI 導入は、最終的にビジネス運営の重大な変化につながる改善の道筋を伴います。

チームに即時リターンを求めすぎないでください。しかし、プロジェクトの方向性とリターンの源泉を理解してください。AI はある意味で新入社員に似ており、訓練して本番投入できるまで時間がかかります。そして社員と同様に、AI ベースのソリューションはビジネスの要求に基づいて学習し調整できます。

オリーブ氏は、多くの企業がコスト削減を主要指標として過度に注目しがちだと警告しました。

しかし、AI の真の価値は、コストを削減するだけでなく、何を生み出すかにあります。AI は例えば、より良いターンアラウンドタイムと高い顧客満足度を生み、より良い顧客ロイヤルティにつながります。

最も狭いリターンから最大の潜在価値まで正確に ROI を見積もれれば、毎回最もポテンシャルの高い取り組みを選べます。UiPath Automation Hub などの製品を使って、自動化アイデアの中央ロケーションを作成し、整理・優先順位付けできます。

3. ビジネス戦略を最優先にしてスケールする

デジタル変革がエンタープライズ全体の戦略目標に対して成果を出すには、AI 導入を単一チーム内でサイロ化させることはできません。資本投資と文化投資の両方のサポートがあれば、組織は導入を受け入れ拡張できます。広範な導入が得られなければ、デジタル変革は起こらず、AI プロジェクトがプロトタイプで停滞するリスクがあります。

ビジネス戦略の優先化のみが、AI のスケールと拡散を保証します。

リスクは、企業がテクノロジーをビジネス戦略より先に置くことです。テクノロジーに過度に焦点を当てれば、方程式を間違えます。ビジネス戦略が先、とギルマレイ氏は警告しました。

ギルマレイ氏は、ビジネスレベル（または少なくとも部門レベル）の戦略を理解し、何に貢献しているかを知ることを推奨しました。テクノロジーはビジネスを可能にする—順序は、人、プロセス、それから テクノロジーです。

次の 2 つの質問を自問すべきだ、と氏は言いました：

1. 私たちはどこに行きたいか？
2. どうすればそこに行けるか？

多くの企業が最初の質問に答えず、二番目の質問だけに焦点を当てすぎています。

保険はすでにデータ駆動型業界なので、適切なデータを、適切なタイミングで、適切な人々に届けられれば、巨大なメリットが続きます。ROI 計算は節約時間数だけでなく（それが多くの場合第一のドライバーですが）、ビジネス戦略に基づき、競合の動きや自社の弱点（SLA、顧客対応時間など）を考慮に入れます。

デジタルダーウィニズムを AI と共に生き抜く

ギルマレイ氏は、2020 年が「デジタルダーウィニズム」の時代への進展を加速させたと議論しました。この時代では、最も強い者だけが生き残ります。しかし、強さは蛮力の結果ではなく、企業が変化する環境に適応する意欲の結果です。

新しいテクノロジーと新しい補完的ビジネス戦略が、保険会社を完全自動化企業™への道筋を切り開きます。完全自動化企業とは、自動化、AI、ML、そしてそれらのテクノロジーが解き放つデジタル変革メリットを完全に受け入れた企業です。

完全自動化企業は、今も未来も変化を生き抜ける企業です。AI は単なるツールではなく、広範なデジタル変革のファシリテーターであり、保険ほど変革の機会が大きい業界は少ないでしょう。

AI の導入と実装についてさらに学ぶには、AI サミットイベントの一部である「AI in Insurance」セッションの録画をご覧ください。オンデマンドでいつでも視聴可能です。

この記事のコラボレーションと AI サミットでの「AI in Insurance」セッション共同ホストに感謝します。マニックス氏は UiPath の保険リーダーです。