Αναδημοσίευση από την ειδική έκδοση της εφημερίδας Nextdeal (Τεύχος 560)

 Της Σοφίας Κυριακοπούλου, Group Chief Data & Analytics Officer, SCOR

To ChatGPT ήρθε στη ζωή μας πριν το τέλος του 2022, φέροντας την Τεχνητή Νοημοσύνη στην καθημερινότητα με τρόπο άμεσο όσο ποτέ, σε αυτό που έγινε γνωστό ως Generative.ai. Για τους επόμενους μήνες, στα περισσότερα διοικητικά συμβούλια εταιρειών ανά τον κόσμο πλανιόταν το ίδιο ακριβώς ερώτημα: Τι είναι αυτή η νέα τεχνολογική δυνατότητα και τι σημαίνει για εμάς.

Η Μηχανική Μάθηση (Machine Learning) είχε κάνει την εμφάνισή της ήδη χρόνια πολλά πριν, με πολλές υποσχέσεις – και απογοητεύσεις. Πολλές εταιρείες επένδυσαν χρόνο και πόρους να αναπτύξουν αλγορίθμους με απλούστερες ή πιο σύνθετες στατιστικές μεθόδους. Τρομερά κοπιώδεις προσπάθειες να συλλεχθούν δεδομένα, να χτιστούν τα μοντέλα, να ενσωματωθούν στα πληροφοριακά συστήματα των εταιρειών, ώστε λίγο αργότερα να διαπιστώνεται πως δεν έχουν τις επιδόσεις που όλοι ήλπιζαν. Τα οφέλη ήταν υπαρκτά, αλλά περιορισμένα.

Κι όμως, αυτή η εξέλιξη της Τεχνητής Νοημοσύνης φαινόταν εξαρχής διαφορετική.

Κι αν δεν ήταν εξέλιξη κι ήταν όντως επανάσταση;

Η κα. Σοφία Κυριακοπούλου

Δυόμισι χρόνια μετά, στους κύκλους όσων ασχολούνται με την Τεχνητή Νοημοσύνη, ειδικά την εφαρμοσμένη στον χρηματοπιστωτικό τομέα, η απάντηση έχει αρχίσει και γίνεται εμφανής. Ζούμε τις αρχές μιας επανάστασης. Η νέα αυτή γενιά μοντέλων είναι ορατά διαφορετική από οτιδήποτε έχουμε δει στο παρελθόν. Τα generative.ai μοντέλα έρχονται προ-εκπαιδευμένα, καταλαβαίνουν τον γραπτό λόγο εξαιρετικά και το κυριότερο: Έχουν καταπληκτικές επιδόσεις σε μη δομημένα δεδομένα. Δηλαδή, αυτά ακριβώς που έχει άφθονα ο ασφαλιστικός τομέας. Εμβαθύνοντας στις σημερινές ικανότητες της Τεχνητής Νοημοσύνης που έχουμε διαπιστωμένα δει στην πράξη, ξέρουμε πως μπορούν να ταξινομούν (π.χ. τι είδους αρχείο είναι αυτό;), να φτιάχνουν περιλήψεις (π.χ. τι άλλαξε σε μια σύμβαση στη διάρκεια των ετών), να εξάγουν πληροφορίες (π.χ. λεπτομέρειες από τους όρους ενός συμβολαίου) και εσχάτως ακόμα και να παρουσιάζουν συλλογιστική ικανότητα (π.χ. στην επίλυση ενός προβλήματος).

Όμως το πραγματικό αντικείμενο συζήτησης αξίζει να είναι όχι οι λεπτομέρειες της Τεχνητής Νοημοσύνης, όσο το αν μπορούν να αξιοποιηθούν στην πράξη και πώς μπορεί να τεθεί μια εταιρική στρατηγική ευρείας κλίμακας σε εφαρμογή, που να μπορεί να γεννά αποτελέσματα και αξία.

Δύο στρατηγικές υποθέσεις με πραγματικό αντίκρισμα

1. Λήψη ταχύτερων και ακριβέστερων αποφάσεων.

Δεν χρειάζεται κανείς να επιχειρηματολογήσει ότι τα δεδομένα (data) είναι η πρώτη ύλη πίσω από τη λήψη αποφάσεων, την αξιολόγηση κινδύνων και την ανάληψη ασφαλιστικών υποχρεώσεων. Η υπόθεση που χρήζει αξιολόγησης είναι εάν η Τεχνητή Νοημοσύνη μπορεί να επιτρέψει σε ομάδες να λαμβάνουν αποφάσεις ταχύτερα, με βαθύτερη κατανόηση των παραμέτρων.

2. Αυτοματισμός επαναλαμβανόμενων διαδικασιών.

Ο ασφαλιστικός κύκλος περιλαμβάνει πλήθος διαδικασιών που απαιτούν ανθρώπινη παρέμβαση για τη μετατροπή και την ερμηνεία δεδομένων. Σήμερα αυτό απαιτεί εργατοώρες κοπιώδους προσπάθειας, χωρίς να προσθέτει ουσιαστική αξία. Η δεύτερη υπόθεση εργασίας, λοιπόν, είναι αν μπορούμε να αυτοματοποιήσουμε ολοκληρωτικά αυτές τις χρονοβόρες διαδικασίες, απελευθερώνοντας πολύτιμο χρόνο για εκείνες πραγματικά τις εργασίες που απαιτούν σκέψη και ανθρώπινη επαφή.

Από τη θεωρία στην πράξη

Σήμερα γνωρίζουμε πλέον ότι και οι δύο παραπάνω υποθέσεις μπορούν να υλοποιηθούν. Οι ομάδες Δεδομένων και AI των κορυφαίων οργανισμών –ανάμεσά τους και η ομάδα της SCOR που έχω την τιμή να διευθύνω– έχουν περάσει από το στάδιο του πειραματισμού στο στάδιο της εφαρμογής.

Έχουμε δει απαράμιλλη αποτελεσματικότητα, όταν τοποθετούμε τον άνθρωπο στο επίκεντρο της απόφασης, υποστηριζόμενο από νέα εργαλεία αποφάσεων, ειδικά στην ανάληψη ασφαλιστικών υποχρεώσεων (Underwriting) και στη διαχείριση απαιτήσεων Claims). Η μαγεία έγκειται στη δυνατότητα σύνθεσης πληροφοριών από δεκάδες πηγές: από διαφορετικά έγγραφα, e-mails και συστήματα, ώστε να παρουσιαστεί μια συνολική εικόνα και να παρθεί η καλύτερη δυνατή απόφαση, την καλύτερη δυνατή στιγμή.

Ταυτόχρονα, έχουμε δει εντυπωσιακή επιτάχυνση στην ψηφιοποίηση διαδικασιών, όπως η αναγνώριση και κατηγοριοποίηση αρχείων ή η εξαγωγή δεδομένων από έγγραφα. Ωστόσο πριν κανείς μιλήσει για ολοκληρωτική ψηφιοποίηση, για να εξαλειφθεί ο ανθρώπινος παράγοντας από τη διαδικασία, η απόδοση των μοντέλων Τεχνητής Νοημοσύνης πρέπει να φτάσει σε σημείο σχεδόν απόλυτης ακρίβειας και πιστότητας. Τη δεδομένη χρονική στιγμή, η επικρατούσα προσέγγιση παραμένει να διατηρείται το ανθρώπινο στοιχείο ως δικλίδα ασφαλείας (human in the loop), που ελέγχει τη ροή δεδομένων που προτείνουν τα μοντέλα Τεχνητής Νοημοσύνης και παρεμβαίνει όταν χρειάζεται. Οι παρεμβάσεις μάλιστα καταγράφονται και επιτρέπουν σταδιακά καλύτερη απόδοση των μοντέλων, ώστε να στοχεύει κανείς σε ακρίβεια που θα επιτρέψει ενδεχομένως να λειτουργούν διαδικασίες στον αυτόματο πιλότο».

Πρακτικό παράδειγμα: underwriting σε μια κίνηση

Για παράδειγμα, καθώς μια ασφαλιστική αίτηση αξιολογείται, κοιτώντας πρώτα το ιατρικό ιστορικό, προκύπτει συχνά ότι απαιτούνται επιπλέον ιατρικά αποδεικτικά. Μέχρι πρότινος, θα απαιτούταν ένα πινγκ-πονγκ ενεργειών, ώστε, αφού διαπιστωθεί ποια επιπλέον στοιχεία απαιτούνται, αυτά να εντοπιστούν, να συλλεχθούν, να ελεγχθούν, να συγκριθούν με άλλες παρόμοιες περιπτώσεις, ώστε να κοστολογηθεί και να παρθεί η τελική απόφαση ανάληψης. Στη νέα αυτή πραγματικότητα, είμαστε σε θέση να εκτελέσουμε όλες αυτές τις ενέργειες σε ένα μόνο βήμα: κάνοντας χρήση μοντέλων Τεχνητής Νοημοσύνης, ο φάκελος αναλύεται και εξάγονται όλες οι απαραίτητες πληροφορίες, εξειδικεύεται αυτόματα ό,τι περαιτέρω αποδεικτικό στοιχείο είναι απαραίτητο να συλλεχθεί, ανασύρονται και συγκρίνονται τυχόν παρόμοιες περιπτώσεις – και η εξέλιξή τους, σε ό,τι αφορά κινδύνους– και, έχοντας συνθέσει όλα αυτά τα στοιχεία, τότε μόνο παρουσιάζονται συνοπτικά για τη λήψη της απόφασης. Ταχύτερα, πιο τεκμηριωμένα, με μεγαλύτερη συνέπεια μεταξύ των αποφάσεων.

To μέλλον έχει ήδη ξεκινήσει
Τεχνητή Νοημοσύνη δεν αποτελεί πλέον θεωρητικό ενδεχόμενο. Είναι εργαλείο ανταγωνιστικού πλεονεκτήματος, βελτιστοποίησης διαδικασιών και στρατηγικής καινοτομίας, σε ένα ταχέως εξελισσόμενο παγκόσμιο τοπίο. Το ερώτημα πλέον δεν είναι εάν θα αξιοποιηθεί, αλλά πώς και πόσο γρήγορα θα προσαρμοστεί κάθε οργανισμός στη νέα πραγματικότητα.

Το μέλλον είναι εδώ. Και είναι στο χέρι μας να το αξιοποιήσουμε στο έπακρον, με τόλμη, φαντασία και στρατηγική.

Διαβάστε παρακάτω το άρθρο από την ειδική έκδοση της εφημερίδας Nextdeal (Τεύχος 560) σελ. 38-39 και σε ηλεκτρονική μορφή (πατήστε κάτω δεξιά για μεγέθυνση)