对于当今的保险公司来说，成功实施生成式人工智能 CIO 对生成式 AI 的看法 技术需要平衡的实验、战略合作伙伴关系和负责任的采用。
在最近一期的 Insurance Unplugged 播客中，东京海上北美服务公司执行副总裁兼首席信息官、东京海上集团全球副首席技术官 Robert Pick 与主持人 Lisa Wardlaw 一起探讨了保险公司如何应对人工智能带来的机遇和挑战。
在讨论中，皮克以经验丰富的 IT 视角探讨了生成式人工智能带来的机遇。在东京海上北美公司，他负责监管整个技术套件，从企业架构和应用程序到分析、基础设施和安全。
在与主持人丽莎·沃德劳 (Lisa Wardlaw) 的对话中，我们重点介绍了皮克认为人工智能在当今保险业中产生的切实影响、保险公司必须能够辨别的危险信号，以及为什么公司应该安全地进行实验并利用合作伙伴关系来获取专业知识。
GenAI 的实际保险用例
Pick 将人工智能的用例分为两大类：技术和商业。
从技术角度来看，起点是帮助保险技术团队利用生成式人工智能 (GenAI) 来改善他们的工作方式。Pick 表示，虽然我们不能指望 GenAI 完成任务，但它在让你更接近终点线方面提供了巨大的价值。
他引用了一个关于将存储过程转换为 Java 的具体用例。“作为一家公司，我们是一个存储过程的世界，能够做到这一点对我们来说是一个改变游戏规则的事情。我并不是说生成式人工智能一出现就完成了；它让我们比以前更进一步……一千个存储过程的 60% 或 70% 得以实现，而这些过程原本可能需要两到三到四周的时间。所以，这是一个改变游戏规则的事情。”
数据沿袭是另一个用例。虽然 GenAI 可能会产生幻觉，但它永远不会忘记。您可以将报告和代码输入安全容器，然后询问它“告诉我这个元素在哪里使用以及如何使用。告诉我它是原始的，存放在哪里。”
虽然 GenAI 不懂语言，但 Pick 表示，“其背后的 电子邮件列表 模式检测功能使其能够产生类似于理解语言的洞察力。非常有帮助。”
在业务方面，Pick 列举了搜索的优势以及它如何将我们从搜索引向“答案”。 “我不会去搜索。我不会得到链接列表或可能列表，我会得到答案。现在这个答案可能完全正确，也可能不完全正确，但我将会得到答案。”这对于汇总承保指南和手册，甚至对于帮助培训新承保人或刚刚了解特定业务线的承保人而言都非常有用。
另一个实用领域是能够确保你在特定城市或州的特定免责声明或排除条款中使用正确的语言——这些东西人类很难记住。他说：“这不是智能，但它类似于智能，将其应用于我们的保险业务能力需求和业务用例可能会改变游戏规则。”
避开危险信号
与其他技术创新相比，GenAI 的行业反应有所不同。保险公优化许可证和支出 司没有选择观望，而是主动加入进来，说：“哇，我怎么能参与其中呢？即使只是观察，而不是实际试验和做 POC，每个人都说，这看起来与众不同，非常有趣。我以前从未见过。”
该索赔组织以其非常明确的规则、方法和流程而闻名，他们意识到了 GenAI 的潜力，并且非常好奇，想要尝试一下。
偏见和幻觉当然令人担忧。除了导致偏见的不完整数据和不准确数据外，Pick 还强调了保险行业特有的偏见的另一个方面：“偏见基于不完整数据和不准确数据，但第三种偏见是，当你拥有完整准确的数据时，它会给你一个你不想知道的答案。在我们的行业中，一旦我们知道了某件事，我们就不能不将其纳入其中。我们必须知道如何处理它。”
然而，皮克认为，最大的“障碍”是偏差。作为受监管的行业，保险公司必须展示他们的工作，而 GenAI 的出现让这一过程变得更加复杂。
“对于传统人工智能，它实际上是基于规则的，基本上如果 NL 扩大了规模，你就可以进入并说，这是算法。这些是输入，这是模型或当时存在的规则集，你每次都会得到相同的答案。使用生成式算法，你可以每小时发出相同的提示，但你可能会得到不同的答案。这完全取决于 LLM 的管理方式以及其中的所有不同组件。然后，当你在其中添加一点 RAG 时，如果你以不同的方式进行 RAG，你可以得到很多不同的答案。”
这是行业必须解决的问题。Pick 强调了保险公司对监管机构、保单持有人和股东的责任，即“确保在我们开始实施之前，这些内容是清晰的、可理解的、可重复的。”
行动呼吁
Pick 对业界的呼吁很简单：不要 中国电话号码 惊慌失措，也不要忽视它。“安全地进行实验，利用你的合作伙伴，无论他们是 SI 合作伙伴，无论是平台还是 SaaS 合作伙伴，你的合作伙伴可能比你知道的更多。对我们来说当然也是如此。利用他们，学习你的方法。”
虽然保持稳定是行业的责任，但这并不意味着保险公司不能尝试新事物，只要他们是在保证安全的情况下进行的。
“在我看来，如果你至少没有涉猎过，至少没有精通过，你就会落后。选择你喜爱的技术栈。市面上有很多。确保安全，尝试一下。让你的同事安全地尝试一下。