客户数据是必不可少的保险公司在未来十年中保持竞争力。保险公司目前在政策协议，应用程序的形式过去的数据的积压和现有客户，并声明表单。他们还收集了数百万张显示汽车损坏、财产损坏和人身伤害的图片。
这个数据可能通知各保险部门的决策中存在的模式。发现这些模式，但是，是一个挑战。人们通常是在发现数据集中的模式非常好，但这种能力变钝为我们呈现越来越多的数据。首席索赔人员，对所有意图和当谈到处理索赔数据目的的专家小组，仍可能花费数月至数百万的索赔表格进行筛选，从他们争取任何合理准确的见解。
这个挑战是复杂，因为大型保险企业仍然没有完全数字化。换句话说，积压的索赔表格和政策协议仍是部分原因是纸质文档的集合。旧文件很可能场外存储在整个保险公司在经营区域的不同位置。全球公司甚至可以存储在其他国家这些文件。
这意味着有整个时间段的保险数据在任何时候都很难访问。大多数保险公司仍然接受纸质索赔表格和申请，他们接受付款并通过支票发送索赔付款。
不仅如此，但即使是数字信息可以存储在不互相通信系统。在全球保险企业的大的分割理赔部门可能使用一个完全独立的系统来处理索赔的形式比在同一企业的其他部门的承保部门。其结果是，保险公司很难保持所有的客户数据在同一位置。
例如，如果在全国范围内的车险企业雇员想找出最佳的溢价顾客要，他们需要找到过类似的客户模式。也许客户是40多岁，穿他们的车每周300英里，和生活在一个高犯罪率区。这个多少客户价值的保险公司？
如果不汇总每个类似客户的生命周期价值，这是无法准确确定的。这将要求保险商筛选数千份过去的客户记录，包括这一群体的客户倾向于提交的索赔要求、他们在保单上停留的时间，以及他们的保费历史水平(由于多种原因，保费水平可能存在很大差异)。
这些文件可能是数字化的，也可能不是数字化的，所以在某些情况下，承保人可能需要翻看纸制文件的盒子，以便找到符合人口统计学的政策协议、索赔表格和其他客户的文件。这是一项严格而耗时的任务，因此保险公司在决定保费时，往往会遵循历史先例，而这对他们来说是很容易做到的。
另一方面，人工智能非常擅长处理大量数据。人工智能是否会颠覆保险业还有待观察，但美国一些最大的保险企业已经在为客户服务等功能实施人工智能解决方案。
信息提取，否则称为文档搜索或“文件的理解，”作为铁山的话来说，是在保险更新生的用例的AI。这就是说，我们怀疑，在未来的几年里，这个用例将成为保险业越来越普遍。这是因为，信息提取软件的承诺，以减少承销商和其他保险员工通过花文档中搜索的时间。
通过数字化文档进行搜索的能力成为可能自然语言处理(NLP);将纸质文档数字化，使其可以通过NLP软件进行搜索的能力得以实现机器视觉。更具体地，光学字符识别（OCR）用于读取印刷和手写字母和它们转录成数字文本。
我们采访了安科Conzelmann产品管理总监铁山，在哪里基于AI-信息提取和文档搜索可能会在保险证明是有用的。在这篇文章中，我们讨论几个用例基于AI-文件数字化和信息提取保险，如索赔处理，承保和人力资源。
对于保险的人工智能搜索应用进行更深入的分析，下载铁山-Emerj联合品牌白皮书在这个话题。
数字化纸声明表单和图像
保险企业而奋斗回答有关如何定价的政策最大的利润，以及如何准确地调整最低索赔泄漏索赔简单的问题。这部分是由于无法访问历史客户数据，在许多情况下，存储在物理文件。
数字化这些文件是从他们那里提取信息的第一步，它是在这些文件中的数据送入人工智能算法的一个必要步骤。
目前，如果索赔理算师想要确定向房屋部分被淹的客户支付的最优赔偿金额，可能需要搜索过去的纸质索赔表格，以了解客户在历史上因类似损害所获得的赔偿金额。
最关键的是“类似的损害”是主观的，需要在理赔的部分决定。调节往往需要看客户提供图像及制作多少维修费用可能基于各种因素进行评估。
两个不同的理算师可能会查看相同的索赔表格和相同的图像，并得出不同的赔付金额。这两笔钱可能都超过了实际的修理费用，保险公司要到以后才会知道。
人工智能可以帮助理赔人员减少理赔泄漏，但前提是将理赔表格和附在上面的图像数字化。这家保险公司的员工可以扫描实体文件和照片，将它们转换成pdf文件或图像文件。
当我们与Conzelmann说话的时候，她指着另一功能强大的平台，可以提供：找到类似的图片据Conzelmann，“调节器可以简单地相似的图片问到一个显示他们正在研究，并迅速找到索赔的损害的能力有关声称有类似的损害。”
然后，OCR软件可以将文档上的字母转录成数字文本，从而使文本“机器可读”，或者为输入机器学习算法做好准备。在训练算法以适应保险公司的目的之后，雇员在理论上能够在这些文档中搜索特定的信息。
例如，他们可能能够调出一定数量的财产损失的历史索赔表格。这将减少调理员在纸质文档中查找相同信息的时间。
用于图像识别的机器视觉软件还可以根据损坏的严重程度和赔偿客户的金额对损坏的图像进行分类。这种分类可以作为确定索赔的最优赔付额的一个因素。
这就需要将使用客户的人口统计数据，他们的索赔表格上的文本信息，并连接到他们的要求的图像表明该客户的要求优化支出规定性的分析能力。这也是为什么索赔处理和调整不发达使用情况的AI保险。他们需要的，涉及自然语言处理，光学字符识别，图像识别机器视觉和规范分析的机器学习功能强大的网络。
我们多年来一直在研究保险领域的人工智能，我们可以数一数有多少家供应商声称提供索赔调整的人工智能解决方案，并有相应的人才要求来支持我们的工作。即使是这些公司也只能为特定类型的保险公司提供解决方案。换句话说，一个出售汽车保险索赔解决方案的合法AI供应商通常不会销售他们的软件来购买财产保险或健康保险。
核保信息提取
尽管由于数据类型的不同(文本、图像、数字)，规定分析能力在保险行业中很少见，但索赔理算师和保险公司仍然可以使用自然语言处理软件在他们的文档存储中进行搜索，一旦这些文档被数字化。这可能是有益的，因为即使是数字文档也可能是无组织的。
许多系统存在于保险企业的各个部门和分支机构的各种不同的系统中。它们甚至可能存在于同一部门同一分支的不同文件夹和组织结构中。Conzelmann向我们讲述了人工智能如何帮助搜索这些不同的数据源，并强调了人工智能在这种情况下的价值:
除了丰富的元数据从文件中提取信息,可能有你已经在存储库的元数据,它可以是可用的元数据在市场购买,它可以是公开的信息……关键是能够创建所有这些不同的片段之间的关系,使其所有的元数据的一部分资产。
在这种情况下，这个“资产”可以是一个特定的保险客户或一个被保险的财产。
信息提取和文件搜索应用程序可以通过跨保险公司的分支机构众多数字文档搜索，如果这些文件都存储在云中或某些文件共享程序证明是有用的。
例如，保险公司可能会回答“我是否应该搭载该客户?”如果他们必须手动地在数字文档中一个接一个地搜索可能帮助他们回答这个问题的信息，他们的速度会快得多。相反，承销商可以从过去的客户那里找到与他们要找的客户类似的记录。
Ť他主承销商可以再通过这些记录有关索赔的客户取得了与客户终身价值的信息搜索，这可以给他们是否在船上的潜在新客户更好的主意。这也可能告知溢价，它们的价格客户。
承保人可以在几分钟内做出关于客户的决定，而不是手动做出决定可能需要几小时或几天。这对保险公司和客户体验都有明显的好处。它可以让保险公司更接近于提供“随需应变保险”，即保险公司在客户需要保险时(比如他们被诊断出患病的那一天)，为客户提供随需应变保险的能力。
保险企业都在争先恐后地迎合千禧年的客户与其他任何一代人相比，他们更希望自己的成长经历与互联网一致。他们觉得没有必要去实体店讨论他们的保险政策。他们希望能够通过聊天机器人或电子邮件进行申请，并希望很快就开始他们的政策。基于人工智能的信息提取软件可以帮助解决这一问题，这可能会让整合了人工智能的保险公司在与竞争对手的竞争中获得优势。
底线 - 什么保险公司需要知道
索赔处理和承保是可以从基于人工智能的信息提取/文件搜索软件中获益的两个保险领域。也就是说，目前还没有开发出保险领域的人工智能用例。随着人工智能的发展，这种情况很可能会改变更方便企业使用,也许autoML要么旧企业创新文化的转变。在这一点上，AI使用情况的保险可能会从文档搜索应用到更复杂的机器学习系统，涉及文档搜索，机器视觉和规范分析的节省成本的好处移动，允许能力，推动经济增长，如量身定制的保单。
目前，信息提取和文件数字化软件可以减少保险人和索赔理算员通过纸质和数字文件搜索信息的时间，他们经常使用这些纸质和数字文件来决定保费和索赔支出。一个不那么费力和更有组织的搜索过程可能导致更有利可图的保费和更少的索赔损失，尽管没有规定的分析功能，保费和赔付金额仍然留给保险人和调整人(换句话说，人为错误)。
目前，信息提取和文件数字化软件可以减少保险人和索赔理算员通过纸质和数字文件搜索信息的时间，他们经常使用这些纸质和数字文件来决定保费和索赔支出。一个不那么费力和更有组织的搜索过程可能导致更有利可图的保费和更少的索赔损失，尽管没有规定的分析功能，保费和赔付金额仍然留给保险人和调整人(换句话说，人为错误)。
也就是说，人工智能很难整合到现有的业务中，因为我们已经在我们的执行指南，包括我们最基本的:企业采用人工智能——当它有意义或没有意义时。将人工智能引入企业需要几个具有挑战性和资源密集型的步骤，包括工程特性和主题专家和数据科学家之间的思想融合。
与此同时，也有办法，以减轻支出，实现了更快的产品上市时间。目前没有很多AI供应商提供的产品的客户可以使用“开箱即用”，或者说是“即插即用”，可以这么说。那些提供了接近这个客户服务或不从很多不同的公司与公司类似的水平线经常，虽然它很可能是这些产品仍然需要在客户端的部分训练。
然而，在大多数情况下，人工智能供应商将与客户一起培训软件，而客户可能不需要一个内部数据科学家团队。
因此，与像Iron Mountain公司的AI供应商合作往往需要从客户端比在建造房子的AI应用较少。铁山明确宣称他们的信息提取软件已内置在与AI的能力。
在总结，保险公司可能要考虑基于AI-文件搜索和文件数字化的解决方案，尤其是老年人公司有遗留系统和物理文件存储在各种不同的位置。但这样做，他们应该抢着工作与AI供应商前考虑他们的业务需求，时间和AI项目的资源密集性。如果他们决定AI是适合他们，他们会想阅读我们的指南打破人工智能的炒作在购买之前。
这篇文章由铁山赞助，并与我们的《透明》杂志一起编写、编辑和出版Emerj赞助内容指南。了解更多关于到达我们的ai集中执行观众的信息Emerj广告页面。
标题图像信贷:更新
