Hvad nu, hvis du blot kunne stille et spørgsmål til dine skadesdata?

Sedgwick undersøger nye måder at anvende generativ AI på for at hjælpe kunderne med hurtigere at omdanne skadesdata til handlingsrettede indsigter, herunder en ny funktion kaldet OmniAnalyst.

I årevis har analyse af skadesanmeldelser hjulpet organisationer med at forstå, hvad der foregår på tværs af deres programmer. Dashboards, rapporter og drøftelser om forvaltning kan afsløre tendenser, måle resultater og hjælpe teams med at beslutte, hvor de skal sætte ind. Men det kan stadig kræve en del arbejde at komme fra data til et svar.

Hvad nu, hvis man bare kunne stille et spørgsmål?

Hvorfor stiger erstatningsomkostningerne? Hvilke delstater er drivkraften bag denne udvikling? Hvor ser vi tendenser, der fortjener nærmere opmærksomhed?

Det er en af idéerne bag OmniAnalyst, en ny AI-baseret funktion, som Sedgwick i øjeblikket udvikler og tester sammen med en lille gruppe kunder.

At omdanne spørgsmål til samtaler

OmniAnalyst er udviklet med henblik på at give brugerne mulighed for at interagere med deres skadesdata ved hjælp af naturligt sprog. I stedet for at skulle vide, hvilken rapport der skal genereres, eller hvordan dataene skal bearbejdes, kan brugeren stille et spørgsmål og få en analyse baseret på de oplysninger, vedkommende har til rådighed.

Og ét spørgsmål kan naturligt føre til et andet.

En bruger kan starte med at spørge, hvordan erstatningsomkostningerne i år ser ud i forhold til sidste år. Derfra kan vedkommende undersøge, hvilke delstater der bidrager til ændringen, se nærmere på bestemte tendenser eller fortsætte med at stille spørgsmål, efterhånden som der dukker nye indsigter op.

Målet er helt enkelt: at gøre det nemmere at gennemgå oplysninger om krav og hurtigere få adgang til nyttige indsigter.

Udnyttelse af datafordelen

Kunstig intelligens’ potentiale afhænger i høj grad af de oplysninger, der ligger til grund for den. Det er især relevant hos Sedgwick, hvor omfanget af vores skadesdata giver os et enestående grundlag for at lære.

OmniAnalyst udvikles med det formål at integrere kunstig intelligens i disse data, så brugerne kan udforske oplysningerne, samtidig med at de etablerede adgangskontrolforanstaltninger opretholdes. Funktionen er udformet således, at brugerne kun kan søge i de data, de har adgang til, mens følsomme oplysninger – herunder HIPAA-beskyttede data og SPII-data – sløres eller fjernes, inden de stilles til rådighed for den kunstige intelligens.

Med tiden undersøger vi, hvordan yderligere kilder til struktureret og ustruktureret information kan gøre disse samtaler endnu mere indholdsrige.

Muligheden handler om mere end blot at besvare spørgsmål hurtigere. Det handler om at hjælpe folk med at identificere mønstre, undersøge, hvorfor noget sker, og afgøre, hvor der kan være behov for en dybere samtale eller indgriben.

AI, hvor mennesker stadig spiller en central rolle

I takt med at værktøjer som OmniAnalyst udvikler sig, kan vores dataeksperters rolle udvikle sig i takt hermed. Det kan komme til at tage kortere tid at indhente oplysninger eller udarbejde rutineanalyser, hvilket skaber større mulighed for at hjælpe kunderne med at fortolke, hvad oplysningerne betyder, forstå sammenhængen bag dem og beslutte, hvad der skal ske herefter.

Den samme filosofi ligger til grund for Sedgwicks overordnede tilgang til kunstig intelligens. Vi søger efter områder, hvor teknologien kan mindske friktionen, behandle information hurtigere og frembringe indsigter tidligere, samtidig med at medarbejderne kan holde fokus på det arbejde, der kræver erfaring, dømmekraft og empati.

Udvikling, test, læring

OmniAnalyst befinder sig stadig i en tidlig fase. Vi tester i øjeblikket funktionen sammen med en lille gruppe af skadesforsikringskunder, indsamler feedback og arbejder videre med at forbedre brugeroplevelsen, inden vi lancerer den bredere.

Den proces er vigtig.

Ved enhver anvendelse af kunstig intelligens, især når der er tale om skadesoplysninger, skal der fra starten tages højde for nøjagtighed, styring og sikkerhed. Menneskelig overvågning er stadig vigtig, og vi fortsætter med at teste, hvordan systemet reagerer på forskellige spørgsmål, og hvordan dets svar bør fortolkes.

Det, vi lærer, vil være med til at forme, hvad OmniAnalyst i sidste ende bliver. Og det er måske den større historie.

Brugen af kunstig intelligens i skadesbehandlingen er hurtigt ved at bevæge sig ud over forestillingerne om, hvad der måske en dag vil være muligt. I hele Sedgwick integrerer vi nye funktioner i de faktiske arbejdsgange, tester dem i forhold til konkrete forretningsmæssige udfordringer og lærer, hvor de kan skabe reel værdi. 

OmniAnalyst er endnu et eksempel på, at dette arbejde tager form. For målet på innovation er ikke, hvor meget teknologi man kan udvikle. Det handler om, hvorvidt denne teknologi kan hjælpe folk med at se tingene klarere, træffe bedre beslutninger og i sidste ende opnå bedre resultater.