AI, men gjør den nyttig: En samtale med Sedgwicks AI-sjef

Som leder for merkevarebygging og innhold hos Sedgwick får jeg muligheten til å snakke med mange av våre ledere og fageksperter. Vanligvis kommer jeg til disse samtalene med et tema, noen spørsmål og en ganske god idé om hvor jeg tror ting kan gå.

Samtalen min med Balaji Viswanath, Sedgwicks sjef for AI, var ikke annerledes.

Jeg hadde en idé – la oss snakke om AI. Mer spesifikt, hvor AI kan drive effektivitet, hvor menneskelig ekspertise betyr mest, og hvordan vi bør tenke på balansen mellom de to.

Før jeg rakk å komme særlig langt, hadde Balaji et spørsmål.

Balaji: Er det noen som snakker om kunstig intelligens?

Julia: Vel, teknisk sett skulle det være deg.

Balaji: Hvem vil høre én person til snakke om AI?

Greit poeng.

AI er her. Vi bruker det alle. Mysteriet er stort sett borte. Og det er allerede mange som er villige til å fortelle oss hva AI vil bety for næringslivet om fem eller ti år.

Balaji var mye mer interessert i å snakke om hva som er ekte.

Sedgwick har investert mye i teknologi og AI, og vi integrerer det jevnt og trutt i driften vår. Men som Balaji forklarte, er ikke utgangspunktet å finne steder å plassere AI. Det er å finne steder der AI kan skape meningsfull forretningsverdi.

Julia: Greit, ingen overdrivelser. Så hva tenker du om AI hos Sedgwick?

Balaji: Vi nærmer oss AI med et laserfokus på å tilføre verdi på topplinjen eller bunnlinjen. Den må ha et argument på topplinjen eller bunnlinjen for at vi skal velge et prosjekt eller produkt.

Vi skal ikke drive med AI for AIs skyld. Vi skal ikke drive med AI fordi det er et kult nytt leketøy, eller fordi vi vil bli kjent som «AI-hva som helst».

Vi skal bruke AI fordi det virkelig tilfører verdi.

Utgangspunktet for alt vi velger er forretningsverdi, i motsetning til: «Hei, det er et kult bruksområde for AI.»

Julia: Som kanskje ikke er svaret folk forventer fra sjefen for kunstig intelligens.

Balaji: Kanskje ikke. Men det burde det være.

Julia: Så hvor ser du den verdien i dag?

Balaji: Et eksempel er konversasjonsbasert AI for første varsel om tap, eller FNOL, for noen av våre kunder innen fravær og skader.

Tanken er at konversasjonsbasert AI kan gjøre det rene inntaket, slik at våre omsorgspersonell kan bruke tiden sin på mye mer menneskelige faktorer, som empati.

Det er viktig fordi folk har en tendens til å kontakte oss i noen av de vanskeligste periodene i livet. Og jeg tror empatifaktoren ofte er undervurdert.

Det er deler av et inntak som er veldig objektive. Hva heter du? Hva skjedde? Hvilken informasjon trenger vi? AI kan gjøre mye av det tunge arbeidet.

Men hvis det er en emosjonell komponent, eller samtalen når et punkt der AI-en ikke kan håndtere intensjonen eller faktaene, må vi kunne bringe samtalen over til et menneske.

Julia: Noe som bringer oss tilbake til spørsmålet jeg opprinnelig ville stille deg. Hvor slutter AI og hvor begynner menneskelig ekspertise?

Balaji: Det kommer an på arbeidet. 

Målet er at AI skal håndtere mer av det tunge arbeidet rundt datainnsamling, slik at helsepersonellet vårt virkelig kan fokusere på det verdiskapende arbeidet.

Julia: Så AI erstatter ikke nødvendigvis menneskelig interaksjon. I noen tilfeller skaper den faktisk mer rom for det.

Balaji: Ja.

Det er kanskje en av de mindre prangende, men viktigere måtene å tenke på AI.

Hvis teknologi kan håndtere den repeterende innsamlingen og behandlingen av informasjon, har folk større kapasitet til de tingene teknologi er betydelig mindre egnet til å tilby: dømmekraft, ekspertise, trygghet og empati.

Julia: Hva er et annet eksempel der du mener at AI gjør noe genuint nyttig?

Balaji: Lønnsberegning for yrkesskadeerstatning.

Å beregne lønn kan være en svært manuell prosess. Du har å gjøre med hundrevis av dokumenter, ustrukturerte data, regneark og nyanser fra stat til stat. Det kan ta flere uker med arbeid å få én lønnsberegning riktig.

Julia: Så hvordan hjelper AI her?

Balaji: Tenk på alle stedene informasjonen kan befinne seg. Et dokument her. En lønnsoppgave der. En PDF. Noe håndskrevet. Et regneark. Regler på en statlig nettside.

I stedet for at noen må finne og konsolidere all denne informasjonen manuelt, kan AI-agenten bringe disse ustrukturerte kildene sammen. Det er her AI blir spesielt nyttig.

Julia: Så igjen, dette handler ikke om at AI gjør noens jobb. Det handler om å ta en prosess som kan forbruke en enorm mengde av noens tid og gjøre den betydelig mer effektiv.

Balaji: Riktig.

Julia: Er de fleste mulighetene du ser på direkte relatert til krav?

Balaji: Nei. Det finnes mange muligheter i hele selskapet.

Vi har bygget en AI-agent for å hjelpe med RFP-prosessen, som innebærer å lese dokumenter, finne informasjon fra tidligere avtaler og utvikle svar. Det er en veldig manuell og arbeidskrevende prosess, og AI kan hjelpe teamet med å behandle RFP-er mye raskere.

Vi har også bygget en agent for finans for å automatisere månedlige journalføringer, og en selvbetjeningsagent for ansatte der ansatte kan stille spørsmål om ting som fordeler og policyer.

Det er en annen vi piloterer rundt onboarding.

En ny ansatt har mange spørsmål. Hvordan bruker jeg dette verktøyet? Hva er prosessen? Hvor finner jeg noe? Hva er retningslinjene?

Historisk sett går mange av disse spørsmålene til en onboarding-partner eller mentor som også har en vanlig jobb. Vi har bygget en AI-agent slik at en ny ansatt kan få svar på mange av disse spørsmålene uten å måtte spørre en annen person hele tiden.

Julia: Så får onboarding-partneren gjøre sin faktiske jobb.

Balaji: Det er ideen.

Julia: Du har bare vært her i omtrent seks måneder. Hvor raskt prøver du å flytte alt dette?

Balaji: Veldig, veldig raskt.

Det vil ta tid før alt blir tatt i bruk. Men vi ønsker å ha ting stående ved bomstasjonen, slik at når bedriftene er klare og vi kan oppheve bomstasjonene, kan adopsjonen akselerere.

Julia: Det liker jeg. Bygg opp kapasiteten, bevis at den fungerer, og ha den klar når bedriften er klar til å bruke den.

Balaji: Nettopp.

Det er en annen del av den ligningen som også er viktig: ikke alle kommer til å ta i bruk AI på samme måte eller i samme hastighet.

Bransjedata tyder på at yngre befolkningsgrupper har en større tilbøyelighet til å gå til AI først når de trenger et svar, mens andre befolkningsgrupper fortsatt kan vende seg først til nettsteder eller mer tradisjonelle kilder. Vi har ikke nok Sedgwick-data ennå til å trekke konklusjoner om vår egen befolkning fordi disse verktøyene har blitt tatt i bruk så nylig.

Julia: Så hvor mye mer står det på planen din?

Balaji: Det er mye mer.

Julia: Definer «mye».

Balaji: Jeg vil ikke oppgi et nøyaktig tall, men det er ikke lite. Og vi er godt i gang med å organisere og prioritere.

Julia: Flott! La oss snakke om de.

Balaji: Nei, ikke ennå…

Julia: Kom igjen. Hva investerer vi i nå? Hva blir det neste?

Balaji: Du kan stoppe opptaket nå 😊

Og der var det.

Etter at jeg startet samtalen vår med å anklage meg for å prøve å få Sedgwicks sjef for kunstig intelligens til å preke om kunstig intelligens, hadde jeg svaret mitt.

Den mer interessante historien er ikke at Sedgwick investerer i AI – selvfølgelig gjør vi det.

Det handler om hvordan vi bestemmer hvor vi skal bruke det. 

Start med forretningsproblemet. Se etter steder der teknologi kan fjerne friksjon, behandle informasjon raskere eller ta repeterende arbeid fra noens bord. Mål om det faktisk fungerer. Og hold folk fokusert på de tingene folk er unikt gode på.

Når det gjelder de andre 90+ tingene Balaji og teamet hans jobber med?

Tydeligvis trenger jeg et nytt møte.

Bare ikke si til ham at vi skal snakke om AI.