Hva om du bare kunne stille kravdataene dine et spørsmål?

Sedgwick utforsker nye måter å bruke generativ AI på for å hjelpe kunder med å gå raskere fra kravdata til handlingsrettet intelligens, inkludert en ny funksjon kalt OmniAnalyst.

I årevis har analyse av skader hjulpet organisasjoner med å forstå hva som skjer på tvers av programmene deres. Dashboards, rapporter og samtaler om forvaltning kan avdekke trender, måle ytelse og hjelpe team med å bestemme hvor de skal fokusere. Men å gå fra data til et svar kan fortsatt kreve arbeid.

Hva om du bare kunne stille et spørsmål?

Hvorfor øker erstatningskostnadene? Hvilke stater driver endringen? Hvor ser vi mønstre som fortjener en nærmere titt?

Det er en av ideene bak OmniAnalyst, en ny AI-aktivert funksjon som Sedgwick for tiden utvikler og tester med en liten gruppe kunder.

Gjør spørsmål om til samtaler

OmniAnalyst er utformet slik at brukere kan samhandle med kravdataene sine ved hjelp av naturlig språk. I stedet for å vite hvilken rapport som skal kjøres eller hvordan dataene skal manipuleres, kan en bruker stille et spørsmål og motta en analyse basert på informasjonen som er tilgjengelig for dem.

Og ett spørsmål kan naturlig føre til et annet.

En bruker kan starte med å spørre hvordan erstatningskostnadene i år er sammenlignet med i fjor. Derfra kan de utforske hvilke stater som bidrar til endringen, se nærmere på bestemte trender eller fortsette å stille spørsmål etter hvert som ny innsikt dukker opp.

Målet er enkelt: gjøre det enklere å utforske informasjon om krav og få nyttig innsikt raskere.

Bygger på datafordelen

Potensialet til kunstig intelligens avhenger i stor grad av informasjonen bak den. Det er spesielt viktig hos Sedgwick, hvor omfanget av skadedataene våre gir oss et ekstraordinært grunnlag å lære av.

OmniAnalyst bygges for å bringe AI til disse dataene, slik at brukere kan utforske informasjon samtidig som etablerte tilgangskontroller opprettholdes. Funksjonen er utformet slik at brukere bare kan spørre om dataene de er autorisert til å få tilgang til, mens sensitiv informasjon, inkludert HIPAA-beskyttede og SPII-data, blir tilslørt eller fjernet før den gjøres tilgjengelig for AI-en.

Over tid utforsker vi hvordan flere kilder til strukturert og ustrukturert informasjon kan gjøre disse samtalene enda rikere.

Muligheten går lenger enn å svare raskere på spørsmål. Det handler om å hjelpe folk med å identifisere mønstre, utforske hvorfor noe skjer og finne ut hvor det kan være behov for en dypere samtale eller intervensjon.

AI med folk fortsatt godt i bildet

Etter hvert som funksjoner som OmniAnalyst utvikler seg, kan rollen til våre dataeksperter utvikle seg med dem. Det kan være behov for mindre tid til å hente informasjon eller produsere rutineanalyser, noe som skaper flere muligheter til å hjelpe kunder med å tolke hva informasjonen betyr, forstå konteksten bak den og bestemme hva de skal gjøre videre.

Den samme filosofien styrer Sedgwicks bredere tilnærming til AI. Vi ser etter steder der teknologi kan redusere friksjon, behandle informasjon raskere og avdekke innsikt raskere, samtidig som folk holdes fokusert på arbeidet som krever erfaring, dømmekraft og empati.

Bygging, testing, læring

OmniAnalyst er fortsatt i en tidlig fase. Vi tester for tiden funksjonaliteten med en liten gruppe Casualty-kunder, samler tilbakemeldinger og fortsetter å forbedre opplevelsen før en bredere utgivelse.

Den prosessen er viktig.

Med enhver anvendelse av AI, spesielt den som involverer kravinformasjon, må nøyaktighet, styring og sikkerhet vurderes fra starten av. Menneskelig tilsyn er fortsatt viktig, og vi fortsetter å teste hvordan funksjonen reagerer på ulike spørsmål og hvordan svarene bør tolkes.

Det vi lærer vil være med på å forme hva OmniAnalyst til slutt blir. Og det er kanskje den større historien.

AI i krav går raskt utover ideer om hva som en dag kan være mulig. I Sedgwick integrerer vi nye funksjoner i reelle arbeidsflyter, tester dem mot reelle forretningsproblemer og lærer hvor de kan skape meningsfull verdi. 

OmniAnalyst er enda et eksempel på at det arbeidet tar form. Fordi målet på innovasjon ikke er hvor mye teknologi du kan bygge. Det er om teknologien kan hjelpe folk å se klarere, ta bedre beslutninger og til slutt levere bedre resultater.