La IA generativa ha conquistado el mundo. No se puede asistir a una conferencia de la industria de seguros, participar en una reunión de la industria aseguradora o planificar el futuro sin que la IA generativa entre en la discusión. Como industria, hay discusiones casi constantes sobre la disrupción, los factores de mercado en evolución –a menudo fuera de nuestro control (por ejemplo, expectativas de los consumidores, impactos del mercado de capitales, fusiones y adquisiciones continuas)– y la manera más óptima de resolverlos. Esto incluye el uso de los últimos activos/herramientas/capacidades que prometen un mayor crecimiento, mejores márgenes, mayor eficiencia, mayor satisfacción de los empleados, etc. Sin embargo, pocas de estas soluciones han logrado el éxito creando cambios masivos para las funciones de generación de ingresos en la industria… hasta ahora.
La tecnología se ha desarrollado en gran medida para impulsar la eficiencia y, si se adopta adecuadamente, ha habido algunos logros. Sin embargo, las personas que deben utilizar la tecnología o ingresar los datos que impulsan los conocimientos para impulsar la eficiencia suelen ser quienes obtienen poco o ningún beneficio de la solución. En esencia, la IA generativa ha aumentado la accesibilidad de los conocimientos y tiene el potencial de ser la primera tecnología ampliamente adoptada por las funciones generadoras de ingresos, ya que puede proporcionar conocimientos prácticos sobre oportunidades de crecimiento orgánico con clientes y operadores. Podría decirse que es la primera de su tipo en ofrecer un tangible «¿qué gano yo con esto?» a las funciones generadoras de ingresos dentro de la cadena de valor de los seguros, proporcionándoles no más datos, sino conocimientos para actuar.
Según revela Accenture en su Insurance Blog, hay cinco casos de uso clave que ilustran la promesa de la IA generativa para corredores y agentes:
- Análisis procesable de “clientes como usted”: en las empresas de corretaje que han crecido en gran medida a través de la fusión de adquisiciones, a menudo es difícil identificar carteras de clientes similares que puedan brindar oportunidades de ventas cruzadas y de ventas adicionales a las agencias adquiridas. Con la IA generativa, se pueden hacer comparaciones de los libros de negocios de las agencias adquiridas en todas las geografías, adquisiciones, etcétera, para identificar clientes que tienen perfiles similares pero diferentes soluciones de seguros, lo que brinda información material para que los productores revisen los programas de seguros para sus clientes y abran generar mayores oportunidades de crecimiento orgánico impulsadas por conocimientos sobre dónde actuar.
- Preparación de presentaciones y control de calidad de la cartera de clientes: para los corredores y/o agentes que no tienen grupos de práctica nacionales o equipos industriales especializados, los asegurados dentro de industrias fuera de su zona principal de huelga a menudo presentan desafíos en términos de hacer las preguntas correctas para comprender la exposición y Cobertura del partido. El esfuerzo necesario para identificar la cobertura adecuada y preparar las presentaciones se puede reducir drásticamente mediante la IA generativa. Específicamente, esta tecnología puede ayudar a orientar al corredor/agente sobre los tipos de preguntas que debe hacer en función de lo que se sabe sobre el asegurado, la industria en la que opera el asegurado, el perfil de riesgo de la compañía del asegurado en comparación con otras y lo que está disponible en fuentes de datos de terceros. Además, la IA generativa puede actuar como una “verificación al azar” para identificar oportunidades de ventas adicionales o cruzadas potencialmente pasadas por alto, así como apoyar la mitigación de errores y omisiones. Históricamente, la calidad de la cobertura de la cartera y la presentación posterior quedarían a entera discreción del productor y del equipo de cuentas que maneja la cuenta. Con la IA generativa, años de conocimiento y experiencia en las preguntas correctas pueden estar al alcance de un corredor y/o agente, actuando como una herramienta de control de calidad y de venta cruzada y de venta adicional.
- Colocaciones inteligentes: las decisiones de colocación de riesgos para cada cliente están impulsadas en gran medida por los administradores y productores de cuentas en función del nivel de relación con un asegurador/suscriptor y el apetito conocido o percibido del portador por la cartera de riesgos determinada de un cliente. Si bien la riqueza de conocimientos adquiridos a lo largo de años de experiencia en colocación es notable, los cambiantes apetitos de riesgo de los operadores debido a cambios casi constantes en los perfiles de riesgo de los clientes hacen que encontrar la colocación óptima para agencias y corredores sea un desafío. Con el apoyo de la IA generativa, las agencias y los corredores pueden comparar el apetito declarado de un operador, los riesgos y las recomendaciones de políticas del cliente, y los detalles contractuales financieros para que la agencia o el corredor generen un resumen de presentación. Esto proporciona al equipo de cuentas recomendaciones de colocación que redundan en el mejor interés del cliente y de la agencia o corredor, al tiempo que reduce el tiempo dedicado al marketing, tanto en términos de encontrar mercados óptimos como de evitar mercados donde no se aceptaría un riesgo.
- Evitación de pérdidas de ingresos: a medida que los clientes optan por honorarios de asesoría en lugar de comisiones, los honorarios que no son específicos del anticipo, sino que se atribuyen a acciones específicas de gestión de riesgos que debe proporcionar la agencia o el corredor, a menudo se facturan “por debajo de lo normal”. La IA generativa como capacidad podría, en teoría, ingerir contratos de clientes, evaluar los acuerdos de servicios basados en tarifas y establecer un resumen que luego se puede presentar en una herramienta interna similar a un intercambio de conocimientos para los empleados que atienden la cuenta. Esta solución de gestión del conocimiento podría brindar orientación específica al empleado, en el momento de necesidad, sobre qué honorarios se deben facturar en función de las obligaciones contractuales, brindando una oportunidad de crecimiento de ingresos para agencias y corredores que tienen cuentas por cobrar desconocidas y no cobradas.
- Materiales de marketing específicos para el cliente a gran velocidad: históricamente, si un agente o corredor quisiera ampliar una capacidad no central (por ejemplo, marketing digital), contrataría o alquilaría la capacidad para obtener la experiencia adecuada y el retorno del esfuerzo adecuado. Si bien esto funcionó, resultó en una expansión de los gastos de venta generales y administrativos que no se pudo vincular estrechamente al crecimiento. Las soluciones de tipo IA generativa ofrecen una solución para esto, ya que permiten a un agente o corredor acceso escalable a capacidades no básicas (como el marketing digital) por una fracción de la inversión y el costo y un resultado potencialmente mejor. Por ejemplo, los resultados de la IA generativa se pueden personalizar a un ritmo rápido para permitir a las agencias y corredores generar material específico de la industria para clientes del mercado medio (por ejemplo, cubrimos el X% del mercado y el número Z de sus pares) sin el esfuerzo oportuno de crear garantías de ventas únicas.
Si bien los casos de uso que se han esbozado se encuentran en la fase de creación de prototipos, sí describen cómo podría ser el futuro cercano cuando humanos y máquinas se encuentren en beneficio de actividades generadoras de ingresos. Existen tres acciones clave que desde Accenture animan a todos sus clientes corredores/agentes a realizar a continuación, mientras evalúan el uso de esta tecnología en sus propios flujos de trabajo:
- Centrarse en un subconjunto de datos: aprovechar la IA generativa requiere que algunos de los datos sean altamente confiables para generar información útil. Un error común es pensar que deben ser todos los datos de un agente o corredor para poder aprovechar la IA generativa, pero la realidad es comenzar poco a poco, ejecutar y luego expandir. Identifique los elementos de datos más críticos para obtener la información que desea y establezca estrategias de limpieza y gobernanza de datos para mejorar ese conjunto de datos antes de expandirlo. Hacerlo brindará a los modelos informáticos privados un conjunto de datos con el que trabajar, proporcionando valor a la empresa, antes de ampliar los esfuerzos de higiene de datos.
- Priorizar los casos de uso para el piloto: como muchas tecnologías emergentes, se está probando el valor generado mediante la ejecución de casos de uso. Los corredores y agentes deben evaluar cuáles son los casos de uso potenciales de alto valor y luego crear pilotos para probar el valor en esas áreas con un circuito de retroalimentación entre el equipo de desarrollo y los equipos de generación de ingresos para los ajustes y cambios necesarios.
- Evaluar cómo gobernar y adoptar: como se comentó, los seguros como industria han tardado más en adoptar nuevas tecnologías y, como tal, los corredores y agentes deben estar preparados para invertir en la gestión del cambio y las estrategias de adopción necesarias para mostrar cómo esta tecnología bien puede ser la primera de su tipo en impactar materialmente los ingresos y el crecimiento orgánico de manera positiva para los equipos generadores de ingresos.
