Fredrik Thuring, ansvarig för Operational Analytics på Trygg-Hansa, har under det senaste decenniet följt hur AI har gått från teoretiskt experiment till affärskritiskt verktyg inom försäkringsbranschen. Som en av drivkrafterna bakom Trygg-Hansas AI-baserade skadeförebyggande lösning ser han nu hur tekniken inte bara effektiviserar processer, utan förändrar själva definitionen av vad försäkring är, från ersättning till förebyggande.
Fredrik är en av paneldeltagarna på nätverksträffen den 20 november med temat ”Så får du AI-utvecklingen att leva i hela organisationen”. Träffen är fullbokad. För att ställa dig på väntelistan, anmäl ditt intresse här: https://insurance-evolution.confetti.events/natverkstraff-20-november
Fredrik — du har lång erfarenhet av att arbeta med affärsutveckling kopplad till AI. Skulle du kunna beskriva hur synen på AI inom försäkring har förändrats under den tid som du har arbetat med frågan?
Min bild är att under de senaste 10 åren har vi både adderat djup och bredd kring hur AI nyttjas i branschen. Djup genom att till exempel använda AI i syfte att bli mer granulära och använda mer data vid premiesättning och bredd genom att till exempel låta algoritmer och AI göra en del av skadebedömningarna. För det senare har branschen länge varit på en resa som startade med skadereglerings-mallar som övergick till digitalisering och automatisering och som snart ser en tredje våg genom AI-skadebehandling.
På Trygg-Hansa har du bland annat lett utvecklingen av en AI-baserad lösning där privatkunder automatiskt kan förvarnas om stölder och olyckor som berör deras närområde — något som har fått stor uppmärksamhet under det senaste året. Kan du berätta kort om hur det hela fungerar, och om ni redan nu kan säga att den har förhindrat skador?
Detta är faktiskt en helt ny inställning till försäkring som kommersiell produkt. Vad ett försäkringsbolag har väldigt mycket av är skadedata, men denna data används generellt bara till ett syfte: att sätta premier. Vi har utvecklat en metod att få denna data att direkt gynna våra kunder genom att en AI letar efter intressanta mönster som kan kommuniceras till utvalda kunder i syfte att få dem att undvika specifika skador. Metoden har förfinats till den grad att vi kan varna specifika kunder för en specifik skadetyp med risk att ske inom några dagar. Det låter otroligt men vi har sett att det fungerar i praktiken. Så, ja, det har faktiskt förhindrat skador från att ske.
Utgångspunkten för temat på nätverksträffen är att det kanske är lätt att komma på idéer där AI kan förbättra verksamheten i olika avseenden — inom skadehantering, kundtjänst, prissättning, fraud detection med mera — men kanske inte lika enkelt att få AI att leva långsiktigt i all affärsutveckling. Skulle du redan nu kunna ge något tips på hur man ser till att AI-utvecklingen inte bara blir en fluga, utan att det är något som lever på allvar i organisationen och finns med i alla utvecklingsprojekt?
Jag tror vi för länge sedan lämnade uppfattningen om att AI är en fluga i försäkringsbranschen. Men vi är som bransch ibland lite långsamma och griper ganska hårt fast i våra existerande processer. Här tror jag vi står inför ett paradigmskifte som framför allt generativ AI kommer att driva. Nu har vi en teknik som gör det möjligt att föreställa sig den perfekta processen från kundens perspektiv och har dessutom tekniska förutsättningar att faktiskt göra den verklig. Det kommer att vara nyckeln till att lyckas med AI: att inte bara ”AI:fiera” en existerande process utan att faktiskt skapa en ny process runt en AI.
Samtidigt som AI öppnar upp för nya möjligheter inom försäkringsbranschen, väcks också frågor kring risker — exempelvis kopplade till dataintegritet, transparens och förtroende. Vilka risker ser du som mest relevanta att vara medveten om, och hur kan man arbeta proaktivt med dem i utvecklingen av AI-lösningar?
Vissa av dessa risker är inte specifika för AI-behandling utan är relaterade till digitalisering i allmänhet. Men de som är AI-specifika är till exempel bias i data, modelldrift och hallucinationer och det är viktigt att arbeta systematiskt med dem. Monitorering är nyckeln här. Ofta kan man göra sig en tydlig bild av ramarna som AI’n ska hålla sig inom, skulle dess svar eller prediktioner falla utanför dessa behöver man bli varnad för att snabbt kunna åtgärda det.
Vad är ditt råd inför nätverksträffen den 20 november — vad bör deltagarna tänka på i förväg? Och vilka frågor vill du gärna få från publiken?
Detta är en så transformativ teknik och ingen har ännu en ännu en klar bild av dess påverkan på branschen. Så jag hade därför gärna velat ha en diskussion kring de mer filosofiska frågorna kring AI i försäkringsbranschen, exempelvis: hur kan vi arbeta med prediktiva åtgärder för våra kunder, vad är gränsen för AI-driven automatisering och hur bekämpar vi AI som används mot oss (i bedrägerier och organiserad brottslighet)?
