AI驱动的转型并不是在现有流程中挤出一点效率提升,而是重新思考传统企业的构建方式。这包括充分利用人才、数据和技术的力量,支持可持续增长和长期竞争优势。
如今,数字化转型并非可有可无,而是保持相关性和持续性的先决条件。然而在保险业,现代化改造带来了真正的复杂性。根深蒂固的流程、严格的监管要求和数十年历史的技术平台,可能使变革显得风险重重且具有破坏性。
但现实是:停滞不前的风险远大于变革的风险。
真正的转型不是一夜之间发生的,也不是通过追逐最新技术趋势实现的。成功的组织会有意识地投资,巩固基础,坚持长远愿景,即使进展缓慢也不改初衷。在纽约人寿团体福利解决方案(GBS),我们的经验强化了一个简单的信念:AI只有建立在准备充分、纪律严明和目标明确的基础上,才能带来真正价值。
为什么选择AI,为什么是现在?
保险业正处于转折点。客户期望不断提高,竞争日趋激烈,创新速度前所未有。AI不应被视为跟上步伐的工具。当以深思熟虑的方式运用时,它会成为整个保险价值链中推动增长、差异化和服务卓越的强大杠杆。
GBS运用AI的能力源于早在AI成为董事会优先事项之前就已开始的工作。十多年来,我们的团队一直在投资战略性数据管理、应用程序现代化和可扩展计算能力。这些早期投资奠定了基础,使我们能够在今天负责任地应用AI,并在未来继续这样做。
这个基础至关重要。试图在脆弱系统上叠加AI的保险组织往往难以超越实验阶段。相比之下,那些首先实现数据、应用程序和基础设施现代化的组织,在扩展AI应用方面处于更有利地位,能够改善结果并为客户、消费者和受益人提供更好的体验。
AI投资的严谨方法
在GBS,我们以同样的严格标准评估AI投资,就像对待任何技术决策一样。强有力的投资回报率纪律和治理是我们运营的核心。
虽然实验具有重要作用,但持久价值来自于长远考虑。这包括做出有意识的决策,与战略紧密结合,抵制追求无法扩展的快速胜利的诱惑。随着时间推移,这种纪律会带来更有意义和持久的回报。
可重用性是另一个关键原则。
在优先考虑AI项目时,我们专注于架构重用、共享能力和可扩展平台。我们的目标是花一次钱得到最大效益。预先认真做好工作增加了解决方案在整个组织中被重复使用的潜力。这种方法在加速未来创新的同时强化了投资回报率。
服务卓越作为我们的北极星
GBS所做一切的核心是一个明确的北极星:在关键时刻提供卓越服务。这是我们做决策、衡量成功和评估技术在支持客户、消费者、受益人和员工方面应发挥作用的方式。
AI是实现这一愿景的重要推动力。通过帮助消除重复性工作和简化任务执行方式,AI释放了我们团队的能力,使其能够专注于更高价值、更具战略性的工作。影响超越了效率层面,体现在更周到的服务、更强的关系和更好的整体结果上。
在GBS,我们继续重新思考整个组织的工作方式,包括转变核心流程以创造更简单、更连贯的体验。AI是我们适应和扩展能力的基础,因为期望继续演变。
通过变革赋能员工
仅有技术并不能改变组织;人才是关键。这就是为什么参与、协调和技能提升对于释放AI全部潜力至关重要的原因。
我们的目标不是取代人类判断,而是增强它,每天提升员工的工作水平。领导者在明确定义AI和自动化能够增加价值的领域,以及人类专业知识仍然必不可少的领域方面发挥着关键作用。当这种平衡明确时,AI会超越孤立的试点项目,成为企业级影响的催化剂。
协调同样重要。成功取决于技术团队、业务领导者和承保、运营、理赔、服务和分销等内部合作伙伴之间的密切合作。
展望未来
在保险等传统行业中,AI的未来将属于那些将大胆愿景与严谨执行相结合的组织。那些愿意重新构想业务模式,同时保持在强大基础和持久价值观基础上的组织将成为领导者。问题不再是是否投资AI,而是这些投资的有意性和深思熟虑程度。
从未有过比现在更好的时机来评估准备情况、协调战略和技术,并致力于长期增长。AI不是目标。持续改进和在关键时刻交付价值才是。
Q&A
Q1:保险业为什么需要AI转型?
A:保险业正处于转折点,客户期望不断提高,竞争日趋激烈,创新速度前所未有。AI不仅是跟上步伐的工具,当以深思熟虑的方式运用时,它会成为整个保险价值链中推动增长、差异化和服务卓越的强大杠杆。
Q2:如何确保AI投资获得良好回报?
A:需要以严格的标准评估AI投资,强调投资回报率纪律和治理。重点关注架构重用、共享能力和可扩展平台,避免追求无法扩展的快速胜利,而是做出有意识的决策,与长期战略紧密结合。
Q3:AI会取代保险业的人工作业吗?
A:AI的目标不是取代人类判断,而是增强它。通过帮助消除重复性工作和简化任务执行方式,AI释放了团队能力,使其能够专注于更高价值、更具战略性的工作,最终提升员工的工作水平和服务质量。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。