Intelligenza artificiale e apprendimento automatico - Verso un futuro digitale della gestione dei sinistri e della riparazione dei veicoli - Qapter
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Intelligenza artificiale e apprendimento automatico Ver s o un fu t u ro d i g i ta l e d el l a gesti o ne d e i si n i st ri e d e ll a r iparazi o ne d e i ve i c o l i
Sommario
I nt ro duz ione 3
G e st io ne dei sinist r i basata sui da ti 4
I nte ll igenz a ar t ific ial e e
a ppre ndimento auto mat ic o 5
Te c n ol ogie aumentate 6
I l f l u s so di l avo ro mo der no 7
C o n c l usione 8
U l te rio r i r iso r se 9
I n fo rmaz io ni su S ol era 10
2 | Q a p te r – Ar ti fi ci a l i ntel l igence and m achine learningIntroduzione
Gli ecosistemi nel settore assicurativo e automobilistico si trovano attualmente
di fronte a un’innovazione rivoluzionaria dei processi aziendali: la possibilità di
sfruttare lo sviluppo delle tecnologie per aggiungere un valore considerevole
al processo digitale di denuncia e liquidazione dei sinistri e riparazione dei
danni. Con la disponibilità di tecnologie digitali e la capacità di apprendimento
automatico, opportunamente abbinate a competenze, contenuti e dati, si
possono ealizzare grandi cambiamenti per tutte le parti interessate creando
un valore significativo dall’adozione di nuovi e moderni flussi di lavoro in cui il
tempo dalla notifica del danno alla sua liquidazione è notevolmente ridotto e
l’esperienza del consumatore migliora in modo esponenziale.
1. https://www.i-scoop.eu/digital-transformation/
3 | Q a p te r – Intel l i g enz a a r t ificiale e apprendim ento autom ati c oGestione dei sinistri
basata sui dati
Le aziende di tutti i settori spendono milioni di dollari valore del veicolo e il prezzo della riparazione, eliminare
ogni anno per sviluppare programmi di assimilazione le complessità inutili dal flusso di lavoro e sottoporre
dei dati e utilizzare analisi avanzate che consentano loro stime veloci e accurate ai clienti aumentando la fedeltà
di prevedere numericamente con certezza pressoché al brand proprio grazie all’esperienza positiva.
assoluta comportamenti e risultati. Se combinati
insieme, l’intelligenza artificiale e l’apprendimento Il valore della gestione dei sinistri sostenuta
automatico, due discipline distinte dell’ingegneria dall’intelligenza artificiale è notevole se l’iter di gestione
informatica, portano questi modelli ad un livello dei sinistri viene ridefinito nella sua interezza, la
superiore. I modelli vengono correlati alle tendenze soluzione deve andare oltre l’intelligenza artificiale per
osservate nei dati con un apprendimento continuo radicarsi nel modo in cui i dati vengono scambiati,
da input sia storici che in tempo reale per ricavare accuratezza e consenso sono frutto dell’interazione
informazioni affidabili e accurate che migliorino tra compagnie, periti e riparatori e ogni parte ne ricava
l’esperienza del cliente. Chiari esempi di miglioramento valore. Per ottenere tali risultati, le organizzazioni
dell’esperienza tramite l’uso dei dati, che si tratti di devono quindi impiegare nuovi flussi di lavoro basati su
programmi sanitari personalizzati, previsioni finanziarie dati affidabili e solide architetture digitali.
o consigli per gli acquisti, dimostrano che vi sono
possibilità apparentemente infinite per sfruttare i dati. “L’intelligenza artificiale
In tale contesto, l’industria automobilistica e quella
diventerà un settore da 118
assicurativa sono in una posizione interessante. Miliardi di dollari da qui Al 2025”
Grazie alla telematica avanzata, ai veicoli connessi, Source: Statista
ai programmi di guida aumentata e altri, la guida e
l’assicurazione di un veicolo sono cambiati radicalmente
negli ultimi 20 anni. I dati raccolti attraverso i programmi
di monitoraggio delle assicurazioni e i rapporti dei
costruttori di auto possono essere usati non solo per
far luce sul comportamento del conducente al fine
di migliorare la sicurezza, ma anche per prevedere i
danni al veicolo e valutare i costi di riparazione. Se i
periti assicurativi potessero determinare con assoluta
precisione i componenti necessari e i relativi prezzi
per il ripristino di un veicolo riparabile senza doverlo
ispezionare fisicamente, quanto tempo si risparmierebbe
su ogni sinistro? Aiutati da dati inconfutabili, gli
assicuratori e i riparatori potrebbero accordarsi sul
4 | Q a p te r – Intel l i g enz a a r t ificiale e apprendim ento autom ati c oIntelligenza artificiale e
apprendimento automatico
L’apprendimento automatico tentativo di applicare Watson al trattamento del
cancro, una delle più grandi sfide della medicina, IBM
è un metodo di analisi dei dati si è scontrata con un disallineamento fondamentale
che automatizza la costruzione tra il modo in cui apprendono le macchine e il modo
di modelli analitici... Un ramo in cui lavorano i medici.” IBM sta ancora cercando di
superare un ostacolo apparentemente insormontabile
dell’intelligenza artificiale.
per affrontare questa sfida: la mancanza di un database
sanitario unificato. Senza accesso a un patrimonio
L’intelligenza artificiale si definisce come “l’intelligenza
di dati coesivi, basati sui fatti, l’ingresso nel mondo
dimostrata dalle macchine nel favorire il processo
dell’intelligenza artificiale è fortemente ostacolato.
decisionale, prevedere i risultati o migliorare l’efficienza”,
ed è stata ipotizzata e studiata a metà del XX secolo dal
matematico e informatico inglese Alan Turing. “È essenziale notare che
tutto l’apprendimento
Insieme, l’intelligenza artificiale e l’apprendimento
automatico è intelligenza
automatico permettono un’analisi rapida e logica dei
dati per un’applicazione pratica. L’uso dell’intelligenza artificiale, ma non tutta
artificiale è diffuso, università e centri di ricerca, aziende l’intelligenza artificiale è
e governi impiegano abitualmente questa tecnologia apprendimento automatico.”
per risolvere problemi complessi, apparentemente
Source: Ricerca Sull’intelligenza
semplici, come ridurre il traffico dei pendolari, prevenire
Artificiale Di Emerj
le frodi finanziarie, separare le e-mail utili dallo spam e
identificare gli oggetti nelle immagini sui social media.
Anche se molti tentativi di introdurre l’intelligenza
artificiale e l’apprendimento automatico nei processi di
routine hanno avuto successo, sono numerosi i fattori
da considerare prima dell’applicazione. Le aziende e
le organizzazioni che desiderano distribuire queste
tecnologie affrontano una serie di difficoltà: dati
insufficienti o limitati, problemi di scalabilità, mancanza
di tecnici qualificati per gestire la realizzazione del
progetto o una combinazione di tutte e tre le cose.
In un esperimento ben documentato sull’intelligenza
artificiale, IBM ha tentato di utilizzare la sua
tecnologia Watson in campo sanitario; tuttavia, “nel
5 | Q a p te r – Intel l i g enz a a r t ificiale e apprendim ento autom atic oTecnologie
aumentate
Per i l r i l eva m e nto pre c i so dei l’apertura del sinistro, convalidata da un algoritmo e
basata su enormi dataset automobilistici. Il telaio del
da nni s ubi t i d a u n ve i c o l o
veicolo viene identificato e il danno, che si tratti di un
graffio sulla fiancata lato conducente o di un danno
Molte organizzazioni usano l’intelligenza artificiale e
notevole a un parafango, viene eseguito attraverso il
l’apprendimento automatico per migliorare i processi
database dei sinistri storici e sottoposto alle specifiche
e ottimizzare i flussi di lavoro nel tentativo di fornire
regole aziendali della compagnia di assicurazione. La
risultati migliori agli utenti. Sono tanti i settori che
tecnologia può determinare che il veicolo non è
potrebbero adottare tecnologie aumentate per
riparabile, e la compagnia, l’officina e il conducente
automatizzare le attività fisiche e digitali, e la spesa
possono concordare assieme l’ammontare della
per il riconoscimento delle immagini, l’identificazione
liquidazione, poiché il database fornisce la prova storica
degli oggetti e la manutenzione predittiva potrebbe
del valore di quel particolare veicolo.
raggiungere cifre dell’ordine di svariati milioni nei
prossimi sei anni.
La soluzione di Solera permette anche ai conducenti e
ai periti di modellizzare e segnalare lievi danni estetici*
Negli ultimi 18 mesi, Solera ha investito in una strategia
da collisione con veicoli attraverso l’acquisizione
di apprendimento automatico di base che nel tempo
guidata di immagini e strumenti di markup. Ciò a sua
trasformerà radicalmente il flusso di gestione dei sinistri.
volta permette al riparatore, dopo aver avuto accesso
I benefici fondamentali di questo approccio includono
alle immagini, di stabilire quali pezzi sono necessari
una riduzione del numero di punti di contatto necessari
per la riparazione prima che il veicolo lasci il luogo
in tutto il flusso di lavoro e una maggiore esattezza.
dell’incidente, così il tempo di attesa dei componenti si
Laddove in precedenza questa attività richiedeva che un
riduce notevolmente e il sinistro viene liquidato molto più
perito si recasse sul posto per ispezionare visivamente i
velocemente.
danni, i miglioramenti nel riconoscimento delle immagini
permettono ora un’analisi automatica delle foto dei danni
e una rapida identificazione dei veicoli non riparabili. “ Il 72% dei responsabili
Allo stesso modo, l’intelligenza artificiale rileva le parti afferma che l’intelligenza
danneggiate, definisce le riparazioni appropriate e
artificiale rappresenterà
calcola con precisione i costi di riparazione. Tutte queste
azioni fanno risparmiare tempo ai periti e accelerano il Il vantaggio commerciale
processo di gestione del sinistro. del futuro”
Source: PWC
L’applicazione permette al conducente o al perito di
acquisire immagini del veicolo danneggiato subito dopo
un incidente. Le immagini sono utilizzate per generare
una stima affidabile per
6 | Q a p te r – Intel l i g enz a a r tificiale e apprendim ento autom ati c oIl flusso di
lavoro moderno
Il processo qui descritto è un esempio di un flusso di lavoro moderno basato
sulla tecnologia per evitare ridondanze e inefficienze e aumentare la produttività,
con il risultato che si elaborano più denunce in minor tempo e i periti si
concentrano sui casi complessi che richiedono la competenza e il giudizio
umano.
I flussi tradizionali di gestione dei sinistri, in cui la digitalizzazione è poco
presente o del tutto assente, sono spesso inibiti da flussi di comunicazione
inefficienti e ostacoli come errori nell’elaborazione della stima o ritardi dovuti
a grandi carichi di lavoro. Le attività ripetitive come recarsi presso il veicolo,
compilare a mano la perizia, comunicare variamente attraverso una serie di
canali aumentano in definitiva la durata dell’iter per il cliente e le percentuali
di errore, potenzialmente costose. Tali compiti producono relativamente poco
valore rispetto all’effettiva valutazione e diagnosi e sono quindi maturi per una
trasformazione digitale. Anziché risolvere un sinistro relativamente semplice in
diverse settimane, periti e riparatori possono chiuderlo in pochi giorni.
Il flusso di lavoro moderno non esclude il coinvolgimento umano. Dopo che le
immagini del veicolo sono elaborate dall’intelligenza artificiale e da algoritmi di
apprendimento automatico, il perito convalida la valutazione e utilizza il processo
di gestione digitale del sinistro per finalizzare la stima. Il perito può verificare
la conclusione della tecnologia o rettificarla ove lo ritenga opportuno, Il perito,
l’assicuratore, il riparatore e il conducente sono informati della stima e possono
confrontarsi sugli esiti raggiunti in base ai fatti. La tecnologia agisce dunque da
intermediario tra le parti, permettendo di riconquistare un tempo significativo
mentre le parti concordano valore e costi.
Con tempi di ciclo ridotti e diagnosi di riparazione più accurate, più veicoli
possono essere riparati e restituiti ai clienti nello stato originario, migliorando la
sicurezza generale del veicolo. Inoltre, si possono determinare le perdite totali
in modo più appropriato e fattuale, riducendo il numero di veicoli pericolosi
circolanti.
Gli utenti di queste tecnologie possono prendere decisioni migliori per le loro
aziende e, a loro volta, servire i clienti con maggiore cura, assolvendo una
missione superiore, ossia garantire comodità e trasparenza nella gestione dei
loro veicoli.
7 | Q a p te r – Ar ti fi ci a l i ntel l igence and m achine learningConclusione
Nell’era degli algoritmi avanzati, della modellizzazione Grazie a importanti piattaforme di gestione dei sinistri
predittiva, delle tecnologie basate sui dati e delle attualmente disponibili in Nord America e in Europa,
soluzioni scalabili, la fusione di questi sistemi con Solera ha assunto un approccio pragmatico nel
l’esperienza umana può migliorare l’esperienza del concepire la nuova offerta per migliorare ed estendere
cliente. I molteplici attori coinvolti nel sinistro di un il valore ai suoi clienti in tutto il mondo. A differenza di
veicolo ne traggono una serie di vantaggi derivanti altri fornitori che operano su mercati disparati, Solera
dalle valutazioni imparziali e accurate generate in una può attingere al suo database globale per immettere
frazione del tempo in cui un sinistro medio verrebbe volumi più elevati di dati nel sistema in modo da ricavare
gestito. informazioni e propagare l’apprendimento in modo più
rapido. Tali informazioni non solo migliorano il flusso di
• Le compagnie di assicurazione possono fornire gestione dei sinistri, ma forniscono anche dati arricchiti
uno straordinario livello di servizio consentendo all’intera catena del valore del veicolo per supportare
ai conducenti di agire in maniera indipendente periti, assicuratori, riparatori e produttori.
ricevendo una guida esperta attraverso applicazioni
mobili e processi basati sull’intelligenza artificiale. “ La collaborazione con
• Le organizzazioni globali possono offrire
un’esperienza prevedibile in tutta la rete e riunire
aziende tecnologiche leader
pratiche regionali diverse in un unico flusso di fornirà [agli assicuratori]
lavoro semplice e ottimizzato. l’opportunità di sviluppare
• I periti possono ridurre il tempo speso sul campo
un vantaggio competitivo in
ispezionando veicoli con danni minimi per
concentrarsi sui casi complessi che non sono una serie di aree.”
di natura estetica e non possono ancora essere Source: Globaldata
affrontati accuratamente dall’intelligenza visiva.
• Officine e carrozzerie possono ridurre il tempo
di attesa dei pezzi e negoziare i costi con le
compagnie di assicurazione.
• I clienti possono aspettarsi azioni eque e
trasparenti da parte degli assicuratori e dei
riparatori a cui si affidano per la loro mobilità.
Questi risultati, ottenuti attraverso dati accurati e
inconfutabili, possono diventare la nuova normalità.
Solera ha investito molto nella tecnologia e nelle risorse
per consentire una trasformazione digitale dell’iter di
gestione dei sinistri attraverso il suo flusso di lavoro
moderno, sostenendo i clienti con l’obiettivo
di garantire loro un’esperienza positiva e comoda.
8 | Q a p te r – Ar ti fi ci a l i ntel l igence and m achine learningUlteriori
risorse
Artificial Intelligence
Intelligenza artificiale
B.J. Copeland - https://www.britannica.com/technology/artificial-intelligence
Apprendimento automatico: cos’è e perché è importante
https://www.sas.com/en_us/insights/analytics/machine-learning.html
Grandi promesse e pochi risultati nell’applicazione della
tecnologia Watson di IBM per introdurre l’intelligenza artificiale
nel settore sanitario
https://spectrum.ieee.org/biomedical/diagnostics/how-ibm-watson-
overpromisedandunderdelivered-on-ai-health-care
50+ dati statistici fondamentali sull’intelligenza artificiale: analisi dei
dati del 2019 e quota di mercato
Jenny Chang - https://financesonline.com/artificial-intelligence-statistics/
9 | Q a p te r – Ar ti fi ci a l i ntel l igence and m achine learningInformazioni
su Solera
Solera è un fornitore leader mondiale di software
as-a-service per il ciclo di vita del veicolo e di software
as-a-service per la gestione della flotta, banche dati e
servizi.
Attraverso quattro linee di business - vehicle claims,
vehicle repairs, vehicle solutions and fleet solutions –
Solera controlla molti marchi leader nell‘ecosistema
del ciclo di vita del veicolo, tra cui Identifix, Audatex,
DealerSocket, Omnitracs, eDriving/Mentor, Explore, CAP
HPI, Autodata e altri.
Solera supporta i suoi Partners nel gestire con successo
il percorso digitale con una soluzione „one-stop shop”
che razionalizza flussi e operazioni, offre analisi guidate
dai dati, e migliora il coinvolgimento del cliente.
Attraverso questo, Solera crede che i propri Partners
possano aumentare le vendite, promuovere la
fidelizzazione dei loro clienti e migliorare i margini di
profitto. Solera serve oltre 300.000 clienti globali e
partner in più di 100 paesi. Per maggiori informazioni,
visitare solera.com
© Solera Holdings, LLCPuoi anche leggere
