Marc Jones, CTO de Shift Technology
Tous les deux, trois ans, une nouvelle technologie émerge et semble parfaitement saisir l'air du temps. Certaines de ces technologies n'atteignent jamais leur plein potentiel et restent dans les mémoires comme un "oh, ce qui aurait pu être". D'autres, comme le smartphone, sont de véritables perturbateurs qui ont changé ou créé des industries et ont marqué le monde à jamais. Avec l'émergence de l'IA générative, nous avons l'impression d'être à nouveau dans cette situation.
L'un des éléments cruciaux d'une technologie qui "change le monde" est la portée potentielle de son impact. Le Segway, par exemple, devait changer le monde du transport personnel. 20 ans plus tard, il est de plus en plus rare de rencontrer un conducteur de Segway dans la nature. Il est clair que l'impact du Segway a été très limité. Le smartphone... dois-je en dire plus ? Avec ces critères à l'esprit, nous devrions clairement placer l'IA générative beaucoup plus près du camp des smartphones que de celui du Segway.
Cependant, pour qu'une nouvelle technologie soit considérée comme réellement révolutionnaire, elle doit avoir des applications pour de multiples publics, industries et marchés verticaux. Elle doit pouvoir être utilisée en toute sécurité, par les consommateurs comme par les entreprises. Et elle doit être réellement utile au fil du temps. L'IA générative répond à ces critères.
Caractéristiques requises des technologies transformatrices
Lorsque l'on parle d'une technologie transformatrice, il est important de comprendre que tous les secteurs ou utilisateurs individuels ne l'adopteront pas de la même manière. Et même au sein d'un même secteur, il peut s'agir de cas d'utilisation très différents, en fonction d'exigences commerciales variées. Cependant, certaines constantes doivent être prises en compte lors de l'évaluation du potentiel d'une technologie transformatrice. Ces constantes sont les suivantes :
- Sécurité - La technologie peut-elle être déployée et utilisée en toute sécurité sans exposer les utilisateurs à des risques ?
- Efficacité - La technologie représente-t-elle un changement dans le statu quo qui permet aux utilisateurs d'accomplir quelque chose plus rapidement et plus efficacement, ou même de nouvelles choses qui n'étaient tout simplement pas possibles auparavant ?
- Accessibilité et évolutivité - La technologie peut-elle être utilisée par ceux qui le souhaitent et quand ils le souhaitent ?
Si une technologie répond à ces exigences de base, il y a de fortes chances qu'il s'agisse d'un véritable changement. Comment cela s'applique-t-il à l'IA générative et au secteur de l'assurance et comment les assureurs peuvent-ils s'assurer que leur utilisation de la technologie répond à ces trois points cruciaux ?
Sécuriser l'IA générative
Pour les assureurs qui envisagent d'utiliser l'IA générative, la sécurité est l'une des principales préoccupations. La solution doit être sûre et sécurisée afin de protéger à la fois l'entreprise et ses assurés. L'un des meilleurs moyens de s'en assurer est de travailler avec un partenaire de confiance qui a fait ses preuves dans le déploiement de solutions d'entreprise avec la sécurité au premier plan. Par exemple, Shift travaille avec Microsoft et sa solution Azure OpenAI pour ajouter de nouvelles capacités d'IA générative à nos solutions décisionnelles d'assurance, ce qui facilite l'introduction de l'IA générative dans les compagnies d'assurance d'une manière sûre et sécurisée.
Un autre aspect clé pour rendre l'IA générative aussi sûre que possible est lié aux données que ces solutions ingèrent pour faire leur travail. Il est essentiel de savoir d'où viennent ces données et qui y a accès. Par exemple, votre solution d'IA générative aura-t-elle accès à des données extérieures à l'entreprise (ce qui n'est peut-être pas une bonne idée), ou ne pourra-t-elle accéder qu'à des données internes à l'entreprise qui ont été soigneusement nettoyées et conservées ?
Rendre l'IA générative efficace
Comme toute intelligence artificielle, l'IA générative ne vaut que par les données qui lui sont fournies. Trop souvent, nous entendons dire qu'en matière d'IA, plus il y a de données, mieux c'est. Dans le cas de l'IA générative, ce n'est peut-être pas la meilleure façon de voir les choses. Nous avons déjà abordé le concept de sécurité des données et expliqué pourquoi des données nettoyées et conservées peuvent être plus sûres que des données collectées directement sur l'internet ou d'autres sources publiques. Lorsque nous parlons de l'efficacité de l'IA générative, ces mêmes qualités sont tout aussi importantes. L'objectif de l'IA générative est de produire des résultats qui profitent à l'utilisateur.
Pour les personnes qui expérimentent une technologie telle que ChatGPT, le résultat souhaité peut être la première version d'un email professionnel ou d'un document similaire. Dans une telle situation, il peut être utile d'avoir accès à un grand nombre de données différentes. Cependant, l'assurance est un secteur incroyablement nuancé et les résultats de l'IA générative auront un objectif commercial très spécifique. Les assureurs peuvent, par exemple, se tourner vers l'IA générative pour renforcer les capacités de détection des fraudes ou soutenir les stratégies d'automatisation des sinistres. Dans ce cas, une approche plus nuancée de la mise à disposition des données pour la solution est nécessaire. En sélectionnant soigneusement les données accessibles à la solution d'IA générative utilisée, vous pouvez entraîner vos modèles de manière plus efficace et plus efficiente et vous assurer que les réponses générées s'inscrivent dans le bon contexte et sont réellement efficaces pour l'entreprise.
Rendre l'IA générative accessible et évolutive
Toute solution technologique n'est utile que si elle est accessible et évolutive. Pour de nombreux assureurs, cela signifie que l'IA générative doit faire partie intégrante des solutions utilisées quotidiennement par leurs employés. Au lieu de déployer une solution autonome et d'encourager les employés à "se débrouiller", l'intégration de la technologie peut aider à garantir une adoption transparente et des avantages rapidement perçus. Dans le cadre d'une solution technologique établie et déjà déployée dans l'entreprise (pensez à la détection des fraudes ou aux solutions d'automatisation des déclarations), les employés n'ont pas besoin d'apprendre et de perfectionner une nouvelle façon de faire les choses. La nouvelle méthode fait tout simplement partie des technologies qu'ils utilisent tous les jours, et permet simplement d'obtenir des résultats plus efficaces.
Conclusion
L'IA générative possède un réel potentiel à l'impact positif non seulement pour le secteur de l'assurance, mais aussi pour de nombreux autres secteurs. Pour les assureurs, il sera essentiel de comprendre où l'IA générative peut apporter le plus d'avantages et de développer des stratégies gagnantes pour incorporer la technologie dans leurs outils actuels. La sécurité, l'efficacité et l'évolutivité seront les clés du succès lorsque les assureurs détermineront comment tirer le meilleur parti de l'IA générative.
Pour plus d'informations sur la façon dont Shift peut vous aider à adopter l'IA générative pour relever les défis uniques auxquels est confronté le secteur de l'assurance, contactez-nous dès aujourd'hui.
