利用人工智能AI实现智能过程自动化
现如今大多数保险公司都在试图从以下多方面来捕获价值：
1. 产能扩张（capacity expansion）：像其他许多美国公司一样，保险公司在过去的几十年间致力于在其业务中减少成本。然而当这样做的收益越来越低微时，我们看到了一个新的关注点——产能扩张。尤其是，通过帮助现有资源和团队成员完成更多工作来在不增加成本的情况下增加收入。这是个增长利润和扩张业务的巨大机会。
2. 周期时间改进：客户服务，特别是答复客户的时间，正在日益驱动竞争格局。能够快速做出有关政策成本、批准、评估和索赔响应的决定的能力将表现优异者与落后者区分开来。而实现过程自动化是解锁这一优势的关键。
3. 提升效率：推动效率改进达到底线要求，需要减少人员在重复性工作流程上花费的时间，使他们能够专注于其他更高价值的活动和主动的探索行为。事实上，将人们从许多伴随着手工流程的日常重复任务中解放出来，能够显著提高工作满意度和绩效。
4. 知识捕获：当今手工操作流程的风险之一是，很多所需的知识是在任何地方都没有被捕获或者被编码的。有经验的团队成员经常只会把一个特定流程的重要知识装在他们脑子中，每晚跟随他们一起离开工作大厦。这导致了日常培训和新成员入职培训的不完整和低效，以及跨团队工作流程的可扩展性十分有限。对这些工作流程的数字化转换是一个捕获规定的特定步骤与情景的很好的强制功能。
为什么手工文档的工作流程能存在这么久？原因是，直到最近，搜寻未建立结构体系的内容，如文档、文本、图片，的唯一实用的方法仍是基于关键词和企业搜索方法的变体。这些系统需要详尽的基于规则的系统来把以专家系统、分类系统、知识本体、以及其他基于规则的方法的形式被处理的信息的所有可能的变体进行编纂整理形成体系。
不幸的是，这些系统有两个明显的弱点：
脆弱性：只要与议题相关的规则完全的捕获了需要解决的问题，这些系统就行得通。但是一旦关键词或是概念偏离了目标知识范围，这些方法就会失效。
费用：创建这些详尽的规则来阐释企业内容意味着要么企业必须招聘全职的信息架构师来建造和维持这些规则，要么就要花费上百万美元在外部资源上来完成这件事。
在过去的五年中，我们对非结构化的内容的理解能力有了惊人的飞跃。这是第一次机器能够理解情境（context）以及关键词。作为人类，我们在与他人交谈时的大多数理解，其实是来自于围绕着我们的对话内容却并没有被提及的情境常识。如果我们不得不严格的依赖关键词，我们的对话就会充满误解。
而人工智能（AI）领域的新发展就正在提供这样的情境。人工智能的一个特殊分支，深度学习（Deep Learning），使得机器能够以以往不可能的方式来理解文本和图片。在深度学习之前，管理非结构化的内容必须学习用计算机自己的语言，如布尔搜索查询（Boolean search queries），才能与计算机成功对话。也就是说，只要我们知道如何为计算机精确地形成我们的问题，他就会把我们要求的东西交给我们。但是深度学习将这种方式转化为，先设立最终试图实现的目标，然后用深度学习算法反向求解，搭建一个正确的“模型”，来实现用户的最终目标。
这开辟了一系列巨大的新的机遇，将人工智能（AI）插入到现有的工作过程和工作流程中，这样计算机技术就可以“学习”一系列与业务过程相关的任务，并从实际上给予那些主题专家SME（subject matter expert）以及业务线所有者“超能力武装”来从产量和效率上对现有方法进行显著提升。
保险中有许多可以从这种人工智能驱动的智能过程自动化（Intelligent Process Automation“IPA”）中受益的短期应用案例。在保险业中，对一组给定的文档通常会由许多不同的人对其进行评估、审查、或分类等操作。例如：
理赔处理：IPA可以被用来对新索赔自动进行分类和注释，以便将这个新理赔要求有效地派送到正确的主题专家SME进行评估和处理。这将加快周转时间并提高处理理赔的准确性，从而提高客户满意度和组织效率。
评估：IPA可以对与财产和有关伤亡的评估鉴定相关的书面的和基于图像的信息进行处理，来验证被承保的资产。家庭保险就是最好的例子，在这里，住宅中每个房间的照片以及住宅的外部照片都可以与书面的财产描述相匹配。
商业承销：通常涉及数千页的文档，主要的商业承销流程可以通过创建承销标准条件（criteria）的属性做到显著改进，这些属性可以通过使用IPA来被自动识别和“评分”，从而在提交提案时大大缩短响应时间。
政策分析：保险业面临的一个共同挑战是，需要能够跨越数十年的大量政策集合，以了解政策中的语言是如何受到监管政策或竞争格局的变化的影响的。IPA可以理解政策中的特定条款，并为给定的用例对这些条款进行评分和分类。
法规遵从性：在一个由众多州和联邦的监管机构组成的高度监管化的行业中，及时响应监管查询对于大多数保险公司来说都是一笔巨大的支出。IPA能够为查询创建增强的响应，从而大大减少响应时间和所需资源。
随着保险公司将其数字化转型工作扩展到这些业务流程，相信智能流程自动化将会是成功的关键推动因素。
为了开始沿着智能流程自动化IPA及其相关的投资回报率ROI（Return on Investment）的道路前进，保险公司需要以下核心构建区块：
1. 一个现有的，定义化的过程或工作流程，以作为提升、扩充或自动化的候选者。
2. 有关给定过程的代表性数据、内容或文件。
3. 来自主要的主题专家SMEs的输入，以定义和评估成功。
有了这些，保险公司可以在短短3-4个月内实现初始投资回报，包括对过程的发展和部署。
本文编译自:《Leveraging AI for intelligent processautomation》，原文作者Tom Wilde 。
