Den digitale transformation i forsikringsbranchen påvirker ikke kun kunderne, men i høj grad også rådgiverne. Rådgiverne skal forstå og manøvrere i den digitale verden, og de skal være i stand til at guide kunderne i de digitale processer, så det bliver lettere for kunderne. Rådgiverne har en nøglerolle i forhold til kundernes digitale udvikling – de skal guide kunderne, digitalisere kunderne og derigennem skabe gode kundeoplevelser. Dette kræver stort overblik over alle de digitale kontaktpunkter kunderne er i kontakt med – ikke blot det enkelte kontaktpunkt rådgiveren beskæftiger sig med i sin dagligdag, og det kræver indsigt og forståelse for digitaliseringen indenfor produktudvikling og sags håndtering, der i stigende grad vil blive en del af forsikringsverdenen.
Helt afgørende, så skal rådgiveren være i stand til konstant at tilegne sig viden og kompetencer indenfor nye digitale systemer og processer – for den digitale udvikling står ikke stille!
De fleste forsikringsselskaber har som led i en større automatisering, taget forskellige digitale løsninger inden for kunstig intelligens (AI) i brug som supplement, og i nogle tilfælde som substitut for mindre komplekse sags håndteringer. Den amerikanske konsulent- og forskningsvirksomhed McKinsey & Company har med et stort forskningsprojekt i USA og det vestlige Europa løftet sløret for, hvilken viden, færdigheder og kompetencer, man som rådgivere bør besidde i fremtiden, når kunstig intelligens for alvor kommer til anvendelse i selskabernes kundehåndtering. I deres rapport “Insurance 2030 – The impact of AI on the future of insurance” lister de en række trends inden for kunstig intelligens, der på sigt kan blive bærende for udviklingen af automatisering og kundehåndtering i selskaber, der beskæftiger sig med forsikringsprodukter.
Rådgiveren skal have forståelse for data og intelligente devices
Den første kompetence er selve forståelsen for indsamling og anvendelse af data, der er indsamlet via intelligente gadgets eller devices. På sigt kan dette blive en langt mere integreret del af forsikringspolicen, herunder produktet, end på nuværende tidspunkt.
Eksempler på dette kunne være yderligere brug af IOT-løsninger såsom Googles smart-home i indboforsikringer eller digitale vandskade- og brandalarmssensorer i husforsikringer. Et andet eksempel kunne være smart devices; fitnesstrackere eller smart watches integreret i liv- og ulykkesforsikringer eller yderligere tilladelse og videregivelse af data fra vores smartphones anvendt bredt på vores forsikringer.
Vi ser allerede nu forsikringsprodukter baseret på IOT, såsom bil-tracking, hvor kunder har mulighed for at koble en lille boks med indbygget simkort til bilens OBD/OBD II-port, hvorefter data omkring kundens kørsel og bilens tilstand bliver streamet direkte til skyen via boksens 5G-forbindelse. Derefter kan informationen tilgås fra en mobil-app til kundens egen orientering samt til forsikringsselskabet.
Hensigten med anvendelse af en langt større mængde data på kunden, er mere smidige produktkategorier, heraf mere personlig prisfastsættelse samt dækning. Det bliver derfor vigtigt at forstå og kunne navigere i disse data samt behandle dem etisk og med kundens bedste for øje.
Robotteknologien skaber rådgiverens overordnede overblik
Området omkring robotteknologi udfolder mange spændende potentialer for udvikling af nye løsninger og muligheder for gennemsigtig prisfastsættelse. 3D teknologien muliggør eksempelvis at man i fremtiden ved hjælp at droner, har mulighed for at se bygninger vist i 3D, som alt andet lige kan ændre måden at prisfastsætte dækninger i policer, vurdere risiko på mm. Det samme gælder udviklingen indenfor selvkørende motorkøretøjer, hvor forsikringer som dækker ansvar og kasko radikalt kan ændre risikovurderinger og heraf kundernes forventninger, ønsker, samt muligheder ved større dataindsigt og historik.
AI: Machine learning og deep learning skal afdække dele af kundens behov
Flere og flere kunder har stiftet bekendtskab med AI-løsninger som del af deres kunderejse. Vi ser forsikringsbranchen begynde at anvende chatbots. Disse er alle baseret på kunstig intelligens. De fleste løsninger på markedet er skabt via machine learning – altså en kunstig intelligens, der lærer gennem eksempler. Det betyder at computeren forsøger at finde genkendelige mønstre i mødet med kunden. De genkendelige mønstre hos de forskellige intelligente service-løsninger er afhængige af support og eftertjek fra menneskelige eksperter.
I takt med Covid-19, har kundernes udvikling af en bedre digital bevidsthed, muliggjort mere data til brug for læringen hos den kunstige intelligens. Samtidig har det også givet anledning til kritik i mødet med kunder, hvis henvendelser er for komplekse til de erfaringer computeren allerede har erfaret:
”Nej jeg forsøger, men robotten kunne ikke hjælpe mig og blev så nødt til at ringe. Synes aldrig det fungerer.”
”absolut nej. Får aldrig hjælp. Kan ikke få de rigtige svar! …”
Det er dermed et dilemma i forhold til den digitale kunderejse, når man anvender chat bots i kundekontakten, der ikke har den fornødne erfaring og læring til at hjælpe kunderne med henvendelser, der er mere komplekse end det en typisk Q&A ville kunne have hjulpet kunderne med. Chat bot’en har behov for erfaring for at blive bedre, men vejen derhen byder på dårlige kundeoplevelser. Det er derfor en klar anbefaling at foretage en tydelig forventningsafstemning med kunden i forhold til den service man kan forvente af en chat bot.
Deep learning, bygger både på historiske data, men indeholder også en hukommelse, der konstant lærer og navigerer i sin historik, og hermed forbedrer og tilpasser den aktuelle kundesituation. Denne teknologi vil derfor kunne tilbyde en mere menneskelig robot, når kunderne henvender sig, og på sigt kunne håndtere mere komplekse kundehenvendelser og understøtte rådgivningen. Det er vigtigt for rådgiverne at forstå disse teknologier og hvordan de udvikler sig løbende. Den systematiske opsamling af både machine- og deep learning dvs. både historiske-, men også situationsbestemte data, resulterer i en større indsigt i kundetilpasning og behovsafdækning, der kan understøtte produktudvikling og værdiskabelse mellem forsikringsselskab og kunde.
Kilde: McKinsey