”AI kan underlätta inom försäkring — men inte helt ersätta människor”
• I dag behövs fortfarande mänskliga medarbetare för finansiell planering och analys, även om det i framtiden är det mycket möjligt att generativ AI kan göra en större del av arbetet, menar Michael Lengenfelder vid Unit4.
DebattDet finns en rad användningsområden för generativ AI inom finansiell planering och analys, och för försäkringsbranschen bör denna typ av tillämpningar vara högintressanta. Men för att lyckas krävs en kombination av AI-lösningar med en design fokuserad på användare. Än är tekniken i sin linda och kan inte ersätta människor, skriver Michael Lengenfelder vid affärssystemleverantören Unit4 i en debattartikel där han även pekar på vikten av att ha en genomtänkt policy för användningen av generativ AI.
På sikt är det möjligt att nyttja AI för att se till att applikationer anpassar sig till användares beteenden, arbetsuppgifter och roller.
När gäller finansiell planering och analys handlar det inte bara om skapa en användarupplevelse som är intuitiv och engagerande, utan den måste också vara situationsanpassad, smart och framåttänkande — dimensioner som är centrala bland annat för försäkringsbranschen.
Ett praktiskt exempel på användning är att generativ AI används för att sammanställa noteringar i kvartalsrapporter för att generera sammanfattningar av rapporterna.
Språkfunktionaliteten är i dag troligtvis den mest värdefulla aspekten av generativ AI. Ett exempel är när antaganden om en budget ska formuleras. Generativ AI kan fortlöpande ge författaren av en rapport insikter och förslag.
Det är viktigt att vara pragmatisk för den här typen av användning. För att undvika fel- och övertolkningar av data behövs en policy för användning av generativ AI som omfattar beskrivningar av hur svar som fås med AI ska bedömas och hur källor bör kontrolleras.
För försäkringsbranschen kan generativ AI innebära nya möjligheter för finansiell planering och analys (FP&A).
Försäkringsbolag hanterar stora mängder data från flera källor, och generativ AI kan användas för att förbättra analysen av dessa data. Exempelvis kan AI användas för att förutse skadeutbetalningar genom att analysera historiska data och externa faktorer som väder och ekonomiska förhållanden. Generativ AI kan dessutom stödja skapandet av sammanfattningar av finansiella rapporter och därmed spela en vital roll i kommunikationen från FP&A-avdelningar. Ytterligare en tillämpning inom försäkringsindustrin är automatiserad segmentering av kunder.
En solid grund för generativ AI
Ett företags policy för användning av generativ AI bör inkludera följande:
- Spärrar som ser till att känslig finansiell information inte delas med externa applikationer eller görs publikt tillgänglig på internet. Det behövs rollbaserad autentisering för att säkerställa att det endast är de som ska få tillgång till data som också får det.
- Bestämmelser om hur applikationen ska tränas för att undvika datahallucinering, hantera nyanser och ge korrekta analyser. På det finansiella området är det mycket komplext då generativ AI behöver access till flera informationslager för att kunna ta hänsyn till förhållanden som är unika för varje organisation. Det är nödvändigt att få till detta på rätt sätt för att kunna förstå och förklara hur beslut fattas.
- Teknisk och affärsmässig utbildning som ska tillhandahållas.
Det är viktigt att förstå att användning av generativ AI medför utmaningar både av teknisk art och för människor. För att motverka rädslan för att jobb ska försvinna bör anställda få tid att förstå hur AI kan ge värde för deras arbete. Det ökar tilliten till AI och ökar chanserna att behålla medarbetare.
Medarbetares kunskaper om finansiell planering och analys ska aldrig undervärderas. Mänskliga insatser kommer även i framtiden att behövas för finansiell planering och analys, för att se samband mellan ekonomiskt utfall och externa händelser. Det är erfarna medarbetare som har förståelse för sådana samband. De kan formulera beskrivningar som går att förstå och lita på.
Bra finansiell planering och analys är obestridlig
Team som jobbar med finansiell planering och analys har ofta redan bra modeller för rapportering. Jämförelser mellan prognoser och utfall gör det möjligt att identifiera avvikelser. I dag kan medarbetarna i ett team själva göra sådana analyser snabbare än generativ AI, eftersom det tar tid att implementera, träna och utvärdera resultat från AI-modeller. I framtiden är det mycket möjligt att generativ AI kan göra en större del av arbetet, men i dag krävs det mänskliga medarbetare för finansiell planering och analys.
Det är klokt att använda de kommande månaderna till att få en bättre förståelse för generativ AI och utvärdera vad som behövs för att utöka antalet användningsfall. De som gör det kommer att skapa nya möjligheter att utföra sina arbeten.
Michael Lengenfelder
produktchef för finansiell planering
och analys (FP&A) på Unit4
