בינה מלאכותית בענף הביטוח: כך Cara ו-AWS בונות אוטומציה ארגונית על Amazon Bedrock

מעבר מצ׳אטבוטים כלליים ל-AI שמבין ביטוח

ענף הביטוח העולמי, שמוערך בכ-8 טריליון דולר, הוא אחד השווקים שבהם הפער בין הבטחת הבינה המלאכותית לבין המציאות התפעולית עדיין גדול במיוחד. סוכנויות וברוקראז׳ים מתמודדים מדי יום עם ערימות של טפסים, מסמכי חיתום, הצעות מחיר, פוליסות, חידושים ונתונים רגישים. במקביל, המחסור בכוח אדם מיומן מחייב אותם להגדיל הכנסות בלי להגדיל את מספר העובדים באותו קצב.

ג'ונתן קוזמנקו, חוקר ומנהל בתחום יישום ופיתוח AI בחברות, מילא שורה של תפקידים בכירים בתחום הביטוח בישראל, מסביר: "לא צריך להסביר כי ל- AI יש פוטנציאל עצום לייעול תהליכי עבודה בענף הביטוח, זה מובן. מערכות אג'נטיות יכולות להפוך תהליכי חיתום לא רק לאוטומטים אלא גם יעילים עם השפעה ישירה על תמהיל התיק והרווחיות. מודלי יכולים לסייע בקבלת החלטות תשלום או חיתום מורכבות, להחליף תהליכי גביה, תפעול ושירות, ליישב תביעות בצורה אוטומטית, אך לא פחות חשוב - מדויקת. בכך ניתן כבר היום להפחית משמעותית את עלויות התפעול ולהגדיל רווחיות. כמות התהליכים המתאימים לשיפור על ידי AI בעולם הביטוח היא עצומה. אנו רואים פוטנציאל מוגבר למערוכת AI משולבות (ML x LLM) אך הוא אינו ממומש מספיק. השוק רגולטורי, מסורתי וחשדן מטבעו".

כאן נכנסת Cara, חברה שבונה שכבת AI ייעודית לברוקראז׳ים בתחום הביטוח על גבי תשתיות AWS. לפי AWS Machine Learning Blog, החברה משתמשת בשילוב בין Amazon Bedrock להרצת מודלי שפה גדולים לבין Amazon EKS לניהול שירותים מבוזרים בקנה מידה ארגוני. אבל הסיפור החשוב יותר איננו רק בחירת השירותים, אלא הגישה: AI ארגוני שמותאם לדומיין, לתהליכים ולדרישות רגולטוריות, במקום כלי גנרי שמנסה להתאים לכל משימה.

למה AI גנרי לא מספיק לענף הביטוח

בביטוח, טעות קטנה יכולה להפוך לבעיה כספית, משפטית או רגולטורית. מערכת שמסכמת פוליסה חייבת להבין חריגים, מגבלות כיסוי, הבדלים בין הצעות של חברות ביטוח ודרישות חיתום. מערכת שממלאת טפסים צריכה להכיר פורמטים כמו ACORD, נתוני לקוח, מסמכים קודמים ונהלים פנימיים של הסוכנות. זהו לא תרחיש שבו מספיק לשאול מודל שפה שאלה כללית ולקבל תשובה יפה.

הערך של Cara נובע מהשילוב בין מודלי שפה לבין הקשר עסקי עמוק. המערכת מסייעת בהשוואת הצעות, זיהוי פערי כיסוי, הפקת הצעות ללקוח, מילוי טפסים וחיבור לידע פנימי של הסוכנות, כולל העדפות חברות ביטוח וניסיון היסטורי. במילים אחרות, היא אינה מחליפה את איש הביטוח, אלא מצמצמת את הזמן שהוא מבזבז על עבודה אדמיניסטרטיבית ומעבירה אותו חזרה למרכז הערך: ייעוץ, קשרי לקוחות וניהול סיכונים.

הארכיטקטורה: בידוד, סקייל ואמון

הבחירה ב-Amazon EKS מאפשרת ל-Cara להריץ מיקרו-שירותים, מנועי תהליך, שכבות קליטת נתונים ורכיבי הסקה בסביבה קונטיינרית הניתנת להרחבה. עבור ברוקראז׳ים גדולים, שבהם עומסים מתגברים בתקופות חידוש פוליסות, יכולת גידול אלסטית אינה מותרות אלא תנאי בסיסי. שימוש ב-Horizontal Pod Autoscaler מאפשר להתאים קיבולת לביקוש בזמן אמת, במקום להחזיק תשתית יקרה במצב קבוע.

Amazon Bedrock מוסיף שכבה קריטית נוספת: גישה למודלי יסוד דרך שירות מנוהל, ללא צורך בתפעול תשתיות GPU עצמאיות. עבור חברות ביטוח וברוקראז׳ים, המשמעות היא קיצור דרך משמעותי לפרודקשן, אך גם תלות גוברת בספקי ענן גדולים שמגדירים את סטנדרט האבטחה, הזמינות והביצועים של יישומי AI ארגוניים.

הנקודה המעניינת ביותר היא מודל הבידוד בין לקוחות. Cara מפעילה סביבות עבודה מבודדות לכל ארגון, עם הפרדה בין נתונים, תהליכים והרשאות. בענף שמטפל במידע אישי, פיננסי וחיתומי, זהו הבסיס לאמון. AI שלא יודע להוכיח איפה נשמרו הנתונים, מי ניגש אליהם וכיצד התקבלה החלטה, יתקשה לעבור מרמת פיילוט לרמת שימוש ארגוני רחב.

המשמעות העסקית: יעילות היא רק ההתחלה

Cara מדווחת על חיסכון של כ-10 שעות בשבוע למשתמש, קליטת ברוקראז׳ים בתוך שעות והשקת תהליכים מותאמים בתוך ימים. אם המספרים הללו מחזיקים בקנה מידה רחב, מדובר לא רק בשיפור פרודוקטיביות, אלא בשינוי מודל התפעול של סוכנויות ביטוח. עובדים יכולים לטפל ביותר לקוחות, מנהלים מקבלים תהליכים אחידים יותר, והארגון מצמצם תלות בידע שבעל פה.

המגמה הרחבה ברורה: השלב הבא של AI בעסקים לא יהיה מנצח בזכות מודל גדול יותר בלבד, אלא בזכות שילוב נכון בין מודל, תהליך, אבטחה ודאטה ארגוני. Cara היא דוגמה מוקדמת לאופן שבו בינה מלאכותית ייעודית יכולה להפוך ממוצר טכנולוגי לכלי תשתיתי בענף שמרני, מורכב ובעל ערך כלכלי עצום.