Cognizant – Livre blanc Collective intelligence

Cognizant propose un livre blanc intitulé « Collective intelligence – Filling the insurance talent gap« , ou, en français, « Intelligence collective – Combler le manque de ressources humaines dans l’assurance ».

Selon eux, la combinaison des ressources humaines internes, des indépendants et de l’intelligence artificielle (notamment via les robots), permettrait d’optimiser au mieux la performance. Ce livre blanc trace les contours de leur vision.

La « Collective Intelligence »

La notion d’intelligence collective regroupe toutes les compétences qui sont nécessaires au bon fonctionnement de l’entreprise.

Celles-ci peuvent être couvertes par:

  • les employés
  • des individus ou groupes externes
  • De l’intelligence artificielle capable de répliquer certaines des tâches que réalisent les humains.

collective intelligence

Dans le cadre de la « collective intelligence », les tâches à réaliser peuvent être réparties selon 4 catégories:

  • L’humain d’abord, secondé par le robot, à qui certaines tâches sont déléguées
  • Le robot d’abord, contrôlé par l’humain, ou complété pour certaines tâches nécessitant un traitement approfondi
  • Humains et robots en parallèle sur des tâches distinctes
  • Humains et robots en tandem sur une même tâche qui nécessite les 2 types d’intelligence.

Note: Cette distinction est intéressante car elle permet de bien distinguer les rôles et responsabilités de chacun.

Le sourcing collaboratif

Selon l’étude Oxford Economics Workforce 2020, 83% des dirigeants de l’assurance font appel à la sous-traitance, pour répondre à 4 types d’objectifs:

  • Compenser le manque de ressources: McKinsey estime qu’aux Etats-Unis, près d’un salarié de l’assurance sur 4 partira en retraite (ou en sera très proche) d’ici 2018. Par ailleurs, environ un tiers ont moins de 35 ans. Cela crée un fossé générationnel, qu’il est difficile de combler. (Note: dans l’industrie, cela s’appelle la sous-traitance de capacité, on saurait faire, mais on n’a personne pour le faire)
  • Développer des services ou produits innovants: Pour des besoins spécifiques ou nécessitant des compétences particulières et ponctuelles, il est possible de sous-traiter pour utiliser ce qui existe sur le marché. (Note: dans l’industrie, cela s’appelle la sous-traitance de spécialité).
  • Résoudre des challenges complexes à moindre coût: c’est le principe des hackathons et de la plateforme Kaggle par exemple, qui exploite les compétences très spécifiques d’experts sur des sujets très pointus.
  • Créer une meilleure proposition de valeur: Avec les données générées par un grand nombre de personnes, l’assureur peut améliorer ses offres ou ses processus.

 

Sur ce dernier point, notamment, les données collectées peuvent se révéler efficaces sur 3 aspects:

  • Préparation d’un sinistre: utiliser un réseau d’utilisateurs via leur smartphone en cas de catastrophe naturelle;
  • Récupération après un sinistre: le partage d’informations ou de photos en temps réel après un sinistre de grande ampleur permet de faciliter la tâches de toutes les équipes;
  • Alerte accident et assistance: les applications mobiles permettent de partager en temps réel des informations de trafic, comme par exemple un accident.

Processus robotisés / Intelligence automatisée

L’intelligence automatisée fait référence aux machines qui réalisent de simples tâches. Cela peut également intégrer les machines qui pensent (et donc réalisent des tâches qui nécessitent un jugement, souvent objectif), et celles qui apprennent de leur contexte et s’adaptent.

Voici quelques questions que les assureurs peuvent se poser pour exploiter au mieux ces technologies.

Peut-on obtenir des améliorations grâce à l’automatisation de processus soumis à des règles de gestion?

La Robotic Process Automation (RPA) fonctionne très bien sur les processus répétitif et avec des règles objectives. Il est alors possible de réduire significativement le nombre d’ETP sur des fonctions d’extraction et de validation de données ou de triage. Le rapport cite une expérience ayant réduit les coûts de 60% qvec une qualité de 92%.

L’automatisation peut-elle apporter plus de valeur avec des fonctionnalités cognitives avancées?

Ces compétences permettent d’aller plus loin que la seule réflexion de réduction des coûts. Par exemple, cela permet de répondre à des améliorations dans la prise de décision, la sélection des risques, et permet de mettre à disposition les informations nécessaires à la création d’offres innovantes. SwissRe travaille à améliorer l’évaluation des risques en assurance vie grâce à IBM Watson, via un traitement de multiples sources de données et d’informations.

Peut-on améliorer l’engagement des clients avec des chatbots ou robo-advisors?

Les robots conversationnels ajoutent une couche intéressante d’interactions avec le client, quelle que soit l’heure. Cela permet de répondre à ses questions, de lui procurer de l’assistance, voire de lui vendre des produits en ligne. Il est même possible, sans déployer d’application particulière, de fournir ce type de service directement dans What’sApp par exemple.

3 types de robots

Le schéma ci-dessous explique les différentes fonctions à venir des robots-employés.

collective intelligence

Exploiter la « Collective intelligence »

Le tout étant supérieur à la somme des parties, Cognizant nous propose quelques scénarios qui mélangent les différentes solutions évoquées ci-dessus.

Recherche de cas d’usages

Les robots sont efficaces dans le traitement automatique des données extraites, mais dans le cas des souscriptions manuscrites, il n’est pas toujours facile de déterminer des règles de données à gérer automatiquement. Le passage d’une intelligence artificielle apprenante peut conduire une analyse sur le contenu pour en distinguer des modèles et déterminer des règles, qui seront validées humainement avant automatisation.

Evaluer les dégâts

Durant les catastrophes naturelles, le temps est compté et la quantité de données à analyser et traiter est énorme. Avec des compétences de « deep learning », des robots peuvent analyser des images aériennes, déterminer des zones et des natures de dégâts, identifier les causes, les regrouper ou encore gérer des flux de communication en masse. Ceci peut considérablement améliorer la rapidité et la qualité du traitement et donc de l’expérience utilisateur.

Détecter la fraude au sinistre

Les robots apprenants peuvent identifier des modèles de déclaration de sinistres qui semblent frauduleux et les mettre en évidence pour analyse ultérieure.

Basculer d’une tarification statique à dynamique

Les assureurs s’appuient traditionnellement sur des tables historiques pour construire leur tarification. Les modèles prédictifs, associés aux données collectées en temps réel (objets connectés, web analytics, données mobiles ou applicatives, style de vie, etc.), peuvent permettre de déterminer des modèles de tarification plus complets, dynamique en fonction de plus de critères et d’entrainer les robots à proposer un tarif personnalisé en temps réel.

Traquer les sentiments des clients

Les médias sociaux et les forums sont des lieux propices pour exprimer des avis. Les robots ont la possibilité technique d’analyser une grande quantité de ces informations et de jauger l’opinion sur une grande échelle. Couplé à des moteurs d’analyse sémantique, il est possible d’affiner les modèles et de mesurer avec précision le sentiment réel de ses clients.

collective intelligence

Les freins à l’adoption de la « Collective intelligence »

Qualité

  • Attribution des tâches: Identifier la meilleure source (interne, externe, ou intelligence artificielle) pour traiter une tâche donnée, n’est pas simple et relève de nouvelles méthodes de management. C’est d’autant plus vrai si robots et humains doivent travailler sur la même tâche, à différents moment ou en même temps.
  • Gestion du risque: Toutes les tâches ne sont pas adaptées à l’intelligence artificielle. Il ne faut pas vouloir orienté vers cette source trop de choses, sous peine de provoquer des risques inattendus.

Questions comportementales

  • Contact humain: les robots, malgré les progrès réalisés, manquent encore de tact et de finesse dans les situations compliquées.
  • Compréhension contextuelle: Les robots sont désormais capables d’apprendre, mais la capacité d’adaptation géographique et culturelle n’est pas infinie immédiatement comme peut l’être celle d’un humain.

Conformité, éthique et juridique

Garantir la réalisation des actions appropriées: Les contraintes réglementaires sont fortes pour le secteur de l’assurance. Aussi, il s’agit de garantir et souvent de prouver que tout a été fait correctement. Il est difficile de le faire si on laisse une trop grande autonomie aux robots et à l’automatisation.

Atténuation: Sur des questions éthiques ou juridiques, il est donc pertinent de conserver des gardes-fous humains. Il s’agit de vérifier que les actions réalisées sont conformes à la législation et aux exigences éthiques.

Prospective

Quelques actions sont préconisées pour préparer l’avenir.

  • Identifier les tâches répétitives: Le point de départ le plus évident est d’identifier quelles sont les tâches qui se prêtent le mieux à l’automatisation. Le rapport prend l’expression « low-hanging fruit », à savoir, le fruit qui peut être ramassé avec une faible opération. Ce sont ces tâches, ces fruits qu’il faut identifier pour les préparer à l’automatisation.
  • Expérimenter avec des pilotes: Il faut commencer petit pour valider la faisabilité et l’efficacité de ce type d’actions, avant de les déployer plus largement.
  • Echouer rapidement et apprendre vite: ce slogan typique des startups reste vrai quelle que soit la taille des entreprises. Il va sans dire que certains de vos projets échoueront ou n’auront pas la réussite escomptée. Ce qui compte, c’est de rapidement atteindre et identifier ces limiter et appliquer rapidement des ajustements.
  • Repositionner les ressources humaines/talents: avec l’essor des robots, la gestion des ressources humaines et le choix des talents (recrutement, etc.) change profondément. La nature des actions reste similaire mais la part d’automatisation et d’accompagnement peut grandement évoluer. Cela exige des ressources un niveau d’expertise plus important.