La suscripción es una función fundamental dentro de la industria de seguros y sirve como base para la evaluación y gestión de riesgos. Los aseguradores son responsables de evaluar las solicitudes de seguros, determinar el nivel de riesgo asociado con cada solicitante y tomar decisiones sobre si aceptar o rechazar la solicitud según las pautas y el apetito de riesgo de la aseguradora.

En esta publicación, discutimos cómo usar Inteligencia artificial generativa (IA) de AWS soluciones como lecho rocoso del amazonas para mejorar el proceso de suscripción, incluida la validación de reglas, el cumplimiento de las pautas de suscripción y la justificación de decisiones. También hemos proporcionado un acompañamiento Repositorio GitHub para que puedas probar la solución.

El proceso de suscripción suele implicar varios pasos clave:

• Recopilación y verificación de información. – Los aseguradores recopilan y revisan varios puntos de datos sobre el solicitante, como edad, estado de salud, ocupación y hábitos de estilo de vida para seguros de vida, o ubicación de la propiedad, tipo de construcción y características de seguridad para seguros de propiedad.
• Evaluación del riesgo – Los aseguradores analizan el riesgo potencial de asegurar al solicitante utilizando modelos estadísticos, datos actuariales y su propia experiencia.
• Determinación de la prima – A partir de la evaluación de riesgos, los aseguradores calculan la prima adecuada para la cobertura deseada, con el objetivo de lograr un equilibrio entre precios competitivos y garantizar la rentabilidad de la aseguradora.
• Personalización de políticas – Los aseguradores pueden adaptar las pólizas de seguro para satisfacer las necesidades específicas de los solicitantes y al mismo tiempo alinearse con la estrategia de gestión de riesgos de la aseguradora.
• Toma de decisiones – Después de evaluar el riesgo y determinar la prima adecuada, los aseguradores deciden si aceptan o rechazan la solicitud.

La suscripción eficaz es crucial para la estabilidad financiera y la rentabilidad de las compañías de seguros. Al evaluar con precisión el riesgo y establecer primas adecuadas, los aseguradores ayudan a las aseguradoras a mantener una cartera de riesgos equilibrada y evitar la selección adversa de posibles asegurados.

Desafíos en la comprensión de documentos para la suscripción

La comprensión de los documentos es un aspecto crítico y complejo del proceso de suscripción que plantea desafíos importantes para las aseguradoras. Los aseguradores deben revisar y analizar una amplia gama de documentos presentados por los solicitantes, y la extracción manual de información relevante es una tarea que requiere mucho tiempo y es propensa a errores. Los desafíos en la comprensión de documentos se pueden clasificar ampliamente en tres áreas:

• Validación de reglas – Verificar que la información proporcionada en los documentos se ajusta a las pautas de suscripción de la aseguradora. Esta es una tarea compleja cuando se enfrenta a datos no estructurados, formatos de documentos variables y datos erróneos.
• Cumplimiento de las pautas de suscripción – La aplicación consistente de las pautas de suscripción de la aseguradora en todas las decisiones es crucial para mantener la equidad y el cumplimiento regulatorio. Sin embargo, la interpretación manual puede generar inconsistencias y posibles sesgos humanos. Además, los datos inconsistentes pueden dar lugar a aplicaciones de reglas defectuosas, especialmente cuando se trata de grandes volúmenes de información.
• Justificación de la decisión – Proporcionar explicaciones claras y concisas para las decisiones de suscripción, especialmente en los casos en los que se deniega una solicitud o se ofrecen términos modificados o excepciones. Esto puede llevar mucho tiempo y puede carecer de la claridad y objetividad necesarias.

El impacto de estos desafíos en el proceso de suscripción es significativo. La extracción y el análisis manuales de datos pueden ralentizar el flujo de trabajo, lo que genera tiempos de procesamiento más prolongados y una menor retención de clientes. Los errores en la interpretación de los datos o las inconsistencias en la aplicación de las pautas pueden resultar en evaluaciones de riesgos incorrectas, fugas de primas y pérdida de clientes para la aseguradora.

Para abordar estos desafíos, las aseguradoras recurren cada vez más a tecnologías avanzadas como el aprendizaje automático, el procesamiento del lenguaje natural y soluciones inteligentes de procesamiento de documentos.

Sin embargo, la implementación de estas tecnologías ha sido un desafío para los operadores. La creación de reglas y canales para cada documento o producto de seguro puede requerir equipos dedicados, experiencia en nuevas tecnologías y controles de seguridad y cumplimiento. Además, los enfoques tradicionales carecen de la comprensión contextual que conlleva la suscripción, lo que genera fragilidad en las soluciones existentes. En la siguiente sección, exploramos cómo la IA generativa y Amazon Bedrock pueden ayudar a las aseguradoras a superar estos desafíos y agilizar el proceso de suscripción mediante la automatización y la comprensión inteligente de los documentos.

Cómo la IA generativa y Amazon Bedrock ayudan a resolver estos desafíos

Una de las ventajas clave de la IA generativa es su capacidad para comprender e interpretar el contexto dentro de los documentos. A diferencia de los sistemas tradicionales basados ​​en reglas que se basan en una estricta coincidencia de patrones, los modelos de IA generativa pueden captar los matices y la semántica del lenguaje, lo que les permite extraer información significativa incluso de formatos de documentos complejos y variados. Esta comprensión contextual es particularmente valiosa en la suscripción, donde la interpretación de la información a menudo requiere conocimiento y razonamiento de un dominio específico.

Amazon Bedrock es un servicio totalmente administrado que ofrece una selección de modelos básicos (FM) de alto rendimiento de empresas líderes en inteligencia artificial como AI21 Labs, Anthropic, Cohere, Meta, Mistral AI, Stability AI y Amazon a través de una única API, junto con una Amplio conjunto de capacidades para crear aplicaciones de IA generativa con seguridad, privacidad e IA responsable.

Amazon Bedrock simplifica la implementación, el escalado, la implementación y la gestión de modelos de IA generativa para aseguradoras. Con Amazon Bedrock, las aseguradoras pueden integrar fácilmente modelos previamente entrenados o modelos personalizados en sus flujos de trabajo y sistemas de suscripción existentes, sin la necesidad de una amplia experiencia en aprendizaje automático o gestión de infraestructura. Utilizar el poder de la IA para automatizar tareas tediosas y que requieren mucho tiempo permite a los suscriptores centrarse en sus competencias principales.

Para equipar a los FM con información actualizada y patentada, como manuales de suscripción, puede utilizar Recuperación Generación Aumentada (RAG), una técnica que obtiene datos de fuentes de datos de la empresa y enriquece el mensaje para proporcionar respuestas más relevantes y precisas. Bases de conocimiento para Amazon Bedrock es una capacidad totalmente administrada que lo ayuda a implementar todo el flujo de trabajo de RAG, desde la ingesta hasta la recuperación y el aumento rápido, sin tener que crear integraciones personalizadas con fuentes de datos y administrar flujos de datos.

En esta solución, utilizamos la capacidad de la base de conocimientos que ofrece Amazon Bedrock para mejorar el proceso de razonamiento y toma de decisiones de los modelos generativos de IA. Las bases de conocimientos para Amazon Bedrock nos permiten incorporar e incorporar pautas y manuales de suscripción relevantes en la base de conocimientos de los modelos. Knowledge Bases para Amazon Bedrock simplifica el proceso de integración al eliminar la necesidad de integraciones personalizadas con fuentes de datos y la gestión de flujos de datos complejos. Agiliza la ingesta y recuperación de manuales de suscripción, para que los modelos tengan acceso a la información más actualizada y relevante. Podemos obtener información específica de los manuales de suscripción ingeridos y enriquecer las indicaciones proporcionadas a los modelos. Esto garantiza que los modelos tengan acceso a la información más actualizada y relevante, lo que les permite proporcionar respuestas más precisas y conscientes del contexto. Las bases de conocimiento para Amazon Bedrock brindan una ventaja crucial al permitir a las aseguradoras infundir su conocimiento de dominio propietario y políticas de suscripción en los modelos generativos de IA. Esto permite a los modelos tomar decisiones que estén totalmente alineadas con las estrategias, directrices y requisitos regulatorios de gestión de riesgos de la aseguradora.

La IA generativa y Amazon Bedrock pueden abordar desafíos específicos en la comprensión de documentos para la suscripción:

• Validación de reglas – Los modelos de IA generativa pueden validar automáticamente la información proporcionada en los documentos de solicitud con respecto a las pautas de suscripción de una aseguradora. Al utilizar técnicas como RAG o indicaciones en contexto, estos modelos pueden extraer información relevante de los documentos y compararla con reglas predefinidas, señalando cualquier discrepancia o incumplimiento. Esto reduce el riesgo de errores y proporciona coherencia en el proceso de suscripción.
• Cumplimiento de las pautas de suscripción – La IA generativa permite a las aseguradoras incorporar sus pautas de suscripción directamente en las indicaciones o instrucciones proporcionadas a los modelos. Al diseñar estas indicaciones, las aseguradoras pueden alinear su proceso de toma de decisiones impulsado por IA con la estrategia de gestión de riesgos de la empresa. Este enfoque minimiza las inconsistencias y los posibles sesgos en las decisiones de suscripción.
• Justificación de la decisión – Los modelos de IA generativa pueden generar explicaciones claras y concisas para las decisiones de suscripción, proporcionando transparencia y objetividad en el proceso. Estos modelos pueden articular el razonamiento detrás de cada decisión basándose en la información extraída de los documentos y las directrices de la aseguradora, junto con los documentos fuente utilizados en su decisión. Esto facilita que los suscriptores revisen las predicciones y mejora la comunicación con los solicitantes, auditores y reguladores.

Al adoptar la IA generativa y Amazon Bedrock, las aseguradoras pueden mejorar la eficiencia de la suscripción, reducir los tiempos de procesamiento, minimizar los errores, respetar la equidad y el cumplimiento normativo, y mejorar la transparencia y la satisfacción del cliente. En esta publicación, mostramos un caso de uso simple de validación de documentos según un conjunto de pautas de suscripción y, en publicaciones futuras, mostraremos escenarios más complejos en un gran corpus de documentos y reglas de suscripción más avanzadas.

Resumen de la solución

El siguiente diagrama ilustra el proceso automatizado para verificar los registros de licencias de conducir y validar las reglas de suscripción mediante varios servicios de AWS.

La solución incluye los siguientes pasos:

1. Los usuarios cargan una imagen del registro de una licencia de conducir en un Servicio de almacenamiento simple de Amazon (Amazon S3) cubo. El depósito está configurado para enviar notificaciones de eventos a Puente de eventos de Amazon.
2. Se configura una regla de EventBridge para iniciar una máquina de estado de AWS Step Functions cuando los objetos se cargan en el depósito de S3.
3. EventBridge envía los datos del evento al flujo de trabajo de Step Functions, que organizará múltiples servicios de AWS para realizar las tareas necesarias para la validación de las reglas de suscripción.
4. La máquina de estado inicia y ejecuta una serie de pasos controlados por eventos:
   1. El flujo de trabajo comienza con el estado "Codificación de imagen Base64", que codifica una imagen de la licencia de conducir cargada en formato Base64.
   2. Luego, la codificación Base64 pasa al estado "Clasificación", que invoca Anthropic Claude 3 Haiku en Amazon Bedrock para clasificar la imagen como una licencia de conducir.
   3. Según el resultado de la clasificación, el flujo de trabajo decide si continúa utilizando el estado "Elección (SÍ o NO)".
   4. Si se clasifica como licencia de conducir, el flujo de trabajo pasa al estado "Paralelo" para ejecutar dos tareas de Amazon Bedrock en paralelo. Si no se clasifica como licencia de conducir, el flujo de trabajo fallará.
   5. En el estado "Paralelo", se ejecutan dos tareas simultáneamente:
      1. La primera tarea pasa al estado de flujo de trabajo “Extraer nombre y número de licencia”, que utiliza Amazon Bedrock para invocar a Anthropic Claude 3 Haiku para extraer el nombre y el número de licencia de conducir de la imagen. El nombre y el número de licencia se pasan luego a un AWS Lambda función "Llamar a la API del DMV con información de licencia", que se integra con la API correspondiente del Departamento de Vehículos Motorizados (DMV) para recuperar el registro de conducción.
      2. La segunda tarea bajo el estado "Paralelo" realiza una acción de "Recuperar información del manual de suscripción" para obtener las reglas de suscripción aplicables para que un conductor obtenga un seguro.
   6. La información de las reglas de suscripción recuperada se pasa luego a la función Lambda "Combinar información recuperada" para compilar en el mismo cuerpo de texto todas las reglas relevantes que se van a validar.
   7. El paso final comprende dos tareas: la función Lambda “Generar mensaje final” crea el mensaje que se utilizará para realizar la verificación con el manual de suscripción, considerando también el informe de registro de conducción, que luego se usa para invocar un modelo de Amazon Bedrock bajo el estado. “Obtener resultado final de Bedrock”, que genera el informe final con la validación de las reglas y recomendaciones.

Al combinar estos servicios de AWS y aprovechar las capacidades del modelo Anthropic Claude 3 Haiku, esta solución ofrece un enfoque optimizado e inteligente para procesar registros de licencias de conducir con fines de validación de reglas de suscripción. Automatiza diversas tareas, reduce el esfuerzo manual y mejora la precisión y eficiencia del proceso de suscripción.

Requisitos previos

Necesita tener lo siguiente para ejecutar la solución:

• An Cuenta de AWS
• Comprensión básica de cómo descargar un repositorio desde GitHub
• Conocimientos básicos para ejecutar un comando en una terminal.
• Directrices de suscripción

Implementar la solución

Puede descargar todo el código necesario con las instrucciones del Repositorio GitHub. Siga las instrucciones del repositorio README de GitHub para implementar la solución.

Prueba la solución

Para probar la solución, cargue un modelo de licencia de conducir al grupo de documentos de suscripción.

Para encontrar la URL del depósito de documentos de suscripción, siga estos pasos:

1. En la consola de AWS CloudFormation, elija Stacks en el panel de navegación.
2. Elige la pila GenAIUnderwritingValidationStack.
3. En Salidas pestaña, anote el valor de URL del depósito de suscripción.

Para cargar la licencia de conducir de muestra en el depósito de documentos de suscripción, siga estos pasos:

1. En la consola de Amazon S3, vaya a la depósito-de-documentos-de-suscripción usando el URL del depósito de suscripción.
2. Elija Subir.
3. Seleccione la licencia de conducir de muestra y elija Subir.

Para revisar el flujo de trabajo de la máquina de estado de Step Functions, siga estos pasos:

1. En la consola Step Functions, elija Máquinas de estado en el panel de navegación.
2. Seleccione SuscripciónValidaciónEstadoMáquina y elige Ver detalles.
3. Seleccione la máquina de estado y revise las vistas de gráfico, evento y estado para obtener más detalles.

Limpiar

Después de probar la solución, siga las instrucciones de limpieza en el Repositorio GitHub README para evitar la acumulación de cargos.

Precios

Esta solución se compone de cuatro servicios principales: Amazon Bedrock, Amazon S3, EventBridge y Step Functions. En esta publicación analizamos los precios de Amazon Bedrock bajo demanda. Para los demás servicios, revise la página de precios del servicio.

Con el modo On-Demand, usted paga solo por lo que usa, sin compromisos de plazos basados ​​en el tiempo. Para los modelos Anthropic Claude 3, se le cobra por cada token de entrada procesado y cada token de salida generado.

Como se muestra en el siguiente gráfico, el precio varía para cada modelo Anthropic: Claude 3 Haiku, Claude 3 Sonnet, Claude 3 Opus.

Claude 3 Haiku es el modelo más rápido y compacto de Anthropic para una capacidad de respuesta casi instantánea. Claude 3 Sonnet logra el equilibrio ideal entre inteligencia y velocidad, especialmente para cargas de trabajo empresariales. Esta solución utiliza las sofisticadas capacidades de visión de Haiku para procesar fotografías de licencias de conducir y utiliza Sonnet para realizar la validación de reglas basada en RAG de un registro de licencia de conducir con un documento manual de suscripción.

Conclusión

En esta publicación, exploramos los desafíos críticos y complejos de la comprensión de documentos dentro del proceso de suscripción para las aseguradoras. Extraer manualmente información relevante de los documentos del solicitante, validar el cumplimiento de las pautas de suscripción y proporcionar justificaciones claras para las decisiones requiere mucho tiempo y es propenso a errores, y puede generar inconsistencias. La IA generativa y Amazon Bedrock ofrecen una solución poderosa para ayudar a superar estos obstáculos. Discutimos cómo las capacidades de razonamiento y comprensión contextual de los modelos generativos de IA les permiten interpretar con precisión documentos complejos y extraer información significativa alineada con el conocimiento del dominio específico de una aseguradora (como propiedad y accidentes, atención médica, etc.) y las pautas correspondientes. Proporcionamos una arquitectura de referencia que utiliza capacidades RAG y FM de Amazon Bedrock utilizando bases de conocimiento para Amazon Bedrock, junto con servicios de orquestación como Step Functions, que permiten a las aseguradoras mejorar la automatización en tareas clave de suscripción, como la validación de reglas.

Además, aprendió cómo puede utilizar las soluciones de IA generativa de AWS para extraer información relevante, compararla con reglas definidas y marcar cualquier problema de incumplimiento automáticamente. Puede utilizar este enfoque innovador para mejorar la eficiencia de la suscripción, reducir los tiempos de procesamiento, minimizar el error humano, lograr equidad y cumplimiento normativo y mejorar la transparencia con los solicitantes. Mostramos cómo las aseguradoras pueden adoptar la IA generativa y Amazon Bedrock para modernizar sus procesos de suscripción mediante la automatización y la comprensión inteligente de los documentos, obteniendo una ventaja competitiva al mitigar los riesgos de manera más efectiva.

Por último, ofrecimos una solución de trabajo con código puede implementarlo dentro de su entorno sandbox para acelerar el desarrollo de su propia solución inteligente de comprensión de documentos utilizando la IA generativa de AWS.

Acerca de los autores

Pablo min es arquitecto de soluciones en AWS, donde trabaja con clientes para avanzar en su misión y acelerar su adopción de la nube. Le apasiona ayudar a los clientes a reinventar lo que es posible con la IA generativa en AWS. Fuera del trabajo, a Paul le gusta pasar tiempo con su esposa y jugar al golf.

Alfredo Castillo es arquitecto sénior de soluciones en AWS, donde trabaja con clientes de servicios financieros en todos los aspectos de los sistemas distribuidos a escala de Internet y se especializa en aprendizaje automático, procesamiento de lenguaje natural, procesamiento inteligente de documentos y GenAI. Alfredo tiene experiencia tanto en ingeniería eléctrica como en informática. Le apasiona la familia, la tecnología y los deportes de resistencia.

Max Tybar es arquitecto de soluciones en AWS con experiencia en informática y desarrollo de aplicaciones. Le gusta aprovechar las prácticas de DevOps para diseñar y construir una infraestructura de nube confiable que ayude a resolver los problemas de los clientes. Sus intereses personales giran en torno al aprovechamiento del aprendizaje automático y la computación de alto rendimiento para ayudar a resolver problemas complejos que enfrentan los clientes de servicios financieros en banca, mercados de capitales y seguros de vida.

Raj Pathak es arquitecto principal de soluciones y asesor técnico de clientes de Fortune 50 y de tamaño mediano de FSI (banca, seguros, mercados de capital) en Canadá y Estados Unidos. Raj se especializa en aprendizaje automático con aplicaciones en IA generativa, procesamiento de lenguaje natural, procesamiento inteligente de documentos y MLOps.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://aws.amazon.com/blogs/machine-learning/streamline-insurance-underwriting-with-generative-ai-using-amazon-bedrock-part-1/