בלי דלק אין פרארי: מדוע דאטה היא תנאי-סף להטמעת AI בענף הביטוח

האם ענף הביטוח מוכן להטמיע AI?

הדיון על בינה מלאכותית בביטוח כבר איננו תיאורטי. לקוחות מצפים לתשובות מיידיות, מחלקות תביעות נמדדות על זמן-טיפול, ומכירות נבחנות לפי רלוונטיות והצעה בזמן הנכון. השאלה איננה האם לאמץ AI, אלא איך להוציא ממנו ערך עסקי מדיד, במהירות ובבטיחות.

סקר דלויט – וחשיבותו לביטוח דלויט ישראל סקרה כ-500 מנהלים בכירים ממגוון מגזרים כדי למדוד בשלות לאימוץ AI והתמונה שהצטיירה היא חד משמעית: מודעות גבוהה, מוכנות נמוכה.

הדוח קובע כי רוב המשיבים מאמינים כי ל AI-תהיה השפעה משמעותית על ארגונם, אך רק מיעוט מרגיש מוכן באמת. המדגם כלל הנהלות בכירות ממגזרי הייטק, פיננסים, תקשורת, בריאות, קמעונאות, המגזר הציבורי ועוד.

רק 12% מהארגונים מוכנים לאימוץ ברמה מספקת 86%, עדיין בשלב הפיילוט 10%, בלבד מדווחים שה AI-כבר "מוטמע היטב ומייצר חדשנות" ו 45%- מציינים כי ישנה בשלות נמוכה של תשתיות הדאטה בארגון.

במילים של הדוח עצמו, מקבלי ההחלטות מבינים שהם חייבים "להחליף דיסקט" ולהיערך למודל הפעלה שונה, אך עדיין לא עמדו במלוא היקף ועוצמת השיבוש שמביאות הטכנולוגיות החדשות.

ברמת האחריות הארגונית התמונה דומה. כ-60% מהארגונים טרם מינו גורם אחראי ל AI-. כאשר כבר יש בעלות – היא לרוב תחת ה CIO-. תכניות הכשרה רוחביות קיימות רק ב-8% מהארגונים, ושיפור פרודוקטיביות נמדד ב-11% בלבד. המשמעות: בלי בעל בית, מיומנויות ומדידה – קשה להתקדם מעבר לפיילוטים ב AI-בארגונים.

עם זאת, דלויט מציינת כי המגזרים הפיננסי והטכנולוגי מובילים יחסית במוכנות ובהטמעה, כלומר לביטוח יש יתרון מבני אם ינוצל נכון מכמה היבטים:

תרגום מיידי לענף הביטוח: איפה AI פוגש כסף ביטוח הוא ענף דאטה קלאסי ובכל חולייה בשרשרת הערך, קיימים שימושי AI שמוכיחים עצמם בעולם וכבר זמינים טכנולוגית בישראל:

• קליטת תביעה. חילוץ אוטומטי של פרטים ממסמכים ותמונות, זיהוי חוסרים, מיון לפי מורכבות/חשד להונאה, והפניית המקרה לגורם המתאים. כבר היום ניתן ליישם את הטכנולוגיות לתקשור התביעה באופן פשוט מול הלקוח, איסוף וחילוץ המידע, התראה על חוסרים והשלמתם באופן אוטומטי מול הלקוח והעברה למסלולים רלוונטיים במחלקת התביעות, כאשר כל המידע כבר מזוקק ומאומת.

• Agent Assist לסוכנים ומוקדי שירות. סיכומי שיחה, טיוטות מסמכים והודעות, תשובות ידע מיידיות, הצעות ערך לפי פרופיל הלקוח. כבר כיום סוכנויות שמשתמשות בכלי תמלול, ניתוח ומכירה מבוססי שיחות, מראות עלייה באחוזי הסגירה וירידה בעלויות התפעול.

• בוטים ללקוחות. שפה טבעית לשאלות על פוליסות, גבייה ותביעות עם אינטגרציה למערכות ולוגיקות שמקטינות "הזיות" ומנטרות איכות.

הבוטים החדשים שמסוגלים לנתח מידע רב, לענות ללקוחות ולמצוא מסמכים, מאפשרים חוויית לקוח מיטבית ועיבוד דאטה חשובה של הלקוחות לגבי האינטראקציה, השאלות ומידת שביעות הרצון של הלקוח.

כל אלה מצריכים "צנרת" דאטה ובדיוק כאן נופלים רבים: בהיעדר קטלוג נתונים, איכות, הרשאות וממשק יחיד לידע, ה AI-נתקע בפיילוט, כפי שמשתקף בחסם התשתיתי בדוח.

בנוסף, הטמעת AI מחייבת Guardrails (מעקות בטיחות) על קלט ידע ופלט, ניטור תפעולי וציות (כולל תיקון 13 ), כדי להבטיח ערך עסקי בלי סיכון מיותר.

מבנה אחריות נכון:

לא פרויקט IT – מהלך עסקי רוחבי בביטוח, הנטייה לשייך AI למחלקת ה IT-עלולה בעיקר לעכב ערך עסקי ומיקוד בפתרונות מהירים. ההמלצה הפרקטית:

• בחברות ביטוח: הקמת AI Program Office (אסטרטג AI ) בכפיפות כפולה ל CIO-ולמנהל מערך העסקים, כדי ליישר קו בין ליבה, דאטה, סיכונים ויעדים עסקיים.

• בבתי סוכן וסוכנויות בינוניות-גדולות: מינוי AI Lead בחצי משרה הוא התחלה מצוינת. הוא מרכז Use Cases (מקרי שימוש), ידע, ספריית פרומפטים והכשרות, ומדווח ישירות למנכ"ל/בעלים.

מומחה לטרנספורמציה דיגיטלית מבוססת בינה מלאכותית, מנהל עדיף Tech TECH TECH הדרך לניהול פרויקט AI: מפת דרכים 180 יום (ממוקדת ביטוח) על פי דלויט:

שלב 0 - יעד עסקי ומדדים (שבועות 1-3 ):

בחרו מטרה אחת ברורה (למשל: קיצור זמן הטיפול בתביעה ב-20%, או עלייה של 15% בשיעור סגירה בלידים חמים). הגדירו KPI (מדדי ביצוע מרכזיים) קשיחים.

שלב 1 Data Foundation-(שבועות 8-2 ):

אחד השלבים הקריטיים בכניסה לפרויקט AI הוא לקטלג מקורות דאטה CRM,, מסמכים, תיקים דיגיטליים ושיחות הקיימות בארגון, תוך שמירה על אבטחה ומידע אמין.

שלב 2 - שני Use Cases מהירי ערך (שבועות 4-12 ):

אחד הקשים לביצוע. מה לבחור? איזה Use Case יותר חשוב ועם אחוז גבוה להצלחה? איזה מוצר/שירות בחברת הביטוח יקבל דחיפות או ראשוניות? השיווק, המכירות, התביעות, השירות, או בכלל הכספים והאקטואריה? בשלב זה רצוי למפות ולתכנן גם Use Cases לעתיד.

שלב 3 - הטמעה והכשרות (שבועות 8-16 ):

ספריית פרומפטים ארגונית, תרגול מובנה A/B, על תבניות מסרים, ותמריצים על אימוץ (מדדי שימוש ואיכות).

שלב 4 - מיכון ומדידה (שבועות 12-24 ):

חיבור למערכות ליבה, ניטור שוטף, תיעוד החלטות, ודוח הנהלה חודשי על השפעות העסקיות.

תכנית כזו מתקנת בדיוק את המקומות שבהם ארגונים נתקעים לפי דלויט - היעדר דאטה, היעדר בעל בית, היעדר הכשרות ומדידה החוצים את הארגון כולו.

נקודת מבט גלובלית – ומה זה אומר לישראל בעולם, מבטחי ענק מחברים AI לתיק הלקוחות בזמן אמת: מודלי סיכון דינמיים, חיתום מואץ, זיהוי הונאות מבוסס גרפים, וצ’טבוטים עם Guardrails רגולטוריים. היתרון הישראלי נעוץ בשילוב של חדשנות טכנולוגית ותשתיות ענן בוגרות. האתגר המקומי הוא אינטגרציה למערכות היסטוריות ורגולציה קפדנית – בדיוק המקומות שבהם מסגרת ניהול ובקרה נכונה מאפשרת הטמעה בטוחה.

האם אתם מוכנים? בדיקת בשלות מהירה ( 10 שאלות, 5 דקות):

כדי להפוך כוונה לתכנית, לפניכם צ’ק-ליסט בשלות קצר:

1. מונה בעל בית ברור ל AI-ברמת הסוכנות?

2. הוגדרה מטרה עסקית כמותית אחת ל-180 הימים הקרובים?

3. קיימת מדיניות שימוש ופרטיות (כולל השלכות תיקון )13 המתייחסת לקלט/פלט, לוגים והרשאות?

4. קיים קטלוג נתונים בסיסי ומאגר ידע מאושר לשיתוף?

5. יש תכנית הכשרות פרקטית + ספריית פרומפטים ארגונית?

6. נבחרו שני Use Cases מהירי ערך (סוכן/שירות ותביעות/חיתום?) 7. קיימים KPI ברורים?

8. קיימת בקרה איכותית על תשובות Guardrails + מדדי איכות?

9. הוגדרה תכנית ניטור מודלים ושמירת עקבות ביקורת?

10. יש דוח הנהלה חודשי על אימוץ והשפעה עסקית?

השורה התחתונה סקר דלויט מציב רף מציאותי בו מעט ארגונים בשלים באמת.

רבים תקועים בפיילוטים, הדאטה מהווה חסם, והאחריות הארגונית מפוזרת. בביטוח זה מתורגם ישירות להבדל בין Loss Ratio ל Expense Ratio-ולחוויה של הלקוח.

כדי לנצח, צריך "להחליף דיסקט" להגדיר בעל בית, לבנות צנרת דאטה, לבחור שני שימושי ליבה עם יעדים ברורים, להכשיר עובדים ולבסס מערכת ניהול ובקרה מסודרת שמגדירה אחריות, סטנדרטים וכללים ברורים לניהול דאטה ו AI-.

במשפט אחד - במקום לשחק עם בוטים תייצרו הנדסת ערך עסקי.