Οι εφαρμογές τεχνητής νοημοσύνης της DGTAL σημαντικό εργαλείο για τις ασφαλιστικές εταιρείες

Μιλήσαμε με την Βάντα Γιανναρά, Διευθύνουσα Σύμβουλο της DGTAL Pathos για τη γένεση της DGTAL αλλά και για το πώς οι λύσεις που βασίζονται στην τεχνητή νοημοσύνη εξορθολογίζουν τις δυσκίνητες και μέχρι πρότινος χρονοβόρες και κοστοβόρες διαδικασίες των ασφαλιστικών εταιρειών, από την επεξεργασία των αξιώσεων έως την αναδοχή τους, αλλά και την εφαρμογή τους σε άλλους κλάδους.

Τι σας ενέπνευσε να ξεκινήσετε την DGΤAL και ποιο το όραμά σας για την εταιρεία;

Ο CEO και ιδρυτής μας Arndt Gossmann είναι ένα στέλεχος με πολύ μεγάλη εμπειρία στον ασφαλιστικό και αντασφαλιστικό κλάδο και γνωρίζει από πρώτο χέρι τις ανάγκες και τις παθογένειες τους. Παράλληλα, είναι ένας άνθρωπος με διορατικότητα, που μπορεί να αντιληφθεί το πώς οι εξελίξεις και η τεχνολογική πρόοδος μπορούν να δώσουν λύσεις σε συγκεκριμένα ζητήματα. Αντιλήφθηκε, λοιπόν, αρκετά νωρίς πως μπορούμε να χρησιμοποιήσουμε την Τεχνητή Νοημοσύνη (ΤΝ) για να κάνει δουλειές του κλάδου που δεν χρειάζονται και τόσο ανθρώπινη νοημοσύνη. Ενώ το ανθρώπινο μυαλό έχει όρια, οι μηχανές δεν έχουν. Μπορούν να εκπαιδεύονται συνεχώς με τεράστιες ταχύτητες και σε τεράστιους όγκους δεδομένων. Για παράδειγμα, ένας άνθρωπος μπορεί να κατανοήσει δέκα αρχεία σε μία μέρα, ενώ το πρώτο μας προϊόν, το DRILLER κατανοεί 1.000 σελίδες περίπου το λεπτό.

Έτσι, γεννήθηκε η DGTAL το 2021 και μέσα σε 2 χρόνια λανσάραμε πανευρωπαϊκά το DRILLER, ένα επαναστατικό προϊόν όσον αφορά την κατανόηση και αξιολόγηση ασφαλιστικών ζημιών, ανοίξαμε γραφεία στο Αμβούργο και την Αθήνα, υπογράψαμε συμβόλαια ύψους 1 εκατ. ευρώ και πριν από λίγες μέρες ανακοινώσαμε το νέο μας προϊόν έξυπνης επεξεργασίας εγγράφων, GRABBER.

Η DGTAL είναι μια εταιρεία ΑΙ με έμφαση στην αυτοματοποιημένη διαχείριση και σήμανση εγγράφων και δεδομένων στον ασφαλιστικό τομέα. Ποιες είναι μερικές από τις μεγαλύτερες προκλήσεις που αντιμετωπίζει σήμερα ο συγκεκριμένος τομέας και πώς τις αντιμετωπίζει η DGTAL;

Ο ασφαλιστικός τομέας είναι ένας αρκετά παραδοσιακός κλάδος, αργός σχετικά στην ενσωμάτωση νέων τεχνολογιών, αν και, για να είμαστε δίκαιοι, τα τελευταία χρόνια οι πρωτοπόροι του κλάδου κάνουν γενναία βήματα προς αυτή την κατεύθυνση. Παράλληλα, το μεγαλύτερο μέρος των δεδομένων που διαθέτουν, παραμένει αναξιοποίητο. Σε αυτό, βοηθούν εταιρείες σαν την DGTAL που έχουν τη δυνατότητα να αντιληφθούν τις δυνατότητες τις τεχνολογίας και πώς να τις μεταφράσουν σε απτό, μετρήσιμο όφελος για τις ασφαλιστικές εταιρείες. Επίσης σημαντικό είναι και το κομμάτι της εκπαίδευσης των ανθρώπων του κλάδου στις νέες δεξιότητες που απαιτούνται.

Όλα τα παραπάνω, φέρνουν στον πυρήνα της δραστηριότητάς μας την αξιοποίηση της τεχνολογίας για την καλύτερη διαχείριση και κατανόηση του τεράστιου όγκου δεδομένων που διαθέτουν οι ασφαλιστικές. Πράγμα που οδηγεί αφενός σε οικονομία χρόνου και πόρων και αφετέρου σε πιο ενημερωμένες αποφάσεις και ασφαλέστερες προβλέψεις, που με τη σειρά τους σημαίνουν καλύτερη διαχείριση κεφαλαίου.

Βάντα Γιανναρά, Διευθύνουσα Σύμβουλος της DGTAL Pathos

Σαν μια τεχνολογική εταιρεία, ειδικά στον χώρο του ΑΙ και του Insurtech, απαιτείται υψηλή εξειδίκευση και ποιότητα υπηρεσιών από όλη την ομάδα και ειδικά από τους μηχανικούς λογισμικού, πώς το εξασφαλίζετε αυτό;

Το βασικό πλεονέκτημά μας είναι πως στη συντριπτική τους πλειοψηφία οι άνθρωποι μας κατανοούν σε βάθος την ασφαλιστική αγορά. Συνεπώς, πέρα από την ικανότητα του καθενός στο αντικείμενό του, κοινός τόπος και στόχος είναι η καθολική κάλυψη των αναγκών του κλάδου, πράγμα που μεταφράζεται σε ξεκάθαρα, value-adding χαρακτηριστικά που οφείλουν να έχουν τα προϊόντα που δημιουργούμε.

Είμαστε περήφανοι που έχουμε καταφέρει να δημιουργήσουμε μια ομάδα πολυπολιτισμική με ξεχωριστές προσωπικότητες και μεγάλη όρεξη να συμβάλλουν στο κοινό μας εγχείρημα, που είναι να μετασχηματίσουμε τον τρόπο με τον οποίο δουλεύουν οι ασφαλιστικές, ενσωματώνοντας την Τεχνητή Νοημοσύνη και τις δυνατότητές της.

Η ψηφιακή ανάλυση δεδομένων και διαχείριση / σήμανση ψηφιακών εγγράφων έχει δεχτεί τεράστια ώθηση με την πρόσφατη εισαγωγή της γλωσσικής τεχνητής νοημοσύνης. Ποια τα βασικά εργαλεία της DGTAL και πώς συνδυάζονται – επικοινωνούν μεταξύ τους;

Τα τελευταία τρία χρόνια, αναπτύσσουμε λύσεις Τεχνητής Νοημοσύνης που αφορούν τον κλάδο των ασφαλίσεων. Συνδυάζοντας τις πρόσφατες εφαρμογές τεχνητής νοημοσύνης με ιδιόκτητα μοντέλα που εστιάζουν στις ασφαλιστικές διαδικασίες, το λογισμικό μας μπορεί να διαβάζει και να κατανοεί την ασφαλιστική ορολογία, όπως ένας άνθρωπος. Με την υποστήριξη της μηχανικής μάθησης (machine learning), το λογισμικό της εταιρείας έχει εκπαιδευτεί με εκατομμύρια έγγραφα, δημιουργώντας την πρώτη εννοιολογική βάση δεδομένων (semantic database) στον κλάδο της ασφάλισης, η οποία αποτελεί τη βάση για το DRILLER, τη μηχανή αναζήτησης της DGTAL. Έτσι, ο υπολογιστής πια μπορεί να «σκέφτεται» και να αναζητά έννοιες και όχι μόνο λέξεις.

Μπορείτε να μας περιγράψετε ένα παράδειγμα χρήσης του εργαλείου Grabber και πώς αυτό μπορεί να βελτιστοποιήσει με ασφάλεια συγκεκριμένες ασφαλιστικές διαδικασίες μέσω ΑΙ. Το Grabber απ' ό,τι αντιλαμβανόμαστε μπορεί να χρησιμοποιηθεί και σε άλλους τομείς;

Σκεφτείτε οποιαδήποτε εταιρεία οποιουδήποτε κλάδου έχει την ανάγκη να τσεκάρει και να εξάγει πληροφορίες από συγκεκριμένα έγγραφα, όπως τιμολόγια, προσφορές, τραπεζικούς λογαριασμούς κ.ά. Όλη αυτή η διαδικασία χρειάζεται πλέον την ελάχιστη δυνατή ανθρώπινη παρέμβαση και αυτοματοποιείται στο μέγιστο βαθμό και με μεγάλη ακρίβεια, με το GRABBER. Με αυτό τον τρόπο, το GRABBER εξοικονομεί χρόνο, μειώνει το κίνδυνο σφαλμάτων και καταπολεμά την απάτη.

Για να δώσουμε ένα συγκεκριμένο παράδειγμα από τον κλάδο ασφάλισης υγείας, το GRABBER υπολογίζει αυτόματα την ιδιωτική δαπάνη, τη συμβολή του ΕΟΠΥΥ σε κάθε νοσηλεία, αλλά και συγκεντρωτικά, ελέγχει τις χρεώσεις τιμολογίων σε σχέση με καταλόγους τιμών, αναγνωρίζει κωδικούς ICD, εντοπίζει με ακρίβεια οικονομικές αποκλίσεις κ.ά. Το GRABBER παρέχει ακρίβεια 95%+ στην εξαγωγή δεδομένων, ενώ μειώνει τον χρόνο επεξεργασίας κατά 80%. Προσφέρει καλύτερη και ταχύτερη διαχείριση εγγράφων και βοηθά τις επιχειρήσεις να λαμβάνουν αποφάσεις βασισμένες στα δεδομένα. Το GRABBER μπορεί να διαχειριστεί κάθε τύπο εγγράφου, ανεξαρτήτως μορφής και πολυπλοκότητας κειμένου, κάτι που το καθιστά ιδανικό εργαλείο για πολλών ειδών επιχειρήσεις που ταλαιπωρούνται από την χειροκίνητη, αργή και ανακριβή διαχείριση τυποποιημένων εγγράφων.

H DGTAL είναι μια από τις λίγες περιπτώσεις ελληνικών «πολυεθνικών» Startups υψηλής τεχνολογίας, μπορείτε να μας πείτε τις κύριες προκλήσεις που αντιμετωπίσατε;

Είναι βαθιά μας πεποίθηση -και ένας από τους λόγους που επιλέξαμε την ελληνική αγορά- πως το ανθρώπινο δυναμικό στη χώρα μας είναι πολύ υψηλού επιπέδου. Επίσης, μπορεί να είμαστε μια εταιρεία που γεννήθηκε στην Ελλάδα, όμως είμαστε ένας οργανισμός με διεθνή παρουσία και αποτύπωμα. Έτσι, το διεθνές μας προφίλ σε συνδυασμό με το αρκετά πρωτοποριακό αντικείμενό μας, βοήθησαν να προσελκύσουμε καταπληκτικούς επαγγελματίες.

Όσον αφορά στη χρηματοδότηση, η μεγάλη μας εμπειρία στον ασφαλιστικό κλάδο και η αξία των λύσεων που προσφέρουμε, μας εξασφάλισαν την εμπιστοσύνη εξειδικευμένων επενδυτών όπως η 1750, που είναι ο επενδυτικός βραχίονας της VGH Versicherung, μια από τις μεγαλύτερες ασφαλιστικές εταιρείες της Γερμανίας.

Πώς σχεδιάζει η DGΤAL να καινοτομήσει και να προσαρμοστεί στις μεταβαλλόμενες συνθήκες της αγοράς στον κλάδο της διαχείρισης και σήμανσης εγγράφων, ιδίως με τη χρήση τεχνητής νοημοσύνης και νέων τεχνολογιών;

Στόχος μας, όπως αναφέραμε, είναι να εισάγουμε την Τεχνητή Νοημοσύνη στη διαχείριση των ασφαλιστικών απαιτήσεων, με το πρώτο μας προϊόν, το DRILLER. Το επόμενο διάστημα σκοπεύουμε να συνεχίσουμε την ανάπτυξη του DRILLER, ώστε να παράγει περισσότερα και ταχύτερα αποτελέσματα και να παρέχει απρόσκοπτη και γρήγορη ενσωμάτωση και αλληλεπίδραση με τα υπάρχοντα συστήματα και τις δεξαμενές δεδομένων των πελατών μας.

Παράλληλα, θέλουμε να προωθήσουμε περαιτέρω και το δεύτερο προϊόν μας το GRABBER, που μόλις λανσάραμε. Είναι ένα προϊόν που ξεκίνησε από τις πραγματικές ανάγκες των ασφαλιστικών εταιρειών, αλλά βρίσκει εφαρμογή και σε άλλους κλάδους, όπως η βιομηχανία, οι στοιχηματικές, οι τράπεζες κ.ά. Οπότε, το επόμενο διάστημα θέλουμε να βρεθούμε κοντά σε αυτούς τους κλάδους και τους ανθρώπους τους για να κατανοήσουμε τις συγκεκριμένες ανάγκες τους σε μεγαλύτερο βάθος και να προσαρμόσουμε το GRABBER κατάλληλα.

Δείτε επίσης:

• Η άνοδος της Τεχνητής Νοημοσύνης και ο Agent Smith
• Παραγωγική Τεχνητή Νοημοσύνη: Πώς θα μεταμορφώσει τη ζωή μας και τις επιχειρήσεις
• Τα πιο χρήσιμα εργαλεία ΑΙ για επαγγελματική και εταιρική χρήση
• ChatGPT: Πρόσβαση, βασικές λειτουργίες και «μυστικά»
• Η AI της Salesforce ενισχύεται και ξεκλειδώνει νέους και πιο έξυπνους τρόπους διασύνδεσης των εταιρειών με τους πελάτες τους
• Επαναπροσδιορίζοντας το eCommerce: Η SoftOne «λύνει τα χέρια» των εμπόρων με το Shopranos