Recentemente, vimos e ouvimos muito sobre inteligência artificial generativa (IA), incluindo serviços como o ChatGPT, e como eles estão revolucionando as indústrias e certas funções de trabalho. Para muitos, o surgimento dessas tecnologias deve ser um alerta sobre seu potencial de disrupção nos cenários de negócios. Com tanta atenção neste tópico, os especialistas das Práticas de Seguros e Ciência de Dados do BCG reuniram uma breve cartilha sobre a tecnologia, incluindo nossas ideias sobre casos de uso em seguros.

O que é o ChatGPT?

O ChatGPT é baseado na tecnologia GPT-3.5 e treinado em conjuntos de dados de texto da Internet, que podem fornecer respostas escritas para perguntas abertas e fechadas.

É uma variante do GPT-3 especificamente otimizada para tarefas de conversação, como gerar respostas em um chatbot. Isso significa que ele foi ajustado em um conjunto de dados de conversação e treinado para gerar respostas contextualmente apropriadas. Este treinamento é baseado tanto no aprendizado por reforço quanto no feedback de avaliadores humanos sobre diferentes respostas [1].

O Open AI, seu desenvolvedor, treina o ChatGPT em bilhões de documentos que existem na web, incluindo notícias, livros e mídias sociais (até o final de 2021). Também é treinado com documentos digitalizados, interações de atendimento ao cliente e até roteiros de TV e filmes.

O modelo treinado utiliza aproximadamente 175 bilhões de parâmetros para prever a sequência mais provável de palavras para uma determinada pergunta. A próxima versão supostamente terá 1 trilhão de parâmetros e acesso a material mais recente da Internet.

O que o ChatGPT pode fazer e quais são suas limitações atuais?

O ChatGPT pode representar uma ameaça para o Google (que reagiu recentemente lançando seu próprio produto chamado Bard) e para a Wikipedia, pois pode capturar ou antecipar um contexto maior para fornecer respostas a questões relativamente restritas e específicas. No entanto, a exploração do GPT-3 em cenários de negócios identificou certos desafios em aplicá-lo adequadamente ao conhecimento específico da empresa. Por exemplo:

• um determinado domínio de linguagem de negócios geralmente é muito específico para uma indústria/setor e a ocorrência e frequência de perguntas são menos importantes;
• o jargão do domínio de negócios geralmente não é bem treinado nesses grandes modelos de linguagem;
• as informações textuais nos negócios geralmente são muito esparsas, o que significa que, sem dados contextuais adicionais significativos, a interpretação do processamento de linguagem natural (NLP) é imprecisa; e
• os requisitos de precisão são muito altos e a tolerância a falhas é muito baixa para aplicativos de negócios, especialmente quando eles auxiliam na tomada de decisões.

Há muitos exemplos desses modelos de IA generativos que fornecem respostas enganosas ou até mesmo erradas – o que é ainda mais provável quanto menos ele entender o contexto ou puder se referir a dados treinados.

Para as seguradoras, é improvável que as tecnologias de IA generativas possam substituir completamente os centros de atendimento ao cliente e os manipuladores de sinistros; no entanto, acreditamos que esta tecnologia tem um enorme potencial (quando combinada com o feedback “human in the loop”) para fornecer respostas mais rápidas e melhores a um custo menor e com uma melhor experiência do cliente.

O uso dessas novas tecnologias também levanta questões sobre compliance e ética. Por exemplo:

é um modelo probabilístico que não é projetado para obedecer a políticas rígidas; portanto, restringir o espectro de suas respostas pode ser complexo na prática;

ele acumula dados para refinar e melhorar continuamente, portanto, remover dados e informações de sua base de conhecimento não é algo simples; e

prevê respostas relevantes a partir da “observação/replicação” do que foi treinado; conseqüentemente, pode ser tendencioso, difícil e caro remover o viés resultante de seu treinamento.

Ao abordar esses desafios da maneira certa, no entanto, as seguradoras podem aproveitar os modelos de linguagem grandes combinados com a IA generativa para aumentar a tomada de decisão humana em vez de simplesmente automatizar as respostas. Isso ajudará a identificar os tópicos relevantes e predominantes nas solicitações de atendimento ao cliente para abordar melhor e mais rapidamente os problemas urgentes ou futuros do cliente, melhorar a compreensão de uma pergunta do cliente removendo termos sem valor agregado e restringindo-o a seus componentes críticos e melhorar a orientação dos clientes e encaminhá-los para o melhor especialista disponível para respostas cada vez mais rápidas. Além disso, o GPT-3 irá melhorar a descoberta de necessidades não expressas em termos de assistência, serviços, coberturas adicionais, etc.

Quais são as principais considerações ao implantar em escala em operações de seguros?

• Os modelos generativos de IA podem ser combinados de forma inteligente com modelos treinados em dados internos. Isso fornece a capacidade de ampliar os tópicos específicos do domínio com uma maior compreensão da linguagem e identificar melhor o tópico de conhecimento a ser consultado.
• As seguradoras precisarão atualizar sua governança de dados e investir em outras tecnologias (principalmente voz para texto) para obter mais dados internos/contextuais com os quais treinar os algoritmos.
• A tecnologia precisa ser incorporada aos processos de negócios para garantir o “humano no circuito” para treinar, calibrar, supervisionar e controlar os algoritmos. O ChatGPT terá um impacto enorme nas operações e na eficácia do centro de atendimento ao cliente que, em um período de dois a três anos, provavelmente verá sua produtividade dobrar ou até triplicar.

Fonte: Insurtalks