Intelligence sur les blessures : moderniser la sécurité et le contrôle des pertes

Comme dans la plupart du monde, l’industrie de l’assurance s’adapte rapidement à l’impact de l’intelligence artificielle (IA) et de l’apprentissage automatique, ce qui fait que les chercheurs observent une transition rapide d’une mentalité de « détection et réparation » à une mentalité de « prédire et prévenir » d’ici 2030.

Historiquement, la gestion des risques de sécurité et de contrôle des pertes a généralement été réactive—plutôt que proactive—tendant à consacrer plus de temps et de ressources à traiter les problèmes une fois qu’ils ont été résolus. Pour des couvertures comme l’indemnisation des travailleurs, cela peut signifier attendre des mois ou des années pour connaître le véritable risque d’un lieu avant de commencer à traiter ce risque. Même pour un seul endroit, cela pourrait raisonnablement signifier des milliers de dollars de fuite de sinistres.

Il existe deux (2) principaux axes de transformation de l’IA qui peuvent faire passer un programme de risque de réactif à proactif dans le domaine de la sécurité et du contrôle des pertes :

1. Identifier les lieux à haut risque avant qu’ils ne le soient

Dans l’approche historique, un programme de gestion des risques utilise l’expérience collective de leur carrière en gestion des risques et même les données historiques de leur programme. Bien que l’information présente soit largement suffisante, l’introduction de l’IA permet de discerner de nouvelles relations et perspectives entre les ensembles de données. De plus, l’IA peut aider à digérer de nouveaux ensembles de données beaucoup plus rapidement qu’une équipe de professionnels des risques et des données. Tout cela permet de connaître la véritable propension au risque de chaque site et lieu avant que les réclamations et les problèmes ne surviennent.

2. Allocation efficace et appropriée des ressources

Pour traiter correctement le nouveau profil de risque global désormais en vue, il est nécessaire de réévaluer les niveaux de personnel et d’expérience qui s’y rapportent. Bien qu’il existe une multitude de considérations liées au personnel en dehors du cadre de cet article, une analyse de suivi visant à compléter l’IA et l’apprentissage automatique peut aider à quantifier et suggérer non seulement le nombre de personnes nécessaires pour gérer les expositions et leur véritable propension au risque, mais aussi peut-être indiquer les niveaux d’expertise requis.

Par exemple, les lieux à risque faible peuvent être jumelés à du personnel plus junior, tandis que les lieux à risque plus élevé peuvent être jumelés à du personnel plus expérimenté. De plus, l’IA et l’apprentissage automatique peuvent aider à optimiser les emplacements géographiques et des bureaux à domicile afin de minimiser les frais de déplacement et autres coûts connexes. Bien que cela ne soit pas courant, surtout avec la pénurie actuelle de professionnels expérimentés en gestion des risques, il est possible que la transformation d’un programme de gestion des risques et de sécurité entraîne de meilleurs résultats en matière de réclamations ainsi qu’une réduction des coûts du programme.

L’assurance prospérera toujours mieux lorsqu’il y a un équilibre et une coordination entre l’expérience humaine et la technologie innovante. Bien que l’IA et l’apprentissage automatique puissent aider à résoudre ces deux enjeux fondamentaux dans le cadre de gestion des risques, il est important d’impliquer les partenaires courtiers et actuariels dès le départ afin qu’ils vous aident rapidement à réaliser des renouvellements plus avantageux, à obtenir des garanties moins coûteuses, à vous connecter avec des papiers mieux notés, et ainsi de suite.

Publié à l’origine dans Workplace Health (édition printemps 2023). Reproduit avec permission.