Dein Update zur Digitalisierung der Versicherungsbranche.

In dieser Folge des Digital Insurance Podcast spreche ich über die Grenzen von Generative AI und wie sich das Maximum aus der Technologie herausholen lässt.

Das ist beileibe nicht der erste Podcast zu Generative AI. Dieses Mal möchte ich darüber sprechen, welche Limitierungen die Technologie mit sich bringt und welche Use Cases realistisch sind.

Für eine gut funktionierende Gen AI braucht es Daten. Bei Daten handelt es sich um allgemein verfügbares Wissen der Unternehmen. Sie müssen zu jedem Zeitpunkt relevant, up-to-date, bereinigt und vollständig sein. Außerdem ist es wichtig, dass sie sich leicht von einem System in ein anderes exportieren lassen.

Use Cases gibt es für Gen AI viele. Geht es um das Schreiben von Texten, macht die Technologie bereits einen guten Job. Anders sieht es bei Bildern, Videos und Audio aus. Hier ist die Technologie noch nicht ausgereift. Mithilfe von Gen AI lassen sich synthetische Datensätze erschaffen. Beispielsweise können Fragen von Kunden, die im Callcenter aufkommen können, generiert werden. Diese werden anschließend in ein KI-Modell gespeist, um dessen Antworten zu verbessern. Allerdings ist wichtig zu verstehen, dass beim Generieren von synthetischen Daten kein neues Know-how entsteht.

Um die Modernisierung schneller voranzutreiben, wären erhöhte Investitionen in KI vonnöten. Viele Aktionäre und Gesellschafter scheinen leider nicht bereit, diesen Schritt mitzugehen. In der Organisation ist wichtig, dass Grundkenntnisse über die Möglichkeiten und Limitierungen von KI vorherrschen.

Links in dieser Ausgabe

Das Einzige, was riskanter ist als KI, ist sie zu ignorieren. Ladet euch jetzt das Whitepaper von Thoughtworks herunter und setzt KI verantwortungsvoll ein.