Technologien für künstliche Intelligenz (KI) und maschinelles Lernen (ML) bieten Versicherern ein aufregendes und weitreichendes Potenzial zur Verbesserung der betrieblichen Prozesse im Geschäft eines Versicherers und zur Schaffung völlig neuer Geschäftsmodelle.

In diesem Artikel werden KI-Initiativen in den Bereichen Produktentwicklung, Kundenakquise, Underwriting, Richtlinienmanagement und Schadensfälle untersucht und Folgendes untersucht:

1. die allgemeinen Vorteile;
2. spezifische Anwendungsfälle in China; und
3. Was ist erforderlich, um KI-Projekte erfolgreich zu machen? 

Das Potenzial für KI

Ein 2017 Bericht von PwC Der potenzielle reale Wert von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) für Unternehmen wurde auf Billionen US-Dollar geschätzt.

In dem Bericht heißt es, dass durch die Nutzung der Macht von KI und ML das globale BIP bis 14 um 2030% gesteigert werden könnte, was zusätzlichen 15.7 Billionen US-Dollar entspricht. Dies ist die größte Geschäftsmöglichkeit in der sich schnell verändernden Wirtschaft von heute.

Die größten Gewinne aus der KI würden in China erzielt, wodurch das BIP im Jahr 2030 um 26% gesteigert würde. Nordamerika wäre der nächstgrößte Nutznießer mit einem Anstieg der Sektoren, die als entwicklungsreif eingestuft wurden, um 14%.

Während alle Sektoren davon profitieren werden, wurde angenommen, dass Einzelhandel, Finanzdienstleistungen und Gesundheitswesen am schnellsten von Produktivitätssteigerungen profitieren, während eine verbesserte Produktqualität den Verbrauch steigern wird.

Dies ist weniger ein Fall des Aufstiegs der Maschinen, als dass KI und ML verwendet werden, um die menschlichen Aktivitäten in der Wirtschaft zu steigern.

Quelle: McKinsey Datenvisualisierung von Das KI-Spielbuch der Führungskraft

Drei Jahre sind eine lange Zeit, und aufgrund der Auswirkungen von COVID-19 auf die Weltwirtschaft werden einige Gründe aufgeholt werden müssen. Jedoch, neuere Daten von McKinsey waren sich einig, dass das obere Ende der Skala des Beitrags zum globalen BIP in etwa dem Punkt des PwC-Berichts entsprechen würde.

Klüger und härter arbeiten

Quelle: PwC "AI Dimensionierung des Preises"

Die McKinsey-Daten gehen davon aus, dass AI / ML zwischen 9.5 und 15.4 Billionen US-Dollar beitragen wird. Natürlich bleiben die Auswirkungen von COVID-19 abzuwarten, aber die Krise könnte in Zukunft bei vielen Versicherern zu einem stärkeren Engagement für das Digitalisierungsprojekt führen.

Die Vorteile der KI werden akzeptiert. Es bietet Produktivitätsgewinne durch die Automatisierung von Prozessen, die sich rechtzeitig auf Roboter und autonome Fahrzeuge erstrecken.

Der Einsatz von assistierter und erweiterter Intelligenz innerhalb der vorhandenen Arbeitskräfte wird dazu führen, dass personalisiertere und qualitativ hochwertigere AI-verbesserte Produkte und Dienstleistungen verfügbar werden. Der Bau von Produkten, die Verbraucher wollen und brauchen, wird die Nachfrage der Verbraucher auf dem Markt stimulieren.

Gesundheits-, Automobil- und Finanzdienstleistungen gehören zu den Sektoren, von denen erwartet wird, dass sie aufgrund des Einsatzes von KI den größten Nutzen aus Störungen und Produktverbesserungen ziehen. In anderen Sektoren besteht jedoch ein erhebliches Potenzial für Wettbewerbsvorteile, die eine On-Demand-Fertigung oder eine bessere Ausrichtung auf Inhalte im Unterhaltungssektor ermöglichen könnten.

Mit dem Einsatz dieser Technologie ergeben sich Chancen. Während autonome Fahrzeuge den Zustellern und Lagerarbeitern Arbeitsplätze wegnehmen, wird das Äquivalent von Fluglotsen erforderlich sein, um den Betrieb autonomer Fahrzeuge auf der Straße zu überwachen.

Die meisten Prognosen werden von einem langfristig stetigen Wirtschaftswachstum abhängen, aber ob dies in den kommenden zehn Jahren möglich ist, bleibt abzuwarten, da die Länder ihre Volkswirtschaften nach der globalen Pandemie wieder aufbauen.

Wie werden sich Unternehmen an KI anpassen?

Gesundheitswesen, Einzelhandel und Finanzdienstleistungen sind möglicherweise die größten Nutznießer des Wachstums der KI, aber alle Sektoren, einschließlich Automobil, Transport und Logistik, Technologie und Kommunikation, Energie und Fertigung, werden von den Innovationen profitieren.

Im Gesundheitswesen wird die KI die Diagnose unterstützen, um kleine Abweichungen von den Basiswerten zu ermitteln. Dies ermöglicht die frühzeitige Erkennung von Krankheiten, aber auch von potenziellen Pandemien, die sich angesichts der jüngsten Ereignisse innerhalb kurzer Zeit auszahlen werden. Die bildgebende Diagnostik für Radiologie und Pathologie wird ebenfalls effizienter und führt zu einer wirksameren Prävention von Krankheiten und Krankenhausaufenthalten. Der Nutzen für die Verbraucher liegt auf der Hand: Er liefert schnellere und genauere Diagnosen und die Behandlungen werden personalisierter. Und möglicherweise auch effektiver.

Die Planung wird von AI innerhalb der Krankenversicherung geändert. Mittelfristig werden Diagnostik und Arzneimittelentwicklung davon profitieren.

Arbeiten mit Maschinen

Längerfristig sehen wir möglicherweise Roboterärzte, die die Diagnose und Behandlung von Patienten durchführen, obwohl die Gesundheitsversorgung, die Privatsphäre und der Schutz des Einzelnen von größter Bedeutung sind.

Die Humanbiologie ist ebenfalls sehr komplex, aber ein Durchbruch hier wird den ultimativen maßgeschneiderten Service mit KI-Diagnostik liefern, der Vergleiche mit der einzigartigen Geschichte eines Individuums anstellt. Dies ermöglicht es ihm, ihre relative Gesundheit zu ihrer eigenen Basislinie zu bestimmen, im Gegensatz zu einem allgemeineren Ansatz gegen eine Bevölkerung oder sogar eine bestimmte Bevölkerungsgruppe, die typisch für die traditionelle Medizin ist.

Dies bedeutet nicht unbedingt, Ärzte durch Roboter zu ersetzen, kann jedoch die Diagnose und Prognose für fast jeden Patienten verbessern.

Während in diesem Beispiel das Gesundheitswesen verwendet wird, werden digitale Berührungspunkte repliziert und ersetzen grundlegende menschliche Interaktionen in allen Sektoren und Teilen der Gesellschaft.

Quelle: McKinsey Datenvisualisierung von "Das KI-Spielbuch der Exekutive"

Der Weg zur erfolgreichen KI-Implementierung

Die erste Welle der Digitalisierung macht die Wertschöpfungskette von Versicherungen effizienter, aber es bleibt eine erhebliche Trennung zwischen Siled Datensätze (Siehe Kasten unten: Aufbau der besten Technologie).

Die Entwicklung kognitiver Technologien wird diesen Versicherern helfen, das Lernen zu integrieren, um Wertversprechen in Echtzeit anzupassen, und so ein ganzheitliches und einzigartiges Kundenerlebnis bieten.

Mit der Zeit werden diese kritischen Prozesse zusammengeführt, und die Versicherer werden zu digitalen Versicherern.

Sobald die Datenqualität und die Algorithmen verbessert wurden, wird maschinelles Lernen eine größere Rolle spielen und in der Lage sein, Muster zu identifizieren und aus den Daten zu lernen, auf die es mit Wertschöpfungsketten zugreift, die aus Daten „lernen“, die von Verbrauchern, Ökosystemen und Regierungen generiert wurden.

Herausforderungen an die Digitalisierung

Der regulatorische Rahmen wird für die Gestaltung des Einsatzes neuer Technologien in der Versicherungsbranche von Bedeutung sein. Datenschutz und Privatsphäre sind zu einem Schwerpunkt aller Regulierungsbehörden geworden, da die Gesellschaft ihre tägliche Arbeit schrittweise digitalisiert.

Die Technik kann eine schlechte Ausbildung erhalten, wobei Fehler und Vorurteile in Lösungen festgeschrieben werden. Dies birgt nicht nur die Gefahr, das Risiko falsch zu platzieren, sondern auch eine Verstrickung mit einer Regulierungsbehörde durch Verletzung der Sicherheit oder Fairness für die Verbraucher.

Die Daten müssen dieselbe „industrielle Stärke“ haben wie die Systemversicherer (siehe Kasten unten: Erfolgreiche Implementierung).

Data Governance muss robust und transparent sein, um Verbraucher und Regulierungsbehörden zufrieden zu stellen.

Verwendet Fälle in C.hina

1. Produktentwicklung

Makroökonomische Trends wie die Urbanisierung führen zur Entstehung neuer Kundensegmente, die die Entwicklung neuer Produkte erfordern.

Es gibt viele Untergruppen, darunter junge Berufstätige und Kleinunternehmer, von denen viele ihre Eltern unterstützen.

Bisher gab es überraschend wenige KI-Initiativen, aber es gibt einige Beispiele, die anderen eine Roadmap bieten.

 a) UrsacheWolke

CausaCloud hat eine Medical Underwriting Engine, eine intelligente Schadenplattform, eine datenintelligente Plattform und andere Systeme entwickelt, um seinen Kunden - Versicherungsunternehmen - dabei zu helfen, effektiver und intelligenter zu arbeiten.

In Zusammenarbeit mit Versicherungsunternehmen werden Produkte für einzelne Krankheiten entwickelt, z. B. das Wiederauftreten von Brustkrebs, bestimmte Blutkrankheiten bei Kindern und die Behandlung der Fruchtbarkeit, um den Markt für berechtigte Kunden zu erweitern.

Es integriert Behandlung, Medikamente und Schutz und deckt Bereiche ab, die normalerweise von allgemeineren Richtlinien ausgeschlossen sind.

Die Underwriting Engine verwendet die optische Zeichenerkennung (OCR) und die Programmierung natürlicher Sprache (NLP) und verwendet ihr klinisches Beurteilungsmodell, um klinische Entscheidungen zu treffen.

Es hat sich gezeigt, dass die Zeichnungseffizienz um etwa 50% mit einer Genauigkeit von bis zu 90% gesteigert wird, was einem erfahrenen Zeichner entspricht.

Mehr als 20 Versicherer nutzten die Plattform und im Monat nach dem COVID-19-Ausbruch waren mehr als 50,000 Zeichnungsabschlüsse abgeschlossen, die Prämien von 120 Millionen Yuan abdeckten.

Die intelligente Schadenplattform von CausaCloud verwendet NLP, um Dateneingabefehler von Kunden oder Agenten zu minimieren. Die Bearbeitungszeiten für Schadensfälle wurden um mehr als 80% reduziert - von 10 auf weniger als zwei Minuten - und garantierten die Konsistenz der Zahlung.

b) Malgo

Malgo betreibt Semantic Healthcare, eine datengesteuerte, individuelle, risikoorientierte, interaktive Gesundheitsversorgung. Malgo behauptet, dass es im Vergleich zu herkömmlichen Modellen die Schadenquote um mehr als die Hälfte reduzieren kann.

Das zentrale intelligente Risikomanagementsystem verwendet alle relevanten Gesundheitsdaten, um das Risiko während des gesamten Geschäftsprozesses zu steuern.

KI und Big Data spielen eine wichtige Rolle durch NLP-Informationsextraktion, eine Deep-Learning-Plattform, ein Diagramm für medizinisches Wissen, Datenanalyse, Data Mining und Entscheidungsmanagement.

Dies ermöglicht es den Versicherern, Produkte basierend auf genau identifizierten individuellen Risiken zu entwerfen und zu bewerten.

Durch die Identifizierung und Behandlung mit Präventivmedizin werden die medizinischen Kosten reduziert.

Das Antragsverfahren bietet eine effektive Verwaltung von Arzneimittel- und medizinischen Analysen und hilft bei der Identifizierung von Betrug.

Dies bietet den Versicherern ein Gesundheitsprodukt, das eine präzise Risikoidentifikation mit detaillierter Datengenauigkeit ermöglicht.

2. Marketing / Kundenakquise

China mag ein Kindergarten für die Etablierung der AI / ML-Revolution sein, aber es ist derzeit stark auf menschliche Agenten angewiesen, die persönliche Konsultationen mit Kunden führen.

Das Marketing wird detaillierter und intelligenter. Mit zunehmender Anzahl von Interaktionen mit Kunden steigt auch die Zufriedenheit und Loyalität. Kunden gewöhnen sich an die Interaktionen und begrüßen sie - vorausgesetzt, der Versicherer bietet effektive Lösungen für die Probleme, mit denen sie konfrontiert sind.

Chatbots sind ein häufiger Bestandteil dieses Prozesses geworden und haben die anfängliche Zurückhaltung der Verbraucher überwunden, mit „einer Maschine“ umzugehen.

NLP hat die Fähigkeit, die Sprache des Kunden zu sprechen, erheblich verbessert, sodass er sich geschätzt und letztendlich informiert oder zufrieden fühlt.

a) Ping ein Leben

Im Rahmen der Umwandlung von Ping An vom traditionellen Versicherer zum Technologieunternehmen führt das Unternehmen eine Überarbeitung ineffizienter Prozesse durch und entwickelt neue und bessere Produkte, die Datenanalysen nutzen.

Trotz einer Million Agenten arbeitet dieser Kanal nicht für das Unternehmen. Die Rekrutierung ist langsam mit hohen Ausfallraten, es gibt zu wenige Agenten, die Vollzeit arbeiten, Prozesse sind papierbasiert und es gibt zu viele Manager, die die Entwicklung und Belohnung guter Agenten blockieren.

Ein Vier-Phasen-Plan hat bereits die Anzahl der von Agenten verwendeten Papierprozesse drastisch reduziert und die Zeichnungszeit von 5 Tagen auf 15 Minuten verkürzt.

Die meisten (91%) Agententrainings werden online durchgeführt, wodurch das Schulungspersonal um 70% reduziert wird.

Dies hat zu einer Steigerung der Produktivität um 32% geführt.

In der dritten Phase wird die KI eingesetzt, um die Rekrutierung und das Screening von Agenten zu verbessern. Es wird auch die finanziellen Ressourcen effektiver zuweisen und die Karriereplanung für die Agentur unterstützen.

Durch diesen Prozess werden jedes Jahr 1.43 Millionen Arbeitsstunden oder 60,000 Tage / 163 Jahre eingespart. Dies führt zu einer jährlichen Geldersparnis von 630 Millionen Yuan. AI hilft auch dabei, sicherzustellen, dass die Agenten vollständig konform bleiben, die Echtzeitkommunikation und das Verhalten der Agenten zu überwachen und das Agentenrisiko zu bewerten.

Die Generierung von KI-Leads hat bereits eine Conversion-Rate von 10.8% erreicht, über 220 Millionen Kunden durch 1.3 Milliarden Interaktionen.

Ping An erwartet einen Anstieg der Umsatzerlöse um 2.8 Milliarden Yuan, während der Verlust aus verfallenen Prämien um 2 Milliarden Yuan und der Betrug um 350 Millionen Yuan pro Jahr verringert werden.

b) Wir sind sicher

Die Versicherungsplattform WeSure von TenCent arbeitet mit chinesischen Versicherungsunternehmen zusammen, um gemeinsam hochwertige Versicherungsdienstleistungen zu entwickeln. Den Nutzern von WeSure werden dann über die WeChat-App Versicherungskäufe, -anfragen und -ansprüche angeboten.

Das 60-köpfige KI-Team des Unternehmens entwirft Produkte mit Anbietern, und das System verwaltet das Zeichnungsrisiko.

c) Risiken

Der Wettbewerb in China ist hart und zwingt viele kleinere Versicherer und Vermittler, über alternative Wege nachzudenken, um Verkehr zu generieren und Benutzer zu gewinnen.

Riskeys ist ein in Shanghai ansässiger Aggregator, der mit einem neuen Ansatz zur Kundenakquise auf das Gesundheits- und Lebenssegment abzielt und dabei eine Kombination aus WeChat-Anreizen und einem aggressiven Fokus auf die Entwicklung neuer Produkte verwendet, um sich zu differenzieren.

Riskeys entwickelt maßgeschneiderte Produkte für Marktsegmente in den Bereichen Autoversicherung, anlagegebundene Lebensversicherung, High-End-Krankenversicherung und Unfallversicherung.

Die Funktionen der Lösung umfassen Risikobewertung, Krankheitsbewertung, offene Frage und Antwort, intelligente Empfehlung und Versicherungsanalyse. Von der Risikobewertung führt es Kunden durch eine Gesundheitsmanagementberatung zu einer offenen Beratung zu Versicherungswissen und empfiehlt Versicherungsprodukte nach Benutzereigenschaften und ähnliche Produkte auf dem Markt.

Es kombiniert lokales Marktwissen mit den Möglichkeiten der WeChat-Plattform, eine intelligente Versicherungsberaterfunktion aus einer Hand für den Vergleich von Versicherungsprodukten zu werden.

3. Versicherungswesen 

Das Underwriting ist eine Kernkompetenz der Versicherung, die sich jedoch ändert. Daten treiben Reformen voran, die neue Risiken identifizieren oder, wenn nicht neu, das Verständnis bestehender Risiken erweitern.

Dies gilt insbesondere in Krisenzeiten wie der COVID-19-Pandemie. Die Daten wurden offen zur Verfügung gestellt, um das Virus zu bekämpfen. Dies lieferte nicht nur einen weitaus besseren Einblick in die Krise, sondern auch in bestehende Pandemiemodelle.

Die Zukunft eines erfolgreichen Underwritings basiert auf der Integration von Big Data und Analytics in den Prozess.

Es bietet nicht nur eine günstigere Deckung, sondern identifiziert auch neue - und versicherbare - Risiken und eröffnet neue Marketingmöglichkeiten.

a) Zhong An

Die Produkte von Zhong An verwenden intelligente Zeichnungsprozesse, mit denen Zeichnungsprüfungen in ein bis zwei Minuten abgeschlossen werden können.

Mehr als 20% der Kunden, denen zuvor die Versicherung verweigert wurde, haben inzwischen erfolgreich eine Krankenversicherung in Höhe von einer Million Yuan abgeschlossen, die mehr als 200 Krankheiten abdeckt.

Kunden können ihre Deckung anhand ihrer bestehenden Erkrankungen intuitiv verstehen.

b) VersicherterX

InsuredX ist ein Cloud-basiertes Underwriting-Tool, das auf dem Konzept der Produktpipeline basiert.

Durch die Cloud bereitgestellt, passt es sich schnell und kostengünstig an Marktveränderungen an.

Sofortige Änderungen in Echtzeit können an bestimmten Produkten ohne Systemausfallzeiten vorgenommen werden.

Es kommt gut mit typischen Internetanwendungsszenarien mit hoher Parallelität, hoher Last und hoher Fehlertoleranz zurecht.

Es ist ein leichtes, erweiterbares und konfigurierbares System, das auf dem Konzept des Produktpipeline-Managements basiert - einschließlich Produkten, Formeln, Entscheidungstabellen, Verifizierungsregeln, Zeichnungsregeln, Workflow, Bindung von Schnittstellendatenformaten usw.

Es bietet eine fortschrittliche Lösung für die Versicherungsbranche für die Microservices-Architektur, die Prozesse vereinfacht und Richtungsänderungen nach Bedarf ermöglicht.

4. Richtlinienverwaltung

Ein großer Teil der Weltbevölkerung setzt gerne auf digitale Technologie, aber es wird immer einige Verbraucher geben, die sich in einer automatisierten Welt weniger wohl fühlen.

Versicherer müssen beide Bevölkerungsgruppen bedienen und diejenigen für sich gewinnen, die eine Digitalisierung vermeiden. Um dies zu erreichen, müssen die Versicherer nachweisen, dass KI und ML das Verbrauchererlebnis verbessern und Fehler vermeiden, da dies zu Frustrationen führen kann.

Intelligente Verträge gewinnen bereits die Herzen und Gedanken der Verbraucher, obwohl wahrscheinlich nur sehr wenige wissen, dass sie einen haben.

Hierbei handelt es sich um selbstausführende Programme, die Zahlungen auslösen, wenn ein Risikoereignis eintritt, z. B. eine Überschwemmung oder eine andere Naturkatastrophe oder der Verlust von Gepäck.

Es überträgt automatisch Auszahlungen an den Verbraucher, möglicherweise ohne dass dieser Kunde einen formellen Anspruch geltend machen muss.

Die Kraft der KI ist jedoch bereits beim ersten Kontakt des Kunden mit dem Versicherer vorhanden. Chatbots und andere KI-gesteuerte Logikprozesse führen Kunden durch einen Prozess, ohne dass ein menschliches Eingreifen erforderlich ist. Einige dieser Bots sind so raffiniert geworden, dass viele glauben würden, sie hätten eher mit einem echten Mitarbeiter als mit einer Maschine interagiert.

a) Xiao Hui, China Taipings virtueller KI-Agent

Der virtuelle Agent von China Taiping zielt darauf ab, Kundendienstmitarbeiter kostengünstiger zu machen und Kundenanrufe zu unterstützen.

Wenn Sie in Zeiten hoher Nachfrage Anrufe tätigen, können sich die Mitarbeiter auf komplexere Aufgaben konzentrieren und gleichzeitig ein hohes Maß an Konsistenz und Kundenservice gewährleisten.

Xiao Hui ist mehr als ein Chatbot. Er verwendet eine realistische, menschenähnliche Stimme, um eine komfortable und vertraute Benutzererfahrung zu ermöglichen, wie es der Kunde in einer Filiale erwarten würde.

b) Pingen Sie An

Die biometrische Authentifizierung hilft Ping An, eine Beziehung zu ausstehenden Versicherungsnehmern aufzubauen (diejenigen, die eine Lebens- / Krankenversicherung beantragt haben, aber auf die Aktivierung der Police warten). Seit Einführung dieser Funktion ist die Rate der Kunden, die ihre Anwendung in diesem Fenster zwischen Anwendung und Aktivierung zurückziehen, auf 1.4% gesunken, gegenüber einem Branchendurchschnitt von 4%.

5. Kundendienst und Ansprüche

Das traditionelle Versicherungsmodell trennt Kundenservice, Schadenfälle und Marketing, aber die Digitalisierung bringt diese Funktionen zusammen - und das aus gutem Grund.

Marketing in der digitalen Welt beruht auf einer erhöhten Anzahl digitaler Kontaktpunkte mit Kunden. Dies schafft eine neue Form der Beziehung zwischen Kunde und Anbieter und schafft eine größere Loyalität.

Kundenservice ist die Funktion, Kunden zu helfen, wenn sie nicht verkauft werden, aber wichtig, um gute Beziehungen aufrechtzuerhalten.

Der Krisenpunkt in jeder Beziehung ist oft der größte Stressmoment, wenn ein Versicherungsnehmer einen Anspruch geltend machen muss.

Der frustrierendste Aspekt bei der Einrichtung des Schutzes war traditionell das Einreichen eines Anspruchs.

AI und ML werden zunehmend überall dort eingesetzt, wo Kunden den Versicherer kontaktieren, um eine natürlichere, „menschlichere“ Reaktion zu erzielen.

Die Datenanalyse untermauert diese Prozesse und kann den Status eines Anspruchs ermitteln - in einigen Fällen sogar einen Anspruch vorwegnehmen -, die Erwartungen verwalten und sogar potenziellen Betrug ausmerzen.

a) Ping An - One Connect

Die biometrische Authentifizierungsfunktion von Ping An bietet Versicherungsnehmern die Möglichkeit, die Sicherheit ihres Kontos durch Gesichts- und Spracherkennung zu verbessern.

Die Funktion, die über das Ping An-Ökosystem von Apps bereitgestellt wird, scannt die Struktur des Gesichts - insbesondere der Nase und der Augen - mit einer höheren Genauigkeit, als dies mit dem menschlichen Auge allein möglich ist. Es wird auch verwendet, um die Identität von Versicherungsantragstellern oder -agenten zu überprüfen.

b) AIA - Fusion App

Die Fusion-App von AIA behauptet, die Geschwindigkeit und Zuverlässigkeit der Verarbeitungsleistung einer Maschine mit den menschlichen Qualitäten kreativer Kraft, Erfahrung und Fairness zu kombinieren.

Dieses AI / ML-gesteuerte System kann lernen und sich an die menschliche Führung anpassen und unterstützt Kundendienst, Schadensfälle und Versicherer dabei, schneller und intelligenter zu arbeiten, indem Tausende von Anwendungen pro Sekunde ermöglicht werden.

Die Automatisierung basiert auf Regeln, integriert jedoch eine überlegene kognitive Automatisierung, sodass Fusion Muster aus der Analyse von 100 Jahren AIA-Kundendaten lernen kann.