ecentemente, 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?

1. 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.
2. 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].
3. 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.
4. 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:

1. 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;
2. o jargão do domínio de negócios geralmente não é bem treinado nesses grandes modelos de linguagem;
3. 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
4. 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?

1. 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.
2. 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.
3. A tecnologia precisa ser incorporada aos processos de negócios para garantir o “humano no circuito” para treinar, calibrar, supervisionar e controlar os algoritmos.
4. 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.