Discussion de panel lors de Hartford AI Day – 23 avril 2025
Panélistes :
- Modérateur : Paul Tyler, responsable de l'innovation marketing chez Zinnia
- Panéliste : Dan Gremmell, directeur des données, Zinnia
- Panéliste : Manu Mazumdar, responsable de l'analyse de données et de la technologie d'assurance, Conning
- Panéliste : Imad Eid, SVP responsable de la technologie Salesforce, Global Atlantic
- Panéliste : Doug Elfers, VP, science des données, Prudential
Introduction
Paul Tyler : Je suis Paul Tyler. Je travaille pour Zinnia maintenant. Le sujet d'aujourd'hui se concentre sur le panel « et alors ». Comment l'IA va-t-elle vraiment changer l'industrie dont nous sommes tous si fiers d'appartenir ici à Hartford ?
Récemment, le PDG de Shopify a publié un manifeste avec trois points clés qui ont attiré beaucoup d'attention :
- Tout le monde dans l'entreprise est censé utiliser l'IA pour la productivité
- Trouvez les personnes dans votre organisation qui utilisent l'IA pour être 100 fois plus productives
- Avant de pourvoir un nouveau poste, vous devez justifier pourquoi l'IA ne pourrait pas faire le travail
Dans notre secteur, où nous poussons, déplaçons et transformons des données, on pourrait penser que notre industrie serait mûre pour la transformation par l'IA.
Présentations des panélistes
Manu Mazumdar : Je suis responsable de l'analyse de données et de la technologie chez Conning, une filiale de Generali Investment Holdings. Conning gère environ 200 milliards de dollars d'actifs de compagnies d'assurance. Je siège également au comité de gouvernance de l'IA de Conning. Ce qui est passionnant, c'est que nous évaluons l'IA dans toute notre chaîne de valeur. Nous constatons d'énormes gains de productivité, mais il y a aussi l'aspect culturel à considérer : comment l'IA s'intègre-t-elle dans la culture d'une entreprise ?
Dan Gremmell : Je suis le directeur des données chez Zinnia. Je dirige nos opérations de données, d'IA et d'apprentissage automatique. Depuis l'émergence de l'IA générative, nous avons beaucoup travaillé pour l'intégrer dans notre centre de contact, en l'utilisant pour interpréter les appels et fournir des scores de qualité. Avant l'IA générative, nous faisions un travail approfondi d'apprentissage automatique avec des modèles de propension et des modèles de valeur prospective pour optimiser notre chaîne de valeur. Nous développons toujours régulièrement ces cas spécifiques d'apprentissage automatique, même si les gens se concentrent davantage sur l'IA générative maintenant. Ce qui m'enthousiasme le plus, c'est comment l'IA générative a contribué à normaliser le spectre des connaissances. Je peux maintenant être un codeur full-stack alors que j'aurais peut-être eu du mal avec cela auparavant ou aurais eu besoin de recherches approfondies. C'est une percée incroyable qui aide à étendre les compétences au-delà de ce que vous savez déjà.
Doug Elfers : Je dirige l'équipe de science des données et d'apprentissage automatique des stratégies de retraite chez Prudential. J'ai précédemment dirigé l'équipe d'assurance collective et de soins de longue durée. Je vais me concentrer sur trois domaines où nous appliquons l'IA dans le domaine des rentes individuelles :
- Activation des préventes : Nous utilisons l'apprentissage automatique traditionnel pour la présélection et la segmentation des conseillers. Avec l'IA générative, nous nous concentrons sur l'aide aux grossistes pour qu'ils passent plus de temps à vendre en automatisant les tâches administratives. Les cas d'utilisation incluent :
- Courriels administratifs automatisés
- Mises à jour rapides des dossiers
- Résumé d'appels avec intelligence en temps réel
- Préparation de réunions qui extrait des données pertinentes de multiples sources
- Capture d'activité post-réunion qui transcrit automatiquement les notes et configure les prochaines actions
-
Expérience d'achat : Nous nous concentrons sur le traitement direct en utilisant le traitement intelligent de documents et les outils d'IA générative pour extraire les données plus rapidement et les alimenter dans l'automatisation en aval. Nous explorons également des copilotes spécifiques aux rôles pour les gestionnaires de cas, les spécialistes des transferts et les spécialistes de l'adéquation.
-
Domaine des produits : Nous continuons à utiliser des modèles statistiques traditionnels pour l'élasticité des prix.
Rentabilité de l'investissement en IA
Paul Tyler : Comment justifiez-vous la rentabilité de l'investissement pour les investissements en IA ?
Doug Elfers : Tout d'abord, alignez-vous sur la stratégie commerciale et orientez les métriques qui soutiennent les objectifs annuels. Ne construisez pas l'IA en parallèle puis essayez de la vendre – vous avez besoin d'un alignement commercial dès le départ. Concernant la précision du modèle, fixez des attentes réalistes – elle ne sera pas à 100 % exacte. Considérez le taux d'erreur humaine que vous remplacez ; si le taux d'erreur humaine est de 5 % et que le taux d'erreur de l'IA est similaire, la rentabilité devrait être positive.
Pour calculer les avantages, j'utilise des cadres traditionnels de l'apprentissage automatique. Commencez par les entrées de rapports historiques (volume de demandes, nombre d'appels) et les entrées générées par la valeur de l'IA. Commencez avec votre meilleure estimation de la valeur, puis effectuez des expériences ou des preuves de concept pour affiner cette estimation. Cette approche vous aide à échouer rapidement si nécessaire.
Paul Tyler : Dan, vous avez été concentré comme un microscope sur les centres d'appels. Comment réfléchissez-vous à l'investissement, au temps et aux fonctionnalités lorsque vous construisez et faites évoluer ce sur quoi vous travaillez ?
Dan Gremmell : Le cadrage est crucial. Nous nous concentrons sur les problèmes avec un potentiel d'amélioration significatif où un effort humain substantiel est dépensé. Par exemple, avec l'évaluation de la qualité des appels, nos gestionnaires retiraient des personnes du téléphone pour écouter et noter les appels – n'atteignant qu'environ 1 % de nos 1,5 million d'appels annuels. En automatisant ce processus, nous avons non seulement économisé du temps mais également fourni un retour plus rapide aux associés. La rentabilité consistait à élever la barre de qualité plutôt qu'à simplement économiser du temps.
Je suis d'accord avec Doug sur l'importance d'arriver rapidement à une preuve de concept. De nombreuses solutions d'IA peuvent être non déterministes ou difficiles à contrôler, donc plus vite vous pouvez prototyper et voir comment elle réagit, mieux c'est. Je pousse toujours mon équipe à développer une portée MVP pour valider le concept d'abord plutôt que d'essayer d'atteindre la perfection.
Paul Tyler : Dans quelle mesure votre approche pourrait-elle changer le coût d'un centre d'appels par assureur ?
Dan Gremmell : Le changement pourrait être drastique. Nous avons testé l'automatisation vocale pour éviter complètement les appels tout en permettant le libre-service. Il y a deux façons d'y penser : soit éviter complètement l'implication humaine (économisant le coût total), soit améliorer l'efficacité des humains qui prennent les appels. Si vous pouvez réduire un appel de 7-8 minutes à 4-5 minutes, vous créez immédiatement de la valeur en utilisant moins de capacité.
Manu Mazumdar : En regardant 20 ans en arrière quand je dirigeais une partie de Mass Mutual, une entreprise technologique nous a proposé d'externaliser notre centre d'appels. Ils ont décomposé les coûts : un humain répondant à un appel coûtait environ 10 $, le routage via un système IVR le ramenait à 3-4 $, et le libre-service web coûtait environ 1 $. Ils proposaient de mettre des humains sur les appels en Malaisie et en Inde pour 0,6 cent par appel.
Vingt ans plus tard, les pays comme la Malaisie et l'Indonésie qui ont transformé leurs économies avec les centres d'appels voient maintenant ces emplois décimés par les agents IA. L'équation des coûts se résume au delta entre une machine et un humain gérant les appels.
Ce matin même, Workday a annoncé qu'ils déployaient des agents IA pour le travail RH. J'ai plaisanté avec eux en disant qu'ils retiraient « l'humain » des ressources humaines et le remplaçaient par de « l'air ». Bien que la main-d'œuvre agentique devienne réalité, nous avons toujours besoin d'empathie. Une récente interview de 60 Minutes présentait un lauréat du prix Nobel de physique qui a également des doctorats en neurosciences et en IA. Lorsqu'on lui a demandé combien de temps il faudrait pour que les modèles d'IA développent l'empathie, il a répondu environ 36 mois. Ça arrive.
Décisions d'acheter ou de construire
Paul Tyler : Imad, vous devez doubler vos actifs sous gestion sans budget massif. Comment déterminez-vous votre pile technologique ? Que construisez-vous en interne par rapport à ce que vous achetez ?
Imad Eid : La simplification est super importante en technologie – moins de systèmes sont plus faciles à maintenir. En tant que société d'investissement en assurance plutôt qu'entreprise technologique, nous préférons acheter des solutions lorsque c'est possible. De nombreux modèles d'IA aujourd'hui impliquent des solutions hybrides où vous vous appuyez sur le LLM de quelqu'un d'autre, intégrez via des API et obtenez les résultats dont vous avez besoin.
Nous envisageons de construire uniquement dans les cas où nous obtenons un véritable avantage commercial concurrentiel, comme dans les domaines d'investissement où nous avons notre « sauce secrète ». Les considérations incluent le coût, l'évolutivité, la vitesse de mise sur le marché et la disponibilité des talents. Nous nous sommes associés à des ressources externes pour aider notre équipe interne à développer des capacités.
Paul Tyler : Si vous établissez des priorités, qu'est-ce qui vient en premier – les partenaires, la stratégie ou la technologie ?
Imad Eid : La stratégie vient en premier, comme Doug l'a résumé. Pour le support des ventes, ma feuille de route suit exactement ce que Doug a décrit. De là, nous examinons la bonne technologie pour soutenir différents cas d'utilisation, puis déterminons si nous avons les bons partenaires et talents internes.
Préoccupations réglementaires
Paul Tyler : Dans notre environnement hautement réglementé, comment votre entreprise évite-t-elle les biais et aborde-t-elle les préoccupations réglementaires ?
Imad Eid : Nous nous concentrons sur les cas d'utilisation où nous avons le contrôle. Nous nous assurons d'utiliser des données diverses et non biaisées lors de l'entraînement des modèles, en évitant des caractéristiques comme l'âge et le sexe. Notre organe de gouvernance garantit que nous suivons les directives. Nous restons proches des régulateurs, en les éduquant tout en écoutant leurs préoccupations. Nous tirons parti de cadres qui fournissent des contrôles pour l'inspection et la vérification.
Bien que l'IA agentique soit prometteuse, nous n'y sommes pas encore. La plupart de nos cas d'utilisation reposent encore sur l'interaction humain-IA, avec des humains vérifiant les résultats, ce qui aide à répondre aux préoccupations de conformité.
Favoriser le changement de comportement
Paul Tyler : Je pense que lorsque nous demandons comment l'IA change notre industrie, 10 % de la réponse est la technologie et 90 % est le changement de comportement. Quelles sont vos meilleures pratiques pour aider les gens à essayer ces outils et à changer leur comportement ?
Doug Elfers : Tout est question d'utilisateur final. Un problème est que les cas d'utilisation sont souvent priorisés au plus haut niveau, mais les exigences fonctionnelles spécifiques ne sont pas toujours recueillies auprès des utilisateurs finaux. Cela signifie que lors de la mise en production, les utilisateurs peuvent dire qu'ils auraient priorisé différentes fonctionnalités. Engagez-vous avec les utilisateurs finaux dès le début pour comprendre leurs besoins. L'IA et les données sont un sport d'équipe nécessitant un développement collaboratif – mettez-vous à la place du métier, lisez leurs procédures opérationnelles standard et comprenez comment ils font leur travail.
Dan Gremmell : L'éducation est essentielle. La plupart des gens voient l'IA ou ChatGPT et ne sont pas sûrs de comment l'aborder. Ouvrir la créativité des gens les aide à comprendre comment utiliser l'IA dans leur travail. Donnez-leur un espace sûr pour expérimenter et un accès à des logiciels approuvés afin qu'ils ne partagent pas par inadvertance quelque chose qu'ils ne devraient pas. Fournissez la bonne gouvernance aux côtés de la formation et de l'éducation.
En outre, mesurez les résultats que vous essayez d'atteindre avec l'adoption de l'IA. S'agit-il d'améliorations de la productivité ? D'utilisateurs actifs mensuels ? Fixez des critères quantitatifs et soyez honnête sur les progrès de l'adoption afin de pouvoir affiner votre approche.
Manu Mazumdar : Chez Conning, nous menons des recherches annuelles auprès des 100 meilleurs PDG, CIO et CTO de l'industrie de l'assurance. C'est maintenant une conclusion évidente que l'IA est là. Il y a douze mois, lorsque nous avons demandé quelle quantité d'IA générative les entreprises utilisaient dans leurs processus de travail, cela s'enregistrait à peine. Cette année, 55 % des répondants ont déclaré qu'ils sont entièrement mis en œuvre dans l'IA générative.
La question qu'on me pose le plus souvent est : « L'IA va-t-elle prendre mon emploi ? » Ma réponse : l'IA ne prendra pas votre emploi, mais les personnes qui savent comment utiliser l'IA prendront votre emploi. Nous devons tous nous familiariser avec l'utilisation de l'IA.
Sur les biais et la mise en œuvre – pensez à l'inclusion. Si vous considérez l'IA comme un outil inclusif dans votre répertoire, vous serez mieux servi. Elle est là pour rester, alors déterminez comment elle affecte toute votre chaîne de valeur et vos processus de travail.
Imad Eid : Travailler avec les personnes les plus proches du travail est extrêmement important. Récemment, nous avons développé quelque chose dont j'étais enthousiaste, mais pendant le pilote, les utilisateurs ont immédiatement donné leur avis : « C'est tellement robotique, je ne peux pas l'utiliser. » C'était une correction de cinq minutes, mais un retour crucial. Travailler avec des champions et se concentrer sur la gestion du changement est énorme – si les gens n'adoptent pas la technologie, elle reste simplement sur l'étagère.
Manu Mazumdar : La direction générale doit défendre tout type d'IA ou de changement culturel. C'est un changement culturel dans le monde. Toute notre vie, on nous a dit d'aller à l'école, à l'université et aux études supérieures pour gagner un emploi gratifiant. Maintenant, les diplômés s'inquiètent que leurs emplois soient effectués par des outils d'IA. Nous avons la responsabilité d'aider à présenter l'IA comme un outil bénéfique dans tout le spectre.
Paul Tyler : Merci à tous d'être venus. N'hésitez pas à contacter tous ceux qui sont ici pour plus d'informations.