We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
cover of episode Continuous Learning With AI: Aflac’s Shelia Anderson

Continuous Learning With AI: Aflac’s Shelia Anderson

2023/5/23
logo of podcast Me, Myself, and AI

Me, Myself, and AI

AI Deep Dive AI Chapters Transcript
People
S
Sam Ransbotham
S
Shelia Anderson
Topics
Shelia Anderson: 我于2022年7月加入Aflac,担任首席信息官,负责监督Aflac美国地区的数字服务部门,并制定支持公司美国业务的技术战略。Aflac专注于补充保险,例如意外、癌症、重疾、住院和人寿保险,帮助客户弥补标准医疗保险未覆盖的意外费用。我们使用AI和机器学习来改善客户体验和简化运营,尤其是在理赔处理方面。我们已经自动化了大约46%的理赔流程,主要是一些无需额外证明的简单理赔,例如健康理赔。我们的目标是加快理赔支付,提高客户满意度和留存率。在实施AI的过程中,寻找合适的人才和控制初始投资成本是两个主要挑战。合适的工程人才需要具备好奇心、创新精神和良好的商业理解能力,能够将技术与商业机会相结合。Aflac吸引人才的优势在于其品牌、补充保险的独特领域以及服务导向的企业文化。自动化简单理赔流程释放了员工时间,使他们能够专注于更复杂、更有价值的理赔和客户服务。AI项目成功的关键在于了解业务需求,并让团队参与到整个过程中。在整个组织中培养创新思维至关重要,这有助于发现并实施改进业务运营的创新想法。我个人对工程和技术的兴趣源于对学习的热爱和父亲的建议,并强调持续学习在职业生涯中的重要性。保险业是AI和机器学习应用的理想领域,拥有巨大的发展机遇。除了偏见和伦理问题外,数据隐私也是人工智能领域需要关注的重要问题。我个人希望Aflac能够扩展AI模型,以惠及公司和客户,并在整个社会中发挥AI的积极作用。 Sam Ransbotham: 基于AI的自动化减少了人工操作,释放了更多机会。 Sherwin Khodabandeh: (无核心论点,主要参与讨论和引导话题)

Deep Dive

Chapters
Shelia Anderson discusses Aflac's use of AI and machine learning to automate claims processing, focusing on wellness claims and smaller payouts, aiming to improve customer experience and operational efficiency.

Shownotes Transcript

Shelia Anderson 将对学习的热爱转化为对新兴工程领域的学习,在她开始本科教育时。在获得在技术、航空和保险行业领导IT团队的经验后,她于2022年夏季加入Aflac。Shelia 加入Sam和Shervin,分享如何利用人工智能和机器学习自动化处理一些例行的保险理赔,从而解放员工,让他们有更多时间为客户服务和处理更复杂、更高价值的理赔。她还讨论了她寻找数据科学和工程人才时,除了技术能力之外,还会寻找哪些类型的技能,以及为什么她认为保险行业为那些有兴趣从事人工智能和机器学习工作的人提供了绝佳的机会。在此处阅读剧集文字记录。我和AI是我自己是一个来自麻省理工学院斯隆管理评论和波士顿咨询集团的合作播客,由Sam Ransbotham和Shervin Khodabandeh主持。我们的工程师是David Lishansky,协调制作人是Allison Ryder和Sophie Rüdinger。通过加入我们的LinkedIn小组“AI for Leaders”(mitsmr.com/AIforLeaders)或关注LinkedIn上的“我和AI”,与我们保持联系。*新增!要获取本集的具体要点以及如何在您自己的工作中实施这些要点的指导,请在此处下载我们的剧集工具包。嘉宾简介:Shelia Anderson于2022年7月加入Aflac,担任高级副总裁兼首席信息官。她负责监督公司在美国的数字服务部门,并推动支持保险公司美国业务的技术战略。Anderson拥有丰富的领导财富500强全球组织IT职能的经验,包括Liberty Mutual、USAA、HP和Electronic Data Systems。我们鼓励您对我们的节目进行评分和评论。您的评论可能会用于“我和AI”的资料中。我们想知道您对“我和AI”的感受。请参加一个简短的两道题的调查。</context> <raw_text>0 今天,我们播放的是由我们朋友Modern CTO Podcast制作的一集节目,他们最近很友好地邀请我作为嘉宾参加。我们讨论了生成式人工智能的兴起,在技术方面取得成功的意义,以及领导者在指导技术实施工作时需要考虑的一些因素。在Apple Podcast、Spotify或您收听播客的任何地方都可以找到Modern CTO Podcast。基于人工智能的自动化意味着更少的人工手动工作。

这对一家保险公司来说会带来哪些机会?在今天的节目中找出答案。我是来自Aflac的Sheila Anderson,您正在收听“我和AI”。欢迎收听“我和AI”,这是一个关于人工智能和商业的播客。在每一集中,我们都会向您介绍一位在人工智能领域进行创新的个人。我是Sam Ransbotham,波士顿学院分析学教授。我还是麻省理工学院斯隆管理评论的人工智能和商业战略客座编辑。

我是Sherwin Korubande,BCG的高级合伙人,也是我们人工智能业务的领导者之一。自2017年以来,麻省理工学院SMR和BCG一直在合作研究和发表关于人工智能的文章,采访了数百名从业人员,并对数千家公司进行了调查,了解构建、部署和扩展人工智能能力以及真正改变组织运营方式需要什么。

我们今天的嘉宾是Aflac的高级副总裁兼首席信息官Sheila Anderson。Sheila,感谢您抽出时间从我美丽的故乡佐治亚州加入我们。欢迎。你好,Sheila。感谢您抽出时间。谢谢。很高兴来到这里。好的,让我们开始吧。Aflac是一家非常著名的公司。我认为它是美国最大的补充保险提供商。让我们从这里开始。Sheila,也许您可以告诉我们一些关于您目前职位的信息。您在Aflac做什么?

我实际上是在2022年7月加入Aflac的,您之前提到过,作为首席信息官,我有责任监督Aflac在美国的所有数字服务部门,并基本上推动支持我们公司所有美国业务的技术战略,使我们所做的工作与我们的业务目标保持一致。我先分享一些关于Aflac公司本身的信息。Aflac专门从事补充福利和

意外、癌症、危重疾病、住院和人寿保险。我们通过帮助他们弥补标准医疗保险可能无法涵盖的意外费用的差距,为我们的保单持有人创造价值。

Aflac成立于1955年,实际上是一家癌症保险公司。如今,我们是一家市值260亿美元的公司,在美国和日本运营,拥有超过5000万客户。您最有可能通过Aflac鸭子认识我们,这只鸭子20年来一直是我们的国际品牌标志。我加入Aflac后真正喜欢了解的一件事是“我的特殊Aflac鸭子”,这是一种创新的机器人设备

用于患有癌症或镰状细胞病的儿童。它是Aflac儿童癌症运动的基石,该运动已持续超过28年,捐款超过1.65亿美元。该项目于2018年启动,迄今为止,我们已分发了超过21000只这种机器人鸭子

遍布美国、波多黎各、北爱尔兰和日本。所以这就是Aflac利用品牌为正在经历艰难时期的儿童提供真正帮助的方式之一。这只是我们回馈我们所服务社区的一种方式。请告诉我们一些关于人工智能在Aflac中所扮演的角色的信息。

Aflac对人工智能的应用,与许多其他公司一样,实际上源于创新的必要性。当然,我们在疫情期间都面临着巨大的压力。为了替代面对面的互动,支持我们客户体验的数字化能力必须成为许多业务的首要任务。Aflac也包括在内。市场的萎缩也意味着公司必须学会提高效率,

因此,我们正在寻求人工智能和机器学习来做到这两点,以帮助改善我们的客户体验,并帮助我们简化运营。也许可以举个例子。您在哪个地方使用了人工智能?

我们主要关注的领域一直是理赔处理领域。与许多保险公司一样,我们的理赔流程是一项复杂且耗时的任务。它涉及大量的专业知识,并且还受各种规定的约束。我们大约有46项理赔是完全自动化的,或者我们称之为直通式处理,主要是健康理赔。

我们将这些视为自动化的机会,因为我们不需要额外的损失证明,我们可以接受理赔表格问题的答案以及保单持有人的证明作为证明。此外,我们49%的手动理赔的赔付金额少于例如200美元。

我们花费大量精力手动管理这些理赔,无论它们是大是小。因此,我们在这一领域有很大的自动化机会。人工智能使我们有机会做到这一点。当然,我们的目标是确保无摩擦的体验,尽快为我们的被保险人支付理赔,以便他们看到价值,然后他们会坚持下去,并作为保单持有人和客户更长时间地留在AFLAG。我认为它正在……

做出通常需要基于判断的决策,需要整合大量不同的信息。这实际上是我们看到许多保险和金融机构公司的一个共同主题。如果您能与我们的听众分享一些建立和扩展此类用例的挑战,那就太好了。我认为这将非常有帮助。

因为这是许多人最关心的问题。所以您认为哪些经验教训是有价值的?我认为对于大多数组织来说,一开始当然要关注寻找合适的人才。这是一个巨大的挑战。因此,重点在于了解您需要采用哪些技术以及谁真正了解如何利用这些技术。

然后我们还了解到,如果您查看初始成本和投资,这有点像研究,可以说是为了了解需要多少成本。因此,您需要部署模型的初始成本,您可以通过采用更多小型有针对性的用例来证明价值,从而最大限度地减少这种成本。然后,您可以寻求在整个组织中扩展它。

Sheila,您是从人才开始的,我相信这会引起很多人的共鸣。请告诉我们更多关于这方面的挑战以及寻找合适人才的重要性。什么是合适的人才?

在我看来,任何工程学科中合适的人才首先是一个具有好奇心的人,真正寻求成为创新者并了解您的业务。您真正寻找的是能够解决这两个问题的工程师。

加入进来,对业务和您试图解决的机会有很好的理解,然后了解如何将技术术语与这些业务机会联系起来。我注意到您是从工程人才开始的,但您并没有从事工程工作。

技术深度,并不是说它不重要,但您的出发点是围绕创新、好奇心、求知欲。您之前提到了测试和学习。所以是实验、学习。所以这些人有点独特,对吧?因为他们拥有技术专长、深度和经验,但他们也必须充满好奇心,并在某种程度上是艺术家,对吧?我们称他们为数据科学家,但也许他们应该是数据艺术家。

这种人才的价值主张是什么?您是如何培养和招聘您所说的这种特殊类型的技术人才的?

对于我们在Aflac的团队来说,当然,我们的品牌对我们来说非常重要,并且真正专注于服务我们的客户群。我们拥有一个独特的领域,即补充保险。因此,这与我们所做的服务的方面有关。所以这通常也是人们感兴趣的地方。您可以随时做的一件事是从我们保单持有人的日常生活中分享一个真实的场景,以便他们能够理解他们所做的工作是如何联系起来的。

与真正重要的事情,因为我认为许多今天希望加入公司的人都正在寻找与服务型公司建立联系,而您不仅仅是在服务一家公司,而是在最终服务社区中的人们,然后当然,如果您在工程领域工程师

数据科学家,您真的希望能够有机会解决独特的问题。最终,在Aflac的技术领域,我们专注于公司的使命,即有目的的关怀。我喜欢这一点。这对我来说是一个很大的吸引力,Aflac是一家公司,专注于我们被保险人和员工的体验。您提到的一件事是

我认为是46%还是49%的理赔是简单的理赔?46项是完全自动化的。我们大约49%的手动理赔属于不太复杂的理赔。从历史上看,您一直有人处理这些理赔,对吧?当您进来并说,好吧,我们将拥有这个理赔时,组织上会发生什么情况。

哇,新奇的计算机系统进来了,会做这件事。他们是否感到苦恼?他们是否很高兴不必处理大量的小额理赔?他们对此的情绪反应是什么?

我相信人们会开始思考,我们又来了,另一台计算机开始接管我的工作了。但Aflac的理念非常专注于提供更高水平的客户服务。它实际上释放了在一些理赔上花费的时间,以便能够在更高、更复杂的理赔上花费更多的时间。而且通常情况下,对于Aflac来说,如果我们的客户服务代表根据我们拥有的保单类型与某个人通电话,那么对于电话另一端的人来说,这可能是一段非常紧张的时间。因此,对于这些人来说,能够花时间为我们的客户服务非常重要。是的,这与我认为Shervin和我听到的很多内容产生共鸣。我的意思是,我们几乎从未听说过有人进来并说,好吧,我们

我们将把这个放进去,突然之间人们什么都不做了。我们都被我们必须做的一切压得喘不过气来。大多数人只是很高兴在这个过程中得到一些帮助。对。想想过去,变更管理方面。但沟通确实至关重要。好的。那么您是如何做到的呢?告诉我们怎么做。是的。

没有秘诀。最重要的是,首先要了解您所服务的业务领域及其主要需求。其次,将他们带到您的身边。所以这将是……

就成功的关键而言,我的建议是不要最后才告诉他们。将他们带到您的身边,以便他们能够了解您的旅程。通常,许多这些人也在帮助培训您的模型。因此,查看您的数据、数据质量以及随着时间的推移对模型的培训。

是的,“将他们带到您的身边”我认为是很多人都产生共鸣的事情。Sheila,您长期以来一直是技术、工程和数字领域的领导者。过去,您不会将他们带到您的身边,因为没有什么可以将他们带到您的身边,就像您必须构建它一样。当然,我认为您在这方面有所发现,因为这在感觉上是不同的,例如,“嘿,有一个系统,我们将对其进行自动化。”

它是否与之前的系统或之前的操作方式做同样的事情?这与这种方法非常不同。好吧,我们并不完全知道这应该如何工作。我们将随着时间的推移找出更多信息。我们将随着时间的推移找出这些数据意味着什么。在我看来,这是一种非常不同的方法,正如Shervin所说,这是一种追求这些项目非常不同的方法。

是的。对于任何组织来说,如果您在整个组织中都拥有这种创新思维,您都会从中受益,因为我们所有人都会从中受益,正如我所说,您可以释放组织的心智,从而创造巨大的价值。无论是来自您的业务的创新想法,他们都不必知道如何交付它。他们只需要知道如何说,“这是一个好主意”,或者“我看到一个机会可以改进我们的业务运营。”

然后提出这个想法,并在整个组织中进行合作,以实现这种创新。我们在Aflac还有一个正式的创新团队,称为Hatch。因此,我们确实还有另一个部门,我们将一些其他想法通过该部门进行创新和测试学习。因此,该团队不仅可以专注于人工智能和机器学习解决方案,还可以专注于任何其他类型的创新解决方案。Sheila,您一直是创新的领导者

技术、数字工程领域已经有一段时间了。请告诉我们一些关于您对工程和技术感兴趣的原因以及您的旅程是什么样的信息。我来自路易斯安那州南部的一个小镇,人口2500人。我的父母都没有机会上大学。所以对我来说,这是他们从小就灌输给我的东西,对学习的热爱和对教育的关注。所以我选择

一开始专注于工程。我父亲给了我强烈的建议,基本上说,这将是未来的领域。当时我并不知道这个选择在我的职业生涯中意味着什么,但这确实是一个非常好的选择。所以我从工程学科、计算机科学工程开始,当时这更偏向于操作系统方面,处理

大型机技术。当时,我是班上为数不多的女性之一。随着我的成长,看到越来越多的女性选择这个领域,这真是太好了。我的第一份工作是在罗斯·佩罗的第一家公司Electronic Data Systems,并有机会参加该系统的工程开发项目。所以在这一阶段,我真正学习了如何以

实践程序的方式做事,然后也专注于在您的职业生涯中作为一名工程师进行持续学习。作为一名领导者,您必须专注于持续学习。所以这是一个重要的收获。我有机会在我的职业生涯早期从事咨询工作,技术咨询,进出许多不同的公司。我在9·11事件期间与美国航空公司合作。那可能是我职业生涯中最有趣的时期之一。然后

然后迁移到金融服务和保险行业。在我的职业生涯中,我已经在保险行业工作了大约15年,并且非常喜欢它。许多人不会将保险视为一个可以看到大量自动化和大量创新的地方,但它是一个为此做好准备的行业。因此,该行业有很多机会,这就是我仍然留在这里的原因。

是的。关于保险的有趣之处在于,我也在保险行业做了不少工作,其中有很多科学技术。我看到的是,在各种保险中都有很多有趣的用例,财产、意外、健康保险。

商业,这就是为什么我问到人才。您如何让刚毕业的年轻人了解该领域正在发生的所有很酷的事情?是的。我还认为,例如,进行这些播客,以及您今天作为任何组织的领导者必须做的事情的一部分是确保即将到来的天才了解

您在组织内部进行的一些有趣的工作。这也是关键。我们将花费更多时间专注于分享我们正在做的一些有趣的工作,这些工作也会吸引人才加入组织。Sheila,我们有一个环节,我们会问您一些快速的问题。所以只需回答您脑海中想到的第一件事即可。在Half-Life中,您在人工智能方面最引以为豪的是什么?哪个时刻最能引起共鸣?

事实上,我们已经开始了这段旅程,并且已经看到了成功。所以对我来说,有机会在我们的公司中扩展和发展这一点。我们考虑偏差。我们考虑伦理问题。但是,还有什么让您担心人工智能吗?

当然,这两个问题,另一个我经常听到的问题是关于隐私的问题。对于Aflac来说,我们绝对专注于保护我们的信息。这是关键。因此,您会听到这些担忧,我们致力于保护个人或数据。因此,我们在内部非常关注这一点。我相信随着时间的推移,人工智能和机器学习将带来许多积极的机会,假设我们可以

遵守广泛可接受的使用标准,人工智能将始终带来巨大的积极成果。但我们也必须注意一些缺点。我认为,由于人工智能和机器学习有如此多的优势,我们将不得不忍受更多的一些缺点。您最喜欢的与技术无关的活动是什么?我喜欢旅行和尝试新事物。所以我会说我是一个有点冒险的旅行者。

好的。当您还是个孩子的时候,您想要的第一份职业是什么?您长大后想做什么?当我还是个孩子的时候,我从小就学习演奏古典钢琴,并在高中时上了大学课程。所以我想成为一名古典音乐会钢琴家。好的。这对我们来说是第一次。您对未来人工智能的最大愿望是什么?如果您能梦想,它会为我们做什么?

哦,梦想。好吧,我当然会谈论Aflac,我希望看到我们将这些模型扩展到包括Aflac公司以及我们的客户的更多利益,推动智能自动化并在我们的其他业务领域进行建设,坦率地说。所以我认为我们有一个巨大的机会。然后总的来说,我

我认为在整个社会中,利用人工智能和机器学习可以带来许多有意义的价值。再次强调,这回到了利用人工智能造福人类。

Sheila,感谢您抽出时间与我们交谈。我认为您在许多不同的组织中都有如此丰富的背景。我还喜欢的一件事是,这种认识到我们想要和梦想的许多事情可能很容易说,但很难做到,非常难做到。我认为这就是许多技术的主题,虽然说这些事情可能听起来不错,但每天都去做它们并取得进展是很困难的。感谢您抽出时间与我们分享您的经验,好的和坏的。谢谢您。

难以置信,但这是“我和AI”第六季的结尾。我们两周后将推出第七季。请加入我们。感谢您收听“我和AI”。我们相信,与您一样,关于人工智能实施的对话不会仅限于此播客。这就是为什么我们在LinkedIn上专门为像您这样的听众创建了一个小组。它被称为“AI for Leaders”,如果您加入我们,您可以与节目创建者和主持人聊天,提出您自己的问题,分享您的见解,

并获得来自麻省理工学院SMR和BCG关于人工智能实施的宝贵资源,您可以通过访问mitsmr.com/AIforLeaders来访问它。我们将把该链接放在节目说明中,我们希望在那里见到您。