الذكاء الاصطناعي والتعلم الآلي

مضاعفة الكفاءة في معالجة المستندات باستخدام أتمتة الذكاء الاصطناعي

ساعدنا Compensa، جزء من Vienna Insurance Group، في تسريع معالجة مستنداتهم من خلال تصميم حل مدعوم بالذكاء الاصطناعي يقلل الوقت اللازم لإعداد عروض التأمين. بنى فريقنا أداة آمنة قائمة على Azure تستخرج وتنظم البيانات الرئيسية من ملفات الوسطاء المتنوعة، مما يستبدل العمل اليدوي بالتحليل والتحقق المدعومين بالذكاء الاصطناعي. يقضي الآن متخصصو الاكتتاب دقائق، وليس ساعات، في مراجعة المسودات، مما أدى إلى إعداد آلاف عروض التأمين بشكل أسرع.

arrow_circle_right الخدمات المالية

عن العميل

شركة Compensa Insurance Company S.A.، وهي جزء من مجموعة Vienna Insurance Group، هي مزوّد رائد للتأمين في أوروبا الوسطى والشرقية. تأسست في بولندا عام 1990، وتقدم Compensa مجموعة واسعة من المنتجات، من تأمين الممتلكات والحياة إلى التغطية الصحية وتأمين السيارات، لكل من العملاء الأفراد والشركات في دول مثل النمسا وألمانيا وجمهورية التشيك وسلوفاكيا والمجر ورومانيا وبلغاريا ودول البلطيق والبلقان.

اسم الشركة:

Compensa TU S.A. Vienna Insurance Group

الموقع:

بولندا، أوروبا الوسطى والشرقية

القطاع:

التأمين

الخدمات

تطوير خوارزمية ذكاء اصطناعي مخصصة لمعالجة المستندات

تكامل Azure OpenAI (GPT-4o)

تطوير قاعدة بيانات متجهية (Chroma DB)

التقنيات

Azure OpenAI

نموذج LLM GPT-4o

LangChain

Chroma Db

واجهة برمجة تطبيقات Microsoft Graph

Azure DevOps CI/CD

التحدي

تعالج Compensa عدة آلاف من العروض المؤسسية كل عام، مما يتطلب من المكتتبين نقل البيانات يدويًا من مستندات الوسيط إلى عروض التأمين. هذا النقل اليدوي للبيانات يستغرق وقتًا طويلاً ويمكن أن يؤدي إلى تناقضات في صياغة المستندات وتخطيطها. غالبًا لا يعمل الوسطاء وفقًا لشروط Compensa ويستخدمون اصطلاحات تسمية حقول مختلفة وترتيبات أقسام مختلفة، كما يتراوح طول المستندات غالبًا بين 4 و50 صفحة.

حتى المكتتب الواحد قد يُنشئ مستندات بصيغ مختلفة، لأنه يتعاون مع العديد من الوكلاء، وكل منهم يمكنه إعداد المستندات باستخدام قوالب مختلفة. وقد يستغرق إعداد العرض ما يصل إلى ساعة، كما أن محاولة توحيدها يدوياً ستتطلب وقتاً إضافياً كان بإمكان المتخصصين استغلاله في مهام أخرى.

الحل

هدفت Compensa إلى توحيد تخطيط عقودها وأتمتة المهام المتكررة، مما يخفف العبء عن المكتتبين ويتيح لهم التركيز على تقدير العرض بشكل صحيح والتفاوض مع العملاء، بدلاً من نسخ البيانات ولصقها من المستندات.

لتحقيق ذلك، اقترحنا تطوير خوارزمية قائمة على الذكاء الاصطناعي لاستخراج المعلومات الأساسية وإنشاء رد منسّق – عرض مبدئي ليتم مراجعته من قبل مكتتب التأمين. ستشمل المعلومات المستخرجة تفاصيل حول الوسطاء وشركات التأمين والمؤمَّن لهم، وتفاصيل محددة تتعلق بمنتجات التأمين ومبالغ التغطية وأنواعها وبنودها وغيرها من البيانات الحيوية. سيعمل الحل على إنشاء قالب موحّد على مستوى الشركة، بما يوحّد جميع العقود ويركّزها في مكان واحد.

Diagram showing the underwriter's offer preparation process in four steps: broker sends enquiry, underwriter prepares the offer, the offer document, and negotiation and signing of contract.

Diagram showing the new offer preparation process using GenAI: broker sends enquiry, Azure and OpenAI automatically generate the offer, underwriter verifies and prices the offer, then negotiation and signing of contract.

صممنا حلاً ضمن بيئة Azure الآمنة، وهو أمر بالغ الأهمية للامتثال للوائح الصارمة المتعلقة بالتعامل مع البيانات في القطاع المالي. تضمن الحل نموذج ChatGPT من Azure OpenAI، حيث نفذنا أدوات تحليل مخصصة واستدلالاً متسلسلاً وطبقة تحقق لضمان دقة استخراج البيانات. شملت عمليات التكامل الرئيسية LangChain لضمان تدفق سلس للبيانات، وChroma DB لتخزين التضمينات، وMicrosoft Graph API للاتصال الآمن بالبريد الإلكتروني، وخطوط أنابيب CI/CD من Azure DevOps للنشر المبسط. كما طورنا قاعدة بيانات متجهية بمنطق محدد من الخبراء للتعامل مع الحالات التي تتجاوز نطاق الذكاء الاصطناعي.

النتيجة

ضاعف الحل سرعة معالجة المستندات أو حتى ثلاثّفها، اعتمادًا على مدى تعقيد الطلب. والآن، بدلاً من قضاء ساعات في إكمال الملفات يدويًا، يقتصر دور مكتتب التأمين على التحقق من صحة البيانات المستخرجة، وهو ما يستغرق بضع دقائق فقط. ويعالج الفريق نفسه العقود بسرعة أكبر بكثير، مما أدى إلى تقصير زمن الاستجابة الأولى للعملاء وزيادة عدد العقود الموقّعة. وقد أصبح قالب المستند موحّدًا، وأصبحت صياغة العقود أسهل في التحكم بفضل قاعدة بيانات للبنود يديرها أشخاص معيّنون.

Chart showing that likelihood of signing a contract decreases as time from request to first offer increases. GenAI offer processing responds significantly faster than standard processing, resulting in a higher likelihood of closing the deal.

أُقدّر احترافية فريق Spyrosoft، الذين استوعبوا تعقيدات المشروع بسرعة وقدموا منظوراً مبتكراً وجديداً. ونحن الآن نطبّق النموذج والنهج المطوّرين في عملياتنا التجارية اليومية.

آدم ساسين

مدير مكتب المبيعات المؤسسية في شبكة الوكالات والتأمين الاجتماعي

arrow_circle_rightاتصل بنا