Teaming Up With AI : Supporting Human-AI Collaboration in Insurance Decision-Making
Ladataan...
suljettu
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
Lataukset5
Pysyvä osoite
Verkkojulkaisu
DOI
Tiivistelmä
AI applications are increasingly being implemented in the insurance industry, where they hold significant potential, particularly in claims handling, where claims handlers must make complex decisions continuously. However, although AI initiatives have increased rapidly in recent years, their success has often remained limited. It has become clear that implementing supportive AI tools is not only a technical matter, but also a question of how collaboration can be made to work, so that employees actually adopt the new tools into their work practices. This study aims to determine how organisations can support human-AI collaboration when implementing new AI tools in their work processes.
Prior research has identified the potential of AI in insurance as well as key concepts of human-AI collaboration, but there is a gap in practical guidance and in integrating these different areas. This study builds its theoretical framework by combining prior literature from human-AI collaboration, AI adoption, and organisational support. The study employs Design Science Research (DSR) as its methodology and qualitative, semi-structured interviews as the research method to collect empirical data. The research was conducted within a single case organisation in the insurance industry, comprising six interviews across three organisational levels. Based on theoretical and empirical findings, a design process was conducted, resulting in a practical guideline to support organisations in implementing AI-based decision-support tools.
From the empirical data, five themes were identified through thematic analysis, and, together with the theoretical findings, they formed the basis for identifying eight design requirements, which in turn served as the foundation for the guideline as the design artefact. The key result of the study is that supporting human-AI collaboration to gain real benefit from AI-based decision-support tools requires addressing several interconnected factors rather than focusing solely on the technology. Central to the findings were the fragile role of trust and the importance of keeping humans in the loop in challenging decision-making contexts. The guideline provides practical support for organisations to apply in their AI implementation projects.
Tekoälysovelluksia otetaan yhä laajemmin käyttöön vakuutusalalla, jossa niillä on huomattavaa potentiaalia etenkin korvauskäsittelyprosesseissa, joissa korvauskäsittelijät tekevät jatkuvasti monimutkaisia päätöksiä. Vaikka tekoälyhankkeet ovat lisääntyneet nopeasti viime vuosina, niiden menestys on usein jäänyt rajalliseksi. Otettaessa käyttöön ihmistä tukevia tekoälytyökaluja kyse ei ole pelkästään teknisestä toteutuksesta, vaan myös siitä, miten ihmisen ja tekoälyn välinen yhteistyö saadaan toimimaan siten, että työntekijät todella ottavat uudet työkalut osaksi päivittäistä työtään. Siksi tämän tutkimuksen tavoitteena on selvittää, miten organisaatiot voivat tukea ihmisten ja tekoälyn välistä yhteistyötä ottaessaan uusia tekoälytyökaluja käyttöön prosesseissaan. Aikaisempi tutkimus on tunnistanut tekoälyn potentiaalin vakuutusalalla sekä ihmisten ja tekoälyn yhteistyön keskeiset käsitteet, mutta aiemmassa tutkimuksessa on puutteita käytännön ohjeistuksessa ja eri osa-alueiden integroinnissa. Tämän tutkimuksen teoreettinen viitekehys pohjautuu akateemiseen kirjallisuuteen ihmisen ja tekoälyn yhteistyöstä, tekoälyn käyttöönotosta sekä organisaation tuesta. Tutkimus on toteutettu hyödyntäen Design Science Research (DSR)-metodologiaa ja empiirinen data on kerätty kvalitatiivisilla puolistrukturoiduilla haastatteluilla. Tutkimus on toteutettu vakuutusalalla toimivassa organisaatiossa ja sisälsi kuusi haastattelua kolmella eri organisaatiotasolla. Teoreettisen viitekehyksen ja empiirisen aineiston pohjalta tutkimuksessa toteutettiin design science -prosessi, jonka tuloksena kehitettiin käytännön ohjeistus tukemaan organisaatioita tekoälypohjaisten päätöksentekotyökalujen käyttöönotossa.
Empiirisestä aineistosta tunnistettiin temaattisen analyysin avulla viisi teemaa, jotka yhdessä teoreettisten havaintojen kanssa muodostivat perustan kahdeksalle vaatimukselle. Näiden vaatimusten pohjalta määriteltiin, mitä käytännön ohjeistus tulisi sisältää. Tutkimuksen keskeinen tulos on, että ihmisen ja tekoälyn välisen yhteistyön tukeminen ja tekoälypohjaisten työkalujen käyttöönotosta hyötyminen edellyttävät useiden tekijöiden huomioon ottamista kokonaisuutena sen sijaan, että huomio keskittyisi ainoastaan teknologiseen ratkaisuun. Keskeisinä havaintoina korostuivat luottamuksen hauras rooli ihmisen ja tekoälyn välisessä yhteistyössä sekä tarve varmistaa, että loppuvastuu säilyy ihmisellä, kun tekoälyä hyödynnetään vaativissa päätöksentekotilanteissa. Laadittu ohjeistus tarjoaa organisaatioille käytännön tukea erilaisiin tekoälyn käyttöönottoprojekteihin.