Model Hibrid AI + BPO Untuk Automasi Proses Insurans

Pada 2025, ramai pasukan operasi insurans masih terperangkap dalam dilema palsu: sama ada automasi penuh dengan AI, atau serahkan kerja kepada pasukan BPO (Business Process Outsourcing). Masalahnya, kedua-dua pilihan itu jarang “menang” sendirian. AI cepat, tetapi boleh tersilap konteks. BPO teliti, tetapi kapasiti dan kos ada had.

Model yang semakin dominan sekarang ialah hibrid AI + BPO manusia—AI mengendalikan kerja berulang dan separa berstruktur, sementara manusia mengesahkan, membetulkan pengecualian, dan memastikan pematuhan. Saya suka cara berfikir ini kerana ia lebih realistik tentang operasi insurans: dunia sebenar penuh dengan “kes pelik”, dokumen tak seragam, dan tarikh akhir SLA yang ketat.

Dalam siri AI dalam Insurans dan Pengurusan Risiko, topik ini penting sebab ia bukan sekadar mempercepat kerja back-office. Ia memberi kesan terus pada kualiti underwriting, kelajuan tuntutan, kawalan risiko, dan pengesanan penipuan—empat perkara yang biasanya menentukan margin dan reputasi.

Kenapa “AI sahaja” jarang cukup dalam operasi insurans

Jawapan ringkasnya: operasi insurans bukan kilang yang seragam. Ia lebih dekat dengan “talian pemasangan yang sentiasa berubah” kerana input datang dari pelbagai pihak—ejen, pelanggan korporat, broker, pihak bengkel, hospital, adjuster—dengan format yang tak konsisten.

AI memang hebat untuk:

• mengklasifikasi dokumen,
• mengekstrak data daripada emel/PDF,
• membuat ringkasan,
• memberi cadangan langkah seterusnya.

Tetapi AI juga boleh gagal pada tiga titik kritikal:

1) Halusinasi dan jawapan yang “nampak betul”

Model bahasa boleh menghasilkan output yang meyakinkan tetapi salah. Dalam insurans, “salah sedikit” boleh jadi besar: nombor polisi tertukar, tarikh kuat kuasa tersasar, atau butiran insured salah masuk sistem.

2) Pengecualian (exceptions) lebih banyak daripada yang orang sangka

Kes-kes seperti endorsement luar biasa, dokumen tak lengkap, perubahan risiko pertengahan tahun, atau permintaan COI yang melibatkan pihak ketiga—ini semua perlukan pertimbangan manusia.

3) Pematuhan dan audit trail

Sektor insurans hidup dengan audit. Log keputusan, rasional, siapa semak, bila semak—semua itu perlu. Model hibrid lebih mudah direka supaya setiap output AI ada semakan manusia dan rekod yang boleh diaudit.

Ayat yang saya pegang: AI mempercepat kerja. Manusia memastikan kerja itu sah dan selamat dari sudut risiko.

Di mana model AI + BPO paling cepat beri pulangan

Model hibrid paling sesuai untuk workflow bervolume tinggi dan separa berstruktur—bukan 100% standard, tapi cukup berulang untuk diautomasikan.

Antara use case yang biasanya “kena” dalam operasi insurans:

Submission triage (pemilahan penghantaran)

Jawapan terus: AI boleh membaca emel masuk, mengesan line of business, menanda kekurangan dokumen, dan mencadangkan routing.

Dalam praktik:

• AI tag emel: komersial vs peribadi, property vs liability, dsb.
• AI kenal pasti lampiran penting (loss run, SOV, borang permohonan).
• Pasukan BPO semak tag dan lengkapi maklumat, kemudian hantar kepada underwriter yang betul.

Kesan pada pengurusan risiko: underwriter dapat paket lebih lengkap lebih awal, mengurangkan keputusan tergesa-gesa yang meningkatkan risiko adverse selection.

Endorsement (perubahan polisi)

Jawapan terus: AI mengekstrak permintaan perubahan; BPO mengesahkan dan buat kemasukan data dalam sistem.

Endorsement biasanya penuh “detail kecil” yang membawa implikasi besar (limit, lokasi risiko, tambahan insured). Gabungan AI + BPO membantu:

• kurangkan backlog,
• kurangkan salah input,
• pastikan wording dan kelulusan ikut garis panduan.

COI (Certificate of Insurance) dan bukti perlindungan

Jawapan terus: AI boleh membaca permintaan COI dan cari butiran named insured; manusia memastikan wording memenuhi keperluan kontrak.

COI nampak remeh, tapi sering jadi sumber kesilapan operasi dan E&O. Model hibrid memendekkan masa pusingan tanpa mengorbankan ketepatan.

Renewal prep (persediaan pembaharuan)

Jawapan terus: AI boleh “flag” perubahan material dan memicu tugas; BPO menyiapkan quote packet.

Ini membantu risiko kerana pembaharuan yang dibuat “autopilot” adalah punca portfolio jadi lemah. AI boleh mengesan petunjuk seperti:

• perubahan alamat operasi,
• perubahan jumlah pekerja,
• kemas kini aset/stock,
• pertambahan lokasi.

Audit support (sokongan audit dan pematuhan)

Jawapan terus: AI merumus dokumen dan mengekstrak medan audit; BPO memastikan fail lengkap dan menanda percanggahan.

Dalam dunia sebenar, audit bukan semata-mata “cukup dokumen”. Ia tentang konsistensi antara apa yang diisytihar dan apa yang tercatat dalam sistem.

Kajian kes: kapasiti submission naik 3x tanpa tambah FTE

Model ini bukan teori. Satu contoh operasi program carrier yang mengurus beberapa kerjasama MGA berdepan volume submission dan endorsement yang tinggi. Mereka perlu skala—tetapi tak boleh bergantung kepada automasi semata-mata.

Pendekatan yang digunakan (diringkaskan):

1. Model AI dilatih menggunakan sejarah emel submission terdahulu.
2. AI buat routing mengikut line of business, tag kekurangan maklumat, dan cadangkan next steps.
3. Pasukan BPO mengesahkan tag, melengkapkan submission, dan menyerahkan kepada underwriting.
4. Untuk endorsement, AI mengesan permintaan perubahan; BPO buat input ke sistem pengurusan agensi.

Hasil operasi yang dilaporkan:

• Kapasiti pengendalian submission meningkat 3x
• Masa pemprosesan endorsement turun 60%
• Tiada penambahan FTE dalaman

Dari sudut pengurusan risiko, angka ini penting kerana ia menunjukkan sesuatu yang jarang berlaku: kelajuan meningkat tanpa mengorbankan kawalan. Biasanya bila kita paksa kelajuan, kesilapan naik. Model hibrid mengelakkan trade-off itu.

Bagaimana hibrid AI + BPO menguatkan pengurusan risiko & anti-penipuan

Jawapan terus: model hibrid menjadikan AI sebagai “radar” dan manusia sebagai “pengadil”. AI mengesan pola, manusia membuat keputusan yang boleh dipertahankan.

1) Underwriting lebih konsisten, kurang “missed risk signals”

AI boleh membantu mengesan isyarat yang selalu terlepas bila desk terlalu sibuk:

• percanggahan antara borang dan lampiran,
• maklumat yang hilang berulang untuk prospek tertentu,
• perubahan material yang tidak dinyatakan jelas.

BPO pula memastikan:

• dokumen lengkap,
• pemetaan data ke medan sistem betul,
• isu sensitif di-eskalasi.

2) Tuntutan lebih cepat tanpa mengundang fraud

Dalam tuntutan, kelajuan sangat dihargai pelanggan. Tetapi kelajuan juga ruang fraud jika semakan longgar.

Model hibrid sesuai untuk:

• AI buat ringkasan FNOL dan klasifikasi tahap keterukan,
• AI flag tuntutan dengan pola luar biasa (contoh: dokumen identik, metadata mencurigakan, timeline tak munasabah),
• BPO/adjuster membuat semakan lanjut dan dokumentasi keputusan.

3) Pematuhan lebih “kemas” dan mudah diaudit

Bila AI digunakan sendirian, organisasi sering sukar menjelaskan kenapa keputusan tertentu dibuat. Dengan BPO sebagai lapisan semakan:

• setiap output AI ada status “disemak”,
• keputusan yang diubah ada sebab,
• audit trail lebih jelas.

Garis keras yang saya cadangkan: jika keputusan memberi kesan pada perlindungan, premium, atau kelulusan tuntutan—mesti ada semakan manusia.

Rangka pelaksanaan 30 hari: dari pilot ke operasi stabil

Kalau anda mahu leads yang berkualiti (dan bukan sekadar “projek AI yang cantik di slide”), fokus pada pelaksanaan yang pragmatik. Ini rangka yang biasanya berfungsi untuk organisasi insurans.

Minggu 1: Pilih proses yang paling “painful” tetapi terukur

Pilih satu workflow yang memenuhi 3 syarat:

1. Volume tinggi (contoh: submission triage atau endorsement),
2. Data banyak datang dari emel/PDF,
3. SLA jelas (masa pusingan boleh diukur).

Tetapkan KPI awal:

• masa pusingan median,
• kadar pembetulan (rework),
• backlog harian,
• % fail lengkap pada serahan pertama.

Minggu 2: Susun “human-in-the-loop” dengan peranan yang jelas

Tentukan bila manusia masuk:

• semakan 100% untuk 2 minggu pertama,
• kemudian beralih ke sampling berisiko rendah,
• kekalkan semakan penuh untuk kes kompleks.

Definisikan aliran eskalasi:

• AI → BPO (semak) → underwriter/claims lead (kelulusan/keputusan) → QA.

Minggu 3: Integrasi minimum yang berkesan

Tak perlu tunggu integrasi besar-besaran. Mulakan dengan:

• automasi intake (inbox rules + klasifikasi),
• templat ekstraksi medan utama,
• output dalam format yang boleh diimport atau disalin secara terkawal.

Minggu 4: Audit, tuning, dan standard operasi

Bina SOP ringkas:

• senarai semak semakan BPO,
• senarai “red flags” yang mesti eskalasi,
• definisi fail lengkap,
• log perubahan.

Pada hujung 30 hari, anda sepatutnya boleh jawab dengan angka:

• “masa pusingan turun berapa %”,
• “berapa banyak kerja BPO dijimatkan”,
• “berapa banyak kesilapan dicegah”.

Soalan lazim yang biasanya menentukan kejayaan

Bolehkah sistem ini berjalan dalam AMS/CRM sedia ada? Ya, asalkan workflow jelas dan data mapping ditetapkan. Banyak kegagalan berlaku bukan sebab teknologi lemah, tapi sebab medan data dan proses eskalasi kabur.

Adakah AI boleh disesuaikan ikut line of business kami? Boleh, tapi anda perlu disiplin pada data latihan dan contoh dokumen. Lagi kemas arkib submission/endorsement anda, lagi cepat AI stabil.

Berapa cepat nampak hasil? Dalam projek yang saya anggap realistik, pilot boleh menunjukkan impak dalam 2–4 minggu jika proses dipilih betul dan semakan manusia disusun rapi.

Apa yang patut anda buat minggu ini (kalau serius nak mula)

Langkah paling praktikal ialah menilai 3 perkara:

1. Proses mana paling kritikal untuk SLA (submission? endorsement? COI?),
2. Di mana kesilapan paling kerap berlaku (input data? dokumen hilang? routing salah?),
3. Siapa pemilik proses yang boleh buat keputusan cepat.

Jika jawapannya masih kabur, itu petanda utama: sebelum beli teknologi, anda perlu kemaskan operasi. Model hibrid AI + BPO akan nampak hebat di atas kertas, tetapi hanya berfungsi bila peranan manusia, titik semakan, dan log audit dirancang betul.

Menjelang 2026, organisasi insurans yang bergerak laju ialah yang menerima hakikat ini: AI bukan pengganti pasukan operasi—AI ialah pengganda kapasiti, dan BPO ialah lapisan kawalan risiko.

Anda nak mula dengan proses mana dulu—submission triage, endorsement, atau persediaan renewal—kalau sasaran anda ialah turunkan masa pusingan tanpa naikkan risiko pematuhan?