Descubra cómo MongoDB y LangGraph pueden ayudar a las compañías de seguros a optimizar el procesamiento de reclamaciones y brindar una mejor experiencia al cliente.
Casos de uso: Gen AI, Gestión de contenidos
Industrias: Seguros, servicios financieros, comerciominorista, atención médica
Productos: MongoDB Atlas, Búsquedavectorialde MongoDB Atlas
Asociados: Antrópico, AWS, Cohere, LangChain
Resumen de la solución
La IA agenética está transformando el sector asegurador, permitiendo que los sistemas autónomos perciban, razonen y actúen de forma independiente. Los agentes de IA son autónomos, lo que les permite actuar según objetivos y sin instrucciones precisas. Las aseguradoras están invirtiendo fuertemente en estas tecnologías para superar las limitaciones de los sistemas heredados, ofrecer experiencias personalizadas al cliente y capitalizar el mercado asegurador de IA de mil80 millones de dólares proyectado 2032 para.
El procesamiento eficiente de reclamaciones es importante a la hora de modernizar la industria de seguros. Herramientas de IA como La PNL, la clasificación de imágenes y la incrustación de vectores ayudan a las aseguradoras a realizar las siguientes tareas:
Generar evaluaciones precisas del impacto de catástrofes.
Agilice el procesamiento de reclamaciones con metadatos más completos.
Prevenir litigios con un mejor análisis.
Minimice las pérdidas financieras utilizando evaluaciones de riesgos más precisas.
Sin embargo, la aplicación de la IA a escenarios de producción puede presentar desafíos a la hora de equilibrar la fiabilidad y la flexibilidad. Un exceso de autonomía puede generar resultados impredecibles, mientras que las restricciones excesivas pueden reducir la autonomía de los agentes.
Para superar estos desafíos, esta solución muestra cómo un agente de IA puede ayudarle a optimizar las operaciones de reclamaciones y mejorar la satisfacción del cliente con un flujo de trabajo de procesamiento de reclamaciones de varios pasos. En este flujo de trabajo, el agente gestiona las fotos de accidentes, evalúa los daños y verifica la cobertura del seguro. LosLLM analizan la información de la póliza y los documentos relacionados obtenidos de MongoDB Atlas Vector Search. Los resultados se almacenan en una base de datos de MongoDB Atlas.
Arquitectura de referencia
Para ayudar a los agentes a comprender su contexto, cree una indicación que describa su alcance y objetivos al definir su instancia de agente. Esta solución utiliza la siguiente indicación:
Eres un asistente de manejo de reclamaciones para una empresa de seguros. Tu objetivo es ayudar a los responsables de reclamaciones a comprender el alcance de la reclamación actual y proporcionar información relevante para ayudarles a tomar una decisión informada. En particular, en base a la descripción del accidente, necesitas recuperar y resumir las pautas de seguro relevantes para que el responsable pueda determinar la cobertura y procesar la reclamación en consecuencia. Presenta tus hallazgos de manera clara y extremadamente concisa.”
Además de definir las tareas, debe especificar qué herramientas puede usar el agente y cómo usarlas. Este sistema utiliza la búsqueda vectorial y escribe en la base de datos, como se muestra en la imagen a continuación.
Figura 1. Pasos del flujo de trabajo de la agencia
La Búsqueda Vectorial asigna la descripción de la imagen vectorizada a la póliza vectorizada correspondiente, que incluye la descripción de la cobertura para esa clase de accidente. El agente utiliza la póliza y las coberturas relacionadas para recomendar las siguientes acciones y asignar una orden de trabajo a un gestor de reclamaciones. Posteriormente, escribe esta información en la base de datos para almacenarla.
Además, la solución utiliza las siguientes tecnologías:
Construir la solución
Para replicar esta solución, siga las instrucciones en el README del repositorio de GitHub de esta solución. Este proceso incluye los siguientes pasos:
Inicie sesión en MongoDB Atlas y cree su base de datos.
Crea las colecciones especificadas.
Configure su índice de búsqueda vectorial.
Cree una cuenta de AWS y configure sus modelos Bedrock.
Configurar y ejecutar el backend.
Configurar y ejecutar la interfaz.
Configurar contenedores Docker.
Después de seguir estos pasos, podrás ejecutar la aplicación.
Aprendizajes clave
Los agentes de IA simplifican el procesamiento de reclamaciones: los agentes de IA automatizan el proceso de búsqueda de pólizas y coberturas, eliminando la necesidad de navegar por múltiples sistemas, leer archivos PDF extensos y resumir información.
La IA agente puede impulsar un cambio transformador: los agentes de IA poseen un nivel de autonomía sin precedentes gracias a su capacidad de razonar, percibir y actuar. Las aseguradoras deben apostar por la experimentación e integrar estas tecnologías en sus sistemas y procesos para mantenerse competitivas.
El modelo orientado a documentos de MongoDB permite un fácil acceso a los datos: Los agentes pueden acceder fácilmente a datos estructurados y no estructurados almacenados en MongoDB utilizando APIs o el servidor MongoDB MCP. Esto permite a los agentes gestionar interacciones complejas y contextuales.
Autores
Luca Napoli, MongoDB