Manulife intègre des agents IA dans ses processus financiers essentiels

Manulife intègre des agents IA dans ses processus financiers essentiels

Les grandes entreprises financières ont passé des années à tester l'intelligence artificielle dans de petits projets, souvent limités à l'analyse de données ou aux outils de support client. La prochaine phase semble impliquer quelque chose de plus opérationnel : des systèmes capables d'agir dans les flux de travail commerciaux. L'assureur canadien Manulife s'oriente dans cette direction en déployant des systèmes d'IA basés sur des agents au sein de ses opérations internes.

L'entreprise développe ces capacités avec une plateforme d'exécution conçue pour soutenir l'IA agentique, un type de système capable d'effectuer des tâches dans différents outils logiciels et ensembles de données. Manulife a déclaré que cet effort fait partie d'un plan plus large visant à automatiser les travaux à fort volume et à assister la prise de décision interne.

Dans un communiqué annonçant le projet, la société a indiqué s'attendre à ce que les initiatives d'intelligence artificielle génèrent plus de 1 milliard de dollars US de valeur d'ici 2027 grâce à des gains de productivité et à l'automatisation des flux de travail. L'assureur investit dans l'IA depuis plusieurs années, mais l'accent actuel est mis sur l'intégration plus profonde de la technologie dans les opérations quotidiennes. Manulife a déjà élargi son utilisation interne des outils d'IA générative, avec plus de 35 cas d'utilisation en production et un objectif d'atteindre environ 70 dans les années à venir. Environ 75 % de sa main-d'œuvre mondiale utilise déjà des outils d'IA générative sous une forme ou une autre, selon les divulgations de l'entreprise.

Déplacement de l'IA vers les opérations

Les compagnies d'assurance traitent de grandes quantités de données structurées. Les informations sur les polices, les dossiers de sinistres, les évaluations de souscription et les rapports financiers circulent souvent à travers plusieurs systèmes et équipes avant qu'une décision ne soit prise. Ces processus créent un environnement où les outils d'automatisation peuvent aider avec des tâches telles que la révision de documents et les rapports internes. Manulife a déclaré que sa nouvelle plateforme permettra aux équipes de déployer des agents IA capables d'interagir avec les systèmes internes et les données.

Au lieu de répondre à une seule invite comme un chatbot, ces agents sont conçus pour compléter des séquences de tâches dans différents outils logiciels et flux de travail. Par exemple, un agent IA pourrait collecter des données provenant de plusieurs systèmes internes et préparer des résumés pour les employés qui examinent des cas ou préparent des rapports. L'objectif est de réduire le temps que le personnel consacre à la collecte d'informations avant de prendre une décision.

Au cours des deux dernières années, de nombreuses entreprises ont expérimenté des outils d'IA générative pour des tâches telles que l'écriture, le codage ou la synthèse de documents. Les analystes affirment que le prochain défi consiste à transformer ces capacités en systèmes capables de soutenir le travail opérationnel dans de grandes organisations.

L'IA dans les systèmes financiers réglementés

Les institutions financières font face à des obstacles supplémentaires lorsqu'elles essaient de déployer l'IA en production. Le secteur fonctionne sous une surveillance réglementaire stricte, ce qui nécessite des contrôles solides autour de l'utilisation des données et de la transparence des décisions. Les systèmes utilisés pour la souscription, l'analyse des risques ou les décisions d'investissement doivent être audités et explicables. Cet environnement rend la gouvernance et le suivi essentiels à tout déploiement d'IA.

Une étude de Deloitte sur l'IA dans les services financiers note que les banques et les assureurs augmentent leurs investissements dans les outils de supervision des modèles, les politiques internes d'IA et les processus de révision des risques à mesure qu'ils étendent l'automatisation. Les organisations essaient de trouver un équilibre entre les gains d'efficacité et les attentes réglementaires en matière de responsabilité et d'équité.

Manulife a déclaré que la plateforme inclut des contrôles de gouvernance et de sécurité destinés à gérer la manière dont les agents IA interagissent avec les systèmes internes. Ces contrôles aident à suivre comment les décisions sont produites, à surveiller l'utilisation des données et à garantir que les systèmes fonctionnent conformément aux politiques de l'entreprise. De telles protections sont importantes dans le secteur de l'assurance, où les systèmes automatisés soutiennent souvent des processus liés à la gestion des sinistres et aux rapports réglementaires.

L'argument en faveur des agents IA

L'attrait des agents IA réside dans leur capacité à réduire le travail manuel dans de grandes opérations administratives. Le traitement des sinistres, la gestion des polices, les rapports internes et le support client impliquent des tâches répétitives nécessitant que le personnel collecte des données provenant de différentes sources. Les systèmes d'IA capables de collecter et d'organiser des informations dans les systèmes pourraient permettre aux employés de se concentrer sur d'autres tâches.

D'autres entreprises financières explorent des approches similaires. Des banques aux États-Unis et en Europe ont commencé à tester des agents IA pour la détection de fraudes et des tâches de recherche interne. Dans de nombreux cas, l'objectif est d'assister les employés dans des analyses ou des collectes de données chronophages.

Une recherche du rapport Banking Technology Vision d'Accenture suggère que l'automatisation pilotée par l'IA pourrait aider les institutions financières à réduire leurs coûts opérationnels de jusqu'à 30 % au fil du temps, selon les processus impliqués. Une grande partie des bénéfices provient de l'accélération des tâches routinières et de l'amélioration de la précision du traitement des données. Le passage des projets pilotes à des systèmes opérationnels comporte des risques. Les modèles d'IA peuvent produire des erreurs, et les flux de travail automatisés peuvent amplifier les erreurs s'ils ne sont pas surveillés. Ce risque est l'une des raisons pour lesquelles de nombreuses entreprises financières adoptent des stratégies de déploiement progressif, en commençant par des outils internes avant de s'étendre aux systèmes orientés client.

Le plan de Manulife de déployer des agents IA dans ses opérations montre comment de grandes entreprises testent la prochaine étape de l'adoption de l'IA en entreprise. La question importante sera de savoir si ces systèmes peuvent fournir des résultats fiables tout en respectant les attentes réglementaires. Si c'est le cas, les agents IA pourraient devenir une partie intégrante des opérations financières, gérant des tâches routinières qui nécessitaient autrefois de grandes équipes de personnel.