Salesforce Ungkap Alasan Banyak Proyek AI Gagal Total

Industri asuransi tengah menghadapi tantangan yang semakin kompleks. Mulai dari meningkatnya ekspektasi nasabah, tuntutan kepatuhan regulasi, hingga ancaman fraud yang terus berkembang. Di tengah situasi tersebut, pemanfaatan data dan kecerdasan buatan (AI) dinilai menjadi fondasi penting untuk menciptakan pertumbuhan bisnis yang berkelanjutan sekaligus meningkatkan efisiensi operasional.

Hal tersebut disampaikan oleh Andreas Diantoro, Area Vice President & President Director Salesforce Solution Indonesia, dalam acara Data & AI in Insurance. Menurutnya, keberhasilan implementasi AI di industri asuransi tidak hanya bergantung pada kecanggihan teknologi, tetapi juga pada kualitas data yang menjadi fondasinya.

“AI yang baik membutuhkan data yang baik. Banyak perusahaan berfokus pada model AI, padahal tantangan terbesar justru terletak pada bagaimana data dikelola, diintegrasikan, dan dipercaya oleh organisasi,” ujar Andreas.

Ia menjelaskan bahwa industri asuransi memiliki karakteristik bisnis yang sangat bergantung pada data. Mulai dari proses pemasaran, underwriting, pengelolaan polis, penanganan klaim, hingga layanan pelanggan, seluruhnya membutuhkan informasi yang akurat dan terhubung.

Menurut Andreas, transformasi digital yang sedang berlangsung telah mendorong perusahaan asuransi untuk beralih dari sistem data yang terfragmentasi menuju platform data yang lebih terintegrasi dan terkelola dengan baik.

“Perusahaan asuransi saat ini tidak hanya dituntut untuk cepat, tetapi juga akurat. Di sinilah peran data menjadi sangat penting. Tanpa fondasi data yang kuat, manfaat AI tidak akan bisa diwujudkan secara optimal,” katanya.

Empat Tantangan Utama Industri Asuransi

Dalam pemaparannya, Andreas menyoroti empat tema utama yang saat ini menjadi fokus industri asuransi terkait pemanfaatan data dan AI.

Pertama adalah kepatuhan terhadap regulasi. Industri asuransi harus memenuhi berbagai ketentuan, termasuk POJK Nomor 8 Tahun 2024, POJK Nomor 22 Tahun 2024, serta Undang-Undang Perlindungan Data Pribadi (UU PDP) Nomor 27 Tahun 2022.

Menurut Andreas, kepatuhan saat ini bukan lagi sekadar persoalan dokumentasi, melainkan kualitas data dan kemampuan menghasilkan laporan yang akurat secara real-time.

“Kepatuhan regulasi pada akhirnya adalah persoalan data. Jika datanya tidak konsisten atau tidak terpercaya, maka proses pelaporan dan pengawasan akan menjadi jauh lebih sulit,” ujarnya.

Tantangan kedua adalah fraud dan manajemen risiko. Perusahaan asuransi harus menghadapi berbagai bentuk kecurangan, mulai dari anomali klaim hingga praktik kolusi antara agen dan penyedia layanan kesehatan.

Andreas menegaskan bahwa kemampuan mendeteksi fraud sangat bergantung pada kualitas data yang tersedia.

“Fraud tidak bisa dideteksi hanya dengan intuisi. Diperlukan data yang lengkap, bersih, dan terhubung agar AI mampu menemukan pola-pola yang mencurigakan secara cepat dan akurat,” jelasnya.

Ketiga adalah personalisasi layanan pelanggan. Saat ini nasabah datang dari berbagai kanal, seperti bancassurance, agen, asuransi syariah, maupun platform digital. Akibatnya, perusahaan sering kali memiliki beberapa versi data untuk pelanggan yang sama.

“Nasabah menginginkan pengalaman yang personal. Namun hal itu hanya bisa diberikan jika perusahaan memiliki satu pandangan menyeluruh mengenai pelanggan di seluruh kanal layanan,” kata Andreas.

Sementara tantangan yang keempat adalah optimalisasi operasional, terutama pada proses underwriting, klaim, dan layanan pelanggan yang kini semakin banyak memanfaatkan AI untuk meningkatkan produktivitas.

Kualitas Data Menjadi Penentu Keberhasilan AI

Andreas mengungkapkan bahwa salah satu hambatan terbesar implementasi AI bukanlah teknologi itu sendiri, melainkan kualitas data yang belum memadai. Mengutip data Gartner, sekitar 47 persen proyek AI gagal mencapai tahap produksi. Penyebab utamanya bukan karena model AI yang kurang canggih, tetapi karena data yang digunakan tidak cukup terpercaya.

“Banyak organisasi ingin segera menggunakan AI, tetapi lupa membangun fondasi datanya terlebih dahulu. Padahal data yang terfragmentasi, tidak terstandarisasi, dan berada dalam silo akan menghambat seluruh proses transformasi,” ujarnya.

Karena itu, perusahaan perlu melakukan transformasi dari kondisi data yang tidak terkelola dan tersebar di berbagai sistem menjadi data yang terintegrasi, terpercaya, dan siap digunakan.

Deteksi Fraud Klaim Kesehatan Membutuhkan Data Terintegrasi

Salah satu contoh nyata pentingnya fondasi data adalah dalam proses pengelolaan klaim asuransi kesehatan.

Untuk mendeteksi Fraud, Waste, and Abuse (FWA), perusahaan asuransi harus menggabungkan berbagai sumber informasi, mulai dari tagihan rumah sakit, ringkasan pasien keluar, catatan operasi, data identitas anggota, informasi rumah sakit dan dokter, hingga rincian manfaat polis.

Ketika seluruh data tersebut terhubung dalam satu platform, AI dapat membantu menemukan anomali yang sulit terdeteksi secara manual.

“Semakin lengkap dan terintegrasi data yang dimiliki, semakin besar peluang perusahaan untuk mengurangi kerugian akibat fraud dan meningkatkan kualitas pelayanan kepada nasabah,” kata Andreas.

Peluang Pemanfaatan AI di Industri Asuransi

Lebih lanjut, Andreas memaparkan sejumlah area yang dapat memperoleh manfaat besar dari penerapan data dan AI. Mulai dari peningkatan customer lifetime value, analitik broker, otomatisasi tugas-tugas administratif, efisiensi underwriting, hingga integrasi data pasca merger dan akuisisi.

Selain itu, AI juga dapat membantu tata kelola data, pengelolaan modal dan kapasitas keuangan, transfer risiko, deteksi fraud, hingga prediksi risiko bencana alam. Menurut Andreas, manfaat terbesar AI bukan hanya pada penghematan biaya operasional, tetapi juga kemampuannya menciptakan pengambilan keputusan yang lebih cepat dan akurat.

“AI memungkinkan perusahaan beralih dari pendekatan reaktif menjadi proaktif. Dengan analitik prediktif, perusahaan dapat mengidentifikasi risiko lebih awal dan mengambil tindakan sebelum masalah berkembang menjadi kerugian yang lebih besar,” ujarnya.

Helia Jadi Contoh Transformasi Data Berbasis Cloud

Dalam kesempatan tersebut juga disampaikan contoh transformasi yang dilakukan oleh perusahaan asuransi kredit pemilikan rumah asal Australia, Helia. Perusahaan tersebut mengganti lingkungan data yang sebelumnya terfragmentasi dengan platform cloud terintegrasi yang mendukung pemanfaatan AI.

Langkah tersebut memungkinkan Helia memiliki tata kelola data yang lebih baik, mempercepat akses informasi, serta meningkatkan kemampuan analitik untuk mendukung inovasi layanan. Transformasi yang dilakukan Helia menunjukkan bahwa keberhasilan implementasi AI tidak hanya ditentukan oleh teknologi, tetapi juga oleh kemampuan organisasi membangun fondasi data yang kuat dan terpercaya.

Andreas menutup pemaparannya dengan menegaskan bahwa masa depan industri asuransi akan sangat ditentukan oleh kemampuan perusahaan mengelola data secara efektif.

“Data adalah aset strategis. Ketika data dapat dipercaya dan dimanfaatkan secara optimal, AI akan menjadi penggerak utama inovasi, efisiensi, dan pertumbuhan bisnis asuransi di masa depan,” pungkas Andreas Diantoro.