Beneficios optimizados: IA y análisis para un mejor compromiso y rendimiento 

Ya sea que busque datos manualmente, espere a que los socios proporcionen informes o trabaje con paneles, extraer y analizar datos puede ser arduo y llevar mucho tiempo.

Afortunadamente, los agentes de IA como ChatGPT y Len AI, la tecnología de IA patentada de Marsh McLennan, ahora permiten que los conjuntos de datos se analicen utilizando lenguaje natural para que los datos de beneficios puedan revisarse fácilmente para descubrir información valiosa. No es de extrañar que el 50 % de los empleadores ya estén utilizando la IA para fines de beneficios, y un 48 % adicional planea utilizarla en los próximos uno a tres años. Los análisis avanzados y predictivos, junto con la personalización, son los principales impulsores de esta tendencia.^[1]

A nivel práctico, la reducción de las cargas administrativas es significativa. Por ejemplo, los equipos de RR. HH. pueden ver las tasas de captación y compromiso de beneficios e identificar cualquier problema de utilización que pueda estar afectando los presupuestos. Esto libera tiempo para que RR. HH. se enfoque en iniciativas más estratégicas, como comprender cómo los beneficios preventivos están afectando las reclamaciones.

El análisis predictivo presenta un caso de uso convincente para la IA, especialmente en el ámbito de la salud y el bienestar.  Por ejemplo, al predecir cuántas personas es probable que se enfermen en el año, las estrategias de beneficios pueden optimizarse para tener en cuenta la inflación médica y las consideraciones presupuestarias en el contexto de un entorno de recursos limitados cada vez más desafiante. 

Esto requiere crear escenarios y simular el resultado probable de diferentes estrategias de beneficios. Por ejemplo, si anticipa una gran cantidad de reclamaciones musculoesqueléticas (musculoskeletal, MSK), ¿cuántas es probable que resulten en rehabilitación a largo plazo y cómo podría cambiar eso la aceptación de un beneficio preventivo?

También requiere distinguir entre los problemas de toda la sociedad y los específicos de su organización. En Mercer Marsh Benefits (MMB) podemos superponer los datos organizacionales con enormes conjuntos de datos para ayudar a los clientes a identificar bolsillos dentro de su organización que están desafiando tendencias más amplias.

Se puede llevar a cabo un análisis aún más profundo para identificar qué vías clínicas, e incluso los proveedores de atención médica, están generando los resultados más exitosos. Esto permite a los empleadores educar mejor a los empleados sobre el camino, hospital, programa público o beneficio más efectivo para sus necesidades.

Este nivel de personalización es bienvenido por los empleados, y más de dos tercios dicen que compartirían su información médica con un tercero confidencial para recibir información personalizada sobre beneficios o recomendaciones de salud personalizadas.^[2]

Por supuesto, ninguna estrategia de beneficios ofrecerá resultados óptimos si los empleados no están comprometidos y no conocen sus opciones. La IA tiene un papel significativo que desempeñar en el aumento de la utilización al reemplazar las comunicaciones de un solo tamaño con contenido convincente generado automáticamente y adaptado a las diferentes características demográficas de los empleados.

Los asistentes de chat de IA generativa ahora están siendo utilizados por plataformas de beneficios como Darwin con el Asistente de chat de IA, para permitir que los empleados obtengan respuestas a preguntas de beneficios como “¿Puedo agregar a mi esposa a mi póliza dental?”. Permitir que los empleados accedan fácilmente a la información y ejecuten tareas no solo les ahorra tiempo y aumenta el compromiso, sino que mejora la experiencia del usuario.

En otro nivel, la personalización ayuda a los empleados a descubrir beneficios que no sabían que existían o que no habían considerado. Por ejemplo, las personas que buscan hacer más ejercicio y mejorar sus niveles de acondicionamiento físico pueden ser señaladas hacia beneficios que pueden ayudarlos a alcanzar estos objetivos, como membresías en gimnasios y programas de bienestar.

Para darles a los empleados la confianza de compartir datos personales relevantes, es importante educarlos sobre las formas en que los datos se anonimizan o anonimizan para proteger su privacidad.  Estos datos a menudo se utilizan para crear personas que mejoren la relevancia de lo que se muestra a los empleados, aumentando así la aceptación.

Las perspectivas generadas por cualquier aplicación de análisis son solo tan buenas como los datos que subyacen al análisis.  La integridad de los datos es fundamental, al igual que el gobierno y los procesos que lo rodean.   

Aumentar la elección de beneficios solía significar aumentar la administración de beneficios, pero la IA puede ingerir datos de manera más efectiva, automatizar tareas de rutina, llevar a cabo el monitoreo del cumplimiento y reducir el error humano.

Por ejemplo, si tenía un fondo de reembolso para permitir que las personas reclamen actividades de bienestar, la IA no solo puede verificar el recibo para asegurarse de que no sea un reclamo duplicado, sino que también verifique que el proveedor realmente exista, que el servicio proporcionado esté cubierto y que el empleado no haya superado su asignación.

De manera similar, se puede utilizar para cerrar automáticamente la nómina, inscribir a nuevos miembros y ejecutar otros procesos de beneficios, para reducir significativamente los gastos administrativos. Esto les da a los equipos de RR. HH. ya extendidos más tiempo para enfocarse en iniciativas más estratégicas.

Cualquier iniciativa de IA es tan buena como el conjunto de datos subyacente y construir la base de IA adecuada para centralizar y conectar esos datos es fundamental para el éxito. El 88 % de los empleadores que centralizaron su software de beneficios de esta manera dicen que pueden responder rápidamente al cambio, y el 73 % de los que dicen que están en camino de lograr sus objetivos de compromiso de los empleados.^[3]

La IA no solo tiene el potencial de mejorar las perspectivas y la administración de beneficios para los empleados y empleadores, sino que también tiene el potencial de transformar la experiencia de los empleados para crear una fuerza laboral más saludable y satisfecha. Como tal, la mitad de los empleadores actualmente utilizan la IA para pronosticar las necesidades de beneficios futuros en función de las tendencias de la fuerza laboral, y el 58 % está personalizando las recomendaciones de beneficios y las comunicaciones en función de las perspectivas de la IA con un 33 % más de planificación para hacerlo para 2026. Esto muestra un movimiento significativo hacia los empleadores que aprovechan cada vez más los datos no solo para el seguimiento y la previsión, sino también para la personalización y la mejora del bienestar.^[4]