گزارش «رمزگشایی از هوش مصنوعی برای بیمه»[1] که توسط کارشناس ارشد دیجیتال و فناوری شرکت سوئیس‌ری، پراوینا لاودا[2] به رشته تحریر درآمده است، راه‌هایی که هوش مصنوعی (AI)[3] می‌تواند برای دستیابی به اهداف بلندمدت صنعت کمک کند را ترسیم می‌کند و به مزایای قابل‌دسترس هوش مصنوعی می‌پردازد.

لادوا تلاش دارد تا هوش مصنوعی را به عنوان ابزاری برای آینده صنعت بیمه و اتکائی که به طور بالقوه‌ای قادر است، پوششی دقیق‌تر و تعدیل در قیمت‌گذاری را به ارمغان آورد، بازبینی کند. در حالی‌که این، یک هدف بلندمدت و جذاب است، این گزارش به مزایای امروز هوش مصنوعی و فرصت‌های آتی آن برای زنجیره ارزش بیمه[4] می‌پردازد.

هوش مصنوعی به مدل‌های ریاضیاتی که الگوها را از داده‌ها می‌آموزند و تصمیم‌سازی سریع‌تر و حتی خودکار را ممکن می‌سازند، اطلاق می‌شود.

سوئیس‌ری، هوش مصنوعی را بسته به حوزه مربوطه، به چند رده تقسیم می‌کند. هوش مصنوعی را می‌توان به «هوش مصنوعی محدود» تقسیم‌بندی کرد که در آن، یک الگو برای تأمین هدفی خاص در محیطی معین طراحی شده است یا «هوش مصنوعی عمومی» که به عنوان الگویی همگانی است که هوشی همچون انسان دارد.

براساس دیدگاه لادوا، «هیچ نوع هوش مصنوعی عمومی واقعی هنوز وجود ندارد، اما پیشرفت‌های اخیر سبب شده است تا قابلیت‌های مربوط به هوش مصنوعی محدود گسترده‌تر شود (مانند ربات‌های سخنگوی چت جی.پی.تی[5] از شرکت هوش مصنوعی باز[6] و جی.پی.تی-۴ [7] یا بارد گوگل[8]). تاکنون، کاربردهای هوش مصنوعی برمبنای نوع محدود آن، توسعه یافته است.

هوش مصنوعی محدود در بسیاری از صنایع ازجمله بیمه بکار گرفته می‌شود که سه کارکرد مهم دارد. اول، از آن می‌توان برای خودکارسازی عملیات‌های دانشی تکراری مانند طبقه‌بندی مدارک پیش‌نیاز ارزیابی ریسک و پرونده خسارات استفاده نمود. دوم، هوش مصنوعی محدود را می‌توان برای تولید بینش از مجموعه داده‌های پیچیده به منظور تقویت تصمیم‌سازی بهره برد که این به معنی کمک به مدیریت پرتفو و ارزیابی ریسک است. سومین کارکرد هوش مصنوعی محدود، بهبود محصولات پارامتریک[9] و راهکارهای ریسک است.

لادوا هشدار می‌‎دهد، اگرچه هوش مصنوعی، بیمه‌گران و بخش اتکائی را قادر می‌سازد تا کارآمدتر شوند و راهکارهای جدیدی ارائه نمایند، اما باید این موضوع را به خاطر داشت که تاکنون، به کل سیستم برای به‌کارگیری آن از جمله تعاملات انسانی، نیاز بوده است. بنابراین، ارزش افزوده هوش مصنوعی تنها از ترکیب هوشمندانه الگوهای هوش مصنوعی و پردازش‌های انسانی محقق می‌شود و نه فقط از طریق یک الگوی هوش مصنوعی مجزا و مستقل.

امروزه، فناوری‌های هوش مصنوعی که کاربرد بسیاری در بیمه داشته‌اند عبارتند از یادگیری ماشینی[10]، پردازش زبان طبیعی[11] و بینایی رایانه‌ای[12]. تجزیه و تحلیل پیشرفته[13] و برخی اشکال هوش مصنوع،ی به طور فزاینده‌ای زنجیره ارزش بیمه را برای چندین سال غنا بخشیده‌اند و اثری متفاوت بر هر سطح از زنجیره ارزش در آینده خواهند داشت.

لادوا در این گزارش می‌افزاید: «هوش مصنوعی، اثری یکسان بر زنجیره ارزش بیمه نخواهد داشت. این گزارش نمونه سه حوزه‌ای که هوش مصنوعی را می‌توان در بیمه به کار بست، به نمایش می‌گذارد. هوش مصنوعی، درعین‌ بیمه‌گری می‌تواند به بهبود ارزیابی ریسک و درک مشتری کمک کند. بیمه‌گران و بخش اتکائی به حجم بی‌منتهایی از داده در زمان بیمه‌گری نیاز دارند که از طریق دیجیتال‌سازی نقاط تماس[14] فعلی یا دسترسی به دارایی‌های داده[15] جدید با شرکای دیجیتالی همچون دوراداده‌ورزی (تله‌ماتیک)[16]، حس‌گرهای از راه دور[17]، تصاویر ماهواره‌ای یا ثبت سلامت دیجیتال[18] تأمین می‌شود. توان بیمه‌گران و بخش اتکائی برای تبدیل این داده‌ها، به بینش‌های عملیاتی در بیمه‌گری، یک نقطه تمایز رقابتی کلیدی است. چراکه به آنها اجازه می‌دهد تا به مشتریان، پوشش‌ها و قیمت‌های سفارشی‌تر عرضه نمایند.»

تکنیک‌های هوش مصنوعی مانند یادگیری نظارت‌شده[19] می‌تواند برخی رویه‌های بیمه‌گری (و ارزیابی ریسک) همچون اولویت‌بندی[20] و ثبت هوشمندتر پرونده‌های خسارات براساس ضرورت را تکمیل و تسهیل نماید. الگوهای پیشگویانه مبتنی بر هوش مصنوعی سوئیس‌ری از اولویت‌بندی پرونده‌های ارزیابی ریسک عمر و سلامت و ساده‌سازی سفر مشتری، بهره می‌برد.

این گزارش، خسارات را به عنوان دومین رهگذار هوش مصنوعی معرفی می‌کند که می‌تواند به رویه‌های پشتیبان یا پسانه[21]، محصولات جدید و پوشش برای ریسک‌های اضافی کمک کند. قابلیت‌های هوش مصنوعی می‌تواند کارایی و بینش‌ها را بهبود بخشد و توسعه محصولات و پوشش‌ها برای ریسک‌هایی که پیش‌تر غیرقابل‌بیمه‌پذیر بودند را ممکن سازد.

پوشش غرامت تأخیر در پرواز[22] پارامتریک سوئیس‌ری بر اساس الگوی هوش مصنوعی توسعه یافته است که می‌تواند تأخیر در پرواز را پیش‌بینی کند. در صورت وقوع تأخیر، مشتریانی که بیمه خریداری کرده‌اند،‌ هنگام خرید بلیط خود، پرداخت آنی خسارت، بدون تشکیل پرونده، دریافت می‌کنند. این راهکار از بیش از سوابق تاریخی ۲۰۰ میلیون نقطه داده[23] استفاده می‌کند و قابلیت یادگیری ماشینی موتور قیمت‌گذاری[24] آن اجازه تعدیل نرخ‌ها را بر اساس داده‌هایی از ۹۰ هزار پرواز در روز را می‌دهد.

سومین رهگذار هوش مصنوعی، خسارات است که به بینایی یارانه‌ای کمک می‌کند تا تقلب در تصادفات خودرو را کاهش دهد و سبک رانندگی را شناسایی نماید. یک شرکت نوآفرین ایتالیایی با بهره‌گیری از ترکیبی از پردازش یارانه‌ای پیشرفته و هوش مصنوعی، امتیاز ثبت سراسرنما (پانورما) از قسمت جلوی وسیله نقلیه و شناسایی سبک رانندگی راننده و تأیید تصادف براساس ثبت عوامل دخیل را دریافت نمود.

هنگامی که موتور خودرو روشن می‌شود، دستگاه ثبت شروع به تهیه ویدئوهای کوتاه کرده و هم‌زمان آن را از طریق یک فناوری انحصاری به ابر[25] می‌فرستد. این کار، به انتقال امن ویدئوهای رمزگذاری‌شده کمک می‌کند. به محض ورود به ابر، این ویدئوها، مجدداً سرهم‌بندی شده و با استفاده از الگوریتم‌های بینایی یارانه‌ای، داده‌های شخصی جمع‌آوری‌شده طی ثبت ویدئویی (مانند چهره افراد و پلاک خودروها) گمنام‌سازی می‌شوند. این کار به منظور تطبیق با مقررات مربوط به حریم خصوصی داده (مانند مقررات عمومی حفاظت از داده‌ها - GDPR)[26] صورت می‌پذیرد. ویدئویِ گمنام‌سازی‌شده به عنوان شاهد عوامل دخیل در تصادف به‌کارگرفته می‌شود و داده‌های کلیدی به منظور شناسایی سبک رانندگی استخراج می‌شود و به این طریق، ریسک راننده نیز طبقه‌بندی می‌شود. بخشی از توسعه این طرح، توسط دولت ایتالیا تأمین مالی شده است.

این گزارش چند مثال از الگوهای هوش مصنوعی مبتنی بر داده ارائه می‌کند که به صورت موفق به‌کارگرفته شده است. اما، در سوئیس‌ری و در سطح صنعت، بسیاری از طرح‌های هوش مصنوعی به صورت داخلی هدایت می‌شوند و بر رویه‌های اصلی مانند درک زبان طبیعی به منظور کمک به جذب و طبقه‌بندی داده‌های ساختارنیافته در رویه‌های تصمیم‌سازی یا درک بهتر درمعرض‌قرارگیری (اکسپوژر)[27] مندرج در قراردادها و کل پرتفو تمرکز دارند.

لادوا اضافه می‌کند: «گرچه هوش مصنوعی، توان بالقوه‌ای برای اثرگذاری و افزودن ارزش به کل بیمه دارد و به ابزارهای قدرتمندی دسترسی دارد، اما مواجه با سطح بالایی از ریسک و چالش‌ها نیز هست. داده‌ها و سوادآموزی هوش مصنوعی مسئولانه، کلیدی برای شرکت‌ها است تا از این‌که افراد بر روند تصمیم‌سازی کنترل دارند، اطمینان حاصل کند. ریسک‌های جدید متعددی در ارتباط با کاربرد هوش مصنوعی در سطح وسیع وجود دارد که بیمه‌گزاران، شرکت‌های فناوری بزرگ و شرکت‌های بیمه نیاز دارند آنها را هم‌اکنون لحاظ کنند تا هوش مصنوعی بتواند برای جامعه ارزش افزوده داشته باشد و ما بتوانیم همچنان به صورت اثربخشی دربرابر ریسک‌های جدید، حفاظتی اثربخش ارائه دهیم.»