به گفته سامش موکِرجی[1]، معاون معماری راه‌کار‌ها در گروه راه‌کار‌های اکورد[2]، در صنعت بیمه اتکایی، استانداردهای داده‌ای که اطلاعات ساختاریافته، با کیفیت بالا و هم‌کنش‌پذیر[3] را تضمین می‌کنند، برای عملکرد مؤثر مدل‌های هوش مصنوعی (AI) حیاتی هستند.

موکرجی خاطرنشان کرد، با تبدیل هوش مصنوعی به محور تکامل صنعت، یک واقعیت، واضح است و آن این‌که هوش مصنوعی تنها به اندازه داده‌هایی که از آنها یاد می‌گیرد، قدرتمند است - و داده‌ها باید با یک زبان مشترک، صحبت کنند. بدون داده‌های ساختاریافته، با کیفیت بالا و هم‌کنش‌پذیر، حتی پیچیده‌ترین الگوریتم‌ها نیز می‌توانند نتایج جانبدارانه، مبهم یا غیرقابل‌اعتماد، تولید کنند.

این امر، استانداردهای داده‌های بیمه را حیاتی می‌سازد. استانداردسازی تضمین می‌کند که داده‌ها در بین سامانه‌ها دقیق، کامل و قابل‌مقایسه هستند و از مدل‌های هوش مصنوعی قابل‌توضیحی که نهادهای نظارتی و ذینفعان می‌توانند به آنها اعتماد کنند، پشتیبانی می‌کنند. همچنین، امکان ادغام در سامانه‌های قدیمی، بن‌سازه‌های ابری[4] و ابزارهای شخص ثالث را فراهم می‌سازد و پذیرش هوش مصنوعی در سطح سازمانی را بدون بازآفرینی چرخ داده، تسهیل می‌نماید.

در حال حاضر، بسیاری از ذینفعان بیمه از ابزارهایی به منظور خودکارسازی هوشمند و پشتیبانی از تحول مستمر استفاده می‌کنند. این ابزارها توسط محیط‌های ساختاریافته و کنش‌پذیر داده که از طریق استانداردهای داده اکورد[5]، ایجاد شده‌اند، فعال می‌شوند.

برای مثال، بن‌سازه تبادل داده اَدپت[6] متعلق به گروه راه‌کار‌های اکورد، شامل نسخه‌بردار اکورد[7] ، یک راهکار پردازش هوشمند اسناد (IDP)[8] مبتنی بر هوش مصنوعی است که اسناد غیراستاندارد را به پیام‌هایی معتبر و سازگار با استاندارد جی.آر.ال.سی اکورد[9] تبدیل می‌کند. ادپت از بیش از 50 مدل هوش مصنوعی نسخه‌بردار اکورد، به منظور خودکارسازی دریافت، تبدیل و اعتبارسنجی داده‌های حسابداری و خسارت بین کارگزاران، بیمه‌گران و بیمه‌گران اتکایی پشتیبانی می‌کند.

مدل‌های استخراج هوش مصنوعی نسخه‌بردار اکورد، بر اساس الگوواره‌های داده‌های[10] استاندارد جی.آر.ال.سی اکورد، آموزش داده می‌شوند تا صحت تجزیه[11] را بهینه نمایند و به هم‌ترازی معنایی[12] دست یابند. این امر، امکان استخراج داده‌های بسیار دقیق و خودکارسازی توسعه‌پذیر گردش‌های کاریِ دریافت، تبدیل و اعتبارسنجی اسناد را در زیست‌بوم‌های بیمه اتکایی و کارگزاری فراهم می‌کند.

علاوه بر این، نسخه‌بردار اکورد از پردازش زبان طبیعی (NLP)[13] و مدل‌های زبانی بزرگ (LLM)[14] به منظور تبدیل اسناد بیمه بدون‌ساختار، به داده‌های ساختاریافته و مطابق با استانداردها استفاده می‌کند. این فرآیند، نه تنها گردش‌های کاری قدیمی را دیجیتالی می‌کند، بلکه سازگاری آنها را با استانداردهای اکورد تضمین می‌نماید و انحراف‌ها را به صورت بلادرنگ، تشخیص می‌دهد و اصلاح می‌کند.

بن‌سازه ادپت، به شرکت‌های بیمه و کارگزاران اجازه می‌دهد تا داده‌ها را حتی اگر سامانه‌های داخلی آنها به طور طبیعی با اکورد سازگار نباشند، به صورت بدون‌نقص، تبادل کنند. هوش مصنوعی با نگاشت قالب‌های اختصاصی شرکت‌ها براساس استانداردهای اکورد، این شکاف‌ها را پر می‌کند و پذیرش و هماهنگی را تسریع می‌بخشد.

اکورد گزارش داد که شرکت بیمه اتکایی اسکور[15]، با استفاده از مدل‌های هوش مصنوعی ادپت برای دیجیتال‌سازی توصیه‌های مربوط به خسارت کارگزاران، به کاهش ۶۰ درصدی در کارهای دستی، بهبود ۸۰ درصدی در کیفیت داده‌ها و کاهش ۵۰ درصدی در زمان پردازش پرداخت خسارت، دست یافته است.