نگارندگان: Ruo (Alex) Jia، مدیر فناوری‌های دیجیتال انجمن ژنو و استادیار دانشگاه پکن؛ Martin Eling، مدیر مؤسسه اقتصاد بیمه و استاد مدیریت بیمه دانشگاه سنت گالن؛ Tianyang Wang، استاد مالی دانشگاه ایالتی کلرادو

هوش مصنوعی مولد (Gen AI)[1] به‌سرعت در حال تغییر شیوه جست‌وجو، یادگیری و تصمیم‌گیری افراد است و این تحول در صنعت بیمه اثر عمیقی داشته است؛ صنعتی که اساس آن بر شناخت دقیق نیازهای مردم و ایجاد اعتماد بنا شده است. این فناوری اکنون هر دو حوزه را بازتعریف می‌کند و شکل تازه‌ای از رابطه میان مشتری و بیمه‌گر را رقم می‌زند.

تأثیر هوش مصنوعی مولد تقریباً در تمامی مراحل ارتباط مشتری با بیمه‌گر قابل‌مشاهده است؛ از زمانی که فرد به دنبال اطلاعات اولیه و انتخاب پوشش مناسب است تا هنگامی که خسارت ثبت می‌کند یا وضعیت پرونده خود را پیگیری می‌نماید. این ارتباط تنها وابسته به عملکرد شرکت بیمه نیست؛ بلکه مشتری نیز با استفاده از ابزارهای عمومی مانند ربات‌های سخنگو[2] و مدل‌های هوش مصنوعی، اطلاعات بیشتری به دست می‌آورد و تصمیم‌های آگاهانه‌تری می‌گیرد. همین موضوع باعث افزایش توقع او از سرعت، دقت و کیفیت خدمات بیمه‌ای می‌شود.

بر اساس یک نظرسنجی گسترده در شش بازار بزرگ بیمه‌ای جهان - چین، فرانسه، آلمان، ژاپن، انگلستان و آمریکا - مشتریان به‌طور کلی نگرش مثبتی نسبت به استفاده از هوش مصنوعی مولد دارند، به‌ویژه در کشورهایی که استفاده از این فناوری فراگیرتر است. آنها مزایایی مانند سرعت، سهولت در استفاده، دقت در پاسخ‌گویی و امکان دریافت خدمات هوشمند را ارزشمند می‌دانند. در کنار این مزایا، همچنان بر مواردی مانند امکان صحبت با یک انسان در زمان نیاز، حفاظت از داده‌های شخصی، شفافیت در عملکرد سیستم‌ها و صحت اطلاعات ارائه‌شده تأکید می‌کنند.

برای بیمه‌گران نیز هوش مصنوعی مولد فرصت‌های مهمی به همراه دارد. این فناوری می‌تواند فرایندها را کارآمدتر کند، خدمات را شخصی‌سازی کند و محصولات مناسب‌تری پیشنهاد دهد. با این حال، خطرهایی مانند ارائه اطلاعات نادرست یا سوءبرداشت مشتری درباره پوشش‌ها و شرایط بیمه همچنان وجود دارد و می‌تواند اعتماد را تحت تأثیر قرار دهد.

به همین دلیل، استفاده موفق از هوش مصنوعی مولد تنها زمانی امکان‌پذیر است که همراه با چارچوب‌های روشن برای شفافیت، امنیت داده، کنترل کیفیت و پاسخ‌گویی باشد. چنین سازوکاری باعث می‌شود نوآوری نه‌تنها رابطه بین مشتری و بیمه‌گر را خدشه‌دار نکند، بلکه به تقویت آن کمک نماید. در پایان نیز تأکید می‌شود که هوش مصنوعی مولد مشتریان را توانمند می‌سازد تا به شکلی مستقل، اطلاعات بیمه‌ای را بررسی و محصولات مختلف را مقایسه کنند؛ امری که می‌تواند به تصمیم‌گیری آگاهانه‌تر و تجربه بهتر منجر شود.

مقدمه

هوش مصنوعی مولد این ظرفیت را دارد که تقریباً تمام مراحل تعامل مشتری در صنعت بیمه را متحول سازد؛ از زمانی که افراد در حال بررسی و مقایسه محصولات بیمه‌ای هستند تا زمانی که پوشش بیمه‌ای خود را مدیریت می‌کنند و با شرکت بیمه تعامل دارند.

در سال‌های اخیر، فناوری‌های دیجیتال نحوه تعامل مشتریان با شرکت‌های بیمه را تغییر داده‌اند. این تغییرات در مراحل مختلف تجربه مشتری قابل‌مشاهده است؛ از جست‌وجوی اولیه برای خرید بیمه و دریافت مشاوره گرفته تا فرایندهای ثبت و رسیدگی به خسارت و حتی تمدید قراردادهای بیمه. با ظهور هوش مصنوعی مولد، این تحولات وارد مرحله تازه‌ای شده‌اند. این فناوری می‌تواند خدمات را سریع‌تر، دقیق‌تر و شخصی‌سازی‌شده‌تر کند، اما در عین حال پرسش‌هایی نیز درباره اعتماد، شفافیت و حریم خصوصی ایجاد نماید.

هوش مصنوعی مولد می‌تواند در بسیاری از فعالیت‌های شرکت‌های بیمه مورد استفاده قرار گیرد. با این حال، بیشترین تأثیر آن در نحوه تعامل میان مشتری و بیمه‌گر دیده می‌شود. ابزارهای مبتنی بر هوش مصنوعی مولد به مشتریان کمک می‌کنند اطلاعات مورد نیاز خود را سریع‌تر پیدا کنند، محصولات مختلف را با هم مقایسه کنند و حتی برای انتخاب مناسب‌ترین پوشش بیمه‌ای، از مشاوره‌های هوشمند استفاده کنند. این موضوع باعث می‌شود مشتریان بتوانند با آگاهی بیشتری تصمیم بگیرند.

در گذشته، بسیاری از خدمات دیجیتال بیمه بر پایه پاسخ‌های از پیش‌تعیین‌شده و سامانه‌‌های محدود بودند. اما ابزارهای مبتنی بر هوش مصنوعی مولد قادر هستند زبان طبیعی انسان را بهتر درک کنند، پاسخ‌های متنوع‌تری ارائه دهند و تعاملاتی شبیه گفت‌وگو با یک انسان ایجاد کنند. به همین دلیل، این فناوری می‌تواند کیفیت تعامل میان مشتری و شرکت بیمه را به شکل قابل‌توجهی افزایش دهد.

گزارش حاضر بررسی می‌کند که هوش مصنوعی مولد چگونه می‌تواند روند دیجیتالی شدن صنعت بیمه را تقویت کند. تمرکز اصلی گزارش بر نحوه تغییر تجربه مشتری و تأثیر این فناوری بر رابطه میان بیمه‌گران و مشتریان است.

دامنه و ساختار گزارش

این گزارش با هدف درک هم‌زمان و نظام‌مند دو دیدگاه اصلی در مواجهه با هوش مصنوعی مولد در بیمه، تدوین شده است:

1. دیدگاه و انتظارات بیمه‌گران (به‌ویژه مدیران ارشد و تصمیم‌گیران)؛

2. رفتار، تجربه و احساسات مشتریان بیمه در استفاده از این فناوری و ابزارهای مرتبط با آن.

در نقطه‌ی آغاز، بسیاری از بیمه‌گران با نگاهی خوش‌بینانه به هوش مصنوعی مولد می‌نگرند. برآوردهای مدیریتی در صنعت نشان می‌دهد که استقرار درست این فناوری می‌تواند منجر به نتایج زیر شود (نمودار ۱).

نمودار 1: پیامدهای استقرار مدل هوش مصنوعی مولد در شرکت‌های بیمه

با این حال، این پتانسیل مثبت به‌تنهایی کافی نیست. هم‌زمان با موج نگرش‌های مثبت نسبت به این مدل‌ها، مجموعه‌ای از سؤالات و نگرانی‌های اساسی نیز در سطح صنعت و در بین مشتریان مطرح است؛ نگرانی‌هایی که اگر به‌درستی مدیریت نشوند، می‌توانند به مانع جدی در مسیر پذیرش و اثربخشی هوش مصنوعی مولد تبدیل شوند. مهم‌ترین این دغدغه‌ها عبارت‌اند از:

الف-  اعتماد به تصمیم‌های الگوریتمی: تا چه حد مشتریان حاضر هستند به خروجی‌های تولیدشده توسط هوش مصنوعی اعتماد کنند، به‌ویژه زمانی که این خروجی‌ها بر قیمت‌گذاری، پوشش‌های ارائه‌شده یا نتیجه ارزیابی خسارت تأثیر می‌گذارند؟

ب‌- احساس کنترل بر داده‌های شخصی: مشتریان چه برداشتی از نحوه جمع‌آوری، استفاده و اشتراک‌گذاری داده‌های خود توسط سامانه‌های هوش مصنوعی دارند؟ آیا احساس امنیت می‌کنند یا حس تحت کنترل بودن؟

ج‌- مسئولیت‌پذیری در صورت خطا: اگر هوش مصنوعی مولد اطلاعات اشتباه بدهد، تحلیل نادرستی ارائه کند یا موجب تصمیم‌گیری غلط شود، چه کسی پاسخگو است؟ شرکت بیمه، ارائه‌دهنده فناوری یا خود مشتری که به ابزار اعتماد کرده است؟

این ترکیب، فرصت‌هایی قابل‌توجه و ریسک‌ها و ابهامات جدی و ضرورت انجام پژوهشی ساختارمند را برجسته می‌سازد؛ پژوهشی که نه فقط بر فناوری تمرکز دارد، بلکه واکنش و رفتار انسانی در برابر آن را نیز در مرکز توجه قرار می‌دهد. بر همین مبنا، گزارش حاضر دو سؤال پژوهش‌محور را دنبال می‌کند:

1. مشتریان بیمه چگونه از ابزارهای هوش مصنوعی مولد استفاده می‌کنند و چه احساس و نگرشی نسبت به آن دارند؟

این سؤال به‌دنبال کشف این است که چه نوع تعاملاتی (پرس‌وجوی اطلاعات، دریافت مشاوره، مقایسه گزینه‌ها، تفسیر مفاد قرارداد و…) از سوی مشتریان با ابزارهای هوش مصنوعی مولد انجام می‌شود و این تعاملات از منظر اعتماد، رضایت، درک‌پذیری و احساس امنیت داده‌ای چگونه ارزیابی می‌شوند.

2. مشتریان چگونه از ابزارهای عمومی هوش مصنوعی[3] (مانند ربات‌های سخنگو و بن‌سازه‌های هوش مصنوعی مولد غیرتخصصی) برای تحلیل و مقایسه محصولات بیمه‌ای استفاده می‌کنند؟

در اینجا، تمرکز بر این است که وقتی مشتری خارج از کانال‌های رسمی شرکت بیمه (تارنما[4]، برنامه‌های کاربردی[5] یا نماینده) به سراغ ابزارهای عمومی می‌رود، از این ابزارها برای چه نوع تحلیل‌ها و تصمیم‌گیری‌هایی بهره می‌گیرد و این موضوع چگونه بر انتخاب نهایی او و رابطه‌اش با شرکت بیمه تأثیر می‌گذارد.

برای پاسخ نظام‌مند به این دو سؤال، گزارش حاضر، دامنه خود را بر یک ترکیب روش‌شناختی[6] استوار کرده است که از دو جهت، مکمل یکدیگرعمل می‌کند:

• از یک‌سو، با اتکا به دیدگاه‌های مدیریتی و تحلیل‌های راهبردی، نشان می‌دهد بیمه‌گران در کدام نقاط از تعامل مشتری و شرکت (جست‌وجوی اطلاعات، خرید، خدمات پس از فروش، اعلام خسارت و…) بیشترین ظرفیت بهره‌گیری از هوش مصنوعی مولد را می‌بینند و چه سطحی از صرفه‌جویی یا خلق ارزش را انتظار دارند؛

• از سوی دیگر، با بررسی رفتار واقعی و سلایق مشتریان در بازارهای مختلف، می‌سنجد که این ظرفیت‌ها تا چه حد با انتظارات و حساسیت‌های مشتریان هم‌خوانی دارد و کجاها شکاف در درک و اعتماد وجود دارد.

از نظر ساختاری، گزارش به گونه‌ای سازمان‌دهی شده است که خواننده را به‌صورت مرحله‌به‌مرحله از تصویری کلان به یافته‌های جزئی هدایت می‌کند:

• ابتدا، چارچوب مفهومی و تعاریف کلیدی در زمینه هوش مصنوعی مولد و تعامل مشتری بیمه ارائه می‌شود؛

• سپس، اشکال مختلف درگیری مشتریان با هوش مصنوعی مولد (چه در قالب ابزارهای ارائه‌شده توسط بیمه‌گران و چه از طریق بن‌سازه‌های عمومی) توضیح داده می‌شود؛

• پس از آن، تأثیرات و کارکردهای هوش مصنوعی مولد در نقاط مختلف تعامل مشتری (ارتباط و تعامل، توصیه‌های شخصی‌سازی‌شده، طراحی محصولات جدید و تصمیم‌گیری مبتنی بر داده) تشریح می‌گردد؛

• و در نهایت، بر مبنای یافته‌ها، پیامدهای مدیریتی و کاربردی برای شرکت‌های بیمه ارائه می‌شود؛ ازجمله توصیه‌هایی برای سرمایه‌گذاری هدفمند، طراحی بهرت تجربه مشتری و ایجاد سازوکارهایی شفاف و پاسخگو.

به این ترتیب، دامنه گزارش صرفاً به معرفی فناوری یا توصیف قابلیت‌های فنی محدود نیست، بلکه بر نقطه تلاقی فناوری، کسب‌وکار و رفتار انسانی متمرکز است. نتایج پژوهش حاضر به صورت زیر در راستای خدمت‌دهی بهتر بیمه‌گران قابل بهره‌برداری است (نمودار ۲).

نمودار 2: نتایج توسعه مدل‌های هوش مصنوعی مولد در شرکت‌های بیمه

انواع تعامل مشتریان با ابزارهای هوش مصنوعی مولد در صنعت بیمه

طی سال‌های اخیر، هوش مصنوعی مولد به یکی از مهم‌ترین نقاط تماس میان مشتریان و صنعت بیمه تبدیل شده است. ورود این فناوری تنها یک ابزار جدید ایجاد نکرده، بلکه الگوی تصمیم‌گیری مشتری را دگرگون ساخته و نحوه اعتماد، ارزیابی و انتخاب محصول بیمه‌ای را به‌شدت تغییر داده است. در این زیست‌بوم[7] جدید، مشتریان به‌طور هم‌زمان از دو گروه متمایز ابزار استفاده می‌کنند؛ ابزارهایی که هرکدام نقش خاصی در شکل‌دهی تجربه مشتری دارند و با یکدیگر مجموعه‌ای مکمل را تشکیل می‌دهند. این دو گروه شامل ابزارهای ارائه‌شده توسط شرکت‌های بیمه[8] و ابزارهای عمومی هوش مصنوعی هستند.

1) ابزارهای ارائه‌شده توسط شرکت‌های بیمه

ابزارهای بیمه‌محور، توسط خود شرکت‌های بیمه طراحی، کنترل و مدیریت می‌شوند و هدف اصلی آنها پشتیبانی مستقیم از خدمات رسمی و فرآیندهای عملیاتی شرکت است. این ابزارها معمولاً در بسترهایی مانند برنامه‌های کاربردی رسمی، تارنمای شرکت یا درگاه مشتری[9] ارائه می‌شوند و شامل مواردی مانند:

• ربات‌های سخنگوی هوشمند پاسخ‌گوی پرسش‌های بیمه‌ای

• ابزارهای مشاوره دیجیتال و پیشنهاددهنده محصول

• سامانه‌های ثبت، ارزیابی و پایش خسارت

• سامانه‌های رسمی پیگیری وضعیت پرونده‌های بیمه‌ای

• دستیارهای مکالمه‌ای تعبیه‌شده در برنامه کاربردی یا تارنمای شرکت

این ابزارها برای افزایش سرعت پاسخ‌گویی، کاهش بار عملیاتی کارکنان، کاهش هزینه‌های خدماتی و یکپارچه‌سازی تجربه مشتری طراحی شده‌اند. مشتریان در مواقع حساس مانند خرید بیمه‌نامه، اعلام خسارت یا دریافت استعلام‌های دقیق به سراغ این دسته می‌روند، زیرا اطلاعات ارائه‌شده در آنها رسمی، معتبر و مبتنی بر ساختارهای قانونی شرکت است.

به‌همین دلیل، اعتماد مشتری به این ابزارها از جنس اعتماد رسمی[10] است؛ یعنی نوعی اعتماد مبتنی بر شواهد، مسئولیت‌پذیری شرکتی و قطعیت در اطلاعات.

2) ابزارهای عمومی هوش مصنوعی

در کنار ابزارهای رسمی، دسته‌ای دیگر از ابزارها وجود دارد که توسط شرکت‌های فناور مانند اوپن‌اِی‌آی[11]، گوگل[12]، آنتروپیک[13] یا بایدو[14] توسعه یافته‌اند. این ابزارها خارج از مرزهای سازمان بیمه فعالیت می‌کنند و مشتریان بدون نیاز به مراجعه به تارنمای شرکت بیمه می‌توانند اطلاعات موردنیاز خود را دریافت کنند. مهم‌ترین قابلیت‌های این ابزارها عبارت است از:

• تحلیل مفاد بیمه‌نامه و تفسیر بندهای تخصصی

• ساده‌سازی اصطلاحات پیچیده و تبدیل آنها به زبان قابل فهم

• مقایسه قیمت‌ها و پوشش‌های بیمه‌ای شرکت‌های مختلف

• پیشنهاد نوع پوشش بیمه متناسب با نیازهای فردی مشتری

• پاسخ‌گویی شفاف، تحلیلی و آزاد به انواع پرسش‌های مشتری

کاربران، این ابزارها را بی‌طرف و مستقل تلقی می‌کنند و همین موضوع موجب شکل‌گیری اعتماد تحلیلی[15] می‌شود؛ اعتمادی که ریشه در این تصور دارد که ابزار عمومی، انگیزه‌ای برای فروش محصول ندارد و صرفاً اطلاعات تحلیلی ارائه می‌کند. این حس استقلال و عدم‌وابستگی، باعث شده است بسیاری از مشتریان برای کسب شناخت اولیه و تحلیل گزینه‌ها ابتدا به سراغ این ابزارها بروند.

رفتار ترکیبی مشتری: جابه‌جایی میان دو جهان

در گذشته، تقریباً تمامی مراحل تعامل مشتری با بیمه‌گر از طریق کانال‌های رسمی شرکت انجام می‌شد. اما با قدرت‌گیری هوش مصنوعی مولد، رفتار مشتری دچار تغییر ساختاری شده است. اکنون، مشتریان در یک محیط چندمنبعی فعالیت می‌کنند؛ فضایی که در آن اطلاعات از منابع رسمی و غیررسمی به‌صورت هم‌زمان دریافت می‌شود. پژوهش‌ها نشان می‌دهد که الگوی امروزی تعامل مشتری یک الگوی ترکیبی و دو مرحله‌ای است.

مرحله اول: استفاده از ابزارهای عمومی برای آگاهی اولیه و تحلیل بی‌طرف

بخش بزرگی از مشتریان، مسیر خود را با ابزارهای عمومی آغاز می‌کنند. دلیل آن روشن است:

• ابزارهای عمومی بی‌طرف محسوب می‌شوند و وابستگی سازمانی ندارند.

• مشتری کنترل بیشتری روی پرسش‌ها دارد و می‌تواند بدون محدودیت، سؤال بپرسد.

• اطلاعات مقایسه‌ای، تحلیل مفاد و توضیح غیرتبلیغاتی برای او ارزشمند است.

• پاسخ‌ها سریع، روان و در قالبی قابل‌فهم ارائه می‌شود.

در این مرحله، مشتری تلاش نمی‌کند وارد فرآیند رسمی خرید شود؛ بلکه به دنبال دریافت تصویری کلی، مقایسه طرح‌ها و کسب درک اولیه از بازار است. درواقع، این مرحله همان مرحله سواد بیمه‌ای اولیه[16] محسوب می‌شود.

مرحله دوم: استفاده از ابزارهای رسمی شرکت بیمه برای ورود به فرآیندهای واقعی

پس از کسب آگاهی و جمع‌بندی اولیه، مشتری به سراغ ابزارهای رسمی شرکت بیمه می‌رود. نمونه این ابزارها شامل:

• ربات‌های سخنگوی رسمی

• سامانه‌های صدور و پیشنهاددهنده محصول

• فرم‌های هوشمند صدور بیمه‌نامه

• سامانه‌های ثبت و پیگیری خسارت

• دستیارهای هوشمند اختصاصی شرکت

در این مرحله، مشتری به دنبال اطلاعات دقیق، معتبر و مبتنی بر قوانین داخلی شرکت است، اطلاعاتی که صرفاً از کانال رسمی دریافت می‌شود. همچنین، تمامی عملیات رسمی مانند ثبت درخواست، بارگذاری مدارک، انجام استعلام‌ها یا پیگیری خسارت تنها در درون شرکت، قابل انجام است. همین ویژگی، سطح اعتماد مشتری را افزایش می‌دهد و موجب شکل‌گیری اعتماد رسمی می‌شود.

پیام کلیدی برای شرکت‌های بیمه

این الگوی دو مرحله‌ای، پیام راهبردی مهمی را مخابره می‌کند:

تجربه واقعی مشتری، محدود به کانال‌های رسمی شرکت نیست. بلکه بخش مهمی از درک، احساس و تصمیم‌گیری مشتری در خارج از مرزهای شرکت و در ابزارهای عمومی شکل می‌گیرد.

این واقعیت، پیامدهای زیر را به همراه دارد:

• شرکت بیمه تنها یکی از چندین نقطه تماس در تعامل مشتری و شرکت بیمه است.

• برداشت اولیه مشتری معمولاً در ابزارهای عمومی شکل می‌گیرد و اثر عمده‌ای در تصمیم‌گیری دارد.

• هرگونه ناهماهنگی بین اطلاعات ابزارهای عمومی و اطلاعات رسمی می‌تواند شکاف در اعتماد ایجاد کند.

• بنابراین، شرکت‌های بیمه باید راهبرد تجربه مشتری را به صورت چندمنبعی[17]، منعطف[18] و فرابخشی[19] طراحی کنند.

معماری لایه‌ای اعتماد مشتری

جدول 1: مقایسه الگوهای اعتماد مشتریان

این تقسیم نقش نه‌تنها طبیعی، بلکه کاملاً قابل‌پیش‌بینی است. شرکت‌های بیمه باید این ساختار اعتماد چندلایه را بپذیرند و ابزارهای خود را به‌گونه‌ای طراحی کنند که با ابزارهای عمومی، مکمل یکدیگر باشند، نه اینکه با آنها وارد رقابت ناسازگار شوند.

مدل مفهومی تعامل ترکیبی مشتری با دو نوع ابزار هوش مصنوعی در بیمه

این مدل توضیح می‌دهد که مشتری چگونه در مسیر تصمیم‌گیری، خرید و استفاده از خدمات بیمه‌ای، هم‌زمان یا به‌صورت متوالی از دو نوع ابزار هوش مصنوعی مولد (ابزارهای بیمه‌محور و ابزارهای عمومی) استفاده می‌کند و این رفتار ترکیبی چه پیامدهایی برای تجربه مشتری و راهبردهای شرکت بیمه دارد. این مدل از سه لایه اصلی تشکیل شده است:

1) لایه ورودی‌

 لایه نخست در مدل مفهومی ما، تحت عنوان محرک‌ها و انگیزه‌ها [20]، در واقع نقطه آغازین حرکت مشتری در مسیر استفاده از هوش مصنوعی است. این لایه تبیین می‌کند که چه نیازهای اساسی و چالش‌های ذهنی‌، مشتری را وادار می‌سازد تا به‌جای روش‌های سنتی، به سراغ ابزارهای مبتنی بر هوش مصنوعی مولد برود. این محرک‌ها ریشه در تجربه‌های قبلی مشتری نسبت به پیچیدگی‌های صنعت بیمه و انتظارات نوین او از دنیای دیجیتال دارند.

یکی از محوری‌ترین محرک‌ها در این لایه، نیاز مبرم به شفافیت و ساده‌سازی مفاهیم است. از آنجایی که صنعت بیمه به‌طور سنتی با ادبیاتی تخصصی، پیچیده و گاه مبهم شناخته می‌شود، مشتریان اغلب در درک دقیق مفاد بیمه‌نامه و جزئیات پوشش‌ها دچار مشکل هستند. در این میان، هوش مصنوعی نقشی فراتر از یک ابزار ساده ایفا و به‌عنوان یک مترجم هوشمند، عمل می‌کند. انگیزه اصلی مشتری در این بخش، یافتن ابزاری است که بتواند پوشش‌های بیمه‌ای را به زبانی ساده شرح دهد، اصطلاحات فنی را رمزگشایی کند و تفاوت‌های ظریف میان طرح‌های مختلف را برای او شفاف سازد تا از ابهام خارج شود.

فراتر از درک مفاهیم، جست‌وجوی قطعیت و اطمینان در مراحل رسمی، محرک کلیدی دیگری است که رفتار مشتری را جهت‌دهی می‌کند. مشتری در لحظات حساسی همچون صدور بیمه‌نامه یا پیگیری پرونده‌های خسارت، به دنبال دریافت اطلاعاتی است که صددرصد معتبر، مستند و رسمی باشند. در این مرحله، انگیزه اصلی او کاهش ریسک خطا و به حداقل رساندن تفسیرهای اشتباه است که می‌تواند پیامدهای مالی سنگینی به همراه داشته باشد. او به دنبال نظامی است که مسئولیت‌پذیری در آن شفاف باشد و قطعیت در پاسخ‌های دریافتی، امنیت خاطر لازم برای انجام تراکنش‌های رسمی را فراهم نماید.

محرک تعیین‌کننده دیگر، تمایل به دریافت تحلیل‌های بی‌طرفانه و مقایسه‌ای است. پیش از نهایی کردن هرگونه خرید، مشتریان امروزی به ارزیابی‌های مستقل نیاز دارند تا بتوانند قیمت‌ها، مزایا و معایب شرکت‌های مختلف را بدون جهت‌گیری‌های بازاریابی بسنجند. نیاز به دریافت نظراتی که صرفاً بر اساس منافع یک شرکت خاص نباشد، مشتری را به سمت هوش مصنوعی سوق می‌دهد. این ابزارها به مشتری اجازه می‌دهند بدون احساس فشار از سوی نمایندگان فروش، به مقایسه جامع بازار بپردازد و بر اساس داده‌هایی بی‌طرف، تصمیمی آگاهانه اتخاذ کند.

در نهایت، استاندارد جدید سرعت و دسترسی شبانه‌روزی [به امکانات هوش مصنوعی]، به‌عنوان یک محرک فناورانه، رفتار مشتری را دگرگون کرده است. انتظار برای تماس با نماینده بیمه یا مراجعه حضوری در ساعات اداری، دیگر با سبک زندگی دیجیتال، همخوانی ندارد. مشتریان به دنبال ابزاری هستند که در هر ساعت از شبانه‌روز در دسترس باشد و فرآیندهای پیچیده بیمه‌ای را در بستری سریع، ساده و بدون اصطکاک انجام دهد. حذف محدودیت‌های زمانی و مکانی، محرک قدرتمندی است که هوش مصنوعی را به گزینه‌ای بی‌رقیب در تعاملات بیمه‌ای تبدیل می‌کند.

تجمیع این انگیزه‌ها و محرک‌های متنوع، از ساده‌سازی مفاهیم تا قطعیت در اجرا و از بی‌طرفی در تحلیل تا سرعت در دسترسی، باعث می‌شود که مشتری به‌طور کاملاً هوشمندانه و مکمل، به هر دو دسته ابزارهای رسمی (بیمه‌محور) و عمومی مراجعه کند؛ چرا که هر یک از این ابزارها بخشی از نیازهای حیاتی او را در این مسیر پوشش می‌دهند.

2) لایه ابزارها^[21]

همانطور که توضیحات در خصوص ابزارهای این بخش ارائه شد در این لایه، دو نوع ابزار هوش مصنوعی مولد به‌عنوان نقاط تماس اصلی مشتری معرفی می‌شوند. مشتری بسته به نوع نیاز خود، میان این دو جابه‌جا می‌شود و از آن‌ها به‌صورت مکمل بهره می‌گیرد.

الف) ابزارهای ارائه‌شده توسط شرکت‌های بیمه

ب) ابزارهای عمومی هوش مصنوعی

رفتار واقعی مشتری اینگونه است که ابتدا از ابزارهای عمومی برای فهم موضوع و مقایسه استفاده می‌کند و سپس از ابزارهای بیمه‌محور برای اجرای تصمیم نهایی و انجام مراحل رسمی بهره می‌گیرد. این جابه‌جایی مکرر بین این دو ابزار، هسته مدل را تشکیل می‌دهد.

3) لایه پیامدها^[22]

لایه پیامدها آخرین بخش مدل مفهومی را تشکیل می‌دهد و نشان می‌دهد که استفاده هم‌زمان و مکمل مشتری از دو نوع ابزار هوش مصنوعی، ابزارهای بیمه‌محور و ابزارهای عمومی، چه تأثیری بر تجربه او و چه پیامدهایی بر راهبرد و عملکرد شرکت بیمه دارد. این لایه در واقع خروجی نهایی رفتار ترکیبی مشتری را توصیف می‌کند و تبیین می‌کند که چگونه این الگوی جدید تعامل، سطوح انتظارات مشتری را تغییر می‌دهد و درعین‌حال، بیمه‌گران را به سمت بازنگری در رویکردهای فناورانه و ارتباطی خود سوق می‌دهد.

از منظر تجربه مشتری[23] ، نخستین پیامد مهم، افزایش قدرت تصمیم‌گیری است. مشتری زمانی که از ابزارهای عمومی برای تحلیل مستقل و ساده‌سازی مفاهیم استفاده می‌کند و سپس اطلاعات رسمی را از ابزارهای بیمه‌محور دریافت می‌کند، به درک عمیق‌تر و مطمئن‌تری از محصول بیمه‌ای می‌رسد. در نتیجه، فرآیند انتخاب و خرید برای او با اطمینان و آگاهی بیشتری همراه است. این ترکیب موجب می‌شود مشتری نه صرفاً براساس توصیه یک شرکت، بلکه بر اساس تحلیل‌های بی‌طرف و داده‌های معتبر دست به انتخاب بزند.

پیامد مهم دیگر، کاهش ابهام و سردرگمی است. پیوند میان توضیحات ساده‌شده و مقایسه‌ ابزارهای عمومی با اطلاعات دقیق و رسمی ابزار بیمه‌محور، فضایی شفاف برای مشتری ایجاد می‌کند. او با برخورداری از این دو جریان اطلاعاتی مکمل، برداشت دقیق‌تری از پوشش‌ها، استثناها و مزیت‌های طرح‌ها پیدا می‌کند و ابهام‌های ذهنی‌اش کاهش می‌یابد. نتیجه این شفافیت، مسیر خرید روان‌تر و سریع‌تر است؛ زیرا مشتری با آمادگی و شناخت بیشتر وارد مراحل رسمی می‌شود و ابزارهای رسمی نیز به‌دلیل اینکه مشتری دقیقاً می‌داند چه می‌خواهد، قادرند فرایند را سریع‌تر و بدون اتلاف وقت پیش ببرند.

افزون بر این، تعامل با دو ابزار مختلف موجب شکل‌گیری اعتماد دوگانه[24] در ذهن مشتری می‌شود: نوعی اعتماد رسمی به ابزار بیمه‌محور که متکی بر قطعیت، مسئولیت‌پذیری و اعتبار سازمانی است و نوعی اعتماد تحلیلی به ابزارهای عمومی که بر بی‌طرفی، سادگی و شفافیت تحلیل‌ها استوار است. این دو اعتماد، مکمل یکدیگر هستند و مسیر تصمیم‌گیری مشتری را مستحکم‌تر می‌سازند.

در بخش دوم این لایه، پیامدهای مربوط به راهبرد بیمه‌گر[25] مطرح می‌شود. نخستین پیامد راهبردی، ضرورت هم‌راستایی میان اطلاعات رسمی شرکت و تحلیل‌های ارائه‌شده توسط ابزارهای عمومی است. اگر محتوای این دو کانال با هم ناسازگار یا متناقض باشد، مشتری با سردرگمی و کاهش اعتماد روبه‌رو می‌شود. بنابراین، بیمه‌گر باید فعالانه روند ارائه تحلیل‌ها در فضای عمومی را رصد نماید و نحوه عرضه اطلاعات رسمی را به‌گونه‌ای تنظیم کند که این هماهنگی حفظ شود.

پیامد مهم دیگر، نیاز به بازطراحی و پیشرفته‌تر کردن ابزارهای بیمه‌محور است. ازآنجاکه مشتری در ابزارهای عمومی، سطح بالایی از سادگی، روانی و تحلیل هوشمند را تجربه می‌کند، انتظار دارد ابزار رسمی شرکت بیمه نیز از همان کیفیت یا حتی بهتر برخوردار باشد. در نتیجه، ابزارهای بیمه‌محور باید فراتر از پاسخگویی ساده عمل کنند و به عنوان یک تصمیم‌یار[26] واقعی طراحی شوند؛ یعنی بتوانند مشتری را در مسیر انتخاب مناسب یاری دهند، نه اینکه تنها اطلاعات خام ارائه کنند.

این تحولات زمینه‌ساز شکل‌گیری مزیت رقابتی جدید مبتنی بر تجربه هوش مصنوعی[27]  است. شرکت‌هایی که ابزارهای هوش مصنوعی مولد را هوشمندانه‌تر، کاربرپسندتر و یکپارچه‌تر به‌کار گیرند، تجربه‌ای متمایز خلق می‌کنند و در جذب، حفظ و رضایت مشتریان نسبت به رقبا پیشی می‌گیرند.

در نهایت، به دلیل اینکه مشتری اطلاعات خود را از دو محیط مجزا دریافت می‌کند، بیمه‌گر نیازمند نظارت و مدیریت فعالانه تجربه چندکاناله[28] است. این موضوع شامل هماهنگی میان پیام‌ها، همسویی ساختاری میان دو نوع ابزار و تضمین انسجام تجربه مشتری در تمام نقاط تماس است. تنها در این صورت است که مشتری مسیر پیوسته، قابل‌اعتماد و بدون تناقضی را تجربه خواهد کرد.

جمع‌بندی مدل دوگانه

مدل تعامل ترکیبی مشتری با دو نوع ابزار هوش مصنوعی نشان می‌دهد که رفتار مشتری در مواجهه با خدمات بیمه‌ای، دیگر خطی یا محدود به یک کانال واحد نیست؛ بلکه به شکلی چندلایه، پویــا و ترکیبی شکل می‌گیرد. مشتری امروز نه تنها از ابزارهای رسمی شرکت بیمه استفاده می‌کند، بلکه به‌طور موازی یا حتی پیش از ورود به مسیر رسمی، از ابزارهای عمومی هوش مصنوعی نیز بهره می‌برد. این جابه‌جایی مداوم میان دو نوع ابزار، ماهیت جدیدی از مسیر تصمیم‌گیری را ایجاد می‌کند که بر پایه مقایسه، تحلیل و ارزیابی مستقل بنا شده است.

این مدل نشان می‌دهد که مشتری برای پاسخ‌گرفتن از نیازهای خود، به جای تکیه بر یک منبع واحد، مجموعه‌ای از منابع تحلیلی و رسمی را ترکیب می‌کند. ابزارهای عمومی، نقش تحلیل‌گر و شفاف‌کننده را ایفا می‌کنند و مشتری را به سطح بالاتری از آگاهی و آمادگی می‌رسانند. در ادامه، او وارد تعامل با ابزارهای بیمه‌محور می‌شود که نقش اجرایی، رسمی و تصمیم‌یار را بر عهده دارند. نتیجه این فرایند، شکل‌گیری یک مسیر تصمیم‌گیری عمیق‌تر، آگاهانه‌تر و مبتنی بر اعتماد دوگانه است.

در چنین ساختاری، شرکت بیمه با مجموعه‌ای از الزامات جدید روبه‌رو می‌شود:

v شناخت دقیق نیازهای واقعی مشتری:

لازم است بیمه‌گر فراتر از تحلیل‌های سنتی رفتار مشتری عمل کند و بفهمد که مشتری در هر مرحله از تجربه تعامل خود از چه ابزارهایی استفاده می‌کند، به دنبال چه سطحی از سادگی، شفافیت یا تحلیل است و چه نوع اعتماد (رسمی یا تحلیلی) را در هر مرحله فعال می‌کند.

v مدیریت و هم‌ترازی مسیر تعامل ترکیبی:

بیمه‌گر باید قادر باشد تجربه مشتری را در یک قالب تجربه چندکاناله واقعی، مدیریت کند؛ یعنی حتی زمانی که بخشی از تجربه مشتری خارج از کنترل مستقیم شرکت (در ابزارهای عمومی) رخ می‌دهد، جریان اطلاعات، پیام‌ها و برداشت‌های مشتری همچنان هماهنگ و سازگار باقی بماند.

v طراحی ابزارهای هوشمند مکمل، نه رقیب:

ابزارهای بیمه‌محور باید طوری طراحی شوند که مکمل توانایی‌های ابزارهای عمومی باشند؛ یعنی از قابلیت‌های آن‌ها بهره بگیرند، سطح تحلیل آن‌ها را تکمیل کنند و در نهایت مسیر تصمیم‌گیری را تسهیل نمایند. این ابزارها نباید تلاش کنند جایگزین کامل ابزارهای عمومی شوند، بلکه باید ارزش افزوده‌ای ارائه کنند که ابزارهای عمومی قادر به ارائه آن نیستند، مانند دقت در اسناد رسمی، اطلاعات حقوقی، شخصی‌سازی مبتنی بر داده‌های داخلی و قابلیت اجرای عملیاتی.

در مجموع، این مدل تصویری یکپارچه از آینده تعامل مشتری با بیمه ارائه می‌دهد؛ آینده‌ای که در آن مشتری چندمنبعی، هوشمند و فعال است و بیمه‌گر تنها زمانی می‌تواند تجربه‌ای برتر خلق کند که این الگوی جدید رفتار مشتری را بپذیرد، ساختارهای خود را با آن تطبیق دهد و ابزارهای هوش مصنوعی خود را بر اساس آن بازآفرینی کند.

تأثیرات و کارکردهای هوش مصنوعی مولد در تعامل با مشتری بیمه

هوش مصنوعی مولد یک تغییر الگوی فکری در رابطه مشتری و بیمه‌گر ایجاد کرده است. این فناوری نه‌تنها ساختار تعاملات و کیفیت خدمات را دگرگون می‌کند، بلکه نقش مشتری را از دریافت‌کننده منفعل اطلاعات به یک تصمیم‌گیرنده فعال و توانمند تبدیل می‌سازد. در این بخش، اثرات و کارکردهای هوش مصنوعی مولد در تمامی مراحل تعامل مشتری از آگاهی و تحقیق تا انتخاب، خرید، خدمات و مدیریت خسارت، به‌صورت یکپارچه و نظام‌مند تشریح شده است.

این تأثیرات در چهار محور اصلی به شرح زیر قابل طبقه‌بندی هستند:

۱) ارتقای ارتباط و تعامل هوشمند

هوش مصنوعی مولد توانایی گفت‌وگو به زبان طبیعی و تحلیل بافت مکالمه را دارد و همین موضوع کیفیت ارتباط مشتری–بیمه‌گر را وارد سطحی جدید می‌کند. برخلاف ربات‌های سخنگوی سنتی که پاسخ‌های محدود و ازپیش‌تعیین‌شده ارائه می‌کردند، هوش مصنوعی مولد می‌تواند موضوعات پیچیده را بفهمد، تحلیل کند و توضیح دهد.

نمودار 3: کارکردهای کلیدی ارتقای ارتباط و تعامل هوشمند

برای مثال، پرسش ساده درباره پوشش زلزله می‌تواند به یک گفت‌وگوی جامع تبدیل شود که شامل تحلیل ریسک منطقه، هزینه تقریبی حق‌بیمه، مقایسه طرح‌های شرکت‌های مختلف و توضیح محدودیت‌ها است. این نوع ارتباط، تجربه مشتری را روان‌تر، قابل‌اعتمادتر و شفاف‌تر می‌سازد.

۲) شخصی‌سازی عمیق و هوشمند خدمات

هوش مصنوعی مولد با استفاده از داده‌های فردی، رفتاری و تعاملات گذشته، قادر است نیازهای هر مشتری را به دقت تشخیص دهد و خدماتی طراحی کند که با شرایط منحصر‌به‌فرد او سازگار باشد. اگر فردی سابقه سفرهای بین‌المللی متعدد داشته باشد، سامانه به‌طور هوشمند بیمه مسافرتی سالانه را پیشنهاد می‌دهد؛ نه یک بیمه تک‌سفره. این سطح از شخصی‌سازی باعث افزایش احساس همراهی، اعتماد و رضایت می‌شود.

نمودار 4: پیامدهای شخصی‌سازی ارائه خدمات

۳) خلق محصولات و خدمات جدید مبتنی بر تحلیل داده

هوش مصنوعی مولد تنها تجربه مشتری را متحول نمی‌کند؛ بلکه ساختار محصولات بیمه‌ای را نیز بازتعریف می‌کند. با تحلیل حجم عظیمی از داده‌ها، رفتار بازار و نیازهای جدید، بیمه‌گر می‌تواند محصولات نوآورانه و منعطف‌تری طراحی کند. ایجاد بیمه سلامت مبتنی بر داده‌های مربوط به پوشیدنی‌ها[29] که براساس میزان فعالیت، خواب و تغذیه مشتری پاداش، تخفیف یا تنظیم پوشش ارائه می‌دهد. این قابلیت، نوآوری بیمه‌گر را افزایش می‌دهد و مسیر رشد بازارهای جدید را هموار می‌سازد.

در همین راستا نتایج زیر حاصل خواهد شد:

1- طراحی محصولات ویژه نسل‌های جوان با توجه به سبک زندگی دیجیتال

2- ارائه پوشش‌های پویا[30] که متناسب با رفتار واقعی مشتری تنظیم می‌شوند

3- توسعه بسته‌های ویژه برای گروه‌های شغلی یا علاقه‌مندان به فعالیت‌های خاص

4- شناسایی ریسک‌های نوظهور (ریسک‌های هوش مصنوعی، پهپادها، سلامت دیجیتال) و طراحی بیمه‌نامه‌های جدید

۴) توانمندسازی مشتری در تصمیم‌گیری و انتخاب

بخش عمده‌ای از چالش‌های خرید بیمه، ناشی از پیچیدگی اطلاعات و دشواری مقایسه گزینه‌ها است. هوش مصنوعی مولد این مانع را حذف می‌کند و فرآیند تصمیم‌گیری را شفاف، قابل فهم و منطقی می‌سازد. هوش مصنوعی مولد می‌تواند تفاوت سه طرح بیمه درمان تکمیلی را در چند پاراگراف مختصر و قابل‌فهم ارائه کند و نشان دهد در چه شرایطی هر طرح بهترین انتخاب است. این قابلیت، باعث کاهش ابهام، افزایش اعتماد و بهبود کیفیت انتخاب مشتری می‌شود.

نمودار 5: پیامدهای توانمندسازی مشتری در فرآیند تصمیم‌گیری

در پایان این قسمت از گزارش می‌توان چنین بیان نمود که هوش مصنوعی مولد از مرحله آگاهی تا خرید، خدمات و مدیریت خسارت، نقشی کاملاً یکپارچه و اثرگذار دارد. این فناوری به صورت کلی آثار زیر را در پی خواهد داشت:

• ارتباطات را انسانی‌تر و هوشمندتر می‌نماید

• خدمات را کاملاً شخصی‌سازی می‌کند

• زمینه‌ساز خلق محصولات جدید و منطبق با نیازهای جامعه می‌شود

• و به مشتری کمک می‌کند با دانش و اطمینان بیشتری تصمیم‌ بگیرد

نتیجه این فرآیند، شکل‌گیری تجربه‌ای مدرن، شفاف و مبتنی بر تعامل فعال است؛ تجربه‌ای که در آن مشتری توانمندتر و بیمه‌گر مبتکرتر از هر زمان دیگری عمل می‌کنند.

منافع و نگرانی‌های مشتریان بیمه درباره هوش مصنوعی مولد : یک نظرسنجی

در ابتدای این بخش، گزارش توضیح می‌دهد که انجمن ژنو [31] یک نظرسنجی گسترده با ۶۰۰۰ مشتری بیمه در شش بازار بیمه‌ای بزرگ دنیا انجام داده است. هدف از این نظرسنجی، فهم دیدگاه مشتریان نسبت به هوش مصنوعی مولد بوده است.

 جزئیات روش اجرای نظرسنجی در ادامه آمده است:

• نظرسنجی در فوریه ۲۰۲۵ اجرا شده است.

• شش بازار بیمه‌ای بزرگ جهان شامل: چین، فرانسه، آلمان، ژاپن، انگلستان و آمریکا در این مطالعه حضور داشتند.

• در هر کشور، نمونه‌ای ۱۰۰۰ نفری از مشتریان بیمه انتخاب شد؛ در نتیجه مجموعاً ۶۰۰۰ پاسخ‌دهنده وجود دارد.

• نمونه‌ها به گونه‌ای طراحی شده‌اند که نماینده الگوی واقعی مشتریان بیمه در هر بازار باشند؛ یعنی ترکیب سنی، جنسیتی و ویژگی‌های مرتبط تا حد امکان با ترکیب بازار واقعی تطابق داشته باشد.

معیارهای ورود مشتریان به نمونه تحت بررسی

برای اینکه پاسخ‌دهندگان واقعاً بتوانند نظر معناداری درباره هوش مصنوعی مولد ارائه کنند، سه شرط برای ورود به نظرسنجی در نظر گرفته شده است:

1. داشتن درک پایه‌ای از مفهوم هوش مصنوعی مولد؛ برای این موضوع، یک سؤال آزمونی مطرح شد و تنها کسانی که آن را درست پاسخ دادند، وارد نظرسنجی شدند.

2. داشتن تجربه واقعی در بازار بیمه: باید طی سه سال گذشته برای خود یا خانواده‌شان بیمه‌ای را خریده یا تمدید کرده باشند.

3. قرار داشتن در بازه سنی ۲۱ تا ۷۰ سال.

پرسشنامه شامل ۱۹ سؤال بود که در آن پرسش‌هایی درباره میزان استفاده از هوش مصنوعی، بهره‌برداری از مزایا، نگرانی‌ها، رضایت و سلایق مشتریان در انواع خدمات بیمه‌ای مطرح شده بود.

ترکیب نمونه از نظر جنس و سن

در این بخش، با اشاره به نمودار زیر ترکیب جمعیت‌شناختی پاسخ‌دهندگان روایت می‌شود. این توزیع از نظر جنسیت نسبتاً متعادل است و نشان می‌دهد که نتایج قابل‌تعمیم به هر دو گروه هستند. توزیع سنی (به‌صورت درصد از کل نمونه) نیز قابل‌مشاهده است.

 گروه سنی ۳۱ تا ۴۰ سال، بیش از سایر گروه‌ها در نمونه نمایان است؛ یعنی این گروه، کمی پررنگ‌تر است و احتمالاً نظرات نسل نسبتاً جوان و میانسال پررنگ‌تر منعکس شده است.

نمودار 6: توزیع درصدی شرکت‌کنندگان در نظرسنجی از لحاظ سن و جنسیت

نمودار فوق، همین اطلاعات را به صورت بصری نشان می‌دهد؛ یک دایره برای جنسیت (تقریباً نصف–نصف با اندکی غلبه زنان) و یک نمودار حلقه‌ای برای سن که سهم بیشتر افراد دارای سن بین ۳۱–۴۰ را نمایش می‌دهد.

روند کلی استفاده مشتریان از هوش مصنوعی مولد

پس از توضیح روش و نمونه، گزارش نظرسنجی، یک جمع‌بندی مقدماتی بدین شرح ارائه می‌کند:

• مشتریان بیمه به‌طور فزاینده‌ای از هوش مصنوعی استفاده می‌کنند؛ آنها از ابزارهایی که بیمه‌گر در کانال‌های رسمی خود قرار داده و از ابزارهای عمومی و مستقل بهره می‌برند.

• این روند، قدرت تصمیم‌گیری و امکان شخصی‌سازی را برای مشتریان افزایش می‌دهد و از این نظر، هوش مصنوعی مولد به نوعی به توانمندسازی مشتری منجر می‌شود.

• با این حال، مشتریان همچنان در برابر برخی مخاطرات محتاط‌ هستند؛ از جمله:

  • ترس از خطاهای الگوریتمی

  • نگرانی درباره سوءاستفاده یا استفاده نادرست از داده‌ها

  • احساس از دست رفتن ارتباط انسانی در تعامل با بیمه‌گر

رضایت مشتریان از تعامل مبتنی بر هوش مصنوعی مولد

در ادامه این سؤال مطرح می‌شود که مشتریان درباره به‌کارگیری هوش مصنوعی مولد توسط شرکت بیمه خود چه احساسی دارند: «احساس شما نسبت به استفاده شرکت بیمه‌ از هوش مصنوعی برای تعامل با شما چیست؟»

پاسخ‌دهندگان یکی از چهار گزینه را انتخاب کردند. بر اساس نتایج در سطح کل نمونه، ۳۷ درصد گفتند آن را دوست دارند، ۴۷ درصد اعلام کردند استفاده از هوش مصنوعی مولد برای آنها، قابل‌قبول است به‌شرط اینکه خدماتی ارائه کند که «از تعامل انسانی بدتر نباشد و ترجیحاً بهتر باشد». همچنین، ۱۲ درصد اظهار داشتند با هوش مصنوعی مولد راحت نیستند و ۴ درصد هم اعلام کردند که درباره پاسخ خود، مطمئن نیستند.

چنین برداشت می‌گردد که در مجموع، اکثریت قابل‌توجهی از مشتریان (حدود ۸۴ درصد) یا نگاه مثبتی دارند یا دست‌کم نسبت به آن نگرانی جدی ابراز نمی‌کنند؛ البته به شرط حفظ یا ارتقای کیفیت نسبت به تعامل انسانی. در مقابل، تنها یک اقلیت کوچک (۱۲ درصدی) به صراحت نگرانی خود را ابزار می‌کنند و گروهی محدود هم (۴ درصدی) دید مشخصی نسبت به موضوع ندارند.

اثر ادراک‌شده هوش مصنوعی مولد بر تجربه تعامل با بیمه‌گر

حال یک سؤال تکمیلی مطرح می‌شود تا اثر واقعی هوش مصنوعی بر تجربه مشتری بررسی شود: «تأثیر ابزارهای هوش مصنوعی مولد بر تجربه تعامل شما با شرکت بیمه، چگونه بوده است؟»

نتایج پژوهش حاضر نشان می‌دهد که ۵۰ درصد از مشتریان معتقدند این موضوع، تجربه آن‌ها را بسیار راحت‌تر و کارآمدتر کرده است. ۳۶ درصد می‌گویند این ابزارها تا حدی مفید بوده‌اند، اما تجربه آن‌ها را به‌طور قابل‌توجهی بهتر نکرده‌اند. ۹ درصد گزارش می‌کنند که هوش مصنوعی باعث شده تعامل آنها، پیچیده‌تر یا غیرشخصی‌تر شود و ۵ درصد هم می‌گویند تفاوت چندانی احساس نکرده‌اند.

جمع‌بندی ضمنی از این ارقام آن است که نیمی از مشتریان، اثر هوش مصنوعی مولد را به شکل معناداری مثبت توصیف می‌کنند و اظهار می‌دارند، تعامل آن‌ها آسان‌تر و کارآمدتر شده است. حدود یک‌سوم نیز این مسئله را مفید می‌دانند، اما آن را تحول‌آفرین تلقی نمی‌کنند. در عین حال، کمتر از یک‌دهم از مشتریان احساس می‌کنند هوش مصنوعی تجربه آن‌ها را نامطلوب‌تر کرده یا غیرشخصی‌تر شده است و یک اقلیت کوچک هم تفاوتی مشاهده نکرده‌اند. در نتیجه، نگرش و تجربه واقعی مشتریان نسبت به هوش مصنوعی مولد اغلب مثبت یا دست‌کم خنثی و قابل پذیرش است، هرچند بخشی کوچک اما مهم از مشتریان همچنان نسبت به آن حساسیت منفی دارند.

تفاوت‌های بین‌المللی در نظرسنجی انجام شده

نمودار زیر یک نمودار ستونی مقایسه‌ای است که پاسخ به سؤال «احساس شما درباره استفاده بیمه‌گر از هوش مصنوعی مولد برای تعامل با شما چیست؟» را به تفکیک کشور نشان می‌دهد. برای هر یک از کشورها، یک ستون چندبخشی رسم شده است. چین، ژاپن، مجموع شش کشور، آمریکا، آلمان، فرانسه و انگلستان این ستون‌ها را تشکیل می‌دهند. در هر ستون، چهار رنگ نشان‌دهنده چهار نوع پاسخ‌ هستند: «دوست دارم»، «قبول دارم به‌شرط کیفیت برابر/بهتر از انسان»، «راحت نیستم»، «مطمئن نیستم». محور عمودی درصد پاسخ‌دهندگان (۰ تا ۱۰۰ درصد) را نشان می‌دهد.

نمودار ۷: توزیع درصدی نظر شرکت‌کنندگان در نظرسنجی درباره استفاده بیمه‌گر از هوش مصنوعی مولد

همانطور که ملاحظه می‌شود اشتیاق نسبت به استفاده بیمه‌گران از ابزارهای هوش مصنوعی بین کشورها تفاوت قابل‌توجهی دارد. مشتریان در بازارهای آسیایی سطح رضایت و استقبال بالاتری نسبت به اروپا و آمریکا نشان می‌دهند. به عبارت دیگر:

• در چین و ژاپن، سهم کسانی که می‌گویند «هوش مصنوعی را دوست دارم» یا «با آن مشکلی ندارم» بالاتر است؛ یعنی پذیرش و علاقه نسبت به تعاملات مبتنی بر هوش مصنوعی در این بازارها قوی‌تر است.

• در کشورهای اروپایی و آمریکا، اگرچه همچنان اکثریت برخوردی مثبت یا پذیرنده دارند، اما نسبت بدبینی یا عدم اطمینان کمی بیشتر است. این امر می‌تواند به تفاوت‌های فرهنگی، سطح اعتماد به فناوری، سابقه دیجیتالی شدن خدمات مالی و نیز نگرانی‌های حریم خصوصی در این مناطق مرتبط باشد.

نمودار به‌صورت بصری نشان می‌دهد که ستون‌های چین و ژاپن بیشتر از رنگ‌های «دوست دارم» و «قبول دارم» پر شده است و در کشورهای اروپایی، بخش‌های «راحت نیستم» یا «مطمئن نیستم» کمی بیشتر است.

پذیرش مشتریان بر حسب نوع فعالیت بیمه‌ای

به منظور بررسی این‌که مشتریان در کدام نوع خدمت بیمه‌ای ترجیح می‌دهند تا هوش مصنوعی مولد حضور پررنگ‌تری داشته باشد و کجا کمتر، سؤال به این صورت مطرح شده است:

«در کدام یک از انواع خدمات زیر می‌خواهید هوش مصنوعی بیشتر، کمتر یا در همین سطح فعلی، دخالت داشته باشد؟»

خدمات اصلی عبارت‌اند از:

• مقایسه قیمت و شرایط محصولات بیمه‌ای مختلف

• رسیدگی به خسارت‌ها

• مشاوره سرمایه‌گذاری و انتخاب گزینه‌های مناسب

• خدمات مرتبط با بیمه‌نامه

• فرایند درخواست، عقد قرارداد و پرداخت

• تبلیغات هدفمند

نتایج نشان می‌دهد:

v در فعالیت‌هایی مثل مقایسه قیمت و شرایط، رسیدگی به خسارت و خدمات بیمه‌نامه، تعداد قابل‌توجهی از مشتریان می‌گویند: «می‌خواهم استفاده از هوش مصنوعی مولد بیشتر شود».

v برخی دیگر می‌گویند: «وضع فعلی کافی است»؛

v درصدی هم ترجیح می‌دهند استفاده کمتری از هوش مصنوعی شود.

 تقریباً در اکثر فعالیت‌ها، کفه تمایل به بیشتر شدن نقش هوش مصنوعی از تمایل به کمتر شدن سنگین‌تر است؛ تنها استثنا، حوزه تبلیغات هدفمند است که در آن، بسیاری از مشتریان علاقه‌ای به افزایش استفاده از هوش مصنوعی ندارند و حتی تمایل دارند نقش آن کمتر شود. این موضوع به حساسیت نسبت به ردیابی رفتار و حریم خصوصی در حوزه تبلیغات برمی‌گردد.

نمودار ۸: توزیع درصدی ترجیح مشتری در نوع خدمت دریافتی از طریق هوش مصنوعی مولد

اهمیت ویژگی‌های مختلف هوش مصنوعی مولد از دید مشتری

در ادامه به این سوال پرداخته می‌شود: پاسخ‌‌دهندگان هنگامی‌که با ابزارهای هوش مصنوعی مولد ارائه‌شده توسط بیمه‌گر سروکار دارند، کدام ویژگی‌های آن را مهم‌تر می‌دانند. گزارش به بررسی اهمیت جنبه‌های زیر در ابزارهای هوش مصنوعی مولد مورد استفاده بیمه‌گر می‌پردازد:

• امنیت داده[32]

• دقت اطلاعات[33]

• دسترسی به پشتیبانی انسانی[34]

• شفافیت[35]

• سهولت استفاده[36]

• مقرون‌به‌صرفه بودن[37]

• سرعت پاسخ‌دهی[38]

• شخصی‌سازی[39]

• ادغام با سایر خدمات[40]

میله‌ها نشان می‌دهند که تقریباً همه این ابعاد مهم تلقی می‌شوند، اما سه مورد در صدر هستند:

1. امنیت داده

2. دقت اطلاعات ارائه‌شده توسط هوش مصنوعی مولد

3. دسترسی به پشتیبانی انسانی در کنار هوش مصنوعی مولد

بقیه عوامل مانند شفافیت، سهولت استفاده و سرعت پاسخ نیز مهم‌اند، اما در رتبه‌های بعدی قرار می‌گیرند.

نمودار ۹: توزیع درصدی اهمیت ابعاد مختلف هوش مصنوعی از دید مشتری

تشریح تفصیلی این اولویت‌ها در ادامه توضیح داده می‌شود.

الف) امنیت داده: مشتریان ممکن است نسبت به ردیابی و استفاده از داده‌های حساس خود (مانند عادت‌های مالی، سبک زندگی، داده‌های سلامت) احساس ناراحتی کنند. به‌ویژه هنگامی‌که سیاست‌های حاکمیت داده[41] مبهم است یا داده‌ها برای اهدافی فراتر از انتظار مشتری استفاده می‌شود.

بنابراین، وجود سیاست‌های شفاف، کنترل‌های امنیتی قوی و توضیح روشن به مشتریان برای جلب اعتماد ضروری است. هرگونه دسترسی غیرمجاز به داده‌ها یا اشتراک اطلاعات با طرف‌های ثالث بدون اطلاع و رضایت، نه‌فقط از نظر قانونی بلکه از منظر اعتماد مشتری آسیب‌زا است.

ب) دقت اطلاعات: مشتریان نگران‌اند که توصیه‌ها و خروجی‌های هوش مصنوعی مولد بر مبنای داده‌های نادرست، مدل‌های ناقص یا سوگیری‌ها باشد یا در محاسبات و برآوردها خطا رخ دهد. بنابراین، بیمه‌گران باید فرآیندهای بازبینی و کنترل کیفیت برای خروجی‌های هوش مصنوعی مولد طراحی نمایند و این اطمینان را ایجاد کنند که پیشنهادهای ارائه‌شده توسط این ابزارها، قابل اتکا و منطبق با شرایط واقعی مشتری است.

ج) دسترسی به پشتیبانی انسانی: اگرچه هوش مصنوعی مولد به کارآمدی و سرعت کمک می‌کند، بسیاری از مشتریان همچنان می‌خواهند امکان صحبت با انسان را داشته باشند؛ به‌ویژه در تصمیم‌های مهم (مانند خرید بیمه عمر یا درمان تکمیلی پیچیده)، موقعیت‌های حساس یا احساسی (مانند خسارت‌های بزرگ)، یا هنگامی‌که احساس می‌کنند پاسخ هوش مصنوعی مولد کامل یا قانع‌کننده نیست. بنابراین، مدل مطلوب برای بسیاری از مشتریان، ترکیب هوش مصنوعی مولد و عامل انسانی است، نه جایگزینی کامل انسان.

د) شفافیت: بسیاری از مشتریان دقیقاً نمی‌دانند هوش مصنوعی مولد در پشت صحنه چگونه عمل می‌کند و چه زمانی در تعاملشان با بیمه‌گر، یک سامانه هوش مصنوعی پاسخ می‌دهد. گزارش نظرسنجی اشاره می‌کند که لازم است بیمه‌گر به‌صراحت اعلام کند که در چه بخش‌هایی از خدمات خود از هوش مصنوعی مولد استفاده می‌کند و توضیح دهد که داده‌ها چگونه پردازش می‌شوند، چه محدودیت‌هایی وجود دارد و مشتری چه حقوقی دارد (مانند حق اعتراض، حق درخواست توضیح یا اصلاح اطلاعات). این شفافیت برای کاهش نگرانی و افزایش حس کنترل مشتری حیاتی است.

ه) سهولت استفاده: هوش مصنوعی مولد باید بدون نیاز به مهارت تخصصی و برای اغلب مشتریان قابل‌استفاده باشد؛ یعنی کاربر بتواند با زبان طبیعی و پرسش‌های روزمره با سامانه کار کند و برای انجام کارهای متداول بیمه‌ای (از استعلام و خرید تا پیگیری خسارت) درگیر منوهای پیچیده و فرایندهای چندمرحله‌ای نشود. سهولت استفاده، زمانی محقق می‌شود که مشتری احساس کند تعامل با هوش مصنوعی مولد ساده‌تر از تماس تلفنی یا مراجعه حضوری است؛ به‌این‌معنا که ورود، دریافت پاسخ، و حرکت بین مراحل مختلف تجربه بیمه‌ای برای او واضح، قابل‌فهم و بدون اصطکاک باشد.

و) سرعت پاسخ: یکی از ارزش‌های اصلی هوش مصنوعی مولد تسریع فرایندها و پاسخگویی آنی می‌باشد؛ به‌ویژه در نقاطی از تعامل مشتری که معمولاً طولانی و زمان‌بر هستند، مانند دریافت اطلاعات، تکمیل فرم‌ها و پیگیری وضعیت خسارت. سرعت پاسخ در اینجا به‌معنای کاهش محسوس زمان انتظار نسبت به کانال‌های سنتی است؛ به‌طوری‌که مشتری بتواند در همان لحظه طرح سؤال، راهنمایی عملی یا نتیجه موردنیاز را دریافت کند. این سرعت، تنها به معنای کاهش زمان نیست؛ بلکه باید با دقت و کیفیت مناسب همراه باشد تا حس کارآمد بودن سامانه را در ذهن مشتری شکل دهد و در موقعیت‌های حساس (مانند اعلام خسارت یا تصمیم مالی) اضطراب او را کاهش دهد.

ز) شخصی‌سازی: شخصی‌سازی به‌عنوان یکی از مهم‌ترین مزیت‌های هوش مصنوعی مولد مطرح می‌شود؛ جایی که بر استفاده از داده‌های مشتری (پروفایل، سوابق، رفتار گذشته و سلایق) برای ارائه پیشنهادها و پاسخ‌های متناسب تأکید شده است. شخصی‌سازی یعنی هوش مصنوعی مولد صرفاً جواب‌های عمومی ندهد، بلکه با توجه به نوع پوشش‌های موجود، سطح ریسک، نیازهای خانوادگی یا کسب‌وکاری و حتی کانال ارتباطی مورد علاقه فرد، توصیه‌های خاص برای همان مشتری ارائه کند. این سطح از تطبیق محتوا و راهکار با وضعیت فردی، از دید گزارش، عامل کلیدی در ایجاد احساس درک شدن، افزایش اعتماد و تقویت احتمال ادامه همکاری با بیمه‌گر است.

ح) ادغام با سایر خدمات: گزارش به‌طور مکرر به اهمیت یکپارچگی هوش مصنوعی مولد با سامانه‌های داخلی بیمه‌گر، کانال‌های دیجیتال (برنامه کاربردی، درگاه[42]، ربات گفتگو) و حتی بازیگران بیرونی مانند بانک‌ها و ارائه‌دهندگان خدمات درمانی اشاره می‌کند. ادغام در این معنا یعنی هوش مصنوعی مولد روی اطلاعات واقعی و به‌روزِ سیستم‌های عملیاتی کار کند (صدور، خسارت، مدیریت ارتباط با مشتری[43] و …) و بتواند بدون جابه‌جایی‌های دستی، اطلاعات لازم را از چند منبع دریافت و در قالب یک تجربه یکپارچه به مشتری ارائه دهد. چنین یکپارچگی‌ای باعث می‌شود مشتری مجبور نباشد همان اطلاعات را در کانال‌های مختلف تکرار کند، بین چند سامانه جابه‌جا شود یا برای تکمیل یک کار ساده، چند مسیر موازی را طی کند؛ در نتیجه، کل تجربه او روان‌تر، هماهنگ‌تر و از دید گزارش، یک تجربه منسجم و متصل احساس می‌شود.

کاربرد مستقل ابزارهای هوش مصنوعی مولد در فرآیند خرید بیمه

امروزه، شاهد تغییر بنیادین در رفتار مصرف‌کنندگان صنعت بیمه هستیم؛ جایی‌که خریداران دیگر تنها به اطلاعات ارائه‌شده توسط بیمه‌گر تکیه نمی‌کنند. یافته‌های گزارش (مطابق با نمودار ۱۰) نشان می‌دهد که استفاده مستقل از بن‌سازه‌های عمومی هوش مصنوعی مولد نظیر چت جی.بی.تی[44] و کوپایلوت[45]، به بخشی جدایی‌ناپذیر از فرآیند جست‌وجو و خرید بیمه تبدیل شده است. این تحول نشان‌دهنده گذار مشتریان از مدل‌های منفعلِ دریافت اطلاعات، به سمت مدل‌های فعالِ تحلیل داده است که در آن مشتریان از هوش مصنوعی برای درک بهتر محصولات استفاده می‌کنند.

نمودار ۱۰: توزیع درصدی پاسخ شرکت‌کنندگان نظرسنجی درباره استفاده از هوش مصنوعی در فرایند خرید بیمه

در سطح جغرافیایی، تفاوت‌های معناداری در میزان پذیرش این فناوری مشاهده می‌شود. آمارهای ارائه‌شده حاکی از آن است که بازارهای آسیایی در صدر پذیرش این فناوری قرار دارند؛ به‌طوری که نرخ استفاده مستقل در چین به ۸۰ درصد و در ژاپن به ۷۰ درصد می‌رسد. در مقابل، بازارهای غربی الگوی محافظه‌کارانه‌تری را دنبال می‌کنند؛ به‌گونه‌ای که نرخ استفاده در ایالات متحده و فرانسه حدود ۶۰ درصد و در آلمان به عنوان بازاری با رویکرد محتاطانه، ۵۵ درصد گزارش شده است. میانگین جهانی ۶۸ درصدی، به‌خوبی نشان می‌دهد که نفوذ هوش مصنوعی مولد به لایه‌های تصمیم‌گیری مشتریان، یک پدیده فراگیر و جهانی است که دیگر نمی‌توان آن را نادیده گرفت.

با وجود این رشد چشمگیر، گزارش حاضر تأکید می‌کند که نباید دچار سوءبرداشت شویم؛ ابزارهای هوش مصنوعی مولد قرار نیست جایگزین کامل کانال‌های فروش سنتی (مانند نمایندگی‌ها یا کارگزاران) شوند. در واقع، این فناوری بیش از آنکه باعث حذف زنجیره فروش شود، باعث دگرگونی در بخش‌های کلیدی تعامل مشتری شده است. هوش مصنوعی مولد در مراحلی مانند تحقیق اولیه، مقایسه بی‌طرفانه طرح‌های بیمه‌ای و ساده‌سازی شرایط پیچیده بیمه‌نامه، یک دستیار تصمیم‌گیر فوق‌العاده برای مشتری است، اما در مراحل نهایی فروش و به‌ویژه در لحظات حساسِ تصمیم‌گیری که نیاز به اعتماد و اطمینان عاطفی وجود دارد، نقش مکمل را ایفا می‌کند.

نکته حائز اهمیت دیگر، تفاوت در میزان نفوذ این فناوری بر اساس نوع محصول بیمه‌ای است. محصولات بیمه‌ای ساده و استاندارد، مانند بیمه خودرو یا بیمه‌های مسافرتی، به‌سرعت به سمت دیجیتالی‌شدن کامل و اتکا به ابزارهای هوش مصنوعی پیش می‌روند، چرا که ریسک تصمیم‌گیری در آن‌ها پایین‌تر و ویژگی‌های محصول شفاف‌تر است. در مقابل، محصولات بیمه‌ای پیچیده و بلندمدت، مانند بیمه‌های عمر، بازنشستگی یا طرح‌های جامع سلامت، کماکان به حضور و هدایت انسانی نیاز دارند. مشتریان در این حوزه‌ها، علیرغم کمک گرفتن از هوش مصنوعی مولد برای جمع‌آوری اطلاعات اولیه، در نهایت برای نهایی‌سازی خرید به تعامل با یک کارشناس انسانی و دریافت مشاوره تخصصی تمایل دارند.

در مجموع، می‌توان گفت هوش مصنوعی مولد باعث شده است تعامل مشتری به شکلی ترکیبی و جدید تغییر کند. حالا مشتری با کمک اطلاعات سریع و دقیق هوش مصنوعی، به صورت مستقل، تصمیم‌هایی آگاهانه‌تر و حرفه‌ای‌تری می‌گیرد. این بدین معناست که دیگر تنها بیمه‌گر منبع اطلاعات نیست و جمع‌آوری اطلاعات در انحصار او قرار ندارد. بنابراین، شرکت‌های بیمه باید ابزارها و خدمات خود را به‌روزرسانی کنند تا با خروجی‌های هوش مصنوعی سازگار باشد و بتواند مواردی ارائه دهد که مشتری به‌تنهایی قادر به استخراج از ابزارهای عمومی نیست.

توانمندسازی مشتری و تحول در گفت‌وگوی بیمه‌گر ـ مشتری

مشتریان امروز بدون انتظار برای تعامل با شرکت بیمه، به‌طور مستقل از ابزارهای هوش مصنوعی مولد استفاده می‌کنند. این موضوع باعث شکل‌گیری نسلی جدید از مشتریان شده است که آگاه‌تر، آماده‌تر، دقیق‌تر و فعال‌تر تصمیم می‌گیرند و انتظار بالاتری از خدمات شخصی‌سازی‌شده و پاسخ‌گو دارند.

به‌کارگیری هوش مصنوعی مولد هم از سوی مشتری و هم از سوی بیمه‌گر، به تعاملات یکپارچه‌تر، مؤثرتر و شفاف‌تر منجر می‌شود. مشتریان می‌توانند پرسش‌های دقیق‌تری مطرح کنند و بیمه‌گر نیز پاسخ‌هایی متناسب، قابل اتکا و منطبق با نیاز آنها، ارائه کند. استفاده از ابزارهای آماده هوش مصنوعی مولد، چه توسط مشتری و چه کارکنان بیمه‌گر، کیفیت ارتباطات را ارتقا می‌بخشد و در تمامی مراحل سفر مشتری، درک متقابل و کیفیت گفتگو را افزایش می‌دهد.

در بیمه درمان نیز تحول عمده‌ای در حال وقوع است؛ مشتریان نسبت به عدم تقارن اطلاعات[46] حساس‌تر شده‌اند و با کمک هوش مصنوعی مولد حتی در موضوعات تخصصی مانند مسائل درمانی، تلاش می‌کنند اطلاعات را قبل از مراجعه به متخصص، بررسی نمایند. این روند اگرچه مزایای بسیاری دارد، اما ریسک‌هایی مانند نقض حریم خصوصی، خطاهای تصمیم‌گیری یا آسیب‌های اعتباری را نیز به همراه دارد که بیمه‌گر باید برای آنها آمادگی داشته باشد.

این بخش تأکید می‌کند که شرکت‌های بیمه باید فرهنگ جدید هوش مصنوعی را در سازمان خود بپذیرند؛ فرهنگی که مشتری آگاه آن را نه تهدید، بلکه بخشی طبیعی از واقعیت دیجیتال امروز می‌داند. در این رویکرد، بیمه‌گر باید با همدلی، چابکی و پاسخ‌گویی دقیق به مشتریان توانمند، پاسخ دهد.

نگرانی مشتریان درباره استفاده بیمه‌گران از هوش مصنوعی مولد

در این بخش مهم‌ترین نگرانی‌های مشتریان نسبت به استفاده شرکت‌های بیمه از خدمات هوش مصنوعی مولد نشان داده می‌شود. هرچند هوش مصنوعی مولد می‌تواند کارایی و سرعت خدمات بیمه‌ای را افزایش دهد، اما از نگاه مشتریان، چالش‌ها و دغدغه‌های جدی نیز در کنار این مزایا وجود دارد که نمی‌توان آن‌ها را نادیده گرفت.

مهم‌ترین نگرانی مشتریان، کمرنگ شدن نقش انسان و کاهش تعاملات شخصی است. بسیاری از مشتریان بیمه انتظار دارند در موقعیت‌های حساس مانند خرید یک بیمه‌نامه مهم یا رسیدگی به خسارت، با یک فرد واقعی گفتگو کنند. از نگاه آن‌ها، اتکای بیش از حد به ابزارهای هوش مصنوعی، ممکن است باعث شود ارتباط انسانی، همدلی و درک شرایط خاص هر فرد از فرآیند خدمات بیمه‌ای، حذف شود.

دومین نگرانی پررنگ، حریم خصوصی و امنیت داده‌هاست. مشتریان نگران‌اند که اطلاعات شخصی، مالی و پزشکی آن‌ها هنگام استفاده از هوش مصنوعی مولد چگونه ذخیره، پردازش و محافظت می‌شود. از آنجا که داده‌های بیمه‌ای اغلب بسیار حساس هستند، هرگونه ابهام درباره امنیت اطلاعات می‌تواند اعتماد مشتریان به استفاده بیمه‌گر از هوش مصنوعی را به‌شدت کاهش دهد.

نگرانی مهم بعدی به دقت و صحت پاسخ‌های تولیدشده توسط هوش مصنوعی مولد بازمی‌گردد. مشتریان نگران‌اند که پاسخ‌های ارائه‌شده توسط هوش مصنوعی همیشه دقیق، کامل یا منطبق با شرایط واقعی بیمه‌نامه نباشد. این دغدغه به‌ویژه در حوزه‌هایی مانند پوشش‌ها، استثنائات یا شرایط پرداخت خسارت اهمیت بیشتری پیدا می‌کند، زیرا حتی یک خطای کوچک می‌تواند پیامدهای مالی و حقوقی قابل توجهی داشته باشد.

در ادامه، به اتکای بیش از حد به خودکارسازی[47] اشاره می‌گردد. برخی مشتریان احساس می‌کنند که استفاده گسترده از هوش مصنوعی مولد ممکن است تصمیم‌های پیچیده بیمه‌ای را بیش از حد ماشینی کند و انعطاف‌پذیری لازم برای بررسی شرایط خاص هر مشتری را کاهش دهد. این موضوع می‌تواند حس بی‌تفاوتی سامانه را در ذهن مشتری ایجاد کند.

نگرانی دیگر، شفاف نبودن نحوه کارکرد هوش مصنوعی است. برای مشتریان مشخص نیست که هوش مصنوعی بر اساس چه اطلاعاتی تصمیم می‌گیرد یا چرا یک پیشنهاد را ارائه می‌دهد. همین نامشخص بودن روند تصمیم‌گیری باعث می‌شود مشتریان احساس کنند سامانه قابل اعتماد نیست. در صنعت بیمه که اعتماد موضوع بسیار مهمی است، این ابهام می‌تواند مانع بزرگی برای پذیرش گسترده هوش مصنوعی باشد.

در نهایت، احتمال سوگیری الگوریتمی[48] نیز از جمله دغدغه‌های مطرح‌شده است. مشتریان نگران‌اند که الگوریتم‌ها، به‌طور ناخواسته، بر اساس داده‌های گذشته یا الگوهای ناقص، تصمیم‌هایی ناعادلانه یا تبعیض‌آمیز اتخاذ کنند؛ مسئله‌ای که در ارزیابی ریسک، قیمت‌گذاری یا بررسی خسارت می‌تواند تأثیر مستقیم داشته باشد.

در ادامه، یکی از چالش‌های مهم فنی در استفاده از هوش مصنوعی مولد مطرح می‌شود که به آن توهم[49] گفته می‌شود. منظور از توهم در اینجا حالتی است که سامانه هوش مصنوعی پاسخی تولید می‌کند که از نظر ظاهری کاملاً منسجم، منطقی و قانع‌کننده به نظر می‌رسد، اما در واقع بر اطلاعات نادرست، ناقص یا حتی غیرواقعی استوار است. در چنین شرایطی، مدل ممکن است جزئیات یا توضیحاتی ارائه دهد که در منابع واقعی وجود ندارند، یا اطلاعات درست را به شکل اشتباه تفسیر کند.

در صنعت بیمه، بروز چنین خطاهایی می‌تواند پیامدهای قابل‌توجهی به همراه داشته باشد. تصمیم‌ها و پاسخ‌های مرتبط با بیمه اغلب به مقررات دقیق، شرایط خاص بیمه‌نامه‌ها و داده‌های واقعی مشتریان وابسته هستند. اگر یک سامانه هوش مصنوعی اطلاعات نادرستی درباره پوشش‌های بیمه‌ای، استثنائات قرارداد یا فرآیند رسیدگی به خسارت ارائه دهد، ممکن است باعث ایجاد سوءتفاهم برای مشتری یا حتی تصمیم‌گیری‌های نادرست در فرآیندهای عملیاتی شود.

برای مثال، یک پاسخ نادرست ممکن است این تصور را ایجاد کند که یک خسارت تحت پوشش بیمه قرار نمی‌گیرد، در حالی که طبق شرایط بیمه‌نامه قابل پرداخت است؛ یا برعکس، به مشتری اعلام کند که خسارت او قابل‌جبران است، درحالی‌که در واقع چنین پوششی در قرارداد وجود ندارد. همچنین ممکن است شرایط و بندهای یک بیمه‌نامه به‌صورت اشتباه تفسیر شوند یا توصیه‌هایی به مشتری ارائه شود که با قوانین و مقررات بیمه‌ای سازگار نباشد.

به همین دلیل، مدیریت و کاهش پدیده توهم در سامانه‌های هوش مصنوعی مولد یکی از موضوعات کلیدی در به‌کارگیری این فناوری در صنعت بیمه به شمار می‌رود. اطمینان از اینکه پاسخ‌های تولیدشده بر پایه منابع معتبر، داده‌های دقیق و اسناد رسمی بیمه‌ای ارائه می‌شوند، نقش مهمی در کاهش ریسک خطا و افزایش اعتماد کاربران به این فناوری خواهد داشت.

نقش تولید مبتنی بر بازیابی اطلاعات[50] در کاهش ریسک‌ها و افزایش اعتماد به هوش مصنوعی در صنعت بیمه

حال یکی از مؤثرترین و عملی‌ترین راهکارها برای کاهش ریسک‌های مرتبط با استفاده از هوش مصنوعی مولد در صنعت بیمه معرفی می‌شود: رویکرد تولید مبتنی بر بازیابی اطلاعات. این رویکرد با هدف حل یکی از اصلی‌ترین چالش‌های هوش مصنوعی مولد یعنی تولید پاسخ‌های نادقیق، ناقص یا توهم‌آمیز طراحی شده است. در حالت عادی، مدل‌های مولد تنها بر اساس الگوهای زبانی آموزش‌دیده پاسخ می‌دهند؛ اما مدل بازیابی این محدودیت را با اتصال مدل به منابع معتبر و کنترل‌شده برطرف می‌کند.

در این روش، قبل از تولید پاسخ نهایی، هوش مصنوعی، اطلاعات مورد نیاز را از اسناد رسمی بیمه‌نامه‌ها، مقررات قانونی، استانداردهای نظارتی و داده‌های داخلی سازمان جستجو و استخراج می‌کند. به این ترتیب، خروجی نهایی نه صرفاً یک حدس زبانی، بلکه ترکیبی از توان تولیدی مدل و داده‌های واقع‌گرایانه و قابل استناد است. نتیجه این ترکیب، پاسخ‌هایی است که درعین‌حال که دقیق‌تر هستند، ریسک خطای محتوایی بسیار کمتری دارند. در فضای حساس بیمه، چنین قابلیتی می‌تواند اعتماد مشتریان را به شکل چشم‌گیری افزایش دهد و زمینه پذیرش گسترده‌تر هوش مصنوعی مولد را فراهم کند.

نخستین توصیه اجرایی برای بیمه‌گران، ایجاد فرآیندهای اعتبارسنجی قوی است؛ یعنی اینکه هر خروجی هوش مصنوعی پیش از استفاده عملی باید با داده‌های معتبر و معیارهای داخلی تطبیق داده شود. توصیه دوم، حفظ نظارت انسانی در تصمیم‌های حساس است. از آنجا که برخی تصمیم‌های بیمه‌ای ممکن است آثار مالی یا حقوقی قابل‌توجهی داشته باشند، حضور یک کارشناس برای بررسی و تأیید نتایج هوش مصنوعی ضروری است.

در ادامه، بر ضرورت شفاف‌سازی درباره نحوه استفاده از هوش مصنوعی مولد تأکید شده است. مشتریان باید بدانند در کدام نقاط فرایندهای بیمه‌ای از هوش مصنوعی استفاده می‌شود و چه بخشی از تصمیم‌گیری توسط انسان انجام می‌شود. همچنین، افزایش آگاهی مشتریان درباره توانایی‌ها و محدودیت‌های هوش مصنوعی، یکی دیگر از عوامل کلیدی برای افزایش پذیرش و کاهش نگرانی‌های کاربران است.

نقش سازوکار مدل بازیابی در بهبود کیفیت خروجی‌های هوش مصنوعی مولد

این بخش از گزارش، به‌طور مشخص به تعریف سازوکار مدل بازیابی و نقش حیاتی آن در ارتقای کیفیت خروجی‌های هوش مصنوعی مولد می‌پردازد. ایده اصلی این رویکرد آن است که مدل به‌جای اتکا صرف به دانش عمومی خود، به مجموعه‌ای از منابع اطلاعاتی معتبر و کنترل‌شده متصل شود. در ساختار مدل بازیابی، مدل قبل از تولید پاسخ نهایی، داده‌های مورد نیاز را از میان اسناد رسمی بیمه‌نامه‌ها، قوانین و مقررات نظارتی، دستورالعمل‌های داخلی شرکت و سایر منابع معتبر استخراج می‌کند. سپس، این داده‌ها را در فرآیند تولید پاسخ ادغام می‌کند و خروجی نهایی را بر اساس محتوای واقعی و قابل‌استناد ارائه می‌دهد.

این سازوکار باعث می‌شود پاسخ‌هایی که هوش مصنوعی تولید می‌کند، تنها بر پایه الگوهای زبانی و پیش‌بینی کلمات بعدی نباشد، بلکه بر اساس اطلاعات واقعی، مستند و معتبر شکل بگیرد. به بیان ساده‌تر، مدل هوش مصنوعی تنها با تکیه بر دانشی که در فرایند آموزش به دست آورده پاسخ نمی‌دهد، بلکه هنگام تولید پاسخ، به اسناد و منابع رسمی نیز مراجعه می‌کند و محتوای خود را بر مبنای آن‌ها می‌سازد. به همین دلیل، خروجی نهایی بیشتر از آنکه یک حدس هوشمندانه باشد، یک پاسخ مستند و مبتنی بر شواهد است.

اهمیت این موضوع در صنعت بیمه بسیار بیشتر از بسیاری از حوزه‌های دیگر است، زیرا در این صنعت، هر پاسخ یا توصیه ممکن است مستقیماً با حقوق، تعهدات و منافع مالی مشتریان و شرکت بیمه در ارتباط باشد. اگر اطلاعاتی که به مشتری ارائه می‌شود نادرست یا ناقص باشد، ممکن است به تفسیر غلط شرایط بیمه‌نامه، بررسی نادرست خسارت یا حتی تصمیم‌هایی منجر شود که پیامدهای حقوقی و مالی عمده‌ای به همراه داشته باشند. به همین دلیل، اتکا به پاسخ‌هایی که مستند به قوانین، مقررات و اسناد رسمی هستند، یک ضرورت اساسی محسوب می‌شود، نه صرفاً یک مزیت فنی.

در واقع، مدل بازیابی کمک می‌کند فاصله‌ای که معمولاً میان توان زبانی هوش مصنوعی و واقعیت‌های عملی کسب‌وکار وجود دارد، تا حد زیادی از بین برود. مدل‌های زبانی به‌طور طبیعی در تولید متن روان و منسجم بسیار توانمند هستند، اما بدون دسترسی به منابع دقیق، ممکن است پاسخ‌هایی ارائه دهند که از نظر نگارشی درست اما از نظر محتوایی نادرست باشند. مدل بازیابی، این ضعف را برطرف می‌کند، زیرا پاسخ نهایی را به داده‌ها و اسناد واقعی متصل می‌سازد. نتیجه این فرایند، ارائه پاسخ‌هایی است که از نظر زبانی قابل‌فهم و روان هستند و از منظر محتوایی، دقیق، معتبر و قابل استناد؛ ویژگی‌ای که برای جلب اعتماد مشتریان و استفاده ایمن از هوش مصنوعی در صنعت بیمه اهمیت بسیار زیادی دارد.

نتیجه این فرآیند سه دستاورد کلیدی دارد. نخست، کاهش قابل‌توجه احتمال تولید اطلاعات نادرست است. ازآنجاکه مدل بر منابع واقعی و تأییدشده تکیه می‌کند، احتمال ارائه اطلاعات نادرست، ناقص یا توهم‌آمیز به‌طور چشم‌گیری کاهش می‌یابد. دومین دستاورد، تضمین سازگاری کامل پاسخ‌ها با قوانین و مقررات صنعت بیمه است. این موضوع در فضایی که نقش نهاد نظارتی پررنگ است، اهمیت بالایی دارد. مدل بازیابی با اتصال مستقیم به اسناد قانونی و مقررات رسمی، ریسک ارائه توضیح یا توصیه مغایر با قانون را تقریباً حذف می‌کند. سومین نتیجه، افزایش کیفیت تحلیل‌ها و توصیه‌های بیمه‌ای است. زمانی‌که مدل از داده‌های واقعی و دستورالعمل‌های سازمان استفاده می‌کند، خروجی‌های آن دقیق‌تر و کاربردی‌تر می‌شود و درعین‌حال می‌تواند مدیران، کارشناسان و مشتریان را در تصمیم‌گیری بهتر، یاری کند.

در نهایت، می‌توان گفت که مدل بازیابی یکی از ابزارهای کلیدی برای ایمن‌سازی و قابل اعتماد کردن استفاده از هوش مصنوعی مولد در صنعت بیمه است. این رویکرد هنگامی بیشترین اثربخشی را دارد که در کنار آن از نظارت انسانی مؤثر و فرآیندهای اعتبارسنجی ساختاریافته نیز استفاده شود. ترکیب سه عنصر نیروی انسانی، سامانه‌های اعتبارسنجی و مدل بازیابی، امکان ایجاد یک چارچوب کاملاً قابل‌اعتماد را فراهم می‌سازد که کیفیت پاسخ‌ها را به‌طور پایدار بهبود می‌بخشد و سطح اعتماد مشتریان به فناوری را افزایش می‌دهد. در نتیجه، مدل بازیابی نه‌تنها به‌عنوان یک فناوری فنی، بلکه به‌عنوان یک ابزار راهبردی برای پذیرش و مقیاس‌پذیری هوش مصنوعی مولد در صنعت بیمه شناخته می‌شود.

همانطور که در قسمت‌های پیشین اشاره شد، ابزارهای عمومی هوش مصنوعی مولد به یکی از روندهای مهم در رفتار مشتریان در بازار بیمه اشاره می‌کند؛ یعنی استفاده مستقیم و مستقل کاربران از ابزارهای عمومی هوش مصنوعی برای جست‌وجوی اطلاعات، مقایسه محصولات و حتی دریافت توصیه درباره خرید بیمه. منظور از ابزارهای عمومی، ابزارهایِ در دسترس هوش مصنوعی مولد است که توسط شرکت‌های فناوری توسعه یافته‌اند و کاربران بدون وابستگی به شرکت‌های بیمه می‌توانند از آن‌ها استفاده کنند؛ ابزارهایی مانند ربات‌های گفتگوی هوشمند، دستیارهای دیجیتال و موتورهای تولید متن که امکان پاسخ‌گویی به سؤالات پیچیده را در مدت زمان کوتاه فراهم می‌کنند. این ابزار‌ها به دلیل سهولت دسترسی، سرعت بالا در ارائه پاسخ و توانایی پردازش حجم زیادی از اطلاعات، به‌تدریج به یکی از منابع اطلاعاتی مهم برای مشتریان در مراحل اولیه تصمیم‌گیری درباره بیمه تبدیل شده‌اند.

با وجود این مزایا، استفاده مستقل از این ابزارها با سطح قابل‌توجهی از نگرانی در میان کاربران همراه است. بیش از ۴۰ درصد از کاربران اعلام کرده‌اند که هنگام استفاده مستقل از ابزارهای هوش مصنوعی مولد برای دریافت اطلاعات یا تصمیم‌گیری درباره خرید بیمه، نسبت به دقت اطلاعات ارائه‌شده و امنیت داده‌های شخصی خود احساس نگرانی دارند. این یافته نشان می‌دهد که اگرچه فناوری‌های هوش مصنوعی مولد در حال تبدیل شدن به یک منبع اطلاعاتی رایج برای مشتریان هستند، اما اعتماد کامل به این ابزارها هنوز شکل نگرفته است. در واقع، کاربران در عین بهره‌گیری از مزایای سرعت و سهولت استفاده از هوش مصنوعی مولد، نسبت به قابلیت اتکای پاسخ‌های آن و نحوه مدیریت داده‌های شخصی خود همچنان تردید دارند.

در ادامه، مهم‌ترین دغدغه‌های مشتریان هنگام استفاده مستقل از ابزارهای هوش مصنوعی مولد، بررسی شده است. نخستین و مهم‌ترین نگرانی، کیفیت و قابلیت اتکای اطلاعات ارائه‌شده توسط هوش مصنوعی است. بسیاری از کاربران نگران‌اند که اطلاعات ارائه‌شده توسط ابزارهای هوش مصنوعی مولد همیشه دقیق، کامل یا به‌روز نباشد. دلیل این نگرانی آن است که این مدل‌ها بر اساس الگوهای زبانی آموزش‌دیده می‌باشند و نه بر اساس یک پایگاه دانش واقعی و کنترل‌شده. به همین دلیل، ممکن است متنی تولید کنند که از نظر نگارشی کاملاً صحیح، روان و قانع‌کننده باشد، اما در عمل حاوی اطلاعات نادرست، ناقص یا حتی گمراه‌کننده باشد.

این مسئله در صنعت بیمه اهمیت بسیار بیشتری پیدا می‌کند. در این حوزه، جزئیات به ظاهر کوچک مانند یک استثنا در پوشش بیمه‌نامه، یک شرط قانونی، یا یک محدودیت پرداخت، می‌توانند مستقیماً بر حقوق و تعهدات مشتری اثر بگذارند. بنابراین، حتی یک اشتباه کوچک در اطلاعاتی که مدل ارائه می‌دهد، ممکن است باعث برداشت اشتباه مشتری از شرایط بیمه‌نامه شود و نهایتاً او را به تصمیم‌گیری نادرست در خرید یا استفاده از خدمات بیمه‌ای سوق دهد. به همین دلیل، مسئله دقت و قابل‌اتکا بودن اطلاعات، یکی از مهم‌ترین دغدغه‌های کاربران هنگام استفاده مستقل از هوش مصنوعی مولد است.

دومین نگرانی مهم، مسائل مربوط به حریم خصوصی داده‌ها است. هنگام استفاده از بن‌سازه‌های هوش مصنوعی مولد، کاربران ممکن است برای دریافت پاسخ دقیق‌تر، اطلاعات شخصی یا جزئیات مربوط به وضعیت مالی، دارایی‌ها یا شرایط زندگی خود را وارد کنند. این موضوع باعث ایجاد نگرانی درباره نحوه ذخیره‌سازی، پردازش و استفاده از این داده‌ها می‌شود. بسیاری از کاربران اطمینان ندارند که اطلاعاتی که در این سامانه‌ها وارد می‌کنند چگونه مدیریت می‌شود، آیا این داده‌ها برای آموزش مدل‌ها استفاده خواهد شد یا خیر، و چه کسانی ممکن است به آن‌ها دسترسی داشته باشند. در نتیجه، دغدغه‌های مربوط به حفاظت از داده‌های شخصی به یکی از موانع اصلی اعتماد کامل به این ابزارها تبدیل شده است.

سومین دسته از نگرانی‌ها به ریسک‌های سایبری[51] مربوط می‌شود. استفاده از ابزارهای برخط[52] مبتنی بر هوش مصنوعی می‌تواند کاربران را در معرض تهدیدهایی مانند نشت داده‌ها، سوءاستفاده از اطلاعات شخصی یا حملات سایبری قرار دهد. ازآنجاکه بسیاری از این بن‌سازه‌ها خدمات خود را در بسترهای ابری[53] ارائه می‌کنند و حجم زیادی از داده‌های کاربران را پردازش می‌کنند، برخی کاربران نگران هستند که اطلاعات حساس آن‌ها در صورت وقوع یک رخداد امنیتی در معرض خطر قرار گیرد. این نگرانی‌ها به‌ویژه در حوزه‌هایی مانند بیمه که اطلاعات مالی و شخصی اهمیت بالایی دارند، پررنگ‌تر می‌شود.

در کنار این موارد، برخی کاربران به هزینه استفاده از ابزارهای پیشرفته هوش مصنوعی مولد نیز اشاره کرده‌اند. اگرچه بسیاری از این بن‌سازه‌‌ها نسخه‌های رایگان ارائه می‌دهند، اما دسترسی به قابلیت‌های پیشرفته‌تر یا تحلیل‌های تخصصی‌تر اغلب نیازمند اشتراک‌های پولی است. برای برخی کاربران، این مسئله می‌تواند مانعی برای استفاده گسترده از این ابزارها باشد، به‌ویژه اگر آن‌ها مطمئن نباشند که اطلاعات ارائه‌شده واقعاً ارزش پرداخت هزینه را دارد یا خیر.

علاوه بر این، نگرانی‌های زیست‌محیطی نیز در میان بخشی از کاربران مطرح شده است. آموزش و اجرای مدل‌های بزرگ هوش مصنوعی نیازمند توان پردازشی بسیار بالا و مصرف قابل‌توجه انرژی است. در سال‌های اخیر، بحث درباره اثرات زیست‌محیطی مراکز داده و مصرف انرژی مدل‌های بزرگ هوش مصنوعی افزایش یافته است و برخی کاربران نسبت به پیامدهای کربنی استفاده گسترده از این فناوری‌ها، حساسیت بیشتری نشان می‌دهند. هرچند این نگرانی نسبت به سایر موارد اهمیت کمتری دارد، اما نشان می‌دهد که بخشی از کاربران به پیامدهای گسترده‌تر فناوری نیز توجه دارند.

نکته مهمی که در این بخش مورد تأکید قرار می‌گیرد، این است که سطح نگرانی مشتریان هنگام استفاده مستقل از ابزارهای هوش مصنوعی مولد تقریباً مشابه نگرانی آن‌ها از استفاده شرکت‌های بیمه از همین فناوری است. به عبارت دیگر، دغدغه‌هایی مانند دقت اطلاعات، امنیت داده‌ها و شفافیت در نحوه استفاده از هوش مصنوعی، صرفاً محدود به زمانی نیست که شرکت‌های بیمه از این فناوری استفاده می‌کنند؛ بلکه حتی زمانی‌که مشتریان به‌صورت مستقل از ابزارهای هوش مصنوعی استفاده می‌کنند نیز همین نگرانی‌ها وجود دارد. این موضوع نشان می‌دهد که مسئله اصلی، صرفاً اعتماد به یک سازمان خاص نیست، بلکه اعتماد عمومی به فناوری هوش مصنوعی مولد هنوز در حال شکل‌گیری است.

در مجموع، اگرچه ابزارهای آماده هوش مصنوعی مولد در حال تبدیل شدن به یکی از منابع مهم اطلاعاتی برای مشتریان در فرایند تصمیم‌گیری درباره بیمه هستند، اما چالش‌های مرتبط با اعتماد، دقت اطلاعات، امنیت داده‌ها و شفافیت همچنان نقش تعیین‌کننده‌ای در میزان پذیرش این فناوری دارند. بنابراین، به منظور استفاده مؤثر از این ابزارها در صنعت بیمه، لازم است ارائه‌دهندگان فناوری و شرکت‌های بیمه، اقداماتی در جهت افزایش شفافیت، تقویت امنیت داده‌ها و بهبود کیفیت اطلاعات انجام دهند تا اعتماد کاربران به این فناوری به‌تدریج تقویت شود.

پیامدها برای شرکت‌های بیمه

برای آن‌که صنعت بیمه بتواند از تمام ظرفیت‌های هوش مصنوعی مولد بهره‌مند شود، ضروری است که این فناوری همراه با حاکمیت قوی، نظارت انسانی مؤثر و محافظت‌های اخلاقی روشن در عملیات شرکت‌ها نهادینه شود. تنها در این صورت است که می‌توان نوآوری فناورانه را با اعتماد مشتری، هماهنگ کرد و از بروز ریسک‌های مرتبط با پذیرش، جلوگیری نمود.

سایر نتایج نظرسنجی نشان می‌دهد که ادغام هوش مصنوعی مولد در تجربه خرید مشتری برای بیمه‌گران، درعین‌حال‌که فرصت‌هایی ارزشمند ایجاد می‌کند، چالش‌هایی جدی نیز به همراه دارد. از یک سو، هوش مصنوعی مولد می‌تواند موجب افزایش چشمگیر کارایی شود؛ اما از سوی دیگر، مشتریان همچنان حساسیت بالایی نسبت به اعتماد و شفافیت دارند. بنابراین، بیمه‌گران باید میان کارایی فناورانه و اصول بنیادین رابطه با مشتری تعادل برقرار کنند. در ادامه به چند مورد از پیامدهای محتمل برای شرکت‌های بیمه اشاره می‌گردد.

۱. هوش مصنوعی مولد به‌عنوان دستیار دیجیتال، نه جایگزین کامل انسان

هوش مصنوعی مولد قادر است نقش یک دستیار دیجیتال را برای مشتری ایفا کند؛ یعنی پاسخ‌گویی به پرسش‌های روزمره و انجام کارهای تکراری، به‌گونه‌ای که زمان کارشناسان برای تعاملات پیچیده‌تر و انسانی‌تر آزاد شود. با این حال، یافته‌های گزارش نشان می‌دهد که مشتریان هنوز برای تصمیم‌های پیچیده و حساس به سامانه‌های کاملاً خودکار اعتماد کامل ندارند. در نتیجه، تلاش برای ایجاد نمایندگان بیمه مستقل در این مرحله، احتمالاً زود است و ریسک بالایی دارد.

به همین دلیل توصیه می‌شود، بیمه‌گران هوش مصنوعی مولد را مکمل تخصص انسانی ببینند، نه جایگزین آن. این بدان معناست که طراحی یک مدل ترکیبی که در آن هوش مصنوعی، وظایف ساده‌تر را انجام دهد و انسان، مسئولیت تصمیم‌ها و تعاملات با ارزش بالا را بر عهده بگیرد. این رویکرد، هم کارایی عملیاتی را افزایش می‌دهد و هم ارتباط انسانی و اعتماد مشتری حفظ می‌شود.

۲. پذیرش استفاده روزافزون مشتریان از ابزارهای عمومی هوش مصنوعی مولد

امروزه، بسیاری از مشتریان پیش از تماس با بیمه‌گر، به‌طور مستقل از ابزارهای عمومی هوش مصنوعی مولد برای کسب اطلاعات درباره بیمه استفاده می‌کنند. این روند برگشت‌پذیر نیست و شرکت‌ها باید آن را به‌عنوان یک واقعیت بازار بپذیرند. بهترین پاسخ بیمه‌گر این نیست که با این رفتار مقابله کند، بلکه باید سرویس‌های مشاوره‌ای مکمل مبتنی بر هوش مصنوعی مولد بسازد. این موضوع منجر به نتایج زیر خواهد شد:

• آموخته‌های مشتری را راستی‌آزمایی[54] می‌کند؛

• نقاط ضعف یا سوءبرداشت‌ها را اصلاح می‌کند؛

• و توصیه‌های شخصی‌سازی‌شده و حرفه‌ای ارائه می‌دهد.

یک نمونه اجرایی پیشنهادی، ساخت سرویس نظر دوم[55] مبتنی بر هوش مصنوعی مولد است. در این مدل، مشتری خروجی‌های ابزارهای عمومی هوش مصنوعی را به سامانه شرکت ارائه می‌دهد و این سامانه، محتوا را بررسی و تصحیح می‌کند، برداشت‌های نادرست را توضیح می‌دهد و رهنمودهایی سازگار با مقررات ارائه می‌کند.

برای موفقیت این رویکرد، لازم است کارکنان نیز آموزش ببینند تا بتوانند با مشتریانی که از هوش مصنوعی مولد آگاه‌تر شده‌اند، به شکلی همدلانه و سازنده تعامل کنند. این ترکیب سبب می‌شود دانش افزوده مشتری، نه تهدید، بلکه فرصتی برای افزایش اعتماد، وفاداری و تعاملات عمیق‌تر باشد.

۳. حفظ انسان در چرخه[56] در فرآیندهای حساس

اگرچه هوش مصنوعی مولد قادر است بخش‌هایی از صدور بیمه‌نامه، رسیدگی به خسارت و شناسایی تقلب را خودکار کند، اما در پرونده‌های پیچیده و موقعیت‌های حساس، حضور انسان ضروری است. بسیاری از بیمه‌گران برای رفع نگرانی مشتریان از فقدان تماس انسانی، به سمت مدل‌های ترکیبی انسان– هوش مصنوعی حرکت می‌کنند؛ مدل‌هایی که در آن:

• هوش مصنوعی مولد وظایف ساده و تکراری را بر عهده دارد،

• ولی انسان در نقاط حساس، احساسی یا پیچیده وارد عمل می‌شود.

نمونه مشخص این رویکرد در شرکت آل‌استیت[57] دیده می‌شود. این شرکت از مدل‌های جی پی تی[58] برای تهیه پیش‌نویس حدود ۵۰ هزار ایمیل روزانه‌ی مرتبط با خسارت استفاده می‌کند. سامانه هوش مصنوعی، اصطلاحات زائد را حذف می‌نماید و لحن پیام را همدلانه‌تر می‌کند و سپس کارشناس انسانی نسخه نهایی را بازبینی و شخصی‌سازی می‌کند.

در بسیاری از شرکت‌ها نیز ربات‌های سخنگو برای پاسخ‌گویی روزمره فعال هستند، اما مشتری در هر زمان می‌تواند به یک کارشناس به صورت زنده، متصل شود تا مسائل پیچیده یا احساسی را با انسان مطرح کند. این مدل ترکیبی به حفظ اعتماد و رضایت مشتری کمک می‌کند.

۴. حمایت از مشتریانی که به صورت مستقل از هوش مصنوعی مولد استفاده می‌کنند

بیمه‌گران باید به‌طور مستمر ابزارهای هوش مصنوعی مولد اختصاصی خود را زیرنظر داشته باشند تا از دقت، عدالت و کارایی آن‌ها مطمئن شوند. علاوه بر این، لازم است از مشتریانی که از ابزارهای هوش مصنوعی مولد عمومی استفاده می‌کنند، حمایت نمایند. یکی از راهکارهای عملی این حمایت، ارائه اطلاعاتی است که شفاف، ساختاریافته و قابل‌پردازش برای ابزارهای هوش مصنوعی باشند.

این کار سبب می‌شود احتمال سوءبرداشت یا توهمات در ابزارهای هوش مصنوعی مولد کمتر شود و مشتری، اطلاعات دقیق‌تری دریافت کند. مجموعه این اقدامات به بیمه‌گر کمک می‌کند، نه‌تنها اعتماد مشتری را حفظ کند، بلکه به‌عنوان یک رهبر پیشرو در بازار تقویت‌شده با هوش مصنوعی مولد نیز شناخته شود.

اطمینان از کیفیت داده‌ها و حفاظت از حریم خصوصی

موفقیت مدل‌های هوش مصنوعی مولد به‌طور مستقیم به کیفیت، دقت و جامعیت داده‌هایی وابسته است که با آن‌ها آموزش می‌بینند یا روی آن‌ها اجرا می‌شوند. برای دستیابی به این سطح از کیفیت، شرکت‌های بیمه باید در زیرساخت‌های داده‌ای قدرتمند سرمایه‌گذاری کنند؛ زیرساخت‌هایی که امکان جمع‌آوری، نگهداری و تحلیل دقیق اطلاعات را فراهم سازند و در عین حال از یکپارچگی و به‌روز بودن داده‌ها اطمینان حاصل نمایند.

حفاظت از حریم خصوصی مشتریان، در کنار کیفیت داده، نقشی اساسی در استفاده مسئولانه از هوش مصنوعی دارد. بیمه‌گران باید هنگام بهره‌گیری از مزایای این فناوری، از روش‌هایی استفاده کنند که امنیت داده‌های حساس مشتری را تضمین کند. فناوری‌هایی مانند یادگیری فدرال[59] که امکان آموزش مدل‌ها را بدون انتقال داده‌های خام فراهم می‌سازد و ایجاد داده‌های مصنوعی که داده‌های جدید را بدون افشای اطلاعات واقعی تولید می‌کند، از مهم‌ترین ابزارهای حمایت از حریم خصوصی در این حوزه به شمار می‌آیند.

افزون بر این، رعایت مقرراتی مانند مقررات عمومی حفاظت از داده‌ها[60] و قانون هوش مصنوعی اتحادیه اروپا[61] نقش مهمی در حفظ اعتماد مشتری و جلوگیری از پیامدهای قانونی یا مالی دارد. پایبندی به این قوانین چارچوبی را ایجاد می‌کند که در آن استفاده از هوش مصنوعی مولد می‌تواند اثربخش و درعین‌حال مطابق با الزامات حقوقی باشد.

قانون هوش مصنوعی اتحادیه اروپا: یک نقطه عطف مهم برای استفاده از هوش مصنوعی در بیمه

معرفی قانون هوش مصنوعی اتحادیه اروپا در ماه ژوئیه ۲۰۲۴، رویدادی تاریخی برای بیمه‌گذاران و بیمه‌گران به شمار می‌آید. این قانون که نخستین قانون افقی و الزام‌آور جهان در حوزه هوش مصنوعی است، برای کاربردهای پرخطر الزاماتی در حوزه‌های شفافیت، کاهش سوگیری و حق مشتری در اعتراض به تصمیمات الگوریتمی تعیین می‌کند. بسیاری از کاربردهای هوش مصنوعی در بیمه نیز در همین دسته‌ی سامانه‌‌های پرریسک قرار می‌گیرند.

بیمه‌گران بین‌المللی با چالش دیگری نیز روبه‌رو هستند: تفاوت عمده میان الزامات قانونی و استانداردهای حفاظت از داده در کشورهای مختلف. برای مدیریت این پیچیدگی، شرکت‌ها نیازمند چارچوب‌های حاکمیتی جامع هستند که ترکیبی از الزامات قانونی و اصول اخلاقی را دربرگیرد. چنین چارچوبی باید شامل سیاست‌های مدیریت ریسک هوش مصنوعی ، انجام ممیزی‌های منظم عدالت[62] و تعریف مسئولیت‌پذیری سازمانی در برابر خروجی‌های هوش مصنوعی باشد.

تأثیر قانون هوش مصنوعی اتحادیه اروپا بر مشتریان بیمه

در زمان ارائه نخستین پیش‌نویس قانون هوش مصنوعی اتحادیه اروپا در سال ۲۰۲۱، صنعت بیمه به عنوان بخشی کم‌ریسک در نظر گرفته می‌شد و از محدوده قانون خارج بود. اما در نسخه‌های بعدی، با افزایش نگرانی‌ها درباره عدالت، تبعیض و حفاظت از داده‌های حساس، استفاده از هوش مصنوعی در بیمه‌های عمر و سلامت، به‌طور رسمی در دامنه این قانون قرار گرفت.

به تدریج دامنه شمول این قانون توسعه یافت و اکنون شامل کلیه فعالیت‌های کلیدی بیمه‌گری می‌شود؛ از تصمیم‌گیری درباره صلاحیت مشتریان[63] گرفته تا ارزیابی ریسک، تعیین حق بیمه، صدور بیمه‌نامه و رسیدگی به خسارت‌ها. هدف این الزامات، حمایت از حقوق بنیادین مشتریان است.

با این حال، صنعت بیمه معتقد است بسیاری از این نگرانی‌ها هم‌اکنون در چارچوب‌های قانونی دیگری مانند چارچوب توانگری مالی دوم[64]، دستورالعمل توزیع بیمه[65] و مقررات عمومی حفاظت از داده‌ها پوشش داده شده‌اند و اضافه شدن لایه‌ای جدید از نظارت ممکن است فرآیند نوآوری را کند نماید و موجب افزایش ریسک‌های عملیاتی شود.

با وجود این مخالفت‌ها، قانون جدید، مزایایی نیز به همراه دارد. این قانون، بیمه‌گران را ملزم می‌کند که هنگام استفاده از هوش مصنوعی در تصمیم‌های مربوط به بیمه عمر و سلامت، مشتریان را مطلع کنند. همچنین از آن‌ها می‌خواهد برای جلوگیری از بروز سوگیری، از داده‌های نماینده و غیرتبعیض‌آمیز استفاده کنند و سامانه‌های خود را به‌طور منظم مورد بازبینی و نظارت انسانی قرار دهند. الزامات مرتبط با حفاظت از داده‌ها، امنیت سایبری و مدیریت ریسک نیز به‌گونه‌ای طراحی شده‌اند که اعتماد عمومی نسبت به استفاده مسئولانه از هوش مصنوعی تقویت شود.

چالش‌های نوآوری و هزینه‌های انطباق با قانون هوش مصنوعی اتحادیه اروپا

در عین حال، یکی از پیامدهای ناخواسته این قانون می‌تواند کاهش سرعت نوآوری در بخش بیمه باشد. طبقه‌بندی سامانه‌های هوش مصنوعی مورد استفاده در بیمه‌های عمر و سلامت در دسته پرریسک، موجب الزامات سختگیرانه و هزینه‌های انطباق گسترده می‌شود. این روند ممکن است بیمه‌گران را از توسعه ابزارهای جدیدی که برای پیشگیری، کاهش ریسک و بهبود نتایج بیمه‌ای مفید هستند، دلسرد کند.

برآوردها نشان می‌دهد که هزینه انطباق با این قانون ممکن است تا ۱۷ درصد از کل بودجه هوش مصنوعی در شرکت‌های بیمه را مصرف کند. این فشار مالی می‌تواند باعث شود شرکت‌ها برخی از مزایای بالقوه هوش مصنوعی برای مشتریان مانند بهبود کارایی در ارزیابی ریسک یا رسیدگی سریع‌تر به خسارت، را کاهش دهند یا کنار بگذارند.

علاوه بر این، محدودیت‌هایی که قانون بر فناوری‌هایی مانند شناسایی بیومتریک بلادرنگ[66] اعمال می‌کند ممکن است توان بیمه‌گران را برای ارائه تجربه‌های دیجیتال سریع‌تر، امن‌تر و شخصی‌سازی‌شده‌تر محدود سازد. نتیجه این محدودیت‌ها می‌تواند کاهش نوآوری در خدمات مشتری و جلوگیری از برخی بهبودهای بالقوه در فرآیندهای بیمه‌گری باشد.

استقرار حاکمیت هوش مصنوعی مولد و سرمایه‌گذاری در ارتقای مهارت کارکنان

برای حفظ اعتماد مشتریان، بیمه‌گران باید ساختارهایی روشن و قدرتمند برای حاکمیت هوش مصنوعی مولد ایجاد کنند. ایجاد تیم‌های اختصاصی مسئولیت‌پذیری در حوزه هوش مصنوعی، که وظیفه آن‌ها ممیزی منظم عدالت و عملکرد مدل‌ها، شناسایی سوگیری‌های احتمالی و نظارت بر تصمیم‌های پیچیده است، نقش حیاتی در استفاده مسئولانه از هوش مصنوعی دارد.

در کنار این ساختارهای حاکمیتی، توانمندسازی و ارتقای مهارت کارکنان اهمیت بالایی دارد. کارکنان باید برای نقش‌های جدید و رو به رشدی همچون حاکمیت هوش مصنوعی، اعتبارسنجی مدل‌ها و مشاغل ارتباط‌محور و راهبردی آماده شوند. هنگامی‌که هوش مصنوعی مولد به‌عنوان ابزاری برای توانمندسازی کارکنان و نه جایگزین صرف آن‌ها به کار رود، بیمه‌گران می‌توانند در عین افزایش کارایی عملیاتی، تعاملات عمیق‌تر و قابل‌اعتماد‌تری با مشتریان ایجاد کنند.

به گفته جینگ شیائو[67] (مدیر ارشد هوش مصنوعی) شرکت پینگ‌آن چین[68]، گسترش هوش مصنوعی مولد به‌تدریج ساختار مشاغل در صنعت بیمه را متحول خواهد کرد. بسیاری از وظایفی که امروز به شکل دستی و تکراری انجام می‌شوند، با کمک هوش مصنوعی خودکار شده است و در نتیجه برخی از مشاغل سنتی کاهش می‌یابند یا از بین می‌روند. اما این تحول به معنای کاهش کلی فرصت‌های شغلی نیست. در کنار حذف برخی نقش‌ها، زمینه‌های جدیدی شکل می‌گیرد که بر مهارت‌های مرتبط با داده، تحلیل سامانه‌های هوش مصنوعی، طراحی فرآیندهای مبتنی بر الگوریتم‌ها و نظارت انسانی بر تصمیمات خودکار تکیه دارند. بنابراین، صنعت بیمه با جایگزینی کامل نیروی انسانی مواجه نخواهد شد، بلکه با تغییر ترکیب مهارت‌ها و ایجاد نقش‌های نوظهور روبه‌رو می‌شود؛ نقشی که انسان و هوش مصنوعی در آن مکمل یکدیگر خواهند بود.

مسئولیت‌پذیری به‌عنوان مزیت رقابتی

استفاده مسئولانه و اخلاقی از هوش مصنوعی مولد می‌تواند به یک مزیت رقابتی پایدار برای بیمه‌گران تبدیل شود. شرکت‌هایی که در حوزه اخلاق، شفافیت و پاسخ‌گویی هوش مصنوعی پیشرو باشند، نه‌تنها اعتماد و وفاداری مشتریان خود را افزایش می‌دهند، بلکه می‌توانند نقش مهمی در تعیین استانداردهای آینده صنعت و شکل‌دهی به مقررات بازی کنند.

برای دستیابی به این هدف، بیمه‌گران اصول زیر را مدنظر قرار دهند:

• از سازوکارهای شفافیت و توضیح‌پذیری استفاده کنند تا تصمیم‌های هوش مصنوعی برای مشتری قابل‌درک باشد؛

• ممیزی‌های منظم عدالت انجام دهند تا سوگیری‌ها شناسایی و اصلاح شود؛

• و راهنماهای اخلاقی تدوین کنند که شفافیت بیشتری نسبت به تصمیم‌گیری انسانی طلب می‌کند.

ادغام این اصول می‌تواند مقاومت مشتری در برابر فناوری را کاهش دهد و استفاده از راهکارهای بیمه‌ای مبتنی بر هوش مصنوعی را تسهیل کند.

ضرورت سنجش‌پذیر بودن هوش مصنوعی مولد

هوش مصنوعی مولد چه در فرآیندهای داخلی شرکت و چه در تعامل مستقیم با مشتریان به‌کار گرفته شود، عملکرد آن باید به‌صورت دقیق و قابل‌سنجش ارزیابی شود. با پیشرفت و پیچیده‌تر شدن الگوریتم‌ها، این خطر وجود دارد که مدل‌ها به شکل جعبه‌سیاه عمل کنند؛ یعنی نتیجه‌ای تولید کنند بدون آن‌که به‌روشنی بدانیم چگونه به آن پاسخ رسیده‌اند. به همین دلیل، لازم است یک نظام ارزیابی شفاف و قابل‌اندازه‌گیری وجود داشته باشد تا نحوه تصمیم‌گیری مدل‌ها قابل‌پیگیری، قابل‌فهم و قابل‌اعتماد باشد. این کار از بروز خطاهای پنهان جلوگیری می‌نماید و امکان کنترل و نظارت مؤثر بر رفتار سامانه را فراهم می‌سازد.

ماسیمو پیانا[69] ( مدیر ارشد حوزه داده) از شرکت ایتالیایی یونی‌پول[70] تأکید می‌کند که حتی با وجود مرزهای سیال هوش مصنوعی مولد و ادغام آن با فرآیندهای مختلف، سنجش‌پذیری، شرط اصلی اعتماد و کنترل است.

توسعه راهکارهای مشتری‌محور هوش مصنوعی مولد

هوش مصنوعی مولد باید به‌گونه‌ای طراحی شود که تعاملات میان بیمه‌گر و مشتری را بهبود بخشد، نه اینکه آن را پیچیده‌تر یا غیرشخصی کند. برای این منظور، بیمه‌گران دو مسیر کلی پیش رو دارند:

1. استفاده از مدل‌های متن‌باز[71] و سفارشی‌سازی محلی در داخل شرکت‌های بیمه: این رویکرد می‌تواند بهبود سریع خدمات مشتری و افزایش بهره‌وری داخلی را امکان‌پذیر سازد.

2. توسعه مدل‌های اختصاصی، مستقل یا همراه با شرکت‌های فناور بیمه (اینشورتک)*[72]: این گزینه امکان یکپارچگی عمیق‌تر، سفارشی‌سازی کامل‌تر و کنترل بیشتر را فراهم می‌نماید.

در بسیاری از موارد، یک رویکرد ترکیبی که در آن از ظرفیت‌های مدل‌های متن‌باز در کنار توسعه برخی قابلیت‌های اختصاصی استفاده می‌شود، می‌تواند بهینه‌ترین راه باشد.

هم‌سوسازی نوآوری با ارزش‌های اجتماعی و انتظارات مشتریان

برای آن‌که هوش مصنوعی مولد بتواند ارزش واقعی خود را در صنعت بیمه محقق کند، نوآوری فناورانه باید با انتظارات مشتریان و ارزش‌های اجتماعی هماهنگ باشد. برخی اقدامات کلیدی در این راستا عبارتند از:

• انجام ممیزی‌های منظم هوش مصنوعی برای شناسایی و کاهش سوگیری‌ها در قیمت‌گذاری و رسیدگی به خسارت؛

• استفاده از چارچوب‌های اخلاقی هوش مصنوعی که حفاظت از مصرف‌کننده را در اولویت قرار می‌دهند؛

• پیاده‌سازی ابزارهای حفظ حریم خصوصی مانند یادگیری فدرال و تولید داده مصنوعی؛

• ایجاد ساختارهای حاکمیتی قوی برای تضمین پاسخ‌گویی و حفظ نظارت انسانی بر تصمیم‌های مهم؛

• و افزایش شفافیت فرآیندهای هوش مصنوعی برای تقویت اعتماد و کاهش ابهام.

اجرای این اقدامات به بیمه‌گران کمک می‌کند تا کارایی و سودآوری خود را ارتقا دهند، و هم‌زمان عدالت، اعتماد و کیفیت تعامل با مشتری را تقویت کنند.

در نتیجه، با ایجاد تعادل میان نوآوری و مسئولیت‌پذیری، شرکت‌های بیمه می‌توانند پتانسیل کامل هوش مصنوعی مولد را آزاد کنند و آن را به موتور ایجاد ارزش پایدار در صنعت تبدیل نمایند.

پذیرش گسترده، اما با تفاوت‌های بین‌کشوری

بر اساس یافته‌های نظرسنجی حاضر، پذیرش مشتریان نسبت به کاربردهای فعلی هوش مصنوعی مولد در بیمه بسیار بالاست. نکته قابل‌توجه آن است که مشتریان در بسیاری از کشورها پیش از برقراری تماس با شرکت بیمه، از ابزارهای عمومی هوش مصنوعی مولد مانند چت جی.پی.تی برای مقایسه محصولات، تحلیل شرایط بیمه‌نامه و فهم بهتر مفاهیم استفاده می‌کنند. این رفتار به مشتریان کمک می‌کند تصمیم‌های آگاهانه‌تری بگیرند و شکاف دانشی خود در حوزه بیمه را کاهش دهند.

با این حال، کیفیت تجربه هوش مصنوعی مولد در بازارهای مختلف یکسان نیست.

• مشتریان در چین و آمریکا بیشترین رضایت و تجربه مثبت را گزارش کرده‌اند.

• در مقابل، مشتریان آلمانی و فرانسوی، نگاهی محتاطانه‌تر و حتی بدبینانه‌تری نسبت به کاربردهای هوش مصنوعی مولد دارند.

افزون بر این، بخش قابل‌توجهی از مشتریان همچنان نسبت به حریم خصوصی داده‌ها، کاهش تعامل انسانی، احتمال خطا و نبود شفافیت ابراز نگرانی می‌کنند.

ضرورت پیاده‌سازی مسئولانه هوش مصنوعی مولد

مجموع این یافته‌ها نشان می‌دهد که پیاده‌سازی هوش مصنوعی مولد باید با رویکردی مسئولانه، اخلاق‌محور و همراه با نظارت انسانی صورت پذیرد. هوش مصنوعی مولد تنها زمانی می‌تواند ارزش واقعی ایجاد کند که کیفیت و شفافیت آن حفظ شود و جایگزینی برای ارتباط انسانی - به ویژه در تصمیم‌های حساس و اثرگذار - نباشد. نظارت انسانی در چرخه تصمیم‌گیری، نقش کلیدی در جلوگیری از اتکا بیش از حد به سامانه‌های خودکار و حفظ اعتماد مشتری دارد.

آینده هوش مصنوعی مولد در صنعت بیمه

با اتخاذ راهبردهای درست، هوش مصنوعی مولد می‌تواند تعامل مشتری، بهره‌وری و مدل‌های کسب‌وکار در صنعت بیمه را بازتعریف کند. این تحول صرفاً یک تغییر فناورانه نیست؛ بلکه تغییر در منطق ارائه خدمات بیمه‌ای است. در دهه پیش‌رو، کاربردهای هوش مصنوعی مولد در بیمه به‌طور مداوم گسترش خواهد یافت، هرچند سرعت پذیرش آن به شرایط بازار، بلوغ فناوری و فضای مقرراتی بستگی خواهد داشت.

مسیر پژوهش و تحول در آینده

پژوهش‌های آتی باید بررسی کنند که استفاده از هوش مصنوعی مولد در بلندمدت چه تأثیری بر نتایج بیمه‌ای، رفتار بازار و رفاه مشتریان خواهد داشت. موضوعاتی مانند موازنه میان نوآوری و حفاظت از مصرف‌کننده، حفظ ارزش‌های اجتماعی و اثرات جانبی فناوری نیازمند بررسی مستمر هستند.

برای دستیابی به مدل‌های بیمه‌ای شفاف، قابل‌اعتماد و مؤثر در سال‌های آینده، ارزیابی دقیق و مداوم پیامدهای هوش مصنوعی مولد و تنظیم‌گری متناسب با آن ضروری خواهد بود.

جمع‌بندی

هوش مصنوعی مولد، نقطه عطفی در تحول صنعت بیمه است و شیوه ارائه خدمات بیمه‌ای و تجربه مشتری را دگرگون می‌کند. این فناوری، اگر به‌صورت مسئولانه و شفاف به کار گرفته شود، قادر است فرصت‌های چشمگیری در حوزه افزایش کارایی، رشد کسب‌وکار و بهبود تجربه مشتری برای بیمه‌گران ایجاد کند.

هوش مصنوعی مولد نحوه تعامل مشتریان با شرکت‌های بیمه را متحول کرده است. این فناوری امکان شخصی‌سازی گسترده‌تر، سرعت و سهولت بیشتر را فراهم می‌سازد؛ از ارائه پیشنهادهای دقیق و فردمحور برای خرید بیمه گرفته تا ساده‌سازی و تسریع فرآیند رسیدگی به خسارت. ربات‌های سخنگو و دستیارهای مجازی مبتنی بر هوش مصنوعی مولد بسیاری از فرآیندهایی را که پیش‌تر پیچیده، زمان‌بر یا فنی بودند، برای مشتریان قابل‌درک‌تر و قابل‌استفاده‌تر کرده‌اند - به‌ویژه برای افرادی که آشنایی محدودی با مفاهیم بیمه‌ای دارند.

امروزه، بسیاری از شرکت‌های بیمه، ابزارهای هوش مصنوعی مولد را در تعامل با مشتریان به کار گرفته‌اند و سرعت این روند در آینده بیشتر هم خواهد شد.