رشد برق‌آسای مراکز داده[1] که ابعاد و پیچیدگی‌ آنها پیوسته در حال افزایش است، بازار بیمه را با موج تازه‌ای از تقاضا روبه‌رو کرده است. این روند، نتیجه مستقیم سرمایه‌گذاری‌های معتنابه در زیرساخت‌های هوش مصنوعی، شبکه‌های انرژی و صنعت تولید نیمه‌رساناها[2] است.

گزارش «سیگما ۲۰۲۶»[3] مؤسسه «سوئیس‌ری»[4]  نشان می‌دهد که مخارج سرمایه‌ای (CapEx)[5] شرکت‌های بزرگ خدمات ابری یا همان «هایپراسکِیلرها»[6] در سال ۲۰۲۶ به ۷۵۰ میلیارد دلار خواهد رسید. اهمّیت این اعداد زمانی روشن‌تر می‌شود که بدانیم سرمایه‌گذاری‌های حوزه هوش مصنوعی، در سه فصل ابتدایی سال ۲۰۲۵، نزدیک به ۴۰ درصد از رشد تولید ناخالص داخلی ایالات متحده را رقم زده است.

رونق جهانی مذکور در حوزه سرمایه‌گذاری زیرساختی، در حال تغییر ماهیت و «ساختار سبد ریسک‌های تجاری»[7] است. فرآیند بیمه و اتکایی این پروژه‌ها به دلیل ماهیت چندوجهی آن‌ها بسیار پیچیده و حساس شده است. ریسک‌های این پروژه‌ها، خطرات فیزیکی در دوران ساخت و مسائل پیمانکاری تا چالش‌های دوران بهره‌برداری و تأخیر در تحویل را دربرمی‌گیرد.

هزینه ساخت مراکز داده هوش مصنوعی، پیش از نصب تجهیزات، گاه از مرز ۲۰ میلیارد دلار عبور می‌کند. به همین دلیل، نهادهای مالی[8] (وام‌دهنده) برای تأمین بودجه، پیش‌شرط‌های سنگینی برای پوشش‌های بیمه‌ای با سقف‌های بسیار بالا تعیین می‌کنند.

سوئیس‌ری هشدار می‌دهد که مراکز داده مدرن امروزی، به مراتب بزرگ‌تر و از نظر مهندسی پیچیده‌تر از ساختارهای سنتی هستند. این مراکز که در قالب «مجتمع‌های یکپارچه» طراحی می‌شوند، به دلیل سیستم‌های متراکم و به‌هم‌وابسته، باعث «تمرکز ریسک»[9] در یک سایت واحد می‌شوند؛ مسئله‌ای که مدیریت ریسک را برای بیمه‌گران دشوار می‌سازد.

تحلیل‌گران اشاره می‌کنند که با استقرار واحد‌های پردازش گرافیکی (GPUs)[10] و حضور بهره‌برداران مستقل[11]، ارزش دارایی و پیچیدگی‌های عملیاتی جهش می‌یابد. در چنین وضعیتی، «تداوم فعالیت»[12] به اولویتی حیاتی تبدیل شده است و ریسک‌هایی نظیر «وقفه در کسب‌وکار»[13]، زیان اجاره‌بها[14] و اختلال در خدمات، به تهدیدهای اصلی تبدیل می‌شوند.

این پروژه‌های سرمایه‌بر نیازمند سیستم‌های خنک‌کننده پیشرفته، برق ولتاژ بالا، سخت‌افزارهای پیچیده و نرم‌افزارهای امنیتی بسیار قوی هستند. تقاضا برای سقف‌های بیمه‌ای بسیار بالا در یک مکان واحد، مستقیماً از حجمِ میلیارد دلاری تأمین مالی این پروژه‌ها سرچشمه می‌گیرد.

مؤسسات مالی خواستار پوششی هستند که کل هزینه‌های ساخت‌وساز را تأمین کند، حتی اگر برآوردهای «حداکثر خسارت احتمالی» (MPL) [15] در تحلیل‌های فنی، بسیار کمتر از این ارقام باشد. گزارش سوئیس‌ری تصریح می‌کند که در حال حاضر، صنعت بیمه و بخش اتکایی تنها قادر به پشتیبانی از بخشی از این سقف بیمه‌ای با نرخ‌های رقابتی در قالب بیمه‌نامه‌های مرسوم هستند.

ایوان گونزالس[16]، مدیرعامل بخش «راهکارهای شرکتی سوئیس‌ری»[17] می‌گوید: «این موج بی‌سابقه سرمایه‌گذاری، نیازمند پوشش‌های بیمه‌ای در تمام چرخه حیات پروژه است. برآورد ما این است که تقاضای بیمه‌ای تا سال ۲۰۳۰، از منظر حق‌بیمه به ۹۰ میلیارد دلار برسد. اگر از نگاه ظرفیتِ مورد نیاز بنگریم، صحبت از ۲۰۰ تا ۴۰۰ میلیارد دلار سرمایه است که باید برای پشتیبانی از این پروژه‌ها به‌کار گرفته شود.»

از سوی دیگر، مراکز داده به‌طور فزاینده‌ای در مناطقی احداث می‌شوند که در معرض مخاطرات طبیعی قرار دارند. طبق این گزارش، حدود ۴۰ درصد از ظرفیت مراکز داده ایالات متحده در مناطقی با ریسک «متوسط تا بسیار بالا» برای گردباد واقع شده‌اند و بیش از یک‌چهارم آن‌ها نیز در معرض خطر تگرگ‌های بزرگ هستند. این آسیب‌پذیری در شرایطی رخ می‌دهد که خسارت‌های تحت پوشش بیمه ناشی از بلایای طبیعی، به طور میانگین سالانه ۵ تا ۷ درصد (به نرخ واقعی و در بلندمدت) در حال رشد است.

گونزالس در تبیین راهکارها تأکید کرد که به منظور افزایش تاب‌آوری در برابر این ریسک‌های نوظهور، نیازمند یک رویکرد جامع شامل پیشگیری، بیمه و تأمین مالی ریسک هستیم.

تیم مهندسی ریسک سوئیس‌ری برای مدیریت این چالش‌ها، مدل «۳دبلیو»[18] را طراحی کرده است که بر سه محور تمرکز دارد:

۱. وات[19] (انرژی): ارزیابی انرژی مورد نیاز، نحوه تولید و پایداری بلندمدت آن.

۲. آب[20]: ارزیابی دسترسی به منابع آب برای سیستم‌های خنک‌کننده.

۳. زمان انتظار[21] (تأخیر): مدیریت تأخیرها در زمان ساخت و تعمیرات. اگرچه ساختار فیزیکی ساده است، اما زنجیره تأمین قطعات به شدت جهانی‌سازی شده و ریسک زنجیره تأمین[22] را به یک نقطه ضعف بحرانی تبدیل کرده است.

گونزالس در پایان خاطرنشان کرد: «سه عامل، کلیدی هستند: نخست، «مهندسی ریسک»[23] که برای ارزیابی نحوه ساخت این پروژه‌ها ضروری است. دوم، راه‌های «انتقال ریسک جایگزین»[24] (ART)؛ زیرا راهکارهای بیمه‌ای سنتی همواره برای ریسک‌های کلان کافی نیستند و کاربری ندارند. سوم، استفاده از راهکارهای پارامتریک[25] و اوراق قرضه فاجعه[26]. همچنین، با توجه به اینکه بسیاری از شرکت‌های درگیر این پروژه‌ها، شرکت‌های بیمه داخلی خود یا همان کپتیوها[27] را دارند، «مدیریت کپتیو» نیز بسیار اهمیت دارد. نکته آخر، حوزه «اعتبار و ضمانت»[28] است که برای مدیریت ریسک‌های مالی و عملیاتی باید به آن توجه ویژه داشت.»

این تحول، فراتر از حوزه هوش مصنوعی است؛ چرا که جهان در حال ورود به یک چرخه گسترده از سرمایه‌گذاری‌های زیرساختی در حوزه‌های مراکز داده، انرژی و تولیدات پیشرفته است. سوئیس‌ری تأکید می‌کند که این تغییر، سبد ریسک‌های تجاری را به کلی دگرگون کرده است و تقاضا برای بیمه‌های اموال، مهندسی، سایبری، مسئولیت و وقفه در کسب‌وکار را به شدت گسترش داده است.