اینشورتک (InsurTech)

هوش مصنوعی و اخلاق: عاملان اصلی ایجاد شفافیت در صنعت بیمه

هوش مصنوعی در صنعت بیمه

فرض کنید هوش مصنوعی در صنعت بیمه به‌اندازه‌ای پیشرفت کرده که توانایی پیش‌بینی مدعیان احتمالی خسارت را دارد، آیا این قابلیت خواهد توانست هزینه‌های کمتری برای مصرف‌کنندگان به بار آورد؟ اگر یک شرکت بیمه بخواهد از کارایی بالای هوش مصنوعی در حفاظت از اشخاص و ایجاد حس اعتماد بین شرکت‌های بیمه و مشتریان مطمئن شود، چه کارهایی باید انجام دهد؟ در این مقاله سه خصیصه‌ی مهم بیان شده که در صورت نهادینه شدن آن‌ها، هوش مصنوعی ارزشمندتر می‌شود.

۱) گشودن درب‌های جعبه‌ی سیاه

اندرو گوو (Andrew Gove) در کتاب مدیریت پربازده (High Output Management)، یک کارخانه‌ی تولید صبحانه را به جعبه‌ی سیاهی تشبیه کرده که مواد خام (تخم‌مرغ، نان و قهوه)، پیشخدمت‌ها، مدیران و دستیاران، ورودی آن هستند. خروجی این جعبه‌ی سیاه، یک صبحانه‌ی کامل است، ولی در میانه‌ی این فرآیند، چه اتفاقاتی رخ می‌دهد؟

حال بیایید همین مقایسه را در حوزه‌ی کاربرد هوش مصنوعی در صنعت بیمه انجام دهیم؛ داده‌های مشتری و تخصص بیمه به‌عنوان ورودی و نوع نگرش مشتری که بر اساس نوع تعامل با وی شکل گرفته، به‌عنوان خروجی جعبه‌ی سیاه در نظر گرفته می‌شود (در برخی از موارد، قیمت‌گذاری و ارزیابی ریسک نیز در خروجی لحاظ می‌شود). الگوریتم‌ها و یادگیری ماشین ابزارهایی هستند که در داخل جعبه‌ی سیاه قرار دارند و ورودی‌ها را به نوع نگرش مشتری تبدیل می‌کنند. کسی که به دنبال اخلاق است، حتماً باید از نحوه‌ی کارکرد ابزارهای درون جعبه‌ی سیاه شناخت پیدا کند.

اگر هوش مصنوعی پیچیده باشد، سردرآوردن از چگونگی عملکرد آن، هم برای مصرف‌کننده و هم برای متخصصان یادگیری عمیق، غیرممکن و یا بسیار زمان‌بر خواهد بود. این امر، پیامدهایی را نیز به همراه دارد.

به‌عنوان‌مثال، به ذکر یک نمونه‌ی واقعی در زمینه‌ی بهداشت و درمان که گزارش کامل آن در یک پست وبلاگی جداگانه منتشر شده، می‌پردازیم. در این نمونه، یک مدل ریسک پیچیده، بیماران آسمی را که از التهاب ریه رنج می‌برند، به‌جای انتقال به بخش مراقبت‌های ویژه، از بیمارستان مرخص می‌کرد. این اختلال به دلیل وجود یک تناقض در داده‌ها به وجود آمده بود. براساس قوانین بیمارستان بیماران آسمی مبتلا به التهاب ریه می‌بایست در بخش مراقبت‌های ویژه بستری شوند و شرایط ویژه‌ای برای آن مطرح شده است. اما در صورت ناقص بودن یا فقدان داده‌ها قوانینی که بیمارستان تنظیم کرده بود، پاسخگو نبود و بیمار اشتباها به خانه فرستاده می‌شد و احتمال مرگ او بسیار بالا می‌رفت.

به خاطر همین مسائل است که شناخت و تفسیر ابزارهای هوش مصنوعی و یادگیری ماشین، ضروری به نظر می‌رسد.

در یک مدل شفاف، قابل تفسیر و قاعده‌مند، هم شرکت و هم مشتری قادرند بر نحوه‌ی ایجاد نگرش در مشتری و عوامل مؤثر بر آن، نظارت داشته باشند و به همین دلیل است که عموم مردم، این نوع از مدل را ترجیح می‌دهند. متخصصان مدل‌سازی و کارشناسان باید با هم همکاری کرده و دانش انسانی را در این زمینه گسترش دهند.

۲) سازگاری با چت‌بات‌ها

مشتریان باید بدانند که چه محصولی را خریداری می‌کنند و چرا؛ این بدان معناست که شرکت‌ها باید در محافظت از داده‌های شخصی مشتریان نسبت به قبل کوشاتر باشند و شفافیت کارشان را افزایش دهند.

مقررات عمومی حفاظت از داده اتحادیه اروپا (GDPR) و قوانین توزیع بیمه (IDD) اخیرا و در اواسط سال ۲۰۱۸ اجرایی شدند. آی‌دی‌دی بر لزوم استفاده و سازگاری با چت‌بات‌ها تأکید می‌کند.

چت‌بات‌های مبتنی بر دستور چه کمکی می‌کنند؟

مشتری می‌تواند روش کار را ببیند و تمامی خروجی‌های ممکن را تائید کند. پردازش زبان‌های طبیعی (NLP) در صددرصد موارد، قادر به درک دقیق قصد مشتری نیست. ان‌ال‌پی باید به بهترین شکل ممکن طراحی شود تا در هنگام خرید محصولاتی از قبیل خدمات مالی و بیمه، از پس پیروی از تصمیمات گاه‌به‌گاه و دسته‌بندی نشده‌ی کاربران برآید.

۳) بازسازی اعتماد به عنوان عنصر غایب

هوش مصنوعی در صنعت بیمه می‌تواند مثل یک شمشیر دو لبه عمل کند. از یک‌سو، به شرکت‌های بیمه کمک می‌کند تا نیازهای مشتریان‌شان را بشناسند و راه تعامل با آن‌ها را شناسایی کنند، در این صورت بیمه‌گذار خدمات بهتری را دریافت می‌کند و اعتماد وی به شرکت بیمه‌ بازسازی می‌شود؛ از سوی دیگر، این احتمال می‌رود که عدم آشنایی با روند کار هوش مصنوعی و داده‌هایی که استفاده می‌شود، موجب ایجاد بی‌اعتمادی در بین مشتریان شود.

آلبرتو چیریچی (Alberto Chierici)، هم‌بنیانگذار و مدیر ارشد تولید اسپیکس است. وی که یک کارشناس آمارگیری است، همواره ریسک تکنولوژی‌های جدید را مورد مطالعه قرار می‌دهد و معتقد است که قبل از به‌کارگیری هر تکنولوژی، باید جنبه‌های اخلاقی‌ آن را در نظر گرفت. او می‌گوید: «من به شدت بر این باورم که اگر ملاحظات اخلاقی وجود داشته باشد، نمی‌توان آن را بعدها به تکنولوژی اضافه کرد؛ درست نیست که تکنولوژی را پیاده‌سازی کنیم و در مرحله‌ی بعدی، نسبت به تصحیح اشتباهات آن اقدام کنیم.»

چیریچی می‌افزاید:

«هوش مصنوعی در صنعت بیمه تنها در صورتی قادر به شفاف‌سازی و شخصی‌سازی خواهد بود که اصول اخلاقی مرتبط با آن، درست و مستحکم بنا شوند.»

اگر شرکت بیمه‌گر بتواند اصول کلی روش کار هوش مصنوعی در صنعت بیمه را برای مشتری توضیح داده و دلایل لازم را در اختیار او قرار دهد، کمک زیادی به بازسازی حس اعتماد خواهد شد. به‌عنوان‌مثال، بیایید نگاهی به آنچه در اسپیکس اتفاق می‌افتد، بیاندازیم: ما به شرکت بیمه‌گر کمک کنیم که یک چت‌باکس مبتنی بر هوش مصنوعی را در حوزه‌ی ارائه مشاوره مالی شخصی، طراحی و گسترش دهد. بدین منظور، به تعدادی از داده‌های مشتری نیاز داریم تا بتوانیم راه‌های تعامل با او را شناسایی کنیم. حس اعتماد زمانی به وجود می‌آید که از همان زمان شروع رابطه با مشتری، شفافیت و اصول اخلاقی را خط مشی خود قرار دهیم.

به عنوان جمع‌بندی می‌توان گفت: شرکت‌های بیمه‌گر و اینشورتک‌ها، یک وظیفه‌ی مشترک دارند و آن، ترویج اعتماد به تکنولوژی جدید، هوش مصنوعی و یادگیری ماشین است. اگر ما واقع می‌خواهیم که بال‌های صنعت بیمه را به جنبش درآوریم و تجربه‌ی دیجیتال را به مشتری عرضه کنیم، اولین گام این است که تأثیر تکنولوژی را با دقت مورد ارزیابی قرار داده و از شفاف بودن همه‌ چیز اطمینان حاصل کنیم.

منبع: Fintechtalents

درباره نویسنده

ثنا جهاندار

کارشناس ارشد مهندسی شیمی، گرایش محیط زیست و مترجم زبان انگلیسی. او در کنار تخصص دانشگاهی، به پژوهش و تحقیق در حوزه بازار مالی و اقتصادی علاقه زیادی دارد و در حوزه فین‌تک، با مجموعه راه پرداخت همکاری می‌کند.

دیدگاهتان را بنویسید

/* ]]> */