راه پرداخت
راه پرداخت؛ رسانه فناوری‌های مالی ایران

بلوغ فناوری در بیمه با محصولات کلیدی آدانیک

پنج سال از تاسیس آدان نیک افزار (آدانیک) می‌گذرد، شرکتی که حالا دیگر با محصولات کلیدی مانند کاریز، گمانیک، کیلید، کلون، بومرنگ و حساب‌کتاب شناخته می‌شود. آدانیک را بیشتر به عنوان ارائه‌دهنده راهکارهای نرم‌افزاری بانکی می‌شناسند اما چند وقتی است که این شرکت با محصولات گمانیک و کاریز به صنعت بیمه هم ورود پیدا کرده است. گمانیک یک ساله و کاریز چهار ساله است و هر دو قرار است حلقه مفقوده صنعت بیمه در کشورمان را پر کنند.

تقریبا تمام کسانی که تجربیاتی در حوزه بانکی و بیمه دارند به این امر واقف هستند که فناوری به ویژه فناوری اطلاعات هنوز جای خود را آن طور که باید در صنعت بیمه ما باز نکرده و تا رسیدن به سطح بلوغ بانک‌ها در این خصوص فاصله دارد.

شرکت آدانیک در سال جاری همکاری خود با بیمه رازی را آغاز کرده و این موضوع به دلیل تحولات انجام شده در این سازمان و توجه بیشتر به نقش فناوری در توسعه نوآوری و بهره‌وری بیمه بوده است. تاسیس معاونت نوآوری و برنامه‌ریزی بیمه رازی از ابتدای سال جاری، نشانه و مایه شتاب‌گیری این رویکرد است.

ما در گفت‌وگو با علی حاجی‌زاده مقدم، مدیرعامل و محمد جعفری، مدیر فروش و ارتباط با مشتری شرکت آدانیک تلاش کرده‌ایم دو محصول استراتژیک این شرکت را معرفی کنیم و از تاثیری که می‌توانند بر صنعت بیمه داشته باشد، بگوییم.

 

کاریز چگونه شکل گرفت؟

سازمان‌ها در مراحل بلوغ فناوری اطلاعات بعد از مدتی به این نتیجه می‌رسند که سامانه‌های آنها متعدد و ارتباط بین آنها پیچیده و پرهزینه شده است. در ابتدا هدف از راه‌اندازی این سامانه‌ها، خودکار کردن فرآیندها و کاهش پیچیدگی بوده است اما به تدریج ارتباطات بین اینها خودش دچار پیچیدگی و دشواری می‌شود، این یک قسمت از مشکل است. بخش دیگر وقتی است که در مراحل بعدتر بلوغ فناوری اطلاعات، سازمان نیاز پیدا می‌کند به سازمان‌های دیگر متصل شود و یا داخل سازمان با تیم‌های توسعه مختلف کار کند، که مدیریت دسترسی و ریسک در این ارتباط اهمیت می‌یابد.

در اینجا کاریز به عنوان یک لایه واسط، وارد عمل می‌شود. درواقع به جای اینکه ارتباطات دو به دو برقرار شود که کاری سخت، هزینه‌بر و زمان‌بر است، کاریز به عنوان سامانه واسط کمک می‌کند تا یک سازمان، چگونگی ارائه سرویس و API به سامانه دیگر و یا به هویت بیرونی را تعیین و مدیریت کند.

جعفری، مدیر فروش شرکت آدانیک در این باره می‌گوید: «کاریز ابزار مدیریت و ارایه API است. نیاز به ارائه API و مدیریت آن، یک نکته کلی در مراحل بلوغ فناوری در سازمان‌های بزرگ است و وابسته به نوع سازمان نیست که ارائه‌دهنده سرویس، بانک باشد یا بیمه. درواقع سامانه‌ای واسط مانند کاریز مدیریت می‌کند که یک سازمان به چه کسی و با چه شرایطی API ارائه دهد. کاریز، هویت و اعتبار سرویس گیرنده و شرایط دریافت سرویس را هم بررسی می‌کند.

اما هدف عمده از دید سازمان یا نهادی که API را بیرون می‌دهد، این است که کنترل داشته باشد و سطح دسترسی‌ها را مشخص کند. طبعا وقتی قرار است سطح دسترسی مشخص شود، شما باید احراز هویت شوید. در حال حاضر نه فقط در بانک یا بیمه، بلکه در سازمان‌های مختلف، سامانه‌های متعددی به همدیگر متصل می‌شوند، یا اینکه درگاه ارائه خدمت یک سازمان متنوع می‌شود. درواقع کاریز هم در یک سازمان می‌تواند این سطح را مشخص کند و هم در ارتباط یک نهاد با یک نهاد دیگر.»

 

مدیریت سرویس بین سازمان‌ها

یکی از کاربردهای دیگر کاریز، می‌تواند نهادها و شرکت‌هایی باشد که قصد آنها سرویس دادن به استارت‌آپ‌هاست؛ نهادهایی مانند فینوتک. درواقع کاریز، سرویس‌های سازمان را قابل عرضه به بیرون می‌کند.

وقتی سازمانی به سازمان دیگر متصل می‌شود یا دسترسی به دپارتمانی درون سازمان داده می‌شود، احراز هویت و مسائلی نظیر مسئولیت‌ها با راهکارهایی مثل قرارداد و ضمانت حقوقی حل می‌شوند. اما ارتباط با هویت‌های کوچک مانند استارت‌آپ‌ها خود یک کسب‌وکار مستقل است. به گفته جعفری، کاریز محدودیت فنی ندارد که به کجا وصل شود، بسته به صلاحدید خود شرکتی که کاریز را خریداری می‌کند، کار با اتصال به یک اکوسیستم استارت‌آپی همچون فینوتک انجام می‌شود.

حاجی زاده با بیان اینکه داشتن کاریز این امکان را می‌دهد که یک سازمان با هر کدام از این اکوسیستم‌ها ارتباط برقرار کند، می‌گوید: «برای مثال سازمانی می‌خواهد سرویس‌های خود را در یک بستر عمومی عرضه کند، برای اینکه این کار انجام شود یک عنصر در معماری نرم‌افزارهای سازمانی نیاز است که امکان عرضه سرویس‌ها به بیرون را به صورت مدیریت شده فراهم کند.»

جعفری تاکید می‌کند: «شما اگر بخواهید API باز ارائه دهید، در مرحله قبل باید API خصوصی داشته باشید. درواقع ابزاری باید داشت که این API خصوصی را به یک هویت تایید شده‌ای ارائه دهد. این یک مرحله قبل از آن است و اگر وجود نداشته باشد دادن API باز کار پردردسری خواهد بود.»

 

ارزش‌افزوده کاریز چیست؟

مهم‌ترین ارزش‌افزوده کاریز این است که سازمان را آماده می‌کند تا بتواند API به بیرون بدهد و نظمی در سامانه‌های داخلی خود ایجاد کند. سازمانی که این کار را می‌کند، ارائه دادن هر خدمتی در درگاه‌های جدید و به هر سازمان بیرونی برایش آسان می‌شود. جعفری به مسائل مربوط به فناوری اطلاعات در کشورمان اشاره می‌کند و می‌گوید: «برای بخش‌های دولتی خیلی سخت است که سرویسی به بیرون ارائه دهند. آن‌ها معمولا به لحاظ فناوری خیلی مشکل دارند، دلیل آن هم این است که روزهای اولی که سامانه‌های خود را توسعه داده‌اند اصلا فناوری در حدی نبوده که به API دادن فکر کنند.

اما اگر بخواهند با موج جدید همراه شوند و به سازمان‌های دیگر خدمات ارائه دهند مجبور می‌شوند که بحث API را مطرح کنند و این در حالی است که سامانه‌های قبلی برای این کار آماده نیستند. بنابراین یا باید لایه‌های واسط را بگذارید تا با کمترین تغییر آماده دادن API به بیرون شوید یا از ابتدا همه چیز را به نوعی بازنویسی کنید. معمولا گزینه دوم طولانی و پردردسر است. اما در گزینه اول از اینکه همه چیز را متحول کنیم، دست برداشته‌ایم و رویکرد تکاملی را پذیرفته‌ایم.»

حاجی زاده نیز تاکید می‌کند: «نظمی که وجود کاریز به معماری نرم‌افزارهای سازمان می‌دهد دست آن را برای نوآوری باز می‌کند. سازمان‌هایی که می‌خواهند بازار خدمات الکترونیکی متمایز داشته باشند، نیاز دارند که با تیم‌های بیرونی خیلی سریع یک محصول را جلو ببرند. برای این کار، آن‌ها باید نوآوری را مبنای تمایز خود قرار دهند، به همین دلیل نیاز دارند چنین لایه‌ای برای مدیریت خدماتی که می‌خواهند از طریق آن، کانال‌ها را توسعه بدهند داشته باشند وگرنه ارتباط چند به چندی بین سیستم‌های داخلی به وجود می‌آید که باعث ایجاد بی‌نظمی می‌شود، سرعت توسعه را می‌گیرد و پیچیدگی ایجاد می‌کند.

وجود کاریز برای اینکه لایه‌های پایین را از لایه‌های بالا جدا کند و به آنها اجازه تمرکز روی نوآوری را بدهد مهم است. اساسا در بیمه رازی نقطه ورود همین بود. نیاز برجسته در آنجا این بود که می‌خواستند برای نوآوری در حوزه خدمات الکترونیکی و غیرحضوری ورود کنند. به همین دلیل به سراغ کاریز آمدند.»

 

ورود کاریز به صنعت بیمه

بانک‌های آینده، ملی، توسعه صادرات، موسسه نور از جمله سازمان‌هایی هستند که کاریز را در سازمان خود راه‌اندازی کرده‌اند. اما این محصول به تازگی در صنعت بیمه هم ورود پیدا کرده و همزمان با تحولاتی که بیمه رازی تجربه کرده، این سازمان هم به مشتریان کاریز اضافه شده است.

جعفری درباره چگونگی همکاری با بیمه رازی می‌گوید: «بیمه رازی تصمیم گرفت خدمتی روی موبایل ارائه دهد. اولین کار این بود که باید API لازم را فراهم می‌کرد اما آنها با دید باز تصمیم گرفتند و آن هم این بود که با آینده‌نگری فقط این مساله را حل نکردند وگرنه هروقت می‌خواستند نوآوری دیگری را در سازمان خود ایجاد کنند، باز هم به مشکل می‌خوردند. ما خیلی این مساله را می‌شنویم که بیمه از نظر سطح بلوغ فناوری اطلاعات، عقب‌تر از بانک‌هاست.

پاسخی که می‌دهیم این است که اگر یک سازمان دیرتر شروع کرده لزوما نباید همه تجارب را بار دیگر امتحان کند. ما که در صنعت بانکی بودیم اگر بخواهیم بار دیگر شروع کنیم، با روش امروزی این راه را طی می‌کنیم و به این ترتیب سرعت ما بیشتر هم خواهد بود. صنعت بیمه اگر بخواهد در زمینه فناوری خود را به روز کند، نباید همه این سال‌ها را تکرار کند، بلکه باید امروز را نگاه کند.»

آدانیک با شرکت‌های بیمه مختلف ارتباط داشته اما همکاری این شرکت با بیمه رازی به مدت‌ها قبل و همکاری در سرویس‌های بانکی و تسهیل خدمات مالی برای بیمه رازی باز می‌گردد. از ابتدای امسال با تحولات در بیمه رازی، معاونت نوآوری و برنامه‌ریزی در این بیمه تشکیل می‌شود و به این ترتیب تحول خدمات شتاب می‌گیرد.

به گفته مدیرعامل آدانیک، بیمه برای ما یک حوزه جدید بود و ناشناختگی‌هایی برای ما داشت. ما حوزه بانکی را به خوبی می‌شناختیم، در بیمه مسائل برای ما جدیدتر است اما وقتی نیاز از سمت بیمه مطرح می‌شود و همکاری و پشتیبانی از آن سو است، طبیعتا کار سخت نیست. در بیمه رازی این نیاز حس شده بود و با تجربه قبلی که مدیران ارشد در حوزه بانکی داشتند، این مسیر را خودشان ترسیم کردند. در حوزه بیمه، فناوری اطلاعات وضعیت متفاوتی با بانک‌ها دارد اما یک دستی بین آنها وجود دارد، پلتفرم مشترکی دارند و شاید به همین دلیل کار راحت‌تر باشد. درحقیقت این موضوع موجب می‌شود مسائلی که در یک بخش حل شود، در بقیه جاها قابل اعمال باشد.

 

کشف تقلب با گمانیک

از مسائل مشترکی که بین بیمه و بانک وجود دارد بحث کشف تقلب است. آدانیک، محصولی به نام گمانیک دارد که در زمینه کشف تقلب فعالیت می‌کند و در بانک آینده راه‌اندازی شده است. جعفری درباره اهمیت تقلب در بیمه‌های ایران می‌گوید: «در ایران وضعیت تقلب بانک‌ها و بیمه‌ها اصلا قابل مقایسه با یکدیگر نیستند. بانک‌های ایرانی تراکنش‌های نقد خیلی زیاد دارند و شاید به همین دلیل خیلی کمتر درگیر مساله تقلب هستند اما بانک‌ها به این نتیجه رسیده‌اند که این موضوع مورد نیاز است و به سراغ راه‌حل‌های مختلفی رفته‌اند.

در بیمه مساله تقلب خیلی جدی‌تر است، چون یک تقلب بیمه‌ای هزینه خیلی بیشتری برای یک شرکت دارد تا تقلبی که در حوزه بانکی رخ می‌دهد. به طور کلی اصول کشف تقلب در صنعت‌های مختلف، خیلی به هم نزدیک هستند و به لحاظ علمی شما در حال حل کردن یک مساله هستید. ما هر جا این موضوع را مطرح کردیم، شرکت‌های بیمه خیلی از آن استقبال کردند تا بتوانند هزینه خسارت‌های خود را با سامانه کشف تقلب پایین آورند. آماری وجود دارد که می‌گوید ۲۰ تا ۳۰ درصد پرداخت بیمه‌ها در سال مرتبط با تقلب بوده است»

گمانیک علاوه بر اینکه با روش‌های داده‌کاوی کار می‌کند، از هوش مصنوعی هم بهره می‌برد. قسمتی از هوش مصنوعی که در کشف تقلب مورد استفاده قرار می‌گیرد یادگیری ماشینی است. برای بهره بردن از گمانیک، سازمان ابتدا سامانه را نصب می‌کند و منابع داده خود را به آن متصل کند. در مرحله اول، سامانه با تکنیک‌های داده‌کاوی، اطلاعات را می‌بیند، موارد ناهنجاری داده‌ای را کشف می‌کند و به کاربران انسانی نشان می‌دهد.

این پیش‌نیاز یادگیری ماشینی است. در این مرحله نیاز است که کاربران انسانی بازخوردی به سیستم بدهند. سامانه تشخیص می‌دهد که کاربر تراکنش‌های مشکوک دارد، حالا اینکه کاربر در حال تقلب است یا خیر را یک کاربر انسانی می‌تواند تشخیص دهد. در مرحله بعدی پس از تشخیص او سامانه می‌تواند یاد بگیرد اما نکته مهم این است که باید تعداد این تراکنش‌ها به تعداد کافی رخ دهد، موارد غیرعادی گزارش شده توسط کاربر انسانی تعیین وضعیت شود تا گمانیک از آنها یاد بگیرد و خودش شرایط را تشخیص دهد.

 

گمانیک چه‌طور شکل گرفت؟

فلسفه شکل‌گیری گمانیک نیاز آن در بازار و نیاز به هم‌افزایی در پروژه‌های مختلف بوده است. از سوی دیگر علاقه آدانیکی‌ها این بوده که وارد حوزه داده شوند. حاجی‌زاده در این باره می‌گوید: «بخشی از مزیتی که هر یک از محصولات ما داشتند این بود که از اطلاعات خود، ارزش هوشمندانه‌تری به مشتری ارائه دهند. محصول هدف ما مدیریت مالی شخصی بود تا مشتریان مختلف، تراکنش‌ها را بهتر دسته‌بندی و در بودجه‌ریزی، بهتر عمل کنند. این نیاز هم از سمت حوزه بانکی بود که در حوزه تشخیص تقلب مساله داشتند.»

در بیمه‌ها هم استقبال از گمانیک در برخورد اول زیاد است چراکه مساله تقلب در بیمه جدی است. گمانیک سامانه کشف و مدیریت تقلب و تخلف است اما با حوزه‌های دیگری هم‌خانواده است؛ نظیر خوشه بندی مشتریان، مسائل مدیریت ریسک، تشخیص ریزش مشتری و …. ارزش‌افزوده اولیه گمانیک، کشف تقلب است اما بسته به پرسش و نیاز سازمان، بهره‌های دیگری از آن می‌توان برد.»

ناگفته نماند تشخیص ناهنجاری لزوما به معنای کشف تقلب نیست. ممکن است یک ناهنجاری به این دلیل باشد که سازمان در حال از دست دادن یک مشتری VIP خود باشد، ممکن است به معنای کسب فرصت در بازار باشد یا مثلا اینکه اتفاقی در حال رخ دادن است که تعداد زیادی از افراد در حال رفتن از سازمان هستند. با گمانیک این موضوعات قابل درک است و می‌توان مانع از وقوع آنها شد. درواقع هر روند نامعمول را می‌توان با این سیستم تشخیص داد.

 

نفع ملموس مالی برای بیمه‌ها با گمانیک

در بیمه سالانه بیمه‌نامه‌هایی تمدید می‌شود، برای مثال اگر امکان پیش‌بینی رفتن مشتری وجود داشته باشد، می‌توان راهکاری در نظر گرفت تا این اتفاق نیفتد. بیمه‌ها مدام در حال تبلیغ و جذب مشتری جدید هستند اما از آن سو تعداد زیادی هم مشتری از دست می‌دهند. این داده اطلاعاتی می‌دهد که تبلیغات با برنامه‌ریزی صورت گیرد.

همچنین برای پیشنهاد دادن به مشتریان فعلی و جذب مشتریان جدید، نیاز به داشتن ابزار تحلیلی وجود دارد. در صنعت بیمه حق بیمه‌ها خیلی متناسب با ضریب خسارت است. فردی که زیاد از بیمه خود استفاده می‌کند، دفعه بعد بیمه‌نامه گران‌تری می‌گیرد. با گمانیک خسارت یک مشتری، عملکرد نمایندگی و فعالیت ارزیاب مورد بررسی قرار می‌گیرد.

تقلب‌ها انواع و اقسام دارد، اینکه کدام یک برای سازمان اولویت دارد توسط خود سازمانی که می‌خواهد گمانیک را به کار گیرد انتخاب می‌شود. وقتی شرکت بیمه و استارت‌آپ بیمه هر دو برای تحول در فناوری اطلاعات، محافظه‌کار هستند، گمانیک شیوه خوبی است برای اینکه نشان دهد پیگیری تقلب، نفع ملموس مالی دارد. صرف هزینه برای فناوری اطلاعات در این حوزه بسیار به صرفه است و یک سازمان می‌تواند چندین برابر پولی که در این حوزه هزینه کرده، برگرداند.

حاجی زاده با بیان اینکه خوشه بندی مشتریان کاری است که ما به عنوان پیش‌نیاز تشخیص ناهنجاری انجام می‌دهیم، می‌گوید: «این کار به بحث هوش مصنوعی و یادگیری ماشینی مربوط می‌شود. اگر موسسه یا بانک، شناخت و دسته‌بندی مناسبی از مشتری نداشته باشد نمی‌توان رفتاری مناسب با آنها داشت و سرویس و پیشنهاد مطلوب به آنها ارائه داد. علوم داده اینجا کاربرد دارد.»

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.