اینشورنس 2030 / تاثیر هوش مصنوعی در آینده‌ی صنعت بیمه

صنعت بیمه در سال 2030 دستخوش تحولات بسیار گسترده‌ای خواهد شد. تمرکز بر روی چهار حوزه، می‌تواند دست‌اندرکاران صنعت را برای رویارویی با این تغییرات آماده کند.

به صنعت بیمه در سال 2030 خوش آمدید.

اسکات، مشتری یکی از شرکت‌های بیمه هست. دستیار دیجیتالی شخصی او، یک خودروی خودگردان را برای گشت زدن در شهر، کرایه می‌کند. اسکات پس از سوارشدن تنظیمات خودرو را به حالت «فعال» تغییر می‌دهد. دستیار دیجیتالی اسکات، یک مسیر را بر روی نقشه مشخص کرده و آن را با بیمه‌گر حمل‌ونقل وی به اشتراک می‌گذارد. بیمه‌گر به‌سرعت فاکتورهایی مثل احتمال وقوع تصادف، صدمه به خودرو و مقدار حق بیمه‌ی ماهیانه را بررسی کرده و یک مسیر جایگزین را پیشنهاد می‌دهد. دستیار اسکات، او را از حجم و پراکندگی خودروهای دیگر در جاده مطلع می‌کند و به او اعلام می‌کند که در صورت انتخاب مسیر اول، حق بیمه‌ی حمل‌ونقل وی به میزان 4 تا 8 درصد افزایش پیدا کرده و بیمه‌نامه‌ی زندگی وی که بر پایه‌ی قانون «پرداخت بر اساس سبک زندگی» بنا شده، در سه ماه جاری با افزایش 2 درصدی مواجه خواهد شد و مبلغ اضافی به‌صورت خودکار از حساب بانکی او برداشت خواهد شد.

هنگامی‌که اسکات به پارکینگ مقصد می‌رسد، خودروی وی با یکی از تابلوهای علامت پارک تصادف می‌کند. به‌محض توقف خودرو، تجهیزات مربوطه، میزان آسیب را تعیین می‌کنند. دستیار شخصی به اسکات می‌گوید که از ماشین پیاده شده و سه عکس از روبروی محل برخورد و دو عکس از طرفین بگیرد. زمانی که اسکات، عکس‌ها را گرفته و به صندلی راننده برمی‌گردد، صفحه‌نمایش جلویی خودرو، او را از میزان آسیب و تائید ادعای ارسال‌شده به بیمه مطلع می‌کند. یک پهباد سیار نیز به‌ منظور بازرسی فیزیکی، به محل تصادف فرستاده می‌شود. درصورتی‌که خودرو قابل رانندگی باشد، برای تعمیر به نزدیک‌ترین گاراژ موجود در شبکه ارسال می‌شود و در عوض، یک خودروی جایگزین برای اسکات در نظر گرفته می‌شود.

احتمال دارد فکر کنید که این یک داستان خیالی است، ولی در طی یک دهه‌ی آینده، تمام این رویاها به وقوع خواهند پیوست. راستش را بخواهید، تمامی تکنولوژی‌هایی که در سناریوی بالا به آن اشاره شد، در حال حاضر در مقیاس بسیار کوچک وجود دارند و اغلب آن‌ها در دسترس مشتری قرار گرفته‌اند.

موج جدید تکنیک‌های یادگیری عمیق، مانند شبکه عصبی پیچشی و هوش مصنوعی، این قابلیت را دارند که احساسات را درک کنند، استدلال انجام دهند، آموزش ببینند و مسائل موجود در ذهن انسان را حل کنند (شکل شماره‌ی یک را ببینید).

در طی این سیر تکاملی، تمامی جوانب صنعت بیمه دچار تحول خواهند شد و روش کنونی «شناسایی و ترمیم» به وضعیت «پیش‌بینی و پیش‌گیری» تبدیل خواهد شد.

هرچه کارگزاران، مصرف‌کنندگان، واسطه‌های مالی، بیمه‌گران و تأمین‌کنندگان با تکنولوژی‌های پیشرفته آشناتر شوند، در تصمیم‌گیری، افزایش بهره‌وری، کاهش هزینه‌ها و ارائه‌ی یک تجربه‌ی خوب برای مشتری موفق‌تر عمل خواهند کرد و به طبع آن، سرعت وقوع تحولات بزرگ، شتاب بیشتری پیدا خواهد کرد.

میزان ادغام هوش مصنوعی با صنعت بیمه، روزبه‌روز بیشتر می‌شود و اگر بیمه‌گران می‌خواهند که در بازار رقابت باقی ‌بمانند، باید خودشان را با تغییرات وفق دهند. مدیران شرکت‌های بیمه موظف‌اند فاکتورهای دخیل در این تحولات را بشناسند و با چگونگی تأثیر هوش مصنوعی بر شیوه‌ی رسیدگی به شکایات، توزیع، نوشتن بیمه‌نامه و قیمت‌گذاری آشنا شوند. کسب اطلاع از این امور، برای موفقیت شرکت‌های بیمه در سال‌های آتی، ضروری است و زمینه را برای تربیت استعدادها و مهارت‌ها، استقبال از تکنولوژی‌های نوظهور، ایجاد فرهنگ و ترسیم چشم‌انداز برای آینده، مساعدتر می‌کند.

۴ روند مرتبط با هوش مصنوعی که صنعت بیمه را شکل خواهند داد

تکنولوژی‌های زیربنایی هوش مصنوعی، در حال گسترش هستند و کسب‌وکار، خانه، وسایل نقلیه و حتی خود ما را نیز درگیر کرده‌اند. چهار روند مرتبط با هوش مصنوعی، در دهه‌ی آینده، شکل امروزی صنعت بیمه‌ را متحول خواهند کرد.

1) فراوانی داده‌های قابل دسترس از دستگاه‌های متصل

مدتی است که تجهیزات دارای حسگر، در همه‌جای تنظیمات صنعتی به کار می‌روند؛ ولی در سال‌های آینده شاهد یک رشد کلان در  تعداد دستگاه‌های متصل به لوازم مصرف‌کننده خواهیم بود. میزان رواج دستگاه‌های موجود (مانند اتومبیل‌ها، ردیاب‌های تناسب‌اندام، دستیاران خانگی، گوشی‌های هوشمند و ساعت‌های هوشمند) به افزایش روزافزون خود ادامه خواهد داد و گزینه‌های جدیدی از قبیل لباس، عینک و لنز، لوازم‌خانگی، وسایل پزشکی و کفش نیز به این عرصه ملحق خواهند شد. انبوه اطلاعات جدید ایجاد شده توسط این دستگاه‌ها، بیمه‌گران را در شناخت عمیق‌تر مشتری‌های‌شان کمک می‌کنند. نتیجه‌ی این امر، ارائه‌ی محصولات جدیدتر، قیمت‌گذاری‌های شخصی‌تر و افزایش دامنه‌ی خدمات آنی خواهد بود. به‌عنوان‌مثال، یک وسیله‌ی پوشیدنی که به پایگاه داده متصل است، می‌تواند فعالیت‌های روزانه‌ی هر فرد را ثبت کرده و میزان ریسک‌پذیری شخص، احتمال بروز حوادث احتمالی و شدت آن را از طریق این داده‌ها محاسبه کند.

2) گسترش استفاده از ربات‌های فیزیکی

در سال‌های اخیر، شاهد دستاوردهای درخشانی در دانش رباتیک بوده‌ایم. این نوآوری، بر نحوه‌ی تعامل انسان با جهان اطرافش تأثیر می‌گذارد. تولید افزایشی که با عنوان چاپ سه‌بعدی نیز شناخته می‌شود، در آینده، عامل بروز تغییراتی بنیادین در عرصه‌ی تولید و محصولات تجاری بیمه‌ای خواهد بود. وقتی به سال 2025 برسیم، خواهیم دید که ساخت خانه‌هایی با تکنولوژی چاپ سه‌بعدی، بسیار رونق یافته‌اند؛ بیمه‌گران باید بدانند که این پدیده، چه تأثیری بر ارزیابی ریسک خواهد داشت.

علاوه‌برآن، در دهه‌ی آینده، هواپیماهای بدون سرنشین و قابل برنامه‌ریزی، خودروهای بدون راننده، تجهیزات کشاورزی خودگردان و ربات‌های جراح، پیشرفت چشم‌گیری خواهند داشت و به جزوی از زندگی روزمره تبدیل خواهند شد. تا سال 2030، نسبت وسایل نقلیه‌ی خودگردان در جاده‌ها، بالغ بر 25 درصد خواهد بود. بیمه‌گران باید از افزایش حضور ربات‌ها در زندگی روزمره‌ی افراد و صنایع مختلف اطلاع داشته باشند و بر روی چگونگی تأثیر آن بر مخازن ریسک، سطح انتظارات مشتری و کانال‌ها و محصولات جدید مطالعه کنند.

3) اکوسیستم متن‌باز و داده‌باز

هم‌زمان با فراگیر شدن داده‌ها، پروتکل‌های متن‌باز نیز گسترش خواهند یافت و داده‌ها در میان صنایع مختلف به اشتراک گذاشته خواهند شد. نهادهای دولتی و خصوصی متنوع، گرد هم خواهند آمد و اکوسیستمی را به وجود خواهند آورد که در آن، داده‌ها، برای کاربردهای چندگانه، به اشتراک گذاشته می‌شوند. لازم به ذکر است که این به اشتراک‌گذاری داده، تحت چارچوب‌های نظارتی و امنیتی صورت خواهد گرفت. به‌عنوان‌مثال، داده‌های لوازم پوشیدنی مستقیماً به بیمه‌گران ارسال می‌شود و داده‌های مربوط به خانه و خودرو، از طریق آمازون، اپل، گوگل و تعدادی از  تولیدکنندگان دستگاه‌های مصرفی قابل دسترسی خواهند بود.

4) پیشروی در تکنولوژی‌های شناختی

شبکه‌های عصبی پیچشی و سایر تکنولوژی‌های یادگیری عمیق که در حال حاضر با هدف پردازش عکس، صدا و متن‌های غیر سازمان‌یافته مورد استفاده قرار می‌گیرند، توسعه ‌یافته و گستره‌ی وسیعی از کاربردها را شامل خواهند شد. این تکنولوژی‌های شناختی که برای تجزیه، تحلیل و یادگیری، تا حدودی از قابلیت ذهن انسان الگو می‌گیرند؛ تبدیل به روشی استاندارد در پردازش جریان‌ داده‌‌های بزرگ و پیچیده خواهند شد. این جریان‌های داده، توسط محصولات «فعال» بیمه‌ای که با فعالیت‌ها و رفتار اشخاص مرتبط هستند، تولید خواهند شد. با افزایش تجاری‌سازی این نوع از تکنولوژی‌ها، بیمه‌گران به مدل‌هایی دسترسی خواهند یافت که به طور پیوسته در حال یادگیری و تطابق با دنیای اطراف‌شان هستند.

صنعت بیمه در سال 2030

تمامی جوانب صنعت بیمه در سال 2030 از نحوه‌ی توزیع گرفته تا نوشتن بیمه‌نامه و قیمت‌گذاری ادعاها، تحت تأثیر هوش مصنوعی و تکنولوژی‌های مرتبط با آن قرار خواهند گرفت. در حال حاضر نیز تکنولوژی‌های پیشرفته و داده‌ها، امکان انجام قیمت‌گذاری، خریداری و تعیین حدود بیمه‌نامه را به شکل آنی و فوری فراهم کرده‌اند. بازرسی‌های عمیق در خصوص وضعیت بیمه در سال 2030 نشانگر وقوع تحولاتی چشم‌گیر در طول این زنجیره‌ی ارزش است.

توزیع

از میزان فعالیت‌های اداری در هر دو طرف معامله (بیمه‌گر و مشتری) کاسته شده و فرآیند خرید بیمه با سرعت بالاتری انجام می‌شود. الگوریتم‌های هوش مصنوعی، اطلاعات مربوط به رفتارهای شخصی هر فرد را جمع‌آوری خواهند کرد و برخی از فعالیت‌ها مانند پیش‌بینی ریسک را به صورت خودکار انجام می‌دهند؛ درنتیجه مدت زمان خرید بیمه‌ی خودرو، بیمه‌ی تجارت و بیمه‌ی زندگی بسیار کاهش خواهد یافت و به چند دقیقه و یا حتی چند ثانیه خواهد رسید.

شرکت‌های بیمه‌ی خانه و خودرو، مدتی است که از امکان اعلام بهای لحظه‌ای استفاده می‌کنند، ولی اگر می‌خواهند که در وانفسای ترویج دستگاه‌های مجهز به امکانات تلماتیک (telematics) و اینترنت اشیای خانگی، موفق عمل کنند، باید به دنبال سامان بخشیدن به توانایی‌های‌شان باشند و الگوریتم‌های به‌روز قیمت‌گذاری را به کار بگیرند.

از طرف دیگر، قرارداد‌های هوشمندی که در سایه‌ی تکنولوژی بلاکچین توسعه یافته‌اند، پرداخت مشتری از یک حساب مالی را بلافاصله ثبت خواهند کرد؛ در این شرایط، فرآیند پردازش قرارداد و تائید پرداخت، بسیار ساده‌تر شده و یا حتی حذف خواهد شد.

نتیجه‌ی این امر، کاهش هزینه‌های جذب و نگهداری مشتری برای شرکت بیمه‌گر خواهد بود.

روند خرید بیمه‌ی تجاری و بازرگانی نیز تسریع خواهد شد. محصولات بیمه‌ای پویا و مبتنی بر کاربرد (UBI)، گسترش می‌یابند؛ ارائه‌ی محصولاتی که با الگوهای رفتاری شخصی افراد، سازگار هستند، صنعت بیمه را از مدل کاری «خرید و تمدید سالیانه» دور کرده و به مدل یک«چرخه‌ی پیوسته» نزدیک می‌کنند. علاوه بر این‌ها، خدمات بیمه‌ای به بخش‌های خیلی کوچک تجزیه می‌شوند (به‌عنوان‌مثال: بیمه‌ی باتری تلفن، بیمه‌ی تأخیر پرواز، انواع بیمه‌ها برای ماشین لباسشویی و … .)

درنتیجه‌ی این امر، مشتریان می‌توانند محصول موردنیازشان را انتخاب کرده و در حداقل زمان، قیمت بسته‌ی انتخابی خود را با همین خدمات در سایر شرکت‌های بیمه‌گذار مقایسه کنند. ماهیت سفر و زندگی، تحول پیدا می‌کند و برای پوشش این سبک زندگی جدید، محصولات بیمه‌ای نیز بروز می‌شوند.

مدل بیمه‌ای پرداخت بر اساس مایل، پرداخت بر اساس تعداد سواری، پرداخت بر اساس میزان اقامت در سرویس‌های اجاره‌ی منزل، نمونه‌هایی از یو‌بی‌آی هستند.

نقش کارگزار بیمه تا سال 2030، دچار تغییرات چشم‌گیری خواهد شد. کارگزاران بیمه‌ی فعال کنونی، بازنشست خواهند شد و کارگزاران باقی‌مانده نیز به منظور افزایش بهره‌وری، به تکنولوژی روی خواهند آورد؛ در نتیجه‌ی این امر، تعداد کارگزاران به شکل قابل توجهی کاهش پیدا خواهد کرد و وظایف شغلی کارگزاری، به تسهيل‌كنندگان فرآیند و راهنمایان محصول واگذار خواهد شد. کارگزار آینده، توانایی فروش اکثریت قریب به اتفاق پوشش‌های بیمه‌ای را دارد، وی سبد بیمه‌ای مشتریان را مدیریت می‌کند و با تحت پوشش قرار دادن بیمه‌ی عمر، سلامت، حمل‌ونقل، ملک شخصی و مسکونی، موجب تولید ارزش افزوده می‌شود.

کارگزاران از دستیار هوشمند شخصی برای بهینه‌سازی وظایف خود و از ربات‌های هوش مصنوعی برای پیدا کردن راه‌های فروش خدمات به مشتری استفاده می‌کنند. این ابزارها، امکان تعامل یک کارگزار را با تعداد بیشتری از مشتریان مهیا می‌کنند و زمان ارتباط با مشتری (در هر سه شرایط حضوری، مجازی و دیجیتال) را کوتاه‌تر و پربارتر می‌سازند، به‌طوری‌که هر تعامل، به رفع نیازهای فعلی و آینده‌ی هر کدام از بیمه‌گذاران می‌انجامد.

عقد قرارداد بیمه و قیمت‌گذاری

در سال 2030 میلادی، اکثریت بیمه‌نامه‌های کوچک تجاری و شخصی، مانند بیمه‌ی عمر، ملک و سوانح، از شکل نوشتن دستی خارج خواهند شد؛ در واقع، یادگیری ماشین و یادگیری عمیق، به خودکارسازی این فرآیند کمک خواهد کرد و زمان انجام آن را به چند ثانیه کاهش خواهد داد.

داده‌های داخلی، در همراهی با مجموعه‌ی عظیمی از داده‌های خارجی که به‌وسیله‌ی رابط‌های برنامه‌نویسی کاربردی و تأمین‌کنندگان بیرونی داده و آنالیز، جمع‌آوری می‌شوند، نیروی محرکه‌ی این مدل‌های نوظهور به شمار می‌آیند. اطلاعات جمع‌آوری‌شده از شرکت‌های بزرگ بیمه، بیمه‌گذاران اتکایی و تولیدکنندگان و توزیع‌کنندگان محصول، در مجموعه‌های متنوعی از مخازن و جریان‌های داده، گردآوری می‌شوند. مزایای منابع اطلاعاتی یادشده، عبارت‌اند از: پیش‌بینی قبل از انجام قیمت‌گذاری در هر بیمه‌نامه و توسعه‌ی فعالانه در سایه‌ی اعلام بهای متعهدانه‌ و سازگار با مشخصات ریسک خریدار.

قانون‌گذاران، معتقدند که مدل‌های مبتنی بر هوش مصنوعی و یادگیری ماشین، باید شفاف بوده و قابل‌ردیابی باشند (مانند مشتقات فاکتور رتبه‌بندی که امروزه با ضرایب مبتنی بر رگرسیون استفاده می‌شوند). روش آن‌ها در تائید صلاحیت داده‌ها، عبارت است از ارزیابی ترکیبی از ورودی‌های مدل. ملاحظات عمومی، دسترسی به برخی اطلاعات حساس (مانند اطلاعات بهداشتی و ژنتیکی) را محدود می‌کنند؛ این امر موجب کاهش انعطاف در عقد قرارداد و قیمت‌گذاری شده و ریسک کژ گزینی را در برخی از بخش‌ها افزایش می‌دهد.

در سال 2030 نیز همانند امروز، قیمت، نقش مهمی را در تصمیم‌گیری مشتری ایفا خواهد کرد، ولی نوآوری‌های شرکت‌های بیمه‌گذار، از میزان اهمیت این فاکتور خواهند کاست. بسترهای انحصاری پیچیده، رابط بین مشتری و بیمه‌گر خواهند بود و پیشنهاد‌های متنوعی را در اختیار مشتری قرار خواهند داد. درست است که در تعدادی از بخش‌ها، شاهد تشدید رقابت بر سر قیمت و کاهش حاشیه‌ی سود خواهیم بود، ولی در مقابل، عرضه‌ی محصولات منحصربه‌فرد بیمه‌ای در سایر بخش‌ها، موجب افزایش درآمد برخی شرکت‌ها خواهند شد.

ادعای خسارت

پردازش ادعاهای خسارت مطرح شده، در سال 2030 نیز جزو وظایف اصلی بیمه‌گران خواهد بود، ولی تعداد کارمندان شاغل در این بخش، در مقایسه با سال 2018، با کاهش 70 تا 90 درصدی مواجه خواهد شد. الگوریتم‌های پیچیده، بررسی روتین و اولیه‌ی ادعاها را به عهده خواهند گرفت و این عمل، کارایی و دقت را در این بخش افزایش خواهد داد. روند رسیدگی به ادعاهای مرتبط با بیمه‌ی ملک، تصادفات و کسب‌وکارهای کوچک، تا حد زیادی اتوماتیک خواهند بود، نتایج اعمال این تغییرات عبارت‌اند از:

افزایش 90 درصدی در نرخ پردازش مستقیم و کاهش زمان رسیدگی به ادعا از چند روز به چند ساعت و دقیقه.

حسگرهای هوش مصنوعی و مجموعه‌ای از تکنولوژی‌های ثبت داده، مانند پهبادها، به شکل گسترده‌ای جایگزین روش‌های سنتی و دستی گزارش اولیه‌ی خسارت (FNOL) خواهند شد. مرحله‌ی ارجحیت بندی آسیب و خدمات جبرانی آن نیز به شکل خودکار انجام خواهد شد. به‌عنوان‌مثال، هنگامی‌که یک تصادف خودرو رخ دهد، بیمه‌گذار اقدام به ضبط یک جریان ویدیویی از آن حادثه خواهد کرد و در آن، به شرح و ارزیابی مقدار آسیب خواهد پرداخت. خودروهای خودرانی که دچار آسیب جزئی شده باشند نیز خود را به نزدیک‌ترین تعمیرگاه هدایت خواهند کرد و در خلال این مدت، یک خودروی جایگزین برای شخص فرستاده خواهد شد. در خانه‌ها نیز دستگاه‌های متصل به اینترنت اشیا، به اندازه‌گیری سطح رطوبت، دما و دیگر فاکتورهای کلیدی ریسک خواهند پرداخت و مستأجر و بیمه‌گر را از نزدیک بودن وقوع آسیب احتمالی آگاه خواهند کرد.

اپلیکیشن‌های خدمت‌رسانی خودکار به مشتری، قسمت عمده‌ی تعاملات بیمه‌گذار با شرکت بیمه را تقبل خواهد کرد و بدین ترتیب، مشتری قادر خواهد بود که ادعای خود را از طریق صدا و متن، مطرح کند. روند بازرسی و تصمیم‌گیری در مقابل ادعای مطرح‌شده، در طی چند دقیقه انجام خواهد شد و مدیریت ادعای خسارت انسانی، در حوزه‌ها‌ی زیر تمرکز خواهد داشت:

• ادعاهای پیچیده و غیرمعمول
• ادعاهای متضاد که در آن، تحلیل‌ها و بینش‌های مبتنی بر داده، امکان انجام تعامل و مذاکره‌ی انسانی را مهیا می‌کند.
• ادعاهای مرتبط با مسائل سیستماتیک و ریسک‌های ناشی از فناوری جدید (مانند نفوذ هکرها به سیستم‌‌های اینترنت اشیای حیاتی)
• و بررسی دستی و تصادفی ادعاها، با هدف اطمینان از کارکرد صحیح الگوریتم‌های تصمیم‌گیری.

سازمان‌های مرتبط با ادعای خسارت، عمده‌ی توجه خود را بر پایش ریسک، پیش‌گیری و تعدیل آن متمرکز خواهند ساخت. از اینترنت اشیا و منابع جدید داده، برای نظارت بر ریسک استفاده خواهد شد، کاربرد دیگر این تکنولوژی‌ها، این خواهد بود که در زمان تجاوز فاکتور خطر از آستانه‌ی تعیین‌شده توسط هوش مصنوعی، امکان وساطت برای تعدیل موضوع را فراهم کنند. عمده‌ی تعامل مشتری با سازمان‌های رسیدگی به ادعا، با هدف اجتناب از بروز خسارات احتمالی انجام خواهد شد. به هنگامی‌که نیاز به بازرسی، تعمیر و نگهداری وجود داشته باشد، یک هشدار لحظه‌ای خودکار به شخص مربوطه فرستاده می‌شود.

در ادعاهای مربوط به حوادث بزرگ، بیمه‌گران، از ابزارهایی مثل اینترنت اشیا، تلماتیک و داده‌ی تلفن همراه، به منظور پایش لحظه‌ای خانه و وسیله‌ی نقلیه، استفاده خواهد کرد، البته این در شرایطی است که برق و خدمات تلفن همراه در منطقه‌ی حادثه‌دیده، دچار اختلال نشده باشد. اگر برق قطع شده باشد، بیمه‌گر قادر خواهد بود که از طریق جمع آورندگان داده (data aggregators)، به بررسی اولیه‌ی ادعا بپردازد. این جمع آورندگان، داده‌های ارسالی از ماهواره‌ها، پهبادهای موجود در شبکه، خدمات آب‌وهوا و حتی داده‌های لحظه‌ای ارسالی از خود بیمه‌گذار را در یکجا گردآوری و نگهداری می‌کنند. سیستم یادشده، توسط بزرگ‌ترین شرکت‌های بیمه و در چندین مورد از حوادث بزرگ، مورد آزمایش قرار گرفته و تخمین‌های بسیار دقیقی را از عمق فاجعه‌ی موارد اورژانسی، ارائه می‌کند. در گام بعدی و با هدف به جریان افتادن سریع بیمه‌ی اتکایی، گزارشات مفصلی به صورت خودکار آماده شده و به شرکت‌های مربوطه فرستاده می‌شوند.

بیمه‌گران چگونه می‌توانند برای استقبال از تحولات سریع، آماده شوند؟

علیرغم این‌که هیچ‌کس نمی‌تواند به طور دقیق شکل صنعت بیمه در سال 2030 را پیش‌بینی کند، ولی شرکت‌های بیمه‌گر می‌توانند با انجام چند گام، خود را برای رویارویی با تغییر، آماده کنند. اول این‌که باید بدانند:

خودکارسازی، یادگیری عمیق و فراوانی داده‌ها، وقوع تحول در صنعت بیمه را شتاب می‌بخشند.

کسب آگاهی کافی از تکنولوژی‌ها و ترندهای مرتبط با هوش مصنوعی

درست است ‌که تغییرات ساختاری این صنعت، بر فناوری متمرکز خواهد بود، ولی پرداختن به این تغییرات در دامنه‌ی وظایف تیم فناوری اطلاعات نیست. در حقیقت، این وظیفه‌ی اعضای هیئت مدیره و تیم ارتباط با مشتری است که زمان و منابع جداگانه‌ای را برای درک عمیق تکنولوژی‌های مبتنی بر هوش مصنوعی اختصاص دهند.

به نظر نمی‌رسد که شرکت‌های بیمه، از طریق انجام پرو‌ژه‌های پایلوت اینترنت اشیا در مقیاس محدود و در بخش‌های گسسته‌ای از کسب‌وکار، بتوانند به نگرش روشنی برسند. در عوض، این شرکت‌ها باید به درک صحیحی از چگونگی مشارکت کسب‌وکارشان در اکوسیستم اینترنت اشیا برسند و به طراحی پروژه‌های پایلوت و اثبات مفهومی در مقیاس واقعی بپردازند. هدف از تعریف این پروژه‌ها، مورد آزمایش قرار دادن نحوه‌ی کار تکنولوژی و ارزیابی میزان موفقیت شرکت‌های بیمه‌گر در ایفای نقش فعال در اکوسیستم‌های مبتنی بر داده و اینترنت اشیا است.

توسعه و اقدام به اجرای یک برنامه‌ی استراتژیک منسجم

شرکت‌های بیمه، همواره باید به دنبال کسب آگاهی از یافته‌های جدید هوش مصنوعی باشند و روش‌هایی را برای به‌کارگیری این تکنولوژی در پشتیبانی از استراتژی کسب‌وکارشان پیدا کنند. برنامه‌ی استراتژیک بلندمدت تیم ارشد مدیریت، مستلزم تحولاتی چندساله در عرصه‌ی عملکرد، استعداد و تکنولوژی خواهد بود. تعدادی از شرکت‌های بیمه از هم‌اکنون شروع به پیاده‌سازی نوآوری کرده‌اند؛ افتتاح بخش سرمایه‌گذاری خطرپذیر، خریداری حق مالکیت شرکت‌های اینشورتک و مشارکت با مؤسسات آموزشی پیشرو، نمونه‌هایی از اقدامات این شرکت‌ها هستند.

بیمه‌گران باید در رابطه با زمینه‌ای که قصد سرمایه‌گذاری در آن را دارند، مطالعه‌ی کافی داشته باشند و در اتخاذ رویکرد استراتژیک – مانند تشکیل یک نهاد جدید یا ایجاد قابلیت‌های استراتژیک داخلی – منافع سازمان خود را در نظر بگیرند. هر چهار بُعد تأثیرگذار در ابتکارات بزرگ‌مقیاس و مبتنی بر تجزیه‌وتحلیل، باید در این طرح لحاظ شوند (شکل شماره‌ی دو را ببینید). طرح مربوطه باید نقشه‌ی راهی را برای تمامی پایلوت‌های مبتنی بر هوش مصنوعی و اثبات مفهومی ارائه کند و به بررسی جزء به جزء قسمت‌هایی از سازمان که نیاز به سرمایه‌گذاری در استعداد و یا مدیریت تغییر متمرکز دارد، بپردازد. مهم‌ترین نکته در یک برنامه‌ریزی دقیق آن است که در برابر تحولات تکاملی تکنولوژی‌های هوش مصنوعی و دگرگونی‌های درون صنعت، امکان اصلاح و انطباق داشته باشد.

در کنار تلاش برای درک و پیاده‌سازی تکنولوژی هوش مصنوعی، شرکت‌های بیمه باید در واکنش به تغییرات بزرگ‌مقیاس، استراتژی مناسبی را در پیش بگیرند. ازآنجایی‌که راهبرد «پیش‌بینی و پیش‌گویی» در حال گسترش است، شرکت‌های بیمه نیز باید با این تغییر همگام شوند و در زمینه‌ی ارتباط با مشتری، برندینگ، طراحی محصول و منابع درآمد اساسی، بازنگری کنند.

استفاده از خودروهای خودگردان، آمار تصادفات رانندگی را کاهش خواهد داد، ابزارهای اینترنت اشیا از ورود سیلاب به داخل خانه‌ها جلوگیری خواهد کرد، پس از وقوع بلایای طبیعی، ساختمان‌ها به‌وسیله‌ی پرینت سه‌بعدی بازسازی خواهند شد و مراکز درمانی پیشرفته، جلوی مرگ‌ومیر را خواهند گرفت. بااین‌حال، آسیب‌هایی مانند خراب شدن خودروهای خودگردان، ویرانی مناطق ساحلی در اثر بلایای طبیعی، نیاز افراد به مراقبت‌های پزشکی مؤثر و حمایت از افرادی که عزیزی را ازدست‌داده‌اند، باقی ‌خواهند ماند. با گسترش این تحولات، مخازن سود تغییر پیدا خواهند کرد، انواع و شکل‌های جدیدی از محصولات ظهور خواهند کرد و نحوه‌ی تعامل مشتری با بیمه‌گر، تغییر چشم‌گیری خواهد داشت.

آن دسته از شرکت‌های بیمه‌ای که به طراحی و اجرای برنامه‌ی مدون بپردازند و از همین حالا به فکر تثبیت جایگاه برند، محصولات، نحو‌ه‌ی ارتباط با مشتری و تکنولوژی باشند، از تغییرات ساختاری جدید در اقتصاد آینده سود خواهند برد و سرانجام موفقی خواهند داشت.

همگی این از تلاش‌ها در کنار هم، منجر به تولید یک استراتژی تحلیلی و فناورانه‌ی منسجم و همه‌جانبه خواهد شد.

• تولید و اجرای یک استراتژی جامع داده

داده، به‌سرعت در حال تبدیل شدن به یکی از بااهمیت‌ترین و ارزشمندترین دارائی‌های هر سازمانی است. صنعت بیمه نیز از این قاعده مستثنی نیست. شناسایی، اندازه‌گیری، موقعیت‌یابی، مدیریت ریسک و … از طریق حجم و کیفیت داده‌هایی انجام می‌شود که از زندگی شخصی بیمه‌گذار جمع‌آوری می‌شوند. هرچه حجم و تنوع داده‌های ورودی به تکنولوژی‌های هوش مصنوعی بیش‌تر باشد، عملکرد بهتری را از این تکنولوژی‌ها شاهد خواهیم بود. از همین رو و در مقابله با داده‌های داخلی و خارجی، شرکت‌های بیمه باید دست به توسعه‌ی یک استراتژی ساختاریافته و عملی بزنند.

داده‌های داخلی باید به شیوه‌ای تنظیم شوند که توانایی پشتیبانی از تحولات سریع دیدگاه‌ها و قابلیت‌های تحلیلی جدید را داشته باشند. داده‌های خارجی، مجموعه‌ی داده‌های داخلی را کامل می‌کنند و مهم‌ترین موردی که در این بخش از داده‌ها باید بدان توجه کرد، حفظ امنیت دسترسی به ‌آن‌هاست. جمع‌آوری داده‌ها با یک روش کم‌هزینه، چالش مهمی است، اکوسیستم داده‌ی خارجی در حال گسترش است، ولی این داده‌ها بسیار گسسته و دور از هم هستند و همین امر، دسترسی ارزان به داده‌ی باکیفیت را با مشکل مواجه کرده است. در حالت کلی، یک استراتژی داده، مستلزم به‌کارگیری راهکارهای متعدد در دستیابی به داده‌های خارجی، حفظ امنیت و ترکیب آن با داده‌های داخلی است. شرکت‌های بیمه باید اقدام به تدوین استراتژی چندمنظوره‌ای بکنند که شامل دسترسی مستقیم به منابع و تأمین‌کنندگان داده، کسب اجازه از مراکز داده، استفاده از ای‌پی‌آی‌های داده و مشارکت با کارگزاران داده باشد.

• ایجاد زیرساخت‌های استعداد و تکنولوژی

شرکت‌های بیمه‌ی آینده، نیاز به استعدادها و افرادی خواهند داشت که مهارت و ساختار فکری درستی داشته باشند. نسل بعدی کارکنان موفق و پیشگام بیمه، باید ترکیبی از مهارت تکنولوژی، خلاقیت، اشتیاق به فعالیت در شغل نیمه اتوماتیک و مبتنی بر ماشین را داشته باشند.

تولید ارزش از موارد کاربردی هوش مصنوعی در آینده و ارائه‌ی یک تجربه‌ی منحصربه‌فرد و همه‌جانبه به مشتری، نیازمند به‌کارگیری مهارت، تکنولوژی و داشتن دید کلی نسبت به بخش‌های مختلف سازمان است. وقوع یک تغییر فرهنگ هوشمندانه در شرکت‌های بیمه، کمک زیادی به تسهیل این روند خواهد کرد. توسعه‌ی یک استراتژی محکم و تهاجمی برای جذب، پرورش و حفظ کارکنان ماهر و کلیدی، برای باقی ماندن در میدان مسابقه ضروری است. این شغل‌ها عبارت‌اند از: دانشمندان داده، تکنولوژی شناسان، متخصصان محاسبات ابری و طراحان تجربه.

بسیاری از سازمان‌ها، با هدف کسب مهارت‌ها و ظرفیت‌های ضروری و حفظ دانش، دست به طراحی و اجرای برنامه‌های به‌روزرسانی مهارت خواهند زد. معماری فناوری آینده نیز در مقایسه با امروز، دستخوش تحولاتی کلی خواهد شد. شرکت‌های بیمه باید شروع به سرمایه‌گذاری هدفمند کنند و روند مهاجرت به‌ سوی فناوری‌های پیشرفته‌تر را فراهم سازند.

پیشرفت‌های سریعی که در تکنولوژی آینده رخ خواهند داد، تغییراتی انقلابی را در صنعت بیمه رقم خواهند زد. آن دسته از شرکت‌های بیمه‌ای که تکنولوژی جدید را با هدف تولید محصولات جدید، یادگیری شناختی از منابع داده‌ی جدید، ساده‌سازی فرآیندها و کاهش هزینه‌ها بکار بگیرند و انتظارات مبتنی بر شخصی‌سازی و انطباق‌پذیری پویای مشتری را برآورد کنند، پیروز میدان خواهند بود. مهم‌تر از همه، ذکر این نکته است که تمرکز بر تولید فرصت از تکنولوژی‌ و عدم موضع‌گیری برابر آن، امکان درخشش در صنعت‌ بیمه در سال 2030 میلادی را مهیا خواهد ساخت.

منبع: Mckinsey