چرا نوسازی زیرساخت، شرط تحقق بیمه‌های پیشگیرانه است؟

برای بیش از یک قرن، صنعت بیمه بر یک منطق ساده استوار بود: حادثه رخ می‌دهد، بیمه‌گذار خسارت خود را اعلام می‌کند و شرکت بیمه پس از ارزیابی، آن را جبران می‌کند. در این مدل، ارزش اصلی شرکت‌های بیمه در توانایی آن‌ها برای جبران خسارت پس از وقوع حادثه تعریف می‌شد.

اما این الگو به‌تدریج در حال تغییر است. آینده صنعت بیمه در پرداخت سریع‌تر خسارت خلاصه نمی‌شود، بلکه در پیش‌بینی و پیشگیری از وقوع آن شکل می‌گیرد. تحقق چنین مدلی مستلزم آن است که شرکت‌های بیمه بتوانند داده‌های لحظه‌ای را جمع‌آوری و تحلیل کنند، ریسک را پیش از وقوع حادثه تشخیص دهند و به‌موقع مداخله کنند.

گزارش جدید مک‌کنزی نیز نشان می‌دهد که دستیابی به این چشم‌انداز، پیش از هر چیز به نوسازی سامانه‌های هسته‌ای و زیرساخت‌های فناوری شرکت‌های بیمه وابسته است؛ زیرا بدون این تحول، نسل جدید بیمه‌های هوشمند و پیش‌بین امکان تحقق نخواهد داشت.

صنعت بیمه؛ نیازمند تغییر پارادایم

با توجه به تحولات سال‌های اخیر در حوزه هوش مصنوعی، امروزه بسیاری از شرکت‌های بیمه در جهان در تلاش‌اند تا نقش خود را از یک «پرداخت‌کننده خسارت» به یک «مدیر ریسک» تغییر دهند؛ یعنی به جای آن که پس از وقوع حادثه وارد عمل شوند، با تحلیل داده‌های لحظه‌ای، پیش‌بینی ریسک و ارائه هشدارهای به‌موقع، از وقوع بخشی از خسارت‌ها جلوگیری کنند.

این تغییر، تنها یک تحول فناورانه نیست؛ بلکه دگرگونی در ماهیت فعالیت شرکت‌های بیمه است. در این رویکرد، موفقیت یک شرکت بیمه دیگر صرفاً با سرعت پرداخت خسارت سنجیده نمی‌شود، بلکه توانایی در کاهش احتمال وقوع خسارت، به یک مزیت رقابتی برای آنها تبدیل می‌شود.

در این میان، هوش مصنوعی نیز می‌تواند به یاری شرکت‌های بیمه بیاید. با درنظرگرفتن فعالیت‌های هوش مصنوعی، مخصوصاً در یک دهه اخیر، این فناوری تأثیر تحول‌آفرینی بر صنعت بیمه داشته و به نوعی برهم‌زننده بزرگ میدان بوده است.

تصور کنید یک شرکت بیمه خودرو بتواند پیش از وقوع تصادف، با تحلیل داده‌های لحظه‌ای خودرو، وضعیت آب‌وهوا و الگوی رانندگی بیمه‌گذار، احتمال بروز حادثه را تشخیص دهد و با ارسال یک هشدار یا ارائه مشوق‌های مالی، از وقوع خسارت جلوگیری کند. یا یک شرکت بیمه درمان، با تحلیل داده‌های ساعت هوشمند بیمه‌گذار، نشانه‌های اولیه یک بیماری قلبی را شناسایی کرده و او را پیش از بستری شدن به انجام معاینه پزشکی ترغیب کند.

چنین سناریوهایی سال‌هاست به‌عنوان آینده صنعت بیمه مطرح می‌شوند. اما تحقق آنها تنها به توسعه مدل‌های هوش مصنوعی وابسته نیست؛ بلکه نیازمند زیرساخت‌های فناورانه‌ای است که بتوانند داده‌های لحظه‌ای را دریافت، پردازش و مبادله کنند.

البته سال‌هاست صنعت بیمه درباره استفاده از هوش مصنوعی، اینترنت اشیا و تحلیل داده برای پیش‌بینی ریسک و پیشگیری از وقوع خسارت صحبت می‌کند؛ اما سؤال اصلی همچنان پابرجاست: اگر آینده بیمه بر پایه تحلیل لحظه‌ای داده‌ها، اینترنت اشیا و پیش‌بینی ریسک بناشده، چرا بسیاری از شرکت‌های بیمه هنوز نتوانسته‌اند به این نقطه برسند؟

نقش هوش مصنوعی عامل‌محور در نوسازی زیرساخت فناوری

مک‌کنزی در گزارشی به نقش هوش مصنوعی عامل‌محور (Agentic AIها) در نوسازی سامانه‌های هسته‌ای و زیرساخت فناوری شرکت‌های بیمه پرداخته است.

سامانه هسته‌ای بیمه به مجموعه نرم‌افزارها و زیرساخت‌هایی گفته می‌شود که تمام فرایندهای اصلی یک شرکت بیمه، از صدور بیمه‌نامه و محاسبه حق بیمه گرفته تا مدیریت خسارت، اطلاعات مشتریان و ارتباط با سایر سامانه‌ها، بر بستر آن‌ها انجام می‌شود. این سامانه‌ها معمولاً طی چند دهه توسعه یافته‌اند و حجم زیادی از قواعد کسب‌وکار و داده‌های سازمان را در خود جای داده‌اند؛ به همین دلیل، نوسازی آن‌ها یکی از پیچیده‌ترین پروژه‌های فناوری در صنعت بیمه است.

بسیاری از پروژه‌های مهاجرت به سامانه‌های جدید، با وجود استفاده از فناوری‌های مدرن، به نتیجه مطلوب نمی‌رسند. دلیل این موضوع، خودِ فناوری نیست؛ بلکه پیچیدگی سامانه‌های قدیمی است که طی سال‌ها با انبوهی از قوانین، داده‌ها و فرایندهای اختصاصی شکل گرفته‌اند. به گفته مک‌کنزی، بسیاری از شرکت‌های بیمه هنگام نوسازی تلاش می‌کنند همه این پیچیدگی‌ها را عیناً به سامانه جدید منتقل کنند؛ رویکردی که هزینه، زمان و ریسک پروژه را به‌شدت افزایش می‌دهد. با این حال، هوش مصنوعی عامل‌محور می‌تواند فرایند نوسازی سامانه‌های هسته‌ای و زیرساخت فناوری شرکت‌های بیمه را سرعت ببخشد.

مک‌کنزی معتقد است عامل‌های هوشمند تقریباً در تمام مراحل نوسازی سامانه‌های هسته‌ای می‌توانند بهره‌وری ایجاد کنند. جدول زیر، مهم‌ترین کاربردها و میزان بهبود بهره‌وری در هر مرحله را نشان می‌دهد. بر اساس برآورد مک‌کنزی، بیشترین اثر هوش مصنوعی عامل‌محور در مراحل آزمون، تطبیق داده‌ها و رفع خطا مشاهده می‌شود؛ جایی که بهره‌وری می‌تواند تا ۹۰ درصد افزایش یابد. همچنین این فناوری در مراحل شناخت سامانه‌های قدیمی، تبدیل داده‌ها، استقرار سامانه جدید و مدیریت پروژه نیز می‌تواند بین ۱۰ تا ۶۰ درصد بهره‌وری ایجاد کند.

همان‌طور که جدول نشان می‌دهد، بیشترین تأثیر هوش مصنوعی عامل‌محور در مراحل آزمون، تطبیق داده‌ها و رفع خطاست؛ یعنی مراحلی که بیشترین زمان پروژه‌های نوسازی را به خود اختصاص می‌دهند. در نتیجه، هوش مصنوعی عامل‌محور فقط برای تولید کد نیست؛ بلکه تقریباً تمام چرخه نوسازی سامانه‌های هسته‌ای بیمه، از تحلیل سامانه‌های قدیمی تا استقرار نهایی و مدیریت پروژه، را پوشش می‌دهد.

تفاوت دستیار هوش مصنوعی و عامل هوشمند

لازم به ذکر است که دستیار هوش مصنوعی (Copilot) و عامل هوشمند (AI Agent) هر دو از هوش مصنوعی بهره می‌برند، اما نقش آن‌ها متفاوت است. دستیار هوش مصنوعی به درخواست‌های کاربر پاسخ می‌دهد و معمولاً هر بار یک وظیفه مشخص، مانند تولید متن، پاسخ به سؤال یا نوشتن کد را انجام می‌دهد و برای ادامه کار به دستور بعدی کاربر نیاز دارد.

در مقابل، عامل هوشمند برای دستیابی به یک هدف مشخص طراحی شده است؛ هدف را به مجموعه‌ای از وظایف کوچک‌تر تقسیم می‌کند، از ابزارها و منابع مختلف استفاده می‌کند، نتایج هر مرحله را ارزیابی می‌کند و در صورت نیاز مسیر خود را اصلاح یا برای تصمیم‌های حساس از انسان تأیید می‌گیرد. به بیان ساده، دستیار هوش مصنوعی به انجام یک وظیفه کمک می‌کند، اما عامل هوشمند مدیریت و اجرای یک فرایند یا پروژه را بر عهده می‌گیرد.

رویکرد مبتنی بر عامل‌های هوشمند این امکان را فراهم می‌کند که بازنویسی هدفمند و انتخابی این مجموعه گسترده از سامانه‌های قدیمی نیز از نظر اقتصادی توجیه‌پذیر شود. در نتیجه، علاوه بر کاهش هزینه‌های نگهداری، زمان موردنیاز برای مهاجرت، یکپارچه‌سازی و تکمیل فرایند نوسازی نیز به‌طور محسوسی کاهش خواهد یافت.

تحقق این هدف مستلزم سه تحول اساسی است:

• نخست، عامل‌های هوشمند باید در سراسر چرخه عمر نوسازی سامانه‌ها به کار گرفته شوند، نه اینکه صرفاً برای انجام چند وظیفه محدود مورد استفاده قرار گیرند.
• دوم، پروژه‌های نوسازی باید به‌عنوان یک سبد یکپارچه از برنامه‌های تحول مدیریت شوند تا امکان استفاده مجدد از قابلیت‌های توسعه‌یافته فراهم شده و هزینه نهایی اجرای پروژه‌ها به‌تدریج کاهش یابد.
• سوم، نقش‌های سازمانی، سازوکارهای حاکمیتی و چارچوب‌های مدیریت ریسک باید متناسب با مدل اجرای مبتنی بر عامل‌های هوشمند بازطراحی شوند.

در نهایت، ارزش اصلی این تحول تنها به نوسازی سامانه‌های قدیمی محدود نمی‌شود. سامانه‌های هسته‌ای مدرن این امکان را در اختیار شرکت‌های بیمه قرار می‌دهند که داده‌های لحظه‌ای را از منابع مختلف دریافت و تحلیل کنند، ریسک‌ها را پیش از وقوع حادثه شناسایی کنند و به‌جای واکنش به خسارت، برای پیشگیری از آن اقدام کنند. به این ترتیب، هوش مصنوعی عامل‌محور نه‌تنها نوسازی زیرساخت‌های فناوری را سرعت می‌بخشد، بلکه یکی از مهم‌ترین پیش‌نیازهای گذار صنعت بیمه از مدل سنتی «پرداخت خسارت» به مدل «پیشگیری از خسارت» را نیز فراهم می‌کند.

بنابراین رقابت آینده صنعت بیمه احتمالاً نه بر سر سرعت پرداخت خسارت، بلکه بر سر سرعت نوسازی زیرساخت‌های فناوری خواهد بود؛ زیرا تنها شرکت‌هایی که بتوانند سامانه‌های هسته‌ای خود را بازآفرینی کنند، قادر خواهند بود از ظرفیت‌های هوش مصنوعی برای مدیریت پیشگیرانه ریسک استفاده کنند.