به گزارش دیوان اقتصاد، مطالعه‌ کی‌پی‌ام‌جی نشان می‌دهد که شرکت‌های بیمه انتظارات بالایی برای پذیرش هوش مصنوعی دارند، اما فشارهایی برای بازگشت فوری سرمایه وجود دارد. ۶۶ درصد از پاسخ‌دهندگان، بازده بالای سرمایه‌گذاری در هوش مصنوعی را پیش‌بینی می‌کنند، و همه معتقدند که این تکنولوژی مزیت رقابتی ایجاد می‌کند. در عین حال، اعتماد به هوش مصنوعی یک چالش است، چراکه ۴۶ درصد از مدیران نگرانی‌هایی دارند و تنها ۲۵ درصد به آن اعتماد کامل دارند. هوش مصنوعی در فرآیندهای بیمه مانند طبقه‌بندی ریسک، تحلیل پیشگویانه، شناسایی کلاهبرداری و شخصی‌سازی قیمت‌گذاری تاثیر دارد. همچنین در ارزیابی طول عمر و اصلاح ساختارهای قیمت‌گذاری کمک می‌کند. کی‌پی‌ام‌جی سه مرحله برای بهره‌برداری از هوش مصنوعی پیشنهاد می‌کند: ۱) فعال‌سازی، که شامل ایجاد زیرساخت‌ها و استراتژی‌های هوش مصنوعی است. ۲) جاسازی، که هوش مصنوعی را در عملیات کسب‌وکار ادغام می‌کند. ۳) تکامل، که بر تغییر الگوهای کسب‌وکار و استفاده از فناوری‌های نوظهور مانند محاسبات کوانتومی و زنجیره بلوکی تمرکز دارد.

مطالعه‌ شرکت خدمات حرفه‌ای جهانی کی‌َپی‌ام‌جی[۱] نشان می‌دهد، شرکت‌های بیمه انتظارات بالایی برای پذیرش و بهره‌برداری از هوش مصنوعی دارند، اما درعین‌حال، فشارهایی برای بازگشت فوری سرمایه (ROI)[2]، به‌ویژه از سوی سهامداران وجود دارد.

نتایج این مطالعه نشان می‌دهد، ۶۶ درصد از پاسخ‌دهندگان، بازده متوسط ​​تا بسیار بالایی برای سرمایه‌گذاری در هوش مصنوعی را پیش‌بینی می‌کنند و همه پاسخ‌دهندگان معتقدند شرکت‌هایی که از هوش مصنوعی استقبال می‌کنند، مزیت رقابتی خواهند داشت.

در همین حال، انتظار می‌رود، هزینه‌های هوش مصنوعی افزایش یابد و تمامی پاسخ‌دهندگان نشان دادند که قصد دارند، بخش عمده‌ای از بودجه خود را به هوش مصنوعی اختصاص دهند. از این تعداد، ۶۶ درصد پیش‌بینی می‌کنند تا ۲۰ درصد از بودجه جهانی خود را صرف هوش مصنوعی نمایند، در حالی که ۳۴ درصد اعلام کردند که تصمیم به سرمایه‌گذاری بیش از ۲۰ درصد در این حوزه، دارند.

اعتماد به هوش مصنوعی همچنان یک چالش است، زیرا ۴۶ درصد از مدیران ارشد صنعت در مورد قابلیت اطمینان به آن، ابراز نگرانی می‌کنند و تنها ۲۵ درصد به طور کامل به کاربرد هوش مصنوعی در شرکت‌های خود، اعتماد دارند. با این حال، ۸۲ درصد، بر نیاز به چارچوب‌ها، سیاست‌ها و فرآیندهای قوی برای اطمینان از انطباق با مقررات و اجرای مسئولانه هوش مصنوعی، تایید می‌نمایند.

چگونه هوش مصنوعی بر رویه‌های بیمه، اثر می‌گذارد؟

بر پایه این مطالعه، هوش مصنوعی به روش‌های گوناگون، بر فرآیندهای بیمه تاثیر می‌گذارد. در ارزیابی ریسک[۳]، هوش مصنوعی طبقه‌بندی ریسک را خودکار می‌‌نماید، سوابق الکترونیکی سلامت را یکپارچه می‌سازد و از تجزیه و تحلیل پیشگویانه[۴] برای اصلاح قیمت‌گذاری و ارزیابی سیاست‌ها استفاده می‌کند.

در همین حال، شرکت‌های بیمه عمر از داده‌های پوشیدنی[۵] و ردیابی سلامت[۶] برای شخصی‌سازی در قیمت‌گذاری بیمه‌نامه و تشویق به داشتن رفتارهای سالم بهره‌برداری می‌کنند. همچنین، هوش مصنوعی با شناسایی کلاهبرداری، تجزیه و تحلیل اسنادی مانند گواهی فوت و ساده‌سازی پرداخت‌ها با استفاده از یادگیری ماشین[۷]، خودکارسازی ادعاها را افزایش می‌دهد.

در مدل‌سازی طول عمر[۸] و انطباق[۹]، هوش مصنوعی به ارزیابی امید به زندگی، تشخیص شروع بیماری و بهینه‌سازی طبقه‌بندی ریسک کمک می‌کند و به بیمه‌گران این امکان را می‌دهد تا ساختارهای قیمت‌گذاری و پرداخت را اصلاح نمایند.

در حال حاضر، اهداف راهبری برای پذیرش هوش مصنوعی، بیشتر بر کارایی عملیاتی متمرکز است تا ارزش راهبردی گسترده‌تر. شرکت کی‌پی‌ام‌جی، برای کمک به شرکت‌های بیمه در جهت بهره‌برداری از هوش مصنوعی، سه مرحله ارزش را پیشنهاد می‌دهد: فعال‌سازی، جاسازی و تکامل.

سه مرحله ارزش کدامند؟

بر پایه دیدگاه متخصصین کی‌پی‌ام‌جی، مرحله «فعال‌سازی» بر ایجاد پایه‌های هوش مصنوعی، با انتصاب مدیران مسئول، ایجاد راهبردی‌های هوش مصنوعی، شناسایی موارد استفاده با ارزش بالا، افزایش سواد هوش مصنوعی و اطمینان از همسویی نظارتی، تأکید دارد. همچنین، این مرحله شامل راه‌اندازی نمونه‌های آزمایشی هوش مصنوعی، استفاده از بن‌سازه‌های ابری[۱۰] و استفاده از الگوهای ازپیش‌آموزش‌دیده[۱۱] با حداقل سفارشی‌سازی است.

در همین حال، مرحله «جاسازی»، هوش مصنوعی را در جریان کاری کسب و کار، ادغام می‌نماید. در این مرحله، یک رهبر ارشد وجود خواهد داشت که چینش مجدد، مهارت‌آموزی مجدد[۱۲] و تغییر نیروی کار در سطح کل شرکت را هدایت می‌کند، هوش مصنوعی را در الگوهای عملیاتی شرکت تعبیه می‌نماید و مراقب اخلاق، اعتماد و نگرانی‌های امنیتی است.

همچنین، این پژوهش مرحله «تکامل» را ترسیم می‌نماید که بر تغییر الگو‌های کسب ‌وکار و زیست‌بوم‌ها[۱۳] با استفاده از هوش مصنوعی در کنار فناوری‌های نوظهوری همچون محاسبات کوانتومی[۱۴] و زنجیره بلوکی[۱۵]، تمرکز دارد. هدف، رسیدگی به چالش‌های بزرگ، افزایش ارزش شرکت و اولویت‌بندی اخلاق، اعتماد و امنیت است. آموزش نیروی کار نیز در جهت تقویت نوآوری، مورد تاکید است.

[۱] KPMG

[۲] Return on investment

[۳] Underwriting

[۴] Predictive analytics

[۵] Wearable

[۶] Wellness tracking

[۷] Machine learning

[۸] Longevity

[۹] Compliance

[۱۰] Cloud platform

[۱۱] Pre-trained model

[۱۲] Reskilling

[۱۳] Ecosystem

[۱۴] Quantum computing

[۱۵] Blockchain

منبع: تازه‌ها