به گزارش دیوان اقتصاد، این گزارش تحلیلی توسط گروه پژوهشی فناوری‌های نوین بیمه‌ای (میز تخصصی تحلیل داده و هوش مصنوعی) تهیه شده است.

در این گزارش تأکید شده است که با وقوع جنگ یا بحران‌های گسترده، ماهیت داده‌ها در سه بعد اساسی دچار تحول می‌شود: تغییر ناگهانی در الگوهای ریسک و خسارت، کاهش کیفیت و دسترسی به داده‌ها، و تغییرات بنیادین در رفتارهای اقتصادی و اجتماعی بیمه‌گذاران.بر اساس این پژوهش، «پدیده گسست الگوها» (Pattern Disruption) به عنوان یکی از مهم‌ترین چالش‌های پیش‌روی مدل‌های یادگیری ماشین و هوش مصنوعی در شرایط بحران معرفی شده است. این پدیده باعث کاهش دقت مدل‌های پیش‌بینی مبتنی بر داده‌های گذشته می‌شود.

در این گزارش، نوع تغییر توزیع داده‌ها (Covariate Shift) و تغییر رابطه بین متغیرها و خروجی مدل (Concept Drift) به عنوان دو چالش اصلی در علم داده تشریح شده است. شرایط جنگی می‌تواند هر دو نوع تغییر را به طور همزمان ایجاد کند.تجربه صنعت بیمه در دوران همه‌گیری کووید-۱۹ به عنوان نمونه‌ای از کاهش دقت مدل‌های پیش‌بینی خسارت در اثر تغییر ناگهانی رفتارهای اقتصادی و اجتماعی مورد اشاره قرار گرفته است.

این گزارش بر ضرورت توسعه سامانه‌های «پایش مداوم مدل‌ها» (Model Monitoring) تأکید می‌کند. چنین سیستم‌هایی به صورت مستمر عملکرد مدل‌های پیش‌بینی را ارزیابی کرده و در صورت کاهش دقت، هشدارهای لازم را برای بازآموزی یا اصلاح مدل ارائه می‌دهند.در شرایط کمبود داده‌های تاریخی مرتبط با جنگ، تحلیل سناریو و شبیه‌سازی به عنوان ابزارهای کلیدی مدیریت ریسک معرفی شده است. شرکت‌های بیمه می‌توانند با استفاده از مدل‌های شبیه‌سازی، اثر سناریوهای مختلف اقتصادی، سیاسی یا امنیتی را بر خسارت‌های احتمالی و وضعیت مالی خود بررسی کنند.پایش مستمر شاخص‌های ریسک، تحلیل داده‌های مکانی، شناسایی ریسک‌های نوظهور (مانند حملات سایبری، اختلال در زنجیره تأمین و نوسانات اقتصادی) و ترکیب داده‌های اقتصادی، امنیتی و فناوری از دیگر کاربردهای تحلیل داده در مدیریت ریسک‌های ناشی از جنگ در این گزارش معرفی شده است.

در حوزه مدیریت خسارت و کشف تقلب، این گزارش نقش هوش مصنوعی در اولویت‌بندی پرونده‌های خسارت، تشخیص موارد مشکوک به تقلب از طریق تحلیل الگوهای رفتاری، تحلیل خودکار اسناد متنی با استفاده از پردازش زبان طبیعی، و ارزیابی سریع خسارت‌های فیزیکی با بهره‌گیری از تحلیل تصویر را تشریح کرده است.اهمیت استفاده از «داده‌های جایگزین» (Alternative Data) از جمله داده‌های ماهواره‌ای، سامانه‌های ردیابی کشتی‌ها، داده‌های حمل‌ونقل و اطلاعات لحظه‌ای بازار در شرایطی که دسترسی به داده‌های سنتی با محدودیت مواجه می‌شود، از دیگر محورهای این گزارش است.در بخش پایانی، الزامات راهبردی برای توسعه تحلیلی صنعت بیمه شامل توسعه زیرساخت‌های داده‌ای یکپارچه، ایجاد تیم‌های تخصصی علم داده، امکان پردازش سریع اطلاعات، استفاده از تحلیل بلادرنگ، به‌روزرسانی مستمر مدل‌های تحلیلی، استقرار چارچوب‌های حکمرانی داده و توجه به اصول استفاده مسئولانه از هوش مصنوعی ارائه شده است.

این گزارش در پایان خاطرنشان می‌کند که صنعت بیمه ایران هنوز به طور کامل داده‌محور نشده و بهره‌گیری نظام‌مند از فناوری‌های نوین تحلیل داده و هوش مصنوعی در آن به بلوغ نرسیده است. حرکت به سمت داده‌محوری در دوران بحران، نه یک انتخاب، بلکه یک ضرورت راهبردی است.

علاقه‌مندان می‌توانند متن کامل این گزارش پژوهشی را از طریق وب‌سایت پژوهشکده بیمه دریافت کنند.