صنعت بیمه، یکی از قدیمیترین صنایع در جهان است و بر اساس پیشبینیهای متخصصین این حوزه، در سال ۲۰۳۰، صنعت بیمه دستخوش تحولات گستردهای در سطح فناوری اطلاعات و خدمات نوین خواهد شد. فناوری بیمه یا اینشورتک برادر کوچک فینتک (کاربرد نوآورانه فناوری در ارائه خدمات مالی) است، ولی برخلاف فینتکها، توجه کمتری به اینشورتک شده است. با وجود اینکه یکی از اجزای اصلی کسبوکار صنعت بیمه، مدیریت ریسک است ولی تصمیمگیران صنعت بیمه، نسبت به ورود فناوریهای نوین، تحت عنوان اینشورتک، محتاط عمل کردهاند. این موضوع باعث شده که خدمات فناوریهای نوآورانه بیمه، نسبت به سایر حوزههای فینتک رشد مناسبی نداشته باشند. طبق گزارش پایگاه خبری راه پرداخت، در سال ۹۶، سرمایهگذاری در صنعت بانکداری ۴۰۰۰ میلیارد تومان و در صنعت بیمه فقط ۲۰۰ میلیارد تومان بوده است. در دنیا نیز وضع به همین منوال است و در سال ۲۰۱۷ بیش از ۴۰ میلیارد دلار روی استارتآپهای فینتک، سرمایهگذاری شده است در صورتی که فقط دو میلیارد دلار آن مربوط به اینشورتک بوده است.
اینشورتک یک اکوسیستم فناورانه است که با استقرار آن، ضمن حفظ اطلاعات و با امکان نظارت دستگاههای نظارتی، میتوانیم از فناوریهای نوین و آتی برای ایجاد خدمات و محصولات جدید و تصمیمات هوشمند استفاده کنیم. اکوسیستم اینشورتک، شامل اجزای مختلفی است و مبانی اصلی موفقیت آن محسوب میشود.
با ظهور مفاهیم اینشورتک، باید منتظر محصولات کاملا جدید و شیوه ارائه کاملا متفاوت آنها باشیم که از حالت عمومی خارج شده و به صورت خاص منظوره قابل ارائه است. به عنوان مثال، یک شخص قادر باشد، دوربین عکاسی خود را برای مدت محدودی بیمه کند و یا برای بیمه خودرو، بر اساس سوابق فرد و سوابق خودرو به صورت خاص بیمهنامهای برای استفاده در محدوده زمانی و مسافتی مشخص تعریف شود. شرکت لموند که یک بنگاه تجاری اینشورتکی است، به صورت اختصاصی روی مالک و مستاجر متمرکز شده است و کاربر میتواند ظرف مدت ۹۰ ثانیه، بیمهنامه خود را تنظیم و صادر کند و در صورت بروز حادثه، پرداخت خسارت هم به صورت ماشینی، تحلیل اطلاعات ارسالی را انجام و در مدت هفت ثانیه، خسارت در وجه زیاندیده، کارسازی میشود.
صنعت بیمه به صورت سریع در حال استفاده از راهحلهای هوشمند برای بهبود کارایی ادعای خسارت، افزایش ظرفیت فروش، کشف تقلب و استفاده از روباتهاست. طبق تحقیقات موسسه ژوپیتر، انتظار میرود مبلغ فروش حق بیمه توسط هوش مصنوعی، از ۳/۱ میلیارد دلار در سال ۲۰۱۹ به ۲۰ میلیارد دلار در سال ۲۰۲۴ افزایش پیدا کند.
میزان ادغام هوش مصنوعی با صنعت بیمه، روزبهروز بیشتر میشود و اگر بیمهگران میخواهند در بازار رقابت باقی بمانند، باید خودشان را با تغییرات وفق دهند. مدیران شرکتهای بیمه، موظف هستند فاکتورهای دخیل در این تحولات را بشناسند و با چگونگی تاثیر هوش مصنوعی بر شیوه رسیدگی به شکایات، توزیع، صدور 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. شرکتهای بیمهگر و اینشورتکها، وظیفه مشترکی دارند و آن، ترویج اعتماد به فناوریهای نوین است. در واقع اگر میخواهیم که بالهای صنعت بیمه را به جنبش درآوریم و تجربه دیجیتال را به مشتری عرضه کنیم، اولین گام این است که تاثیر فناوریها را با دقت مورد ارزیابی قرار داده و از شفاف بودن همه چیز اطمینان حاصل کنیم.
اینترنت اشیا، کلان داده و یادگیری ماشین از مهمترین مباحث نوآورانه، فینتکها هستند. شرکتهای بیمه در آینده، نیاز به استعدادها و افرادی خواهند داشت که مهارت و ساختار فکری متناسبی با این مفاهیم داشته باشند. نسل بعدی کارکنان موفق و پیشگام بیمه، باید ترکیبی از مهارت، خلاقیت، اشتیاق به فعالیت در شغل نیمهاتوماتیک و مبتنی بر ماشین را داشته باشند. تولید ارزش از موارد کاربردی فناوریهای نوین در آینده و ارائه یک تجربه منحصربهفرد و همهجانبه به مشتری، نیازمند به کارگیری مهارت، فناوری 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. تدوین و توسعه سیاستگذاری استوار و مداوم برای جذب، پرورش و حفظ کارکنان ماهر و کلیدی، برای باقی ماندن در میدان رقابت ضروری است.
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 کرده و روند مهاجرت به سوی فناوریهای پیشرفتهتر را فراهم کنند. پیشرفتهای سریعی که در تکنولوژی آینده رخ خواهد داد، تغییراتی انقلابی را در صنعت بیمه رقم خواهد زد. آن دسته از شرکتهای بیمهای که فناوریهای نوین را با هدف تولید محصولات جدید، یادگیری شناختی از منابع داده جدید، سادهسازی فرآیندها و کاهش هزینهها به کار بگیرند، پیروز میدان خواهند بود. مهمتر از همه، ذکر این نکته است که تمرکز بر تولید فرصت از فناوری و عدم موضعگیری برابر آن، امکان درخشش در صنعت بیمه، در سال ۲۰۳۰ میلادی را مهیا خواهد کرد.
بیمهها در حال حاضر به منظور دستیابی به بینشی جدید، از دادههای کلان و خام موجود، شروع به استفاده از فناوریهای نوین کردهاند. فناوریهای کلان دادهها، یادگیری ماشین و پردازش زبان طبیعی کمک شایانی به بهبود عملیات کسبوکار میکند و متعاقب آن، رضایت مشتریان را افزایش خواهد داد. همانطور که اشاره شد، در حال حاضر نیز، در دنیا شرکتهای بیمه، شروع به استفاده از فناوریهای نوین در برخی از فرآیندها از قبیل قیمتگذاری محصولات و پرداخت خسارت کردهاند. به عنوان مثال در حال حاضر در یک شرکت بیمهای ژاپنی، محاسبات پرداخت خسارت به صورت هوشمند جایگزین یک تیم ۳۰ نفری شده است. از بین فناوریهای مطرح شده، فناوری یادگیری ماشینی در صنعت بیمه، اقبال بیشتری برای استفاده داشته است.
یادگیری ماشینی، شاخهای از هوش مصنوعی و مبتنی بر این ایده است که سیستمها میتوانند از دادهها بیاموزند، الگوها را شناسایی کنند و نهایتا تصمیماتی با حداقل مداخله انسان، اتخاذ کنند. این یادگیری از تشخیص الگو، شکل گرفته و این نظریه متولد شده که کامپیوترها بتوانند بدون برنامهنویسی، برای اجرای وظایف مشخص، خودشان یاد بگیرند و اجرا شوند. یادگیری ماشینی، یک روش آنالیز دادههاست که مدلسازی تحلیلی را خودکارسازی میکند. در گذشته اساسا بیمه، با مدل پس از واقعه کار میکردند و بر اساس آن بیمهگران بعد از حادثه به مشتریان خسارت میدهند. هوش مصنوعی این مدل را تغییر میدهد و میتواند مشتریان را از مواجهه با ریسکها مطلع و حتیالامکان از بروز حوادث جلوگیری کند. همچنین با استفاده از اینترنت اشیا و حجم بالایی از دادهها و تحلیل آنها در پیشگیری از بیماریها، حوادث و رخدادها استفاده خواهد شد. استفاده از هوش مصنوعی برای تحلیل، ارزیابی و تصمیمگیری، به تحلیل پیشبینی و تجویزی معروف است. شرکتهای بیمه میتوانند از نرمافزارهای هوشمند برای کمک به تصمیمگیری در حوزههای مختلف استفاده کنند.
یادگیری ماشینی چالشهای مختلفی را به همراه دارد که باید برای هر یک، سازوکاری مشخص توسط شرکتهای بیمه در نظر گرفته شود. نکته اول اینکه این یادگیری ماشینی، نیازمند یادگیری است و باید حجم مناسبی از دادهها و تراکنشهای فروش و خسارت وجود داشته باشد تا بتوانیم انواع سناریوهای ممکن را به عنوان ورودی یادگیری به ماشین بدهیم. همچنین این روش نیاز به منابع اطلاعاتی درست و قابل اتکا دارد و کیفیت دادههای استفادهشده برای حصول دقت مناسب خروجیها، بسیار تاثیرگذار است. از طرفی به دلیل اینکه پیشبینی نتایج موفقیت، در شروع پروژههای یادگیری ماشینی قابل اندازهگیری دقیق نیست توجیه اعضای هیات مدیره شرکتهای بیمه، برای تامین سرمایهگذاری روی این موضوعات نوآورانه مشکل است. چالش مهم دیگر، امنیت اطلاعات است. با توجه به اینکه یادگیری ماشینی و دادههای آن معمولا برای بخشهای حساس و استراتژیک استفاده میشود بنابراین حفظ این دستاورد بسیار مهم است.
مهمترین ویژگی عصر حاضر، تغییر است و در جهان امروزی هیچ چیز پایدار نیست. رشد فزاینده استفاده از دنیای مجازی در فرآیندهای کسبوکارها، استفاده از هوش مصنوعی برای شبیهسازی آینده، کوتاه شدن چرخه عمر محصولات، افزایش آگاهی مشتریان و پیچیدگی نیازهای آنها تنها بخشی از این تغییرات هستند. این تغییرات در عرصه خدمات مالی نیز همانند سایر بخشهای خدمات و صنایع، آثار خود را گذاشته است و صنعت بیمه نیز دیر یا زود باید این تغییرات و تحولات بزرگ را بپذیرد.
نکته پایانی
دوران تحول در فناوریهای صنعت بیمه فرارسیده و شرکتهای بیمه و فعالان این بخش باید طی دهه جاری، مشتریان خود را با عرضه محصولات، خدمات و روشهای نوین فرآیندی حفظ کنند. صنعت بیمه، با بهکارگیری فناوریهای نوین از قبیل هوش مصنوعی، یادگیری ماشینی، کلان دادهها و اینترنت اشیاء میتواند در ارائه خدمات و محصولات کاراتر، سودآوری بیشتر و رضایتمندی ذینفعان گامهای درستی را بردارد و طبیعتا با بهبود شرایط و امکانات تحلیلی، تصمیمگیری و خدماتی، بهرهوری فرآیندها و رضایت مشتریان نیز افزایش مییابد.
info@nazmaranco.com
