خوشامد بیمه به آینده
هوش مصنوعی چگونه آینده صنعت بیمه را متحول می‌کند؟
به آینده بیمه خوش آمدید. در یک داستان خیالی که به گفته کارشناسان به زودی به حقیقت می‌پیوندد می‌خواهیم تصویری از آینده بیمه به دست آوریم. آقای ایکس، یک مشتری بیمه در سال ۲۰۳۰ است. دستیار شخصی دیجیتالی او یک وسیله نقلیه با قابلیت‌های خودران برای جلسه‌ای در شهر به او سفارش می‌دهد. ایکس با سوار شدن به ماشین، تصمیم می‌گیرد که امروز رانندگی کند و ماشین را به حالت «فعال» می‌برد. دستیار شخصی او یک مسیر بالقوه را ترسیم می‌کند و آن را با بیمه‌گر حمل‌ونقل خود به اشتراک می‌گذارد، که بلافاصله با یک مسیر جایگزین که احتمال تصادفات و آسیب‌های خودرو و همچنین تعدیل قیمت محاسبه‌شده که نسبت به حق بیمه ماهانه کمتر است، مواجه می‌شود. دستیار ایکس به او اطلاع می‌دهد که بر اساس مسیری که انتخاب می‌کند و حجم و توزیع ماشین‌های دیگر در جاده، حق بیمه حمل‌ونقل او چهار تا هشت درصد افزایش می‌یابد. همچنین به او هشدار می‌دهد که بیمه‌نامه عمر او که اکنون بر اساس «پرداخت به اندازه زندگی» قیمت‌گذاری می‌شود، برای این سه ماه دو درصد افزایش می‌یابد. مبالغ اضافی به‌طور خودکار از حساب بانکی وی برداشت می‌شود.
وقتی آقای ایکس به پارکینگ مقصدش می‌رسد، ماشینش به یکی از چندین تابلوی پارک برخورد می‌کند. به‌محض توقف حرکت خودرو، تشخیص داخلی آن میزان آسیب را مشخص می‌کند. دستیار شخصی او به او دستور می‌دهد که سه عکس از قسمت سپر جلو سمت راست و دو عکس از محیط اطراف بگیرد. زمانی که ایکس به صندلی راننده برمی‌گردد، صفحه نمایش روی داشبورد او را از آسیب مطلع می‌کند، ادعا را تایید می‌کند و گزارش می‌دهد که یک پهپاد پاسخ متحرک برای بازرسی به محل مورد نظر اعزام شده است. اگر وسیله نقلیه قابل رانندگی باشد، ممکن است پس از رسیدن وسیله نقلیه جایگزین، برای تعمیر به نزدیک‌ترین گاراژ درون شبکه هدایت شود.
در حالی که این سناریو ممکن است فراتر از افق امروز به نظر برسد، چنین داستان‌های کاربری یکپارچه‌ای در تمام خطوط بیمه با سرعت زیادی در دهه آینده پدیدار خواهد شد. در واقع، تمام فناوری‌های مورد نیاز در بالا از قبل وجود دارد و بسیاری از آنها در دسترس مصرف‌کنندگان هستند. با موج جدید تکنیک‌های یادگیری عمیق، مانند شبکه‌های عصبی کانولوشن، هوش مصنوعی (AI) این پتانسیل را دارد که به وعده خود در تقلید از ادراک، استدلال، یادگیری و حل مساله ذهن انسان عمل کند. در این تکامل، بیمه از وضعیت فعلی خود یعنی «تشخیص و تعمیر» به «پیش‌بینی و پیشگیری» تغییر خواهد کرد و همه جنبه‌های صنعت را در این فرآیند متحول خواهد کرد. سرعت تغییر نیز با افزایش مهارت کارگزاران، مصرف‌کنندگان، واسطه‌های مالی، بیمه‌گران و تامین‌کنندگان در استفاده از فناوری‌های پیشرفته برای افزایش تصمیم‌گیری و بهره‌وری، کاهش هزینه‌ها و بهینه‌سازی تجربه مشتری، تسریع می‌شود.
از آنجا که هوش مصنوعی عمیق‌تر در صنعت ادغام می‌شود، اپراتورها باید خود را برای پاسخگویی به چشم‌انداز تجاری در حال تغییر آماده کنند. مدیران بیمه باید عواملی را که به این تغییر کمک می‌کنند و اینکه چگونه هوش مصنوعی ادعاها، توزیع و تعهدنامه و قیمت‌گذاری را تغییر می‌دهد، درک کنند. با این درک، آنها می‌توانند شروع به ایجاد مهارت‌ها و استعدادها، پذیرش فناوری‌های نوظهور و ایجاد فرهنگ و چشم‌انداز مورد نیاز برای بازیگران موفق صنعت بیمه در آینده کنند.
چهار روند مرتبط با هوش مصنوعی شکل‌دهنده بیمه
فناوری‌های زیربنایی هوش مصنوعی در حال حاضر در مشاغل، خانه‌ها و وسایل نقلیه ما و همچنین روی افراد ما به کار گرفته شده‌اند. اختلال ناشی از کووید ۱۹ با تسریع قابل توجه دیجیتالی شدن برای بیمه‌گران، زمان‌بندی پذیرش هوش مصنوعی را تغییر داد. تقریباً یک‌شبه، سازمان‌ها مجبور بودند برای تطبیق نیروهای کار از راه دور، قابلیت‌های دیجیتالی خود را برای پشتیبانی از توزیع و ارتقای کانال‌های آنلاین خود تنظیم کنند. در حالی که بیشتر سازمان‌ها احتمالاً در طول همه‌گیری کرونا، روی هوش مصنوعی سرمایه‌گذاری زیادی نکرده‌اند، تاکید بیشتر بر فناوری‌های دیجیتال و تمایل بیشتر برای پذیرش تغییرات، آنها را در موقعیت بهتری برای گنجاندن هوش مصنوعی در عملیات خود قرار می‌دهد. چهار روند اصلی فناوری، که به شدت با هوش مصنوعی (و گاهی اوقات به وسیله هوش مصنوعی) فعال می‌شوند، صنعت بیمه را در دهه آینده تغییر می‌دهند.
انفجار داده‌ها از دستگاه‌های متصل
در محیط‌های صنعتی، تجهیزات دارای حسگرها برای مدتی فراگیر بوده‌اند، اما در سال‌های آینده شاهد افزایش زیادی در تعداد دستگاه‌های مصرف‌کننده متصل خواهیم بود. نفوذ دستگاه‌های موجود (مانند اتومبیل‌ها، ردیاب‌های تناسب اندام، دستیاران خانگی، تلفن‌های هوشمند و ساعت‌های هوشمند) به سرعت در حال افزایش است و دسته‌های جدید و رو به رشدی مانند لباس، عینک، لوازم خانگی، دستگاه‌های پزشکی و کفش به آنها خواهند پیوست. کارشناسان تخمین می‌زنند تا سال ۲۰۲۵ تا یک تریلیون دستگاه متصل خواهد شد. داده‌های جدید ایجادشده از طریق این دستگاه‌ها به اپراتورها این امکان را می‌دهد تا مشتریان خود را عمیق‌تر درک کنند و در نتیجه دسته‌بندی‌های محصولات جدید، قیمت‌های شخصی‌شده‌تر و ارائه خدمات به‌طور فزاینده‌ای در زمان واقعی ایجاد شود. کارشناسان تخمین می‌زنند که تا سال ۲۰۲۵ تا یک تریلیون دستگاه متصل خواهد شد.
افزایش شیوع روباتیک فیزیکی
حوزه روباتیک اخیراً شاهد دستاوردهای هیجان‌انگیز بسیاری بوده است و این نوآوری همچنان نحوه تعامل انسان با دنیای اطراف خود را تغییر خواهد داد. تولید افزودنی، همچنین به عنوان چاپ سه‌بعدی شناخته می‌شود، به‌طور اساسی شکل تولید و محصولات بیمه تجاری آینده را تغییر می‌دهد. تا سال ۲۰۲۵، ساختمان‌های چاپ سه‌بعدی رایج خواهند شد و شرکت‌های حمل‌ونقل باید ارزیابی کنند که چگونه این توسعه ارزیابی‌های ریسک را تغییر می‌دهد. علاوه بر این، پهپادهای قابل برنامه‌ریزی و خودمختار، تجهیزات کشاورزی مستقل و روبات‌های جراحی پیشرفته همگی در دهه آینده از نظر تجاری قابل دوام خواهند بود. تا سال ۲۰۳۰، نسبت بسیار بیشتری از وسایل نقلیه استاندارد دارای ویژگی‌های خودران مانند قابلیت‌های خودران خواهند بود. اپراتورها باید بدانند که چگونه حضور فزاینده روباتیک در زندگی روزمره و در سراسر صنایع باعث تغییر مخاطرات، تغییر انتظارات مشتریان و فعال کردن محصولات و کانال‌های جدید می‌شود.
با فراگیر شدن داده‌ها، پروتکل‌های آنان ظاهر می‌شوند تا اطمینان حاصل شود که داده‌ها می‌توانند در صنایع به اشتراک گذاشته شوند و مورد استفاده قرار گیرند. نهادهای دولتی و خصوصی مختلف گردهم می‌آیند تا اکوسیستم‌هایی ایجاد کنند تا داده‌ها را برای موارد استفاده چندگانه تحت یک چهارچوب نظارتی و امنیت سایبری مشترک به اشتراک بگذارند. برای مثال، داده‌های مصرفی را می‌توان مستقیماً به شرکت‌های بیمه منتقل کرد، و داده‌های مربوط به خانه را می‌توان از طریق آمازون، اپل، گوگل و انواع تولیدکنندگان دستگاه‌های مصرف‌کننده در دسترس قرار داد.
پیشرفت در فناوری‌های شناختی
شبکه‌های عصبی کانولوشنال و سایر فناوری‌های یادگیری عمیق که در حال حاضر عمدتاً برای پردازش تصویر، صدا و متن بدون ساختار استفاده می‌شوند، برای کاربرد در طیف گسترده‌ای از کاربردها تکامل خواهند یافت. این فناوری‌های شناختی که بر اساس توانایی مغز انسان برای یادگیری از طریق تجزیه و استنتاج فعالیت می‌کنند، به رویکرد استانداردی برای پردازش جریان‌های داده‌های فوق‌العاده بزرگ و پیچیده تبدیل می‌شوند که از طریق محصولات بیمه مرتبط با رفتار افراد برنامه‌هایی تولید می‌شوند. با افزایش تجاری‌سازی این نوع فناوری‌ها، شرکت‌های مخابراتی به الگوهایی دسترسی خواهند داشت که دائماً در حال یادگیری و تطبیق با دنیای اطراف خود هستند. دسته‌بندی‌های محصول جدید، تکنیک‌های تعامل را قادر می‌سازند که به تغییرات در ریسک‌ها یا رفتارهای اساسی در زمان واقعی پاسخ دهند.
وضعیت بیمه در سال ۲۰۳۰
هوش مصنوعی و فناوری‌های مرتبط با آن تاثیر مهمی بر تمام جنبه‌های صنعت بیمه، از توزیع گرفته تا پذیره‌نویسی، قیمت‌گذاری و خسارت خواهند داشت. فناوری‌ها و داده‌های پیشرفته در حال حاضر بر توزیع و پذیره‌نویسی تاثیر می‌گذارند و سیاست‌ها در زمان واقعی قیمت‌گذاری، خریداری و تبیین می‌شوند. بررسی عمیق در مورد ظاهر بیمه در سال ۲۰۳۰ تغییرات چشمگیری را در زنجیره ارزش محصولات بیمه ایجاد می‌کند.
در آینده تجربه خرید بیمه سریع‌تر، با مشارکت کمتر بیمه‌گر و مشتری خواهد بود. اطلاعات کافی در مورد رفتار فردی شناخته‌شده، با الگوریتم‌های هوش مصنوعی که پروفایل‌های ریسک ایجاد می‌کنند، قابل پیش‌بینی خواهد بود. به‌طوری که زمان چرخه تکمیل خرید یک خودرو، محصول تجاری یا زندگی به چند دقیقه یا حتی ثانیه کاهش می‌یابد. شرکت‌های مخابراتی خودرو و خانگی مدتی است که قیمت‌گذاری فوری را فعال کرده‌اند، اما همچنان به بهبود توانایی خود برای صدور سیاست‌های فوری برای طیف وسیع‌تری از مشتریان، با گسترش دستگاه‌های تله‌ماتیک و اینترنت اشیای (IoT) خانگی و بلوغ الگوریتم‌های قیمت‌گذاری، ادامه می‌دهند. بسیاری از حامل‌های زندگی در حال آزمایش محصولات ساده‌شده هستند، اما اکثر آنها فقط به سالم‌ترین متقاضیان محدود می‌شوند و قیمت آنها بالاتر از یک محصول کاملاً قابل مقایسه است. از آنجا که هوش مصنوعی در بیمه‌نامه زندگی نفوذ می‌کند و اپراتورها می‌توانند ریسک را به روشی بسیار دقیق‌تر و پیچیده‌تر شناسایی کنند، ما شاهد موج جدیدی از محصولات عرضه فوری در بازار انبوه خواهیم بود.
قراردادهای هوشمند فعال‌شده از طریق بلاک‌چین به صورت آنی امکان پرداخت از حساب مالی مشتری را فراهم می‌کند. در همین حال، پردازش قرارداد و راستی‌آزمایی پرداخت حذف یا ساده‌سازی می‌شود و هزینه‌های جذب مشتری را برای بیمه‌گران کاهش می‌دهد. خرید بیمه تجاری به‌طور مشابه تسریع می‌شود زیرا ترکیبی از هواپیماهای بدون سرنشین، اینترنت اشیا و سایر داده‌های موجود اطلاعات کافی را برای الگوهای شناختی مبتنی بر هوش مصنوعی فراهم می‌کند تا به‌طور فعال یک نقل‌قول قابل اتصال ایجاد کنند.
آیا مایلید در مورد خدمات مالی ما بیشتر بدانید؟
محصولات بیمه مبتنی بر استفاده (UBI) بسیار پویا، تکثیر می‌شوند و متناسب با رفتار مصرف‌کننده‌ها طراحی می‌شوند. بیمه از مدل «خرید و تمدید سالانه» به یک چرخه پیوسته تبدیل می‌شود، زیرا پیشنهادهای محصول دائماً با الگوهای رفتاری افراد سازگار می‌شوند. علاوه بر این، محصولات به‌طور عمده به عناصر پوشش ریز (به عنوان مثال، بیمه باتری تلفن، بیمه تاخیر پرواز، پوشش‌های مختلف برای ماشین لباسشویی و خشک‌کن در خانه) تقسیم می‌شوند که مصرف‌کنندگان می‌توانند با نیازهای خاص خود، با توانایی مقایسه فوری قیمت‌ها از انواع مختلف، آنها را سفارشی کنند. شرکت‌های حامل برای سبدهای جداگانه محصولات بیمه‌ای متفاوتی را طراحی می‌کنند. محصولات جدید برای پوشش ماهیت در حال تغییر ترتیبات زندگی و سفر ظاهر می‌شوند. از آنجا که دارایی‌های فیزیکی بین چندین طرف به اشتراک گذاشته می‌شود، UBI با یک الگوی پرداخت به مایل یا پرداخت با سواری برای اشتراک‌گذاری خودرو و بیمه پرداخت با اقامت برای خدمات اشتراک‌گذاری در خانه، مانند Airbnb.۳، به یک امر عادی تبدیل می‌شود.
نقش نمایندگان بیمه تا سال ۲۰۳۰ به طرز چشمگیری تغییر خواهد کرد. تعداد نمایندگان به میزان قابل توجهی کاهش می‌یابد زیرا نمایندگان فعال بازنشسته می‌شوند و نمایندگان باقی‌مانده به شدت به فناوری برای افزایش بهره‌وری متکی هستند. نقش عوامل انتقال به تسهیل‌کننده فرآیند آموزش‌دهنده خواهد بود. نماینده آینده می‌تواند تقریباً همه انواع پوشش را بفروشد و با کمک به مشتریان در مدیریت مجموعه‌های پوشش خود در تجارب، سلامت، زندگی، تحرک، اموال شخصی و مسکونی، ارزش افزوده ایجاد کند. نمایندگان از دستیارهای شخصی هوشمند برای بهینه‌سازی وظایف خود و همچنین روبات‌های مجهز به هوش مصنوعی برای یافتن معاملات بالقوه برای مشتریان استفاده می‌کنند. این ابزارها به نمایندگان کمک می‌کنند تا از یک پایگاه مشتری بسیار بزرگ‌تر پشتیبانی کنند و در عین حال تعامل با مشتری (ترکیبی از حضوری، مجازی و دیجیتال) را کوتاه‌تر و معنادارتر کنند. این امر با توجه به اینکه هر تعامل دقیقاً متناسب با نیازهای فعلی و آینده هر فرد خواهد بود، ممکن خواهد شد.
در سال ۲۰۳۰، پذیره‌نویسی که امروزه می‌شناسیم، برای اکثر محصولات شخصی و تجاری کوچک در سراسر بیمه عمر و دارایی و تلفات وجود نخواهد داشت. فرآیند پذیره‌نویسی به چند ثانیه کاهش می‌یابد زیرا اکثریت پذیره‌نویسی خودکار و به وسیله ترکیبی از الگوهای یادگیری ماشینی و عمیق ساخته‌شده در پشته فناوری پشتیبانی می‌شود. این الگو‌ها از طریق داده‌های داخلی و همچنین مجموعه وسیعی از داده‌های خارجی که از طریق رابط‌های برنامه‌نویسی کاربردی و ارائه‌دهندگان داده‌ها و تحلیل‌های خارجی به آنها دسترسی دارند، تامین می‌شوند. اطلاعات جمع‌آوری‌شده از دستگاه‌های ارائه‌شده به وسیله حامل‌های اصلی، بیمه‌گران اتکایی، تولیدکنندگان محصول و توزیع‌کنندگان محصول در انواع مخازن داده‌ها و جریان‌های داده جمع‌آوری می‌شوند. این منابع اطلاعاتی، بیمه‌گران را قادر می‌کند تا تصمیمات قبلی را در مورد پذیره‌نویسی و قیمت‌گذاری اتخاذ کنند، و این امکان را فراهم می‌آورد که مشارکت فعالانه با قیمت‌گذاری قابل اتصال برای یک بسته محصول متناسب با مشخصات ریسک و نیازهای پوشش خریدار انجام شود.
تنظیم‌کننده‌ها الگوهای مبتنی بر یادگیری ماشینی منطبق بر هوش مصنوعی را بررسی می‌کنند، وظیفه‌ای که به روشی شفاف برای تعیین قابلیت ردیابی امتیاز نیاز دارد (شبیه به مشتقات فاکتور رتبه‌بندی که امروزه با ضرایبی استفاده می‌شود). برای تایید اینکه استفاده از داده برای بازاریابی و تعهدنامه مناسب است، تنظیم‌کننده‌ها ترکیبی از ورودی‌های الگو را ارزیابی می‌کنند. آنها همچنین هنگام تعیین نرخ در برنامه‌های آنلاین برای اطمینان از اینکه نتایج الگوریتم در محدوده‌های تاییدشده قرار دارند، سیاست‌های آزمایشی را برای ارائه‌دهندگان ایجاد می‌کنند. ملاحظات سیاست عمومی دسترسی به برخی از داده‌های حساس و پیش‌بینی‌کننده (مانند اطلاعات سلامت و ژنتیک) را محدود می‌کند که باعث کاهش پذیره‌نویسی و انعطاف‌پذیری قیمت و افزایش ریسک ضدانتخاب در برخی بخش‌ها می‌شود.
