.gif?rand=437)
H εφαρμογή της ΑΙ στην ασφαλιστική βιομηχανία αφορά κυρίως την αυτοματοποίηση επαναλαμβανόμενων έργων, την εξαγωγή πληροφοριών από μεγάλα – σύνθετα σύνολα δεδομένων και τη βελτίωση παραμετρικών υπηρεσιών.
Από τις δύο μορφές τεχνητής νοημοσύνης που καταγράφονται α) τη λεγόμενη ισχυρή ή γενική νοημοσύνη που αφορά μηχανές που πραγματικά σκέφτονται και δεν προσομοιώνουν απλά την ανθρώπινη σκέψη και β) την αδύναμη ή περιορισμένη ΑΙ, που αφορά μηχανές που φέρονται σαν να έχουν νοημοσύνη και μπορούν να επιτελέσουν περιορισμένο εύρος λειτουργιών, στην ασφαλιστική αγορά αξιοποιείται η δεύτερη.
Σύμφωνα με τη Swiss Re “Αν και η τεχνητή νοημοσύνη επιτρέπει στους αντασφαλιστές να γίνουν πιο αποτελεσματικοί και να προσφέρουν νέες λύσεις, είναι σημαντικό να έχουμε κατά νου ότι, μέχρι στιγμής, απαιτείται ένα ολόκληρο σύστημα για τη χρήση της εν λόγω τεχνολογίας, συμπεριλαμβανομένης της ανθρώπινης αλληλεπίδρασης. Επομένως, η προστιθέμενη αξία της τεχνητής νοημοσύνης προέρχεται μόνο από τον έξυπνο συνδυασμό μοντέλων τεχνητής νοημοσύνης και ανθρώπινων διαδικασιών, όχι απλώς από ένα αυτόνομο μοντέλο τεχνητής νοημοσύνης.
Οι τεχνολογίες τεχνητής νοημοσύνης που χρησιμοποιούνται περισσότερο στην ασφάλιση σήμερα είναι η Μηχανική Μάθηση, η Επεξεργασία Φυσικής Γλώσσας και το Computer Vision. Υπάρχουν πολλές προϋποθέσεις που πρέπει να πληρούν οι εφαρμογές τεχνητής νοημοσύνης για να ωφελήσουν τον ασφαλιστικό κλάδο και την κοινωνία γενικότερα. Τα προηγμένα αναλυτικά στοιχεία και ορισμένες μορφές τεχνητής νοημοσύνης εμπλουτίζουν όλο και περισσότερο την αλυσίδα αξίας των ασφαλίσεων εδώ και αρκετά χρόνια και θα έχουν διαφορετικό αντίκτυπο σε κάθε στάδιο της αλυσίδας αξίας στο μέλλον.”
Ο βαθμός επίδρασης της τεχνητής νοημοσύνης ανά τομέα
Καταγράφοντας στο άρθρο “Benefits and use cases of AI in insurance” οι αναλυτές της Swiss Re εξηγούν ότι η επίδραση της ΤΝ στις ασφαλιστικές διαδικασίες έχει διαβαθμίσεις ανά πεδίο. Τομείς που θα επηρεαστούν σε μεγάλο βαθμό είναι η τιμολόγηση, η αναλογιστική διαδικασία, η διαχείριση συμβολαίου, η ανάλυση και η παρακολούθηση του ρίσκου, η διαχείριση χαρτοφυλακίου, η απάτη και ο υπολογισμός των αξιώσεων.
Στην πράξη η ΑΙ
Η εφαρμογή της τεχνολογίας ΤΝ συναντάται στους ακόλουθους τομείς:
1. Underwriting – βελτιωμένη αξιολόγηση κινδύνου και κατανόηση των πελατών:
Οι αντασφαλιστές έχουν πρόσβαση σε όλο και περισσότερα δεδομένα τη στιγμή της ανάληψης του κινδύνου. Σκεφτείτε την τηλεματική, τους αισθητήρες τηλεχειρισμού, τις δορυφορικές εικόνες ή τα ψηφιακά αρχεία που αφορούν εφαρμογές για την υγεία και την ευζωία. Η ικανότητα των αντασφαλιστών να μετατρέπουν αυτά τα δεδομένα σε αξιόπιστες πληροφορίες στο underwriting, αποτελεί βασικό ανταγωνιστικό παράγοντα διαφοροποίησης, καθώς τους επιτρέπει να προσφέρουν στους πελάτες πιο προσαρμοσμένη κάλυψη και ορθότερη τιμολόγηση.
Οι τεχνικές τεχνητής νοημοσύνης, όπως η εποπτευόμενη μάθηση, μπορούν να συμπληρώσουν και να εξορθολογίσουν ορισμένες διαδικασίες UW.
2. Αξιώσεις – βελτιωμένες διαδικασίες, νέα προϊόντα και κάλυψη για περισσότερους κινδύνους
Οι δυνατότητες τεχνητής νοημοσύνης μπορούν όχι μόνο να βελτιώσουν την αποτελεσματικότητα και τις γνώσεις, αλλά μπορούν επίσης να επιτρέψουν την ανάπτυξη νέων λύσεων και την κάλυψη για κινδύνους που δεν ήταν ασφαλίσιμοι στο παρελθόν. Λόγου χάρη η παραμετρική ασφάλιση για την καθυστέρηση πτήσεων στη Swiss Re βασίζεται σε ένα μοντέλο τεχνητής νοημοσύνης που μπορεί να προβλέψει τις καθυστερήσεις πτήσεων. Σε περίπτωση καθυστέρησης, οι πελάτες που αγόρασαν την ασφάλεια κατά την αγορά του εισιτηρίου τους θα λάβουν μια άμεση εξόφληση – χωρίς να χρειάζεται να υποβάλουν αξίωση. Η λύση χρησιμοποιεί περισσότερα από 200 εκατομμύρια ιστορικά σημεία δεδομένων και η δυνατότητα μηχανικής εκμάθησης της μηχανής τιμολόγησης επιτρέπει προσαρμογές τιμών, με βάση δεδομένα από περισσότερες από 90.000 πτήσεις την ημέρα.
3. Αξιώσεις – Μείωση της απάτης σε τροχαία ατυχήματα και καταγραφή προφίλ οδήγησης
Εκμεταλλευόμενη τη συμβολή του edge computing και της τεχνητής νοημοσύνης, μια ιταλική startup καταγράφει το μπροστινό οπτικό πανόραμα ενός κινούμενου οχήματος, αναγνωρίζει το στυλ οδήγησης του οδηγού και σε περίπτωση ατυχήματος καταγράφει τις συνθήκες.
Η καταγραφή γίνεται στο cloud χρησιμοποιώντας αποκλειστική τεχνολογία που επιτρέπει την ασφαλή μετάδοση κρυπτογραφημένων αποσπασμάτων βίντεο. Μόλις εισέλθουν στο cloud, τα αποσπάσματα βίντεο συναρμολογούνται εκ νέου και επεξεργάζονται χρησιμοποιώντας αλγόριθμους υπολογιστικής όρασης που ανωνυμοποιούν τα προσωπικά δεδομένα που συλλέγονται κατά τις εγγραφές (όπως πρόσωπα και πινακίδες κυκλοφορίας αυτοκινήτων) για συμμόρφωση με τον κανονισμό περί απορρήτου δεδομένων (π.χ. GDPR).
Το ανώνυμα βίντεο μπορεί στη συνέχεια να χρησιμοποιηθεί ως απόδειξη της δυναμικής του ατυχήματος και για την εξαγωγή βασικών δεδομένων για τον προσδιορισμό του στυλ οδήγησης και της ικανότητας ταξινόμησης του κινδύνου οδηγού. Το σύστημα έχει λάβει χρηματοδότηση από την ιταλική κυβέρνηση για την ανάπτυξη μέρους του έργου.
