صنعت بیمه، یکی از قدیمی ترین صنایع در جهان است و بر اساس پیش بینی های متخصصین این حوزه، در سال ۲۰۳۰، صنعت بیمه دستخوش تحولات گسترده ای در سطح فناوری اطلاعات و خدمات نوین خواهد شد. فناوری بیمه یا اینشورتک برادر کوچک فین تک (کاربرد نوآورانه فناوری در ارائه خدمات مالی) است، ولی برخلاف فین تک ها، توجه کمتری به اینشورتک شده است. با وجود اینکه یکی از اجزای اصلی کسب وکار صنعت بیمه، مدیریت ریسک است ولی تصمیم گیران صنعت بیمه، نسبت به ورود فناوری های نوین، تحت عنوان اینشورتک، محتاط عمل کرده اند. این موضوع باعث شده که خدمات فناوری های نوآورانه بیمه، نسبت به سایر حوزه های فین تک رشد مناسبی نداشته باشند. طبق گزارش پایگاه خبری راه پرداخت، در سال ۹۶، سرمایه گذاری 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 استارت آپ های فین تک، سرمایه گذاری 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 دستگاه های نظارتی، می توانیم از فناوری های 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 می شود.
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 بیمه نامه ای 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 می تواند ظرف مدت ۹۰ ثانیه، بیمه نامه 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 زیان دیده، کارسازی می شود.
صنعت بیمه به صورت سریع در حال استفاده از راه حل های هوشمند برای بهبود کارایی ادعای خسارت، افزایش ظرفیت فروش، کشف تقلب و استفاده از روبات هاست. طبق تحقیقات موسسه ژوپیتر، انتظار می رود 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، روزبه روز بیشتر می شود و اگر بیمه گران می خواهند در بازار رقابت باقی بمانند، باید خودشان را با تغییرات وفق دهند. مدیران شرکت های بیمه، موظف هستند فاکتورهای دخیل در این تحولات را بشناسند و با چگونگی تاثیر هوش مصنوعی بر شیوه رسیدگی به شکایات، توزیع، صدور بیمه نامه و قیمت گذاری آشنا شوند. کسب اطلاع از این امور، برای موفقیت شرکت های بیمه در سال های آتی، ضروری است و زمینه را برای تربیت استعدادها و مهارت ها، استقبال از تکنولوژی های نوظهور، ایجاد فرهنگ و ترسیم چشم انداز برای آینده، مساعدتر می کند. شرکت های بیمه گر و اینشورتک ها، وظیفه مشترکی دارند و آن، ترویج اعتماد به فناوری های نوین است. در واقع اگر می خواهیم که بال های صنعت بیمه را به جنبش درآوریم و تجربه دیجیتال را به مشتری عرضه کنیم، اولین گام این است که تاثیر فناوری ها را با دقت مورد ارزیابی قرار داده و از شفاف بودن همه چیز اطمینان حاصل کنیم.
اینترنت اشیا، کلان داده و یادگیری ماشین از مهم ترین مباحث نوآورانه، فین تک ها هستند. شرکت های 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 نیمه اتوماتیک و مبتنی بر ماشین را داشته باشند. تولید ارزش از موارد کاربردی فناوری های نوین در آینده و ارائه یک تجربه منحصر به فرد و همه جانبه به مشتری، نیازمند به کارگیری مهارت، فناوری و داشتن دید کلی نسبت به بخش های مختلف سازمان است. وقوع یک تغییر فرهنگ هوشمندانه در شرکت های 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 سازمان ها، با هدف کسب مهارت ها و ظرفیت های ضروری و حفظ دانش، دست به طراحی و اجرای برنامه های به روز رسانی مهارت خواهند زد. معماری فناوری آینده نیز در مقایسه با امروز، دستخوش تحولاتی کلی خواهد شد. شرکت های بیمه باید شروع به سرمایه گذاری هدفمند کرده و روند مهاجرت به سوی فناوری های پیشرفته تر را فراهم کنند. پیشرفت های سریعی که در تکنولوژی آینده رخ خواهد داد، تغییراتی انقلابی را در صنعت بیمه رقم خواهد زد. آن دسته از شرکت های بیمه ای که فناوری های نوین را با هدف تولید محصولات جدید، یادگیری شناختی از منابع داده جدید، ساده سازی فرآیندها و کاهش هزینه ها به کار بگیرند، پیروز میدان خواهند بود. مهم تر از همه، ذکر این نکته است که تمرکز بر تولید فرصت از فناوری و عدم موضع گیری برابر آن، امکان درخشش در صنعت بیمه، در سال ۲۰۳۰ میلادی را مهیا خواهد کرد.
بیمه ها در حال حاضر به منظور دستیابی به بینشی جدید، از داده های کلان و خام موجود، شروع به استفاده از فناوری های نوین کرده اند. فناوری های کلان داده ها، یادگیری ماشین و پردازش زبان طبیعی کمک شایانی به بهبود عملیات کسب وکار می کند و متعاقب آن، رضایت مشتریان را افزایش خواهد داد. همان طور که اشاره شد، در حال حاضر نیز، در دنیا شرکت های بیمه، شروع به استفاده از فناوری های نوین در برخی از فرآیندها از قبیل قیمت گذاری محصولات و پرداخت خسارت کرده اند. به عنوان مثال در حال حاضر در یک شرکت بیمه ای ژاپنی، محاسبات پرداخت خسارت به صورت هوشمند جایگزین یک تیم ۳۰ نفری شده است. از بین فناوری های مطرح شده، فناوری یادگیری ماشینی در صنعت بیمه، اقبال بیشتری برای استفاده داشته است.
یادگیری ماشینی، شاخه ای از هوش مصنوعی و مبتنی بر این ایده است که سیستم ها می توانند از داده ها 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 برنامه نویسی، برای اجرای وظایف مشخص، خودشان یاد بگیرند و اجرا شوند. یادگیری ماشینی، یک روش آنالیز داده هاست که مدل سازی تحلیلی را خودکارسازی می کند. در گذشته اساسا بیمه، با مدل پس از واقعه کار می کردند و بر اساس آن بیمه گران بعد از حادثه به مشتریان خسارت می دهند. هوش مصنوعی این مدل را تغییر می دهد و می تواند مشتریان را از مواجهه با ریسک ها مطلع و حتی الامکان از بروز حوادث جلوگیری کند. همچنین با استفاده از اینترنت اشیا و حجم بالایی از داده ها و تحلیل آنها در پیشگیری از بیماری ها، حوادث و رخدادها استفاده خواهد شد. استفاده از هوش مصنوعی برای تحلیل، ارزیابی و تصمیم گیری، به تحلیل پیش بینی و تجویزی معروف است. شرکت های بیمه می توانند از نرم افزارهای هوشمند برای کمک به تصمیم گیری در حوزه های مختلف استفاده کنند.
یادگیری ماشینی چالش های مختلفی را به همراه دارد که باید برای هر یک، ساز وکاری مشخص توسط شرکت های بیمه در نظر گرفته شود. نکته اول اینکه این یادگیری ماشینی، نیازمند یادگیری است و باید حجم مناسبی از داده ها و تراکنش های فروش و خسارت وجود داشته باشد تا بتوانیم انواع سناریو های ممکن را به عنوان ورودی یادگیری به ماشین بدهیم. همچنین این روش نیاز به منابع اطلاعاتی درست و قابل اتکا دارد و کیفیت داده های استفاده شده برای حصول دقت مناسب خروجی ها، بسیار تاثیر گذار است. از طرفی به دلیل اینکه پیش بینی نتایج موفقیت، در شروع پروژه های یادگیری ماشینی قابل اندازه گیری دقیق نیست توجیه اعضای هیات مدیره شرکت های بیمه، برای تامین سرمایه گذاری روی این موضوعات نوآورانه مشکل است. چالش مهم دیگر، امنیت اطلاعات است. با توجه به اینکه یادگیری ماشینی و داده های آن معمولا برای بخش های حساس و استراتژیک استفاده می شود بنابراین حفظ این دستاورد بسیار مهم است.
مهم ترین ویژگی عصر حاضر، تغییر است و در جهان امروزی هیچ چیز پایدار نیست. رشد فزاینده استفاده از دنیای مجازی در فرآیندهای کسب وکارها، استفاده از هوش مصنوعی برای شبیه سازی 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 بخش های 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 فناوری های صنعت بیمه فرارسیده و شرکت های بیمه و فعالان این بخش باید طی دهه جاری، مشتریان خود را با عرضه محصولات، خدمات و روش های نوین فرآیندی حفظ کنند. صنعت بیمه، با به کارگیری فناوری های نوین از قبیل هوش مصنوعی، یادگیری ماشینی، کلان داده ها و اینترنت اشیاء می تواند در ارائه خدمات و محصولات کاراتر، سودآوری بیشتر و رضایتمندی ذی نفعان گام های درستی را بردارد و طبیعتا با بهبود شرایط و امکانات تحلیلی، تصمیم گیری و خدماتی، بهره وری فرآیندها و رضایت مشتریان نیز افزایش می یابد.