هوش مصنوعی در بیمههای اتکایی؛ به سوی هوشمندی ریسک
*فریال فراکش – مدیر اتکایی بیمه اتکایی تهران
هوش مصنوعی در بیمه اتکایی صرفاً ابزاری برای سرعتبخشیدن به امور اداری نیست، بلکه بهتدریج به بخشی از زیرساخت هوشمندی ریسک تبدیل میشود. شرکت بیمه اتکایی برای پذیرش هر ریسک باید اطلاعات متعددی مانند مشخصات فنی مورد بیمه، سوابق خسارت، میزان تعهد شرکت واگذارنده، شرایط اسلیپ، استثنائات و شرایط قرارداد و همچنین ارتباط آن ریسک با سایر اجزای پرتفوی خود را بررسی کند.
بخش زیادی از این اطلاعات در قالب اسناد غیرساختیافته، گزارشهای کارشناسی، فایلهای PDF و مکاتبات پراکنده قرار دارد. مدلهای پردازش زبان طبیعی و یادگیری ماشین میتوانند این اسناد را استخراج، طبقهبندی و استانداردسازی کنند، مغایرتهای قراردادی را تشخیص دهند و متغیرهای کلیدی مانند حدود تعهد، فرانشیز، دوره پوشش، استثنائات و شرایط بازگرداندن پوشش را در اختیار Underwriter قرار دهند. به این ترتیب، زمان متخصص از گردآوری و پاکسازی اطلاعات به تحلیل فنی و قضاوت حرفهای منتقل میشود.
کاربرد مهمتر هوش مصنوعی در شناسایی روابطی است که مشاهده آنها با روشهای سنتی دشوار است. یک ریسک ممکن است بهتنهایی قابلقبول به نظر برسد، اما در کنار سایر ریسکهای پرتفوی، تمرکز جغرافیایی، صنعتی یا زنجیرهای خطرناکی ایجاد کند.
الگوریتمهای تحلیل شبکه، دادههای مکانی و مدلهای پیشبینی میتوانند مشخص کنند که وقوع یک زلزله، سیل، حمله سایبری یا اختلال در زنجیره تأمین چگونه چندین بیمهنامه و قرارداد اتکایی را بهطور همزمان تحتتأثیر قرار میدهد. ترکیب این تحلیل با مدلهای فاجعه، تصاویر ماهوارهای، دادههای اقلیمی و سوابق خسارت، برآورد دقیقتری از خسارت مورد انتظار، خسارتهای حدی و میزان سرمایه در معرض خطر ارائه میدهد. این اطلاعات مستقیماً در قیمتگذاری، تعیین ظرفیت، طراحی لایههای پوشش، مدیریت تحمیع ریسک، خرید پوشش های واگذاری مجدد و تخصیص سرمایه اقتصادی کاربرد دارد و به شرکت کمک میکند بازده مورد انتظار را در برابر نوسان و احتمال خسارتهای شدید ارزیابی کند.
بااینحال، استفاده علمی و حرفهای از هوش مصنوعی مستلزم وجود دادههای معتبر، قابلمقایسه و دارای تاریخچه کافی است. مدل ممکن است بر اثر ضعف کیفیت داده، تغییر الگوی خسارتها، سوگیری نمونه یا اتکای بیشازحد به روابط آماری گذشته، برآورد نادرستی ارائه کند؛ بهویژه در ریسکهای نوظهوری مانند تغییرات اقلیمی و سایبری که دادههای تاریخی الزاماً نماینده آینده نیستند. به همین دلیل، خروجی مدل باید قابلتوضیح و قابلردیابی باشد و در کنار آن، اعتبارسنجی مستقل، آزمون سناریو، کنترل سوگیری، حفاظت از دادهها و نظارت انسانی برقرار شود. آینده بیمه اتکایی را نباید Underwriting بدون انسان دانست؛ بلکه باید آن را Underwriting تقویتشده با هوش مصنوعی تلقی کرد، جایی که ماشین الگوها و هشدارهای پنهان را آشکار میکند و متخصص، با درنظرگرفتن شرایط قرارداد، چرخه بازار، ظرفیت سرمایه و درجه عدمقطعیت، تصمیم نهایی را اتخاذ میکند.
