O ασφαλιστικός κλάδος ανέκαθεν ασχολούνταν με τα δεδομένα, αλλά δεν ήταν πάντα σε θέση να αξιοποιήσει αυτά τα δεδομένα στη βέλτιστη χρήση. Μέχρι τώρα. Με την άνοδο της τεχνητής νοημοσύνης και τη δυνατότητα ανάλυσης και εκπαίδευσης από τεράστια σύνολα ψηφιακών πληροφοριών που συλλέγονται από δημόσιες και ιδιωτικές πηγές, οι ασφαλιστές βρίσκονται μπροστά σε όλες τις πτυχές της τεχνολογίας –από μηχανική εκμάθηση και επεξεργασία φυσικής γλώσσας έως ρομποτική αυτοματοποίηση διεργασιών και ανάλυση ήχου/βίντεο– μέχρι και την παροχή σύγχρονων και πιο ολοκληρωμένων ασφαλιστικών προϊόντων.
Η τεχνητή νοημοσύνη (AI) πρόκειται να διαδραματίσει ακόμη πιο καθοριστικό ρόλο στην ασφάλιση, ιδίως στο underwriting. Οι προηγμένοι αλγόριθμοι ΤΝ θα αξιοποιηθούν για την ταχεία ανάλυση τεράστιου όγκου δεδομένων, επιτρέποντας στους underwriters να προβαίνουν σε ακριβέστερες εκτιμήσεις κινδύνου.
Η χρήση της τεχνητής νοημοσύνης και η ανθρώπινη τεχνογνωσία είναι βέβαιο ότι θα βελτιώσουν τις διαδικασίες ανάληψης κινδύνου και θα αυξήσουν την αποτελεσματικότητά τους. Η εξάπλωση της τεχνολογίας 5G και η διάδοση των συσκευών του Διαδικτύου των Πραγμάτων (IoT) θα επιτρέψουν στους ασφαλιστές να «παρακολουθούν» τους κινδύνους σε πραγματικό χρόνο. Από τα συνδεδεμένα αυτοκίνητα που παρέχουν δεδομένα για την ασφάλιση αυτοκινήτων έως τις έξυπνες οικιακές συσκευές που επηρεάζουν την ασφάλιση ακινήτων, η ενσωμάτωση του 5G και του IoT θα προσφέρει στους ασφαλιστές πρωτοφανείς γνώσεις σχετικά με τις συμπεριφορές των ασφαλισμένων, μειώνοντας τον κίνδυνο και επιτρέποντας ακριβέστερη, αν όχι ατομική, τιμολόγηση.
Η ελληνική ασφαλιστική αγορά είναι μια μικρή αγορά, που δεν έχει το scale και δεν είναι στο ραντάρ μεγάλων αγορών. Η ασφαλιστική βιομηχανία δεν έχει αναπτυχθεί στον βαθμό που της αναλογεί, παρότι είναι ένας εκ των βασικότερων θεσμικών επενδυτών. Και αυτό, κατά την άποψή μου, σε έναν μεγάλο βαθμό, οφείλεται στο γεγονός ότι δεν έχει κατορθώσει να κερδίσει την εμπιστοσύνη και την προτίμηση των καταναλωτών. Χωρίς θεμελιώδεις αλλαγές στον τρόπο με τον οποίο οι ασφαλιστικές εταιρείες προσεγγίζουν την ασφάλιση, αλλά και τη σχέση με τον πελάτη, γενικότερα, δύσκολα θα μπορέσει να αλλάξει η κατάσταση αυτή και η ιδιωτική ασφάλιση θα παραμείνει μια βιομηχανία στην οποία θα εξακολουθούν να έχουν πρόσβαση οι λίγοι.
Ο κλάδος μας πρέπει να πάρει επιχειρηματικά και επιχειρησιακά ρίσκα, να αλλάξει τον τρόπο με τον οποίο προσεγγίζει τον πελάτη/καταναλωτή, να αποκτήσει ουσιαστική εξωστρέφεια και να αγκαλιάσει τις ευκαιρίες που προσφέρει, πλέον, απλόχερα η τεχνολογία.
Είναι φανερό ότι η εφαρμογή της ΑΙ επηρεάζει όλο το φάσμα των διαδικασιών:
- Ακρίβεια στη μέτρηση του κινδύνου, ορθολογικότερο υπολογισμό των οικονομικών απωλειών, βελτιστοποιημένο και γρήγορο underwriting, επεξεργασία μεγάλου όγκου πληροφοριών σε ταχύτατο χρόνο, λεπτομερή ανάλυση δεδομένων, τιμολόγηση που προσμετρά πολλούς παράγοντες και εξατομίκευση υπηρεσιών. Μέσα στην επόμενη δεκαετία, το βάρος των «γραφειοκρατικών» διαδικασιών θα πέσει σε πλατφόρμες, ψηφιακούς βοηθούς κ.ο.κ., εργαλεία τα οποία ο κλάδος θα μάθει να αξιοποιεί σε μεγαλύτερο βαθμό.
- Η υιοθέτηση νέων τεχνολογιών δύναται να παρέχει μια ισχυρή βάση πάνω στην οποία θα μπορέσει να επιτευχθεί αποτελεσματικότερη διαχείριση κινδύνων, αλλά και μείωση του κόστους πρόσκτησης και διανομής των προϊόντων, με αποτέλεσμα τη δημιουργία συνθηκών πιο «προσιτής» ασφάλισης τόσο από πλευράς κόστους όσο και από πλευράς επιλεξιμότητας κινδύνων.
Εύλογα ερωτήματα:
Πώς η τεχνητή νοημοσύνη θα διαμορφώσει το μέλλον του ασφαλιστικού κλάδου;
Οι πελάτες, πλέον, απαιτούν 24×7, self-service, φιλικές και προσωποποιημένες ψηφιακές υπηρεσίες, που παρέχουν σε αυτούς τόσο οι ασφαλιστές τους όσο και οι ασφαλιστικές τους εταιρείες μέσω των κατάλληλων portals, mobile apps, wallets, chatbots, δίνοντάς τους τη δυνατότητα να διαχειρίζονται με ευκολία και αμεσότητα τα συμβόλαιά τους, να πληρώνουν τα ασφάλιστρά τους και να υποβάλλουν με ευκολία και ταχύτητα οποιαδήποτε αιτήματά τους.
Με τη χρήση των Generative AI τεχνολογιών, όπως το ChatGPT, επιδιώκουν την καλύτερη και ταχύτερη εξυπηρέτηση του πελάτη και του συνεργάτη τους. Επίσης, με τη χρήση chatbots, απαντούν με ακρίβεια στις ερωτήσεις τους, εκμεταλλευόμενοι τη δυνατότητα που παρέχουν οι τεχνολογίες αυτές στην πρόσβαση και ανάλυση πολλαπλών πηγών δεδομένων πιο γρήγορα από ποτέ, αυξάνοντας δραματικά τις ανθρώπινες ικανότητες.
Με τη χρήση του ΑΙ, αναλύουν τα δεδομένα των πελατών τους και της αγοράς, διευρύνοντας τη δυνατότητα του Μάρκετινγκ να δημιουργήσει και να εφαρμόσει μια σειρά προηγμένων cross/up-selling τεχνικών, προσφέροντας πιο προσωποποιημένες λύσεις, που βελτιώνουν την εμπειρία του πελάτη.
Με τη χρήση των RPAs, τα οποία γίνονται εξυπνότερα και αποτελεσματικότερα, ενσωματώνοντας τις τεχνολογίες της τεχνητής νοημοσύνης, της μηχανικής μάθησης και της επεξεργασίας φυσικής γλώσσας, επιδιώκουν να βελτιώσουν περαιτέρω την αποτελεσματικότητα των καθημερινών λειτουργιών τους.
Άρα προσβλέπουμε στη δημιουργία μιας νέας πραγματικότητας συνέργειας εργαζομένων και υπολογιστών, που θα αλλάξει σε μεγάλο βαθμό και την αγορά εργασίας εργαζομένων και υπολογιστών.
Μπορεί η εφαρμογή της πλήρους τεχνητής νοημοσύνης, κάποια στιγμή στο μέλλον, να απειλήσει την ανθρώπινη ύπαρξη;
Η απάντηση σε αυτό το ερώτημα είναι: και ναι, και όχι. Βρισκόμαστε πολύ μακριά από ένα σενάριο επιστημονικής φαντασίας όπου οι μηχανές είναι τόσο έξυπνες, αποκτούν συνείδηση της ύπαρξής τους και, στο τέλος, εγείρονται εναντίον του ανθρώπου. Αυτήν τη στιγμή, η ΤΝ αυτό που κάνει πολύ καλά είναι να παράγει αλληλουχίες λέξεων που απαντούν στην ερώτηση του χρήστη και αυτή η αλληλουχία λέξεων έχει πολύ μεγάλη πιθανότητα να είναι η απάντηση στην ερώτηση.
Ωστόσο, η μηχανή δεν έχει καμία αντίληψη των λέξεων ή των νοημάτων. Και αυτός ακριβώς είναι ο λόγος που μπορεί να δώσει μια απάντηση που ναι μεν γραμματικά/συντακτικά είναι ορθή, ωστόσο δεν βασίζεται σε πραγματικά γεγονότα (το φαινόμενο αυτό λέγεται παραίσθηση της μηχανής-hallucination).
Ο κίνδυνος έγκειται περισσότερο στην ανθρώπινη ανοησία, που θα στηριχθεί σε πολύ μεγάλο βαθμό στην ευκολία παραγωγής περιεχομένου από τη μηχανή και θα πάψει να εμβαθύνει στο αντικείμενο εξειδίκευσής του, με αποτέλεσμα να μην είναι σε θέση να διακρίνει και να αξιολογεί αν, τελικά, αυτό που του έδωσε η μηχανή ως περιεχόμενο πρέπει να το αποδεχτεί ή όχι.