Μέχρι πριν από λίγα χρόνια, η τεχνητή νοημοσύνη συχνά υποβιβαζόταν στη σφαίρα της επιστημονικής φαντασίας. Σήμερα, η αντίληψή μας για αυτήν εκτείνεται πολύ πέρα από φουτουριστικές απεικονίσεις, περιλαμβάνοντας μια ποικιλία από πρακτικές εφαρμογές της καθημερινότητας. Στους δρόμους μας αρχίζουν να κυκλοφορούν αυτοοδηγούμενα οχήματα.
Στα κινητά και τα σπίτια μας έχουμε «έξυπνους» βοηθούς, όπως η Siri και η Alexa. Και, βέβαια, το πιο πρόσφατο φαινόμενο που απασχολεί την κοινή γνώμη είναι η παραγωγική τεχνητή νοημοσύνη (Generative AI), με εργαλεία όπως το ChatGPT, τα οποία εντυπωσιάζουν, αλλά και προβληματίζουν, με τις δυνατότητές τους. Αυτή η αλλαγή στην αντίληψη αντανακλά όχι μόνο την ταχεία πρόοδο των τεχνολογιών τεχνητής νοημοσύνης, αλλά και την αυξανόμενη ενσωμάτωσή τους στην κοινωνία και την οικονομία.
Ασφάλιση και 4η Βιομηχανική Επανάσταση
Ωστόσο, η πραγματική δύναμη της τεχνητής νοημοσύνης βρίσκεται πέρα από εφαρμογές ευρείας χρήσης, στον τρόπο που μεταμορφώνει ριζικά ολόκληρους κλάδους. Από τη βιομηχανία μέχρι τις τράπεζες και από τις νομικές μέχρι τις ιατρικές υπηρεσίες, η τεχνητή νοημοσύνη είναι ο καταλύτης που, μέσα από εξειδικευμένες εφαρμογές, φέρνει μια νέα βιομηχανική επανάσταση, αντιμετωπίζοντας τις μοναδικές προκλήσεις κάθε τομέα και βοηθώντας επαγγελματίες και εταιρείες να λαμβάνουν τεκμηριωμένες αποφάσεις γρήγορα και με ακρίβεια. Ο κλάδος της ασφάλισης όχι μόνο δεν αποτελεί εξαίρεση, αλλά είναι από αυτούς που αλλάζουν πιο ραγδαία και ριζικά σε όλο το μήκος της αλυσίδας αξίας. Η ικανότητα του AI να αναλύει τεράστιες ποσότητες δεδομένων μεταφράζεται σε νέες πρακτικές στον κλάδο, που εξοικονομούν χρόνο και πολύτιμους πόρους.
Μία από τις πρώτες είναι η καταπολέμηση της απάτης μέσω αλγορίθμων που εντοπίζουν δόλιες αξιώσεις, ανιχνεύοντας κρυφά μοτίβα στα ασφαλιστικά δεδομένα. Χαρακτηριστικό είναι το παράδειγμα της κινεζικής Ping An, που, μέσω της πλατφόρμας της “PingAn Brain”, κατάφερε σε έναν χρόνο να εξοικονομήσει 302 εκατ. δολ., αυξάνοντας κατά 57% την ακρίβεια στον εντοπισμό απάτης. Η τεχνητή νοημοσύνη βοηθά και στην αυτοματοποίηση διαδικασιών, όπως η επεξεργασία αιτήσεων ασφάλισης, ενώ η διαδικασία της αναδοχής και της αξιολόγησης απαιτήσεων, που παραδοσιακά βασίζεται σε υποκειμενικές κρίσεις, καθίσταται πλέον όλο και πιο επιστημονική και αντικειμενική. Παράλληλα, αξιοποιώντας την αφθονία δεδομένων που υπάρχει στις μέρες μας, οι ασφαλιστές μπορούν να έχουν μια πιο ολιστική εικόνα του κινδύνου, αλλά και των πελατών τους, ώστε να κατανοούν καλύτερα τις ανάγκες τους.
Οι τεχνολογικές τάσεις που τροφοδότησαν αυτές τις εξελίξεις αναμένεται να συνεχίσουν να διαμορφώνουν τον κλάδο για τα επόμενα χρόνια, οδηγώντας σε μια πιο ολοκληρωμένη και εξατομικευμένη εμπειρία ασφάλισης. Τα ασφαλιστικά προϊόντα δεν θα βασίζονται απλώς σε στατιστικές, αλλά στα πραγματικά δεδομένα κάθε πελάτη και θα προσαρμόζονται δυναμικά.
Η ασφάλεια υγείας του μέλλοντος
Οι τεχνολογικές εξελίξεις δεν επηρεάζουν απλώς κάθε κλάδο μεμονωμένα, αλλά φέρνουν και αλλαγές στο πώς αυτοί αλληλεπιδρούν. Δεδομένης της προόδου στην Ψηφιακή Υγεία, ειδικά μετά την πανδημία, γίνεται φανερό ότι στον τομέα της υγείας συντελείται η πιο ουσιαστική. Μια αλλαγή πολύ πέρα από την αυτοματοποίηση διαδικασιών ή τη μείωση του κόστους. Η σχέση μεταξύ ασφαλιστικών εταιρειών, παρόχων υγειονομικής περίθαλψης και πελατών αναδιαμορφώνεται θεμελιωδώς. Αξιοποιώντας τις δυνατότητες της τεχνητής νοημοσύνης, οι ασφαλιστικές εταιρείες έχουν την ευκαιρία να μετατραπούν σε κεντρικούς «παίκτες» του οικοσυστήματος της Υγείας και σε πραγματικούς συμμάχους των ασφαλισμένων, προωθώντας την πρόληψη και διασφαλίζοντας την ευημερία τους.
Το Digital Health περιλαμβάνει ένα ευρύ φάσμα τεχνολογιών, όπως φορητές συσκευές που καταγράφουν τη δραστηριότητα και τα βιοσήματά μας ή εφαρμογές που προσφέρουν εξατομικευμένες συμβουλές για ευεξία. Η τεχνητή νοημοσύνη παίζει καθοριστικό ρόλο στην ανάλυση των δεδομένων υγείας, τόσο για διαγνωστικούς σκοπούς όσο και για την πρόβλεψη πιθανών κινδύνων. Φανταστείτε μια εφαρμογή που συλλέγει και αναλύει διαρκώς δεδομένα από το έξυπνο ρολόι του ασφαλισμένου, σε συνδυασμό με δεδομένα για τη διατροφή του, το ιατρικό ιστορικό του, ακόμη και γενετικά δεδομένα, για να δημιουργήσει μια ακριβέστερη εικόνα της υγείας του. Αυτό θα επέτρεπε στην ασφαλιστική να διαμορφώνει τα συμβόλαια σε ατομικό επίπεδο και να παρέχει κίνητρα για έναν υγιεινό τρόπο ζωής. Επιπλέον, η εφαρμογή μπορεί να λειτουργεί ως πλοηγός ή σύμβουλος υγείας (health navigator coach), υπενθυμίζοντας στον ασφαλισμένο να κάνει προληπτικές εξετάσεις και καθορίζοντας εξατομικευμένους στόχους υγείας, οι οποίοι συνδέονται με ανταμοιβές. Για παράδειγμα, η επίτευξη του ημερήσιου στόχου βημάτων ή η διατήρηση υγιούς καρδιακού παλμού μπορεί να οδηγεί σε εκπτώσεις στα ασφάλιστρα.
Όταν τα συμφέροντα του ασφαλιστή ευθυγραμμίζονται με τη μακροπρόθεσμη υγεία του πελάτη, προκύπτει ένα σενάριο διπλού κέρδους (win-win). Ενθαρρύνοντας την πρόληψη και τις υγιεινές συνήθειες, οι ασφαλιστικές μπορούν να μειώσουν σημαντικά τη συνολική επιβάρυνση της υγειονομικής περίθαλψης, προλαμβάνοντας χρόνια νοσήματα ή βελτιώνοντας τη διαχείρισή τους. Αυτό μεταφράζεται σε υψηλότερη ικανοποίηση για τους πελάτες, έναν υγιέστερο πληθυσμό και ένα πιο βιώσιμο μοντέλο ασφάλισης. Οι τεχνολογίες αυτές υπάρχουν ήδη και είναι σε μεγάλο βαθμό διαθέσιμες. Μεγάλες εταιρείες, όπως η αμερικανική Cigna, έχουν ήδη αρχίσει να δείχνουν τον δρόμο. Αυτό που απομένει είναι ένα αποφασιστικό βήμα στην υιοθέτηση και αξιοποίησή τους σε μεγάλη κλίμακα.
Νέες πρακτικές, νέες προκλήσεις
Είναι σημαντικό να αναγνωρίσουμε τα όρια της τεχνητής νοημοσύνης και τους κινδύνους που συνδέονται με αυτήν. Οι αλγόριθμοι δεν είναι αλάνθαστοι. Η δυνατότητά τους να βγάζουν έγκυρα συμπεράσματα εξαρτάται από την ποιότητα των δεδομένων που λαμβάνουν, με όποια κενά, λάθη ή μεροληψίες αυτά ενέχουν, ενώ συχνά λειτουργούν ως «μαύρα κουτιά». Σε ευαίσθητους τομείς, όπως η υγεία και η ασφάλιση, όπου η απάντηση ενός μηχανήματος μπορεί να καθορίσει τη διάγνωση κάποιου ή το αν θα αποζημιωθεί για μια απαίτηση, η αξιοπιστία και η διαφάνεια είναι υψίστης σημασίας. Αυτό το πρόβλημα προσπαθεί να αντιμετωπίσει η Επεξηγήσιμη Τεχνητή Νοημοσύνη, ερμηνεύοντας πώς ένας αλγόριθμος κατέληξε σε ένα συγκεκριμένο συμπέρασμα ή απόφαση.
Σε κάθε περίπτωση, οι διαδικασίες λήψης αποφάσεων χρειάζονται προσεκτικό έλεγχο. Επιπλέον, απαραίτητη είναι και η διαρκής εξέταση των ηθικών και νομικών ζητημάτων που αφορούν το απόρρητο και την ιδιοκτησία δεδομένων. Ο νέος κανονισμός της Ευρωπαϊκής Ένωσης για την τεχνητή νοημοσύνη (AI Act) στοχεύει στη δημιουργία ενός πλαισίου για την αξιόπιστη ανάπτυξη και χρήση της.
Μια εύλογη ανησυχία είναι ότι το ΑΙ θα οδηγήσει σε μείωση θέσεων εργασίας. Ωστόσο, πρέπει να κατανοήσουμε ότι το AI δεν είναι εδώ για –και δεν δύναται– να αντικαταστήσει τους γιατρούς ή τους ασφαλιστές. Είναι ένα ισχυρό εργαλείο που θα τους βοηθήσει αυτοματοποιώντας εργασίες, εξάγοντας χρήσιμες πληροφορίες από δεδομένα και επιτρέποντάς τους να επικεντρωθούν σε περίπλοκες περιπτώσεις. Αυτή η συνεργασία ανθρώπου-AI είναι το κλειδί για ένα πιο υγιές μέλλον, όπου η τεχνολογία δεν έρχεται να αντικαταστήσει, αλλά να συμπληρώσει την ανθρώπινη τεχνογνωσία.
Η δραστηριότητά μας στο εργαστήριο Υπολογιστικής Βιοϊατρικής
Το Εργαστήριο Υπολογιστικής Βιοϊατρικής (http://www.cbml.ds.unipi.gr) έχει αναπτύξει ολοκληρωμένες λύσεις για την απομακρυσμένη παρακολούθηση της υγείας, που ενσωματώνουν λειτουργίες επικοινωνίας με τηλεδιασκέψεις και ανταλλαγές αρχείων και μηνυμάτων, φορητές συσκευές για την καταγραφή βιοσημάτων και αλγορίθμους για την ανάλυση δεδομένων, που επιτρέπουν την υποστήριξη χρόνιων ασθενών και την ανεξάρτητη διαβίωση ηλικιωμένων.
Επιπλέον, επεκτείνουμε τη χρησιμότητά τους πέρα από τη συμβατική παρακολούθηση, με την εισαγωγή λειτουργιών συναισθηματικής υπολογιστικής (affective computing), που επιτρέπουν την έγκαιρη ανίχνευση δυνητικά επικίνδυνων καταστάσεων, καθώς η συναισθηματική κατάσταση ενός ατόμου έχει άμεση επίδραση στην υγεία, την πνευματική κατάσταση, τη συμπεριφορά και την ποιότητα της ζωής του.
Το εργαστήριο, όντας επίσης συνεπές με τις πρόσφατες εξελίξεις στον τομέα της τεχνητής νοημοσύνης, αναπτύσσει μεθοδολογίες και αλγορίθμους για τη βελτίωση της εξηγησιμότητας (ΧΑΙ-Explainable ΑΙ). Η παροχή επεξηγήσεων που υποδεικνύουν τα δεδομένα με τη μεγαλύτερη επιρροή στην πρόβλεψη είναι μείζονος σημασίας για τα συστήματα λήψης αποφάσεων. Η σημασία αυξάνεται εκθετικά όταν αναφερόμαστε σε αυτοματοποιημένα συστήματα στο περιβάλλον υγειονομικής περίθαλψης. Με την ανάπτυξη επεξηγήσιμων συστημάτων, η αξιοπιστία και η διαφάνεια είναι οι προστιθέμενες αξίες που μπορούν να φέρουν τους ειδικούς του τομέα της ασφάλισης πιο κοντά στον κόσμο της τεχνητής νοημοσύνης.
Η «επόμενη μέρα»
Στην καρδιά κάθε τεχνολογικού επιτεύγματος βρίσκεται μια απλή αλλά βαθιά υπόσχεση: να κάνουμε τη ζωή καλύτερη. Όπως η ατμομηχανή αναμόρφωσε τη βιομηχανία, το Διαδίκτυο και οι κινητές συσκευές άλλαξαν την καθημερινότητά μας, έτσι και η τεχνητή νοημοσύνη, μαζί με τους αισθητήρες και συσκευές συλλογής δεδομένων, υπόσχεται να αλλάξει καθοριστικά πολλούς κλάδους, μεταξύ των οποίων και την Ασφάλιση.
Ακόμη κι αν οι αλλαγές αυτές μοιάζουν μακρινές προοπτικές, οι άνθρωποι του χώρου χρειάζεται να κάνουν βήματα από τώρα για να προετοιμαστούν. Η ικανότητα κατανόησης και εξερεύνησης των δυνατοτήτων της τεχνητής νοημοσύνης εξελίσσεται σε κρίσιμη δεξιότητα για κάθε επαγγελματία του κλάδου. Παράλληλα, οι εταιρείες χρειάζεται να διαμορφώσουν άμεσα τη στρατηγική τους ως προς την υιοθέτηση των νέων τεχνολογιών και το εξελισσόμενο επιχειρηματικό τοπίο, αλλά και να δημιουργήσουν τις κατάλληλες τεχνολογικές υποδομές και το απαιτούμενο εξειδικευμένο ανθρώπινο δυναμικό.
Ο δρόμος έχει πολλές προκλήσεις, αλλά ο προορισμός –ένα πιο έξυπνο, πιο συμπονετικό οικοσύστημα υγείας– αξίζει τον κόπο.
Εικόνα: Πλατφόρμα για την απομακρυσμένη παρακολούθηση της υγείας.
