معماران آینده پیشگیری از ریسک در بیمه

با ظهور اینترنت اشیا، چهارمین انقلاب صنعتی ما را به سوی عصری جهان‌های فیزیکی و دیجیتال فوق‌متصل برده است. اینترنت اشیا و هوش مصنوعی این توانایی را دارند که برای صنعت بیمه، درک بهتری از ریسک‌های موجود به ارمغان بیاورند و از آن مهم‌تر، ابزاری برای جلوگیری از این ریسک‌ها فراهم کنند. نتیجه اینکه استفاده از دستگاه‌های مجهز به اینترنت اشیا می‌تواند هزینه‌های مربوط به حق بیمه و ادعای خسارت را کاهش دهد.

در این مطلب، به نحوه استفاده از مدل‌های هوش مصنوعی و دستگاه‌های مجهز به اینترنت اشیا برای کمک به مشاغل مختلف پرداخته‌ایم و به تأثیر آن بر کار بیمه‌گران اشاره کرده‌ایم. علاوه بر این، به مقررات‌گذاری‌ها و نظارت‌هایی اشاره کرده‌ایم که بعضی از آن‌ها هم‌اکنون اجرا می‌شود و برای اطمینان از استفاده اخلاقی از این فناوری‌ها، ضرورت دارند.

نقش هوش مصنوعی در اکوسیستم‌های بیمه‌ای

دستگاه‌های اینترنت اشیا مقدار زیادی داده تولید می‌کنند. یک خانواده متوسط در آمریکا حدود ۲۵ دستگاه مجهز به اینترنت اشیا (خودروهای متصل به اینترنت، خانه‌های هوشمند و فناوری‌های پوشیدنی) دارد و این دستگاه‌ها سالانه چیزی حدود ۱۳۰ گیگابایت داده تولید می‌کنند. برای انسان غیرممکن است که همه این داده‌ها را در لحظه و بدون درنگ تحلیل کند و به ارزیابی دقیقی از این حجم از دادهچ برسد. اما قابلیت‌های هوش مصنوعی تعبیه‌شده در دستگاه‌های مجهز به اینترنت اشیا به این معنی است که می‌توانند با استقلال و توانایی تصمیم‌گیری بیشتری عمل کنند.

ماشینی را با یک راننده حواس‌پرت در نظر بگیرید. فقط یک یا دو ثانیه زمان لازم است تا این خودرو تصادف کند یا از حادثه جان سالم در ببرد. اطلاعات حاصل از حسگرهای اینترنت اشیا بی‌فایده است، مگر اینکه هوشمندی لازم برای پردازش، تعیین اقدام پیش‌گیرانه و اجرای بهترین اقدام ممکن

وجود داشته باشد. این دقیقاً همان کاری است که هوش مصنوعی انجام می‌دهد و با انجام این کار، از تصادف جلوگیری می‌کند.

اگر محاسبه‌ها ساده باشد یا قدرت محاسباتی لازم در خود دستگاه وجود داشته باشد، داده‌های خام حسگرهای اینترنت اشیا در همان دستگاه پردازش می‌شود. در غیر این صورت، داده‌ها به یک سرور لبه یا سرور ابری منتقل می‌شود که در آن قدرت محاسباتی لازم برای پردازش این داده‌ها وجود دارد. سپس نتیجه پردازش و اقدامات لازم به واحد کنترل منتقل می‌شود.

پیشگیری از ریسک با هوش مصنوعی و اینترنت اشیا

داده‌های خام حسگر شاخص‌هایی همچون سرعت، دما، مختصات و غیره را شامل می‌شود. این داده‌ها پیش از اینکه به یک مدل داده شوند، پیش‌فرآوری (پاک‌سازی، قالب‌بندی و تجمیع) می‌شوند. داده‌های پردازش‌شده نیز همراه با سایر داده‌های محیطی و زمینه‌ای به کار گرفته می‌شود تا بینش‌های لازم به دست بیاید. در ادامه، مدل‌های متداول هوش مصنوعی و نحوه استفاده از این مدل‌ها در صنعت بیمه را آورده‌ایم: 

- در بیمه پارامتریک از درخت تصمیم‌گیری استفاده می‌شود. در این مدل، داده‌های حسگر با مقادیر پارامتریک مقایسه می‌شود تا پوشش‌‌های بیمه‌ای لازم و ادعاهای خسارت مشخص شود. برای مثال، بیمه‌گر دریایی می‌تواند بر اساس اطلاعات جی‌پی‌اس کشتی، پوشش‌ بیمه‌ای مشخصی را در نظر بگیرد. به همین ترتیب، بیمه‌گر اموال و سوانح می‌تواند با استفاده از اطلاعات مربوط به افزایش سطح آب که حسگر اینترنت اشیا به‌صورت لحظه‌ای ثبت می‌کند، به مطالبه‌های مربوط به خسارت‌های ناشی از سیل رسیدگی کند. خودروهایی هم که ترمز خودکار دارند برای محاسبه زمان و فاصله فعال‌سازی ترمز بر اساس سرعت، از مدل‌های رگرسیون استفاده می‌کنند. درخت‌ تصمیم‌گیری این فاصله را با فاصله عابر پیاده یا هر مانع دیگری که از طریق اطلاعات حسگر اینترنت اشیا به دست آمده، مقایسه و بهترین زمان ترمزگیری برای برای جلوگیری از تصادف را تعیین می‌کند.

-بینایی کامپیوتری: فیلم‌های ویدئویی را با استفاده از شبکه‌های عصبی تحلیل می‌کند تا اشیای مختلف را طبقه‌بندی کند. این فناوری می‌تواند به اتومبیل‌های خودران کمک کند تا با ایمنی بیشتری در جاده‌ها حرکت کنند و بتوانند رانندگان حواس‌پرت را تشخیص بدهند. علاوه بر این، این فناوری می‌تواند کارکنانی را که بدون تجهیزات حفاظت شخصی در محوطه‌های کارگاهی یا در مسیر تردد خودروها کار می‌کنند شناسایی و به این ترتیب، ایمنی محل کار را تضمین کند. نمونه دیگر، نظارت حسرگرهای اینترنت اشیا بر فعالیت ماشین‌آلات دیگ بخار است که باید در ترکیب خاصی از دما، فشار و میزان جریان کار کنند. شرکت‌های بیمه تجاری نیز ممکن است از مدل‌های تشخیص موارد غیرعادی استفاده کنند تا نقص‌های احتمالی ماشین‌آلات و تجهیزات را به‌سرعت شناسایی کنند تا اقدام‌های پیش‌گیرانه انجام شود. به همین ترتیب، بیمه‌گران سایبری می‌توانند شاخص‌های شبکه را برای شناسایی هکرها کنترل کنند و بیمه‌گران سلامت می‌توانند برای جلوگیری از بیمارهای خطرناک، آمارها و اطلاعات مهم را زیر نظر بگیرند.

-دسته‌بندی یکی دیگر از مدل‌های هوش مصنوعی است که فرض بر این دارد اشیای هم‌دسته تمایلات و رفتارهای یکسانی را نشان می‌دهند. وقتی علت اصلی یک ناهنجاری، خرابی یا حادثه شناسایی شد، می‌توان از دانش به‌دست‌آمده در جهت پیش‌گیری از رویدادهای مشابه برای سایر اشیای هم‌دسته استفاده کرد. بیمه‌گران می‌توانند تعمیر و نگهداری پیش‌گیرانه وسایل نقلیه و ماشین‌آلات را بر اساس داده‌های اینترنت اشیا توصیه کنند. همچنین بیمه‌گران سلامت می‌توانند با تکیه بر اطلاعات به‌دست‌آمده از حسگرهای اینترنت اشیا، به مشتریان مبتلا به بیماری یکسان یا حاضر در دسته‌های جمعیتی مشابه اطلاع دهند که معاینه عمومی شوند یا به پزشک خود مراجعه کنند.

-مدل‌های مختلف، بینش‌های متفاوتی ایجاد می‌کنند. بیمه‌گران می‌توانند برای مدیریت و کاهش ریسک، از مدلی واحد یا ترکیبی از مدل‌ها استفاده کنند. این بینش‌ها در واقع مجموعه‌ای از اخطارها و هشدارهایی هستند که در طول زمان جمع‌آوری می‌شوند و اطلاعات لازم برای پذیرش ریسک بیمه‌کردن را فراهم می‌آورند.

معایب هوش مصنوعی و اینترنت اشیا و تأثیر آن بر بیمه‌گران

هوش مصنوعی و اینترنت اشیا مانند هر فناوری دیگری مزایا و معایب خود را دارند. درحالی‌که این فناوری‌ها می‌توانند در کاهش و پیش‌گیری از خطرات نقش کلیدی ایفا کنند، مشاغل مختلف باید از کاستی‌های آن‌ها و نگرانی‌های اخلاقی فزاینده مرتبط آگاه باشند. برای نمونه، یکی از معایب احتمالی این است که مجرمان می‌توانند از این فناوری‌ها به نفع خود استفاده کنند و آن‌ها را برای هدف‌های غیرقانونی و غیراخلاقی به کار بگیرند.

کاستی‌های اینترنت اشیا

پژوهش‌ها نشان داده است که بیشتر دستگاه‌های اینترنت اشیای موجود در بازار داده‌های جمع‌آوری‌شده را بدون رمزگذاری مخابره می‌کنند. بسیاری از این دستگاه‌ها از گذرواژه‌های پیش‌فرض استفاده می‌کنند و برنامه‌ای برای به‌روزرسانی نرم‌افزار آن‌ها وجود ندارد. بنابراین، مجرمان و هکرها می‌توانند به این دستگاه‌ها دسترسی داشته باشند و گاهی حتی کنترل‌شان را نیز به دست بگیرند. نبود امنیت کافی در دستگاه‌های اینترنت اشیا می‌تواند به نقض داده‌های حساس و نقض حریم خصوصی منجر شود.

دستگاه‌های اینترنت اشیایی که در برابر چنین خطراتی قرار دارند می‌توانند تأثیر جدی و شدیدی بر صنعت بیمه داشته باشند. ممکن است داده‌های ارسالی از سوی این حسگرها دست‌کاری شود و دیگر قابل‌اتکا و معتبر نباشد. در نتیجه ممکن است بسیاری از سازوکارهای کنترلی که برای شناسایی و پیش‌گیری از خطرات استفاده می‌شوند دیگر طبق معمول کار نکند و این نقصان به حوادث و تلفات جانی بینجامد. عدم تشخیص فعالیت غیرعادی تجهیزات ماشین‌آلات دیگ بخار به دلیل آسیب‌دیدگی حسگرهای اینترنت اشیا مثالی شناخته‌شده است. همچنین بروز هرگونه لطمه به حسگرهای اینترنت اشیایی که کارشان تشخیص سیل و آتش‌سوزی در خانه‌های هوشمند است، می‌تواند خسارت‌های مالی گسترده به بار آورد.

همچنین با دست‌کاری داده‌های دستگاه‌های اینترنت اشیا می‌توان آسیب‌دیدگی‌ها را بیشتر از واقعیت جلوه داد و خسارت‌های بالاتری از بیمه‌گران دریافت کرد. دیگ بخاری که هک شده باشد ممکن است شاخص‌های مهم را به‌درستی نشان ندهد و ایمنی کلی تجهیزات به خطر بیفتد. اگر بیمه‌های پارامتریکی مانند بیمه محصولات کشاورزی و بیمه سیل، فقط به دستگاه‌های اینترنت اشیایی متکی باشد که امکان هک‌شدن‌شان وجود دارد، امکان دارد بیمه‌گر گرفتار پرداخت مطالبات نادرست شوند.

کاستی‌های الگوریتم‌های هوش مصنوعی

سوگیری الگوریتمی رایج‌ترین نقص مدل‌های هوش مصنوعی امروزی است. وقتی تصمیم‌گیری یا نتیجه یک مدل هوش مصنوعی علیه یا به نفع طبقه یا گروه خاصی از افراد باشد، می‌گوییم آن مدل مغرضانه است. البته مدل‌های هوش مصنوعی هیچ‌گونه سوگیری ذاتی نسبت به یک طبقه خاص ندارد و اگر چنین تبعیضی مشاهده شود، در داده‌هایی ریشه دارد که برای تعلیم‌دادن آن مدل استفاده کرده‌اند. داده‌های آموزشی ناقص یا نمایش نامتوازن یک جمعیت در داده‌های آموزشی از دلایل اصلی بروز تبعیض در خروجی مدل‌های هوش مصنوعی است.

نیاز به قانونمندسازی هوش مصنوعی و اینترنت اشیا

هوش مصنوعی و اینترنت اشیا مزیای بالقوه متعددی برا صنعت بیمه دارند. اما اگر این فناوری‌ها به دست افراد نادرستی بیفتد، مزیت‌های آن از آسیب احتمالی بیشتر نخواهد بود. ممکن است مشتریان اعتمادشان را از دست بدهند و حتی وجود و نحوه استفاده از این فناوری‌ها را زیر سؤال ببرند. به همین دلیل ضروری است که برای جلوگیری از سوءاستفاده‌های احتمالی از این فناوری در جهت اهداف غیرقانونی و غیراخلاقی، مقررات‌گذاری‌های لازم صورت بگیرد. مقررات‌گذاری و نظارت مسئولیت‌پذیری را به همراه خواهد آورد و تطبیق این فناوری با استانداردها و دستورالعمل‌ها را تضمین می‌کند و جلوی سوءاستفاده را می‌گیرد و اعتماد مشتری را جلب می‌کند. در حال حاضر، کشورهای مختلف جهان برای بهبود امنیت دستگاه‌های اینترنت اشیا و تضمین حفظ حریم خصوصی در داده‌های حاصل از این دستگاه‌ها، مقرراتی را وضع کرده‌اند.

جمع‌بندی

ارزش واقعی اینترنت اشیا در جمع‌آوری داده‌های مناسب نیست، بلکه در توانایی تجزیه و تحلیل آن داده‌ها در زمان مناسب و برای تصمیم‌گیری درست است. ترکیب هوش مصنوعی و اینترنت اشیا می‌تواند امکان تصمیم‌گیری فوری و لحظه‌ای و جلوگیری از بروز حادثه را فراهم کند و به بیمه‌گران کمک نماید تا بیمه‌نامه‌های جدید را به‌سرعت صادر و مطالبه‌های خسارت را در لحظه تسویه کنند. 

اما بیمه‌گران باید از آسیب‌ها و خطرات احتمالی این فناوری‌ها آگاه باشند. برای جلوگیری از دسترسی بزهکاران به این فناوری‌ها یا بروز سوگیری و تبعیض در خروجی مدل‌های مبتنی بر هوش مصنوعی، باید فرایند نظارتی صحیحی شکل بگیرد تا مقررات لازم برای ایجاد چارچوب‌های امنیتی فراهم شود. این مسئله را نباید به چشم عاملی بازدارنده برای پذیرش فناوری دید، بلکه باید به‌عنوان وسیله‌ای برای جلوگیری از آسیب به مصرف‌کنندگان و مهم‌تر از آن جلب اعتماد آن‌ها در نظر گرفت تا این فناوری بتواند همچنان به بشر خدمت کند.