دراسة تكشف تطبيقات الذكاء الإصطناعي وإتجاهاته فى مجال التأمين

في هذه النشرة، نحدد الإمكانيات الحالية للذكاء الاصطناعي للكشف عن الاحتيال في التأمين.

ونناقش أي برنامج يتم استخدمه من قبل بعض أكبر شركات التأمين العالمية ولماذا يعتقدون أنه يعمل لصالحهم. ثم نوجز أنواع برمجيات كشف الغش المتاحة في نطاق الذكاء الاصطناعي وكيف يمكن لكل منها أن تعرض على عملائها عائد أكبر من استثماراتها وعدد مطالبات مشكوك فيها أقل باعتبارها إيجابية كاذبة.

وذلك من خلال الإجابة على الأسئلة التالية:

·        كيف تستخدم شركات التأمين الكبرى برمجيات اكتشاف الاحتيال القائم على الذكاء الاصطناعي، وخياراتها من المبرمجين، والحلول، والمعلومات المتعلقة بتنفيذها.

·        كيف يمكن كشف حالات الغش في التأمين

·        كيف تجعل التحليلات التنبؤية اكتشاف الاحتيال ممكنًا في التأمين

نبدأ عرضنا العام حول تطبيقات الذكاء الاصطناعي الممكنة للكشف عن الاحتيال في مجال التأمين باستخدام الأساليب التي تستخدمها بعض شركات التأمين الكبرى في العالم بما في ذلك شركات.

كيف تستخدم كبرى شركات التأمين برامج الكشف عن الاحتيال المستندة إلى الذكاء الاصطناعي

النموذج الأول

في شركة من أكبر شركات التأمين في تركيا. تم استخدام فريقًا من 50 شخصًا للتحقق يدويًا من كل مطالبة عن وجود احتيال استنادًا إلى قواعد غير منتظمة وتجربة الفريق الشخصية قبل التحول إلى حل برامج الذكاء الاصطناعي. قامت الشركة بشراء برنامج تحليلات تنبؤية من شركة Friss ، ووفقًا لقصة نجاح العملاء، فقد بلغ عائد الاستثمار 210٪ في غضون عام واحد من استخدام البرنامج.

فمع وجود 000 25 إلى 000 30 مطالبة للتدقيق في مؤشرات الاحتيال كل شهر وعملية يدوية مدتها أسبوعان تقريبا للتحقق من كل مطالبة، أرادت الشركة تسريع هذه العملية والسماح بمعالجة المزيد من المطالبات. بعد تنفيذ البرنامج، تمكنت الشركة من قياس خطر الاحتيال في المطالبة في الوقت الحقيقي. وتشير الشركة منشئة البرنامج في قصة نجاح العملاء أن شركة التأمين وفرت 5.7 مليون دولار في الكشف عن الاحتيال وتكاليف الوقاية.

النموذج الثاني

في واحدة من أكبر شركات التأمين على الحياة في فرنسا، تم اعتماد برنامجًا للكشف عن الاحتيال يعتمد على الذكاء الاصطناعي. عملوا مع شركة Darktrace التي تتخذ من المملكة المتحدة مقراً لها لتوظيف حل يمكن أن يساعدهم على اكتشاف التهديدات من مجرمي الإنترنت المحترفين والتعامل معها.

أفادت الشركة منشئة البرنامج أن شركة التأمين كانت معنية في المقام الأول بمراقبة شبكتها بأكملها والقدرة على احتواء التهديدات الناشئة قبل أن تصبح مشكلة أكبر.

ومع وجود بنية تحتية معقدة من الشركات المشتراة ذات المستويات المختلفة من التكامل مع شركة التأمين، كانت الشركة تبحث عن حل يمكن أن يعالج ظروفاً مختلفة جداً تبعاً لفرع الشركة التي يقوم بتحليلها.

ووفقاً لدراسة حالة نشرتها الشركة منشئة البرنامج، فإن برامج الجهاز المناعي في المؤسسة الخاصة بهم مدربة على سلوك مستخدمي الكمبيوتر والشبكات، وهي تكتشف أنماطهم على مدار يوم العمل.

بمجرد أن يكون قد علم أنماط كل مستخدم، فإنه يبدأ في الربط بين البيانات لتمييز العلاقات بين واجبات المستخدمين المنفصلين. يتم ربط نظام Darktrace Enterprise Immune System مع Antigena، وهو برنامج الاستجابة المستقل للشركة الذي يتخذ إجراءات ضد التهديدات المكتشفة.

تم الإعلان عن Antigena كـ قادراً على إيقاف تشغيل المستخدمين داخل شبكة الشركة العميلة التي يكون سلوكها متوافق مع ما تم تدريبه على الكشف عنه كمؤشر ترابط أمان البيانات، أو الاحتيال في المطالبات، أو التحضير للاحتيال.

النموذج الثالث

شركة تأمين أمريكية كبيرة أخرى اعتمدت برمجيات الذكاء الاصطناعي للكشف عن الاحتيال. أرادت الشركة أتمتة عملية الكشف عن الاحتيال الخاصة بمطالباتهم ولكنها أيضًا تفهم السياق المحيط بالاحتيال المكتشف. اختاروا تقنية شركة Shift Technology كبائعهم المفضل لأتمتة هذه العملية وأصبحت أول شركة تستخدم حلول برامج FORCE من "Shift Technology"

وذكرت شركة التأمين في بيان صحفي أنها ستكون قادرة على تحسين تحقيقاتها الخاصة من خلال التركيز على المطالبات الأكثر إثارة للشبهات مع مسارات تحليلية محددة سلفا.

وفيما يتعلق بصفقة الشركة مع الشركة منشئة البرنامج، قال Rob Thomas، النائب الأول للرئيس لتحليلات المطالبات والتمويل التابعة لشركة التأمين من خلال الشراكة مع شركة البرامج، ستعمل الشركة على تحسين جهودها الخاصة في التحقيقات من خلال التركيز على الحالات الأكثر شبهة مع مسارات محددة مسبقًا للتحقيق".

وهذا يعني أن شركة التأمين أرادت ضمان التحقيق في جميع أساليب الاحتيال المعروفة ضمن مطالباتها. ويترتب على ذلك أنهم سعوا إلى الحصول على برمجيات قوية لقدرتها على عرض سياق لحالات الاحتيال الملحوظة والتوجيه نحو الحل السليم.

لأن شركة البرامج تدعي أن برنامج FORCE الخاص بهم يتضمن مسارات محددة مسبقًا لتحليل الاحتيال ويوفر معلومات سياقية تتعلق بأفضل خطوة تالية للعميل ، يمكننا استنتاج أن البرنامج هو تطبيق تحليلات تنبؤية.

كيف يمكن كشف حالات الانحراف في التأمين

يختلف اكتشاف الاحتيال القائم على الكشف عن الانحراف عن نهج التحليلات التنبؤية الأقل شيوعًا في حلول الاحتيال للذكاء الاصطناعي. ويشبه نهج الكشف عن الانحراف تطبيقات الذكاء الاصطناعي الأخرى من حيث أن نماذج التعلم الآلي الخاصة بهم مدربة على تدفق البيانات المسماة.

وهذا يسمح لنماذج التعلم الآلي بوضع خط أساس لما قد تبدو عليه المطالبة العادية ، وبالتالي شعور عام بكيفية التعرف على أي انحراف.

عندما ينحرف حدث معين أو مطالبة عن النمط العادي المعمول به الآن، فإن البرنامج سوف يخطر الشخص المسئول. ويجوز أن يقبل هذا المراقب، الذي عادة ما يكون خبيرا في المطالبات أو عالم بيانات، هذا الإخطار أو يرفضه. وهذا يشير إلى أن استنتاج نموذج التعلم الآلي حول ما إذا كان ادعاء معين احتيالي هو صواب أو خطأ.

وهذا يزيد من تدريب نموذج التعلم الآلي ليفهم أن استنتاجه كان صحيحا ويسمح بانحراف مماثل في المستقبل إذا كان غير صحيح وفي الوقت نفسه، سيتمكن خبير المطالبات أو عالم البيانات من استخدام استنتاجات نموذج التعلم الآلي بشأن ما هو احتيال أو عدم تحسينه.

ويمكن أيضاً استخدام الكشف عن الانحراف في الكشف عن الاحتيال في التأمين خارج عملية المطالبات. قد تستخدم شركة التأمين الكشف عن الانحراف لتحديد السلوك المشبوه للمستخدمين على شبكة شركة التأمين. بالإضافة إلى ذلك، يمكن الجمع بين هذا النوع من البرامجيات مع تطبيقات ذكاء اصطناعي أخرى في إطار حل واحد.

وفيما يتعلق بالشركات التي ترغب في البحث عن المعلومات ذات الصلة بشأن المشكلة التي قد يحلها نموذج التعلم الآلي، يمكن أن يكون من المفيد إيجاد حل مقترن ببرمجيات البحث عن الوثائق في إطار الشراكة الوطنية. وسيتعين على قادة الأعمال التجارية استعراض البيانات المستمدة من نفس قاعدة البيانات التي يستمد منها نموذج التعلم الآلي من أجل فهم شيء كشف عنه نموذج التعلم الآلي مثل أسلوب جديد للاحتيال.

يذكر Kevin Lee ، مهندس الثقة والسلامة المقيم في شركة البرامج، وهو مبرمج عالمي لبرامج الذكاء الاصطناعي للكشف عن الاحتيال، عن الذكاء الاصطناعي في الصناعة، وعن الاحتمالات والتطبيقات الحالية لكشف تزوير الذكاء الاصطناعي

وفيما يتعلق بالفوائد التي يمكن أن يقدمها التعلم الآلي لشركات التأمين التي تتطلع إلى أتمتة عملية الكشف عن الاحتيال المطالبات، وقال Lee في هذا التسجيل الصوتي:

AI in Business · Machine Learning for Fraud Detection - Modern Applications and Risks

"يمكن للمحلل أو المراجع أن ينظر إلى عدد قليل من الإشارات في كل مرة ويقرر. ولكن هناك ما يكفي من البيانات في الخارج وذلك عندما يأتي دور التعلم الآلي. لأنها حرفيا قادرة على تحطيم آلاف الإشارات والنظر إلى احتمالات الإساءة أو الاحتيال. هذا حقاً حيث ستتجه الصناعة من وجهة نظر التعلم الآلي."

كيف تتيح التحليلات التنبؤية كشف الاحتيال في التأمين

وبالإضافة إلى برامج الكشف عن الانحراف، يمكن استخدام نماذج التعلم الآلي للكشف عن الاحتيال في التأمين كأساس للتحليلات التنبؤية وبرامج التحليلات الوصفية.

وتمضي برامجيات التحليل الوصفية بالتنبؤات المتصلة بالتحاليل التنبؤية خطوة أخرى إلى الأمام وتزود المستخدم بتوصيات بشأن أفضل خطوة تالية يتخذها عند اكتشاف الاحتيال. ومع ذلك، فإن كل واحدة من هذه التوصيات تتطلب نفس البيانات ومتطلبات التدريب لتنفيذها وتطويرها على النحو السليم.

تعمل برامج الكشف عن الاحتيال المستندة إلى التحليلات التنبؤية بشكل مختلف عن البرامج القائمة على اكتشاف الانحراف. سيحتاج خبراء المطالبات من شركة التأمين (العميل) إلى وصف كمية كبيرة من المطالبات بأنها احتيالية ومشروعة على التوالي.

وبهذه الطريقة، فإن نموذج التعلم الآلي يميز أساليب الاحتيال وفقا لأساليب الاحتيال الموجودة في المطالبات الاحتيالية المسماة.

فعلى سبيل المثال، يمكن للمطالبات الاحتيالية المستخدمة في تدريب نموذج التعلم الآلي أن تستخدم طريقة احتيال تتعلق بالمبلغ المُكتب بالدولار في المطالبة.

بمجرد أن يتعلم البرنامج اكتشاف طريقة الاحتيال هذه ، سيكون أكثر حساسية للمبلغ بالدولار لكل مطالبة وعلامة المطالبات مع مبالغ المطالبات المشبوهة

وسيجد العديد من الشركات أن هذه البيانات موسومة بالفعل بسبب تخزينها سجلات مطالبات مزورة تعود إلى سنوات ماضية. ويملي الخبراء المعنيون بالمطالبات الذين يعملون على إعداد نموذج التعلم الآلي للبرمجيات تحديد المطالبات التي تكون مزورة أو لا تكون أثناء التدريب. وبينما تعرض هذه البرمجيات لهذه المزاعم الموسومة، فإنها تصبح تدريجياً أفضل في تمييز الفارق من تلقاء نفسها.

ثم يميز البرنامج نقاط البيانات التي ترتبط بمحاولات الاحتيال السابقة داخل المطالبات الجديدة عند دخولها النظام.

النموذج الرابع

شركة SAS هي واحد من هؤلاء البائعين التي تقدم تحليلات تنبؤية لبرامج التأمين لمساعدتهم على أتمتة عملية الكشف عن الاحتيال. برنامج التحليلات التنبؤية الخاصة بهم ، SAS Enterprise Miner ، يمكن أن يساعد شركات التأمين الصحي على اكتشاف المطالبات الاحتيالية وتحديد معلومات مهمة لتحديد خطر الاحتيال في المطالبات الجديدة.

وتذكر الشركة أيضا أن البرنامج الحاسوبي يمكن أن يستخدم بيانات المؤسسة العميلة لإنشاء نماذج، أو نموذج مطالبات تظهر حالات الغش المحتملة استنادا إلى المتغيرات بين نقاط البيانات في المطالبات السابقة. فعلى سبيل المثال، قد يرغب نموذج التعلم الآلي، الذي يقوم بتدريب خبير في المطالبات، في اختبار مدى تواتر المطالبات المغشوشة المتعلقة بمبالغ تتجاوز 100 دولار وأقل من 200 دولار.

وفي هذه الحالة، يمكن أن يختبروا متغير "الاحتيال" مقابل متغير "السعر"، وأن يعرضوا النتائج التي تبين المطالبات التي تم تقييمها ضمن هذا النطاق.

وفيما يلي شريط فيديو عرضي قصير حول كيفية عمل  Enterprise Miner.

الفيديو هو معاينة لعملية إنشاء واستخدام نماذج تنبؤية. المتظاهر يستخدم موضوع المثال، ولكن يمكن تطبيق نفس المبادئ على الاحتيال مطالبات التأمين. الخطوات التي تمت تغطيتها في الفيديو هي كما يلي:

0:00 – تحديد نقاط البيانات والمتغيرات ومراجعة البيانات

3:00 – التحقق من المتغيرات المستهدفة ضد الآخرين للعثور على الارتباطات، وإنشاء نموذج

4:05 – النتائج وكيفية قراءة النماذج التنبؤية

5:19 – استخدام نماذج متعددة في وقت واحد

وفقا لدراسة حالة نشرت على موقع SAS، ساعدت الشركة شركة التأمين للحد من الاحتيال ورؤية زيادة العائد على الاستثمار من حملاتها التسويقية باستخدام برنامج التحليلات التنبؤية Enterprise Miner.

كانت شركة التأمين قادرة على تحديد 50 سلوكًا للعملاء يرتبط ببيانات مطالباتهم التي وصفت بأنها احتيالية.

قال Dean Webb، مدير أول التحليلات في شركة التأمين "إن SAS تمكننا من خفض التكاليف، بل أيضاً تحسين جودة الرعاية. الآن ، بدلا من استخدام الخدمات التصالحية عالية التكلفة ، يمكننا تحويل المرضى إلى مقدمي خدمات أكثر فائدة من نوع التشخيص الوقائي".

يمكننا أن نستنتج من هذا الاقتباس أن شركة التأمين كانت قادرة على استخراج رؤى تنبؤية حول عملائها ساعدتهم على التوصية بخدمات طب الأسنان الوقائية والتشخيصية.

وهذا يعني أن شركة التأمين أنفقت أموالًا أقل على المطالبات لعمليات طب الأسنان المؤمن عليها وكان لدى قاعدة عملائها المزيد من الوصول إلى رعاية الأسنان الوقائية.

أمثلة على تطبيقات الذكاء الاصطناعي

معالجة اللغة الطبيعية                                        Natural Language Processing

تعريف

معالجة اللغة الطبيعية (NLP) هي مجال فرعي من الذكاء الاصطناعي الذي يتعامل مع برامج البرمجة لمعالجة وتحليل كميات كبيرة من البيانات التي تم التقاطها في طريقة كتابة البشر أو تحدثهم أو توثيق المعلومات.

على سبيل المثال ، قد تستخدم شركة التأمين NLP لتطوير واجهة محادثة أو برنامج الدردشة الآلي Chatbots الذي يمكنها من الإجابة على أسئلة العملاء أو السماح لهم بتقديم مطالبة من نافذة الدردشة.

تشتمل الدردشة الآلية Chatbots بالضرورة على NLP لأنها تتعامل مع التعرف على النية ضمن البيانات النصية، وكذلك الاستجابة للعملاء بالنص. في الأساس، يحتاج NLP إلى "معرفة" الردود النصية المناسبة على النص الذي يتلقاه.

أمثلة على حالات الاستخدام

واجهات المحادثة /الدردشة الآلية Chatbots

تقدم العديد من أكبر شركات التأمين برامج الدردشة الآلية موجهة للعملاء على مواقعهم الإلكترونية تسمح للعملاء بتقديم مطالبات، ونقل تواريخ السداد، والحصول على أسعار التأمين على السيارات

·  تم تصميم برنامج الدردشة الآلي التقدمي Flo، باستخدام Microsoft Azure Bot Service وLUIS، وتشير الشركة أنه يمكن للعملاء استخدام برنامج الدردشة الآلي للحصول على عرض أسعار للتأمين على السيارات.

·  Allstate Business Insurance Expert (ABIE) هو برنامج روبوت للدردشة لعملاء تأمين الأعمال في الشركة. وتشير شركة البرامج أن برنامج الدردشة يمكنه مساعدة أصحاب الأعمال الصغيرة من خلال الإجابة على الأسئلة الأولية مثل "ما هو الخصم؟" و "كيف تعمل عملية مطالبات التأمين؟"

وظائف الأعمال المتأثرة

خدمة العملاء

يمكن لـ NLP تمكين شركات التأمين الكبيرة من تقديم خدمة عملاء محسنة وخبرات شراء أفضل ، خاصة للعملاء الذين يستخدمون الإنترنت بسهولة. بالإضافة إلى ذلك ، قد تفضل شركات التأمين تطوير واجهات محادثة متعددة القنوات لتسهيل وصول عملائها إلى معلومات حول سياساتهم أو تقديم مطالبات من خلال رسائل الدردشة.

تتضمن التحليلات التنبؤية استخدام التعلم الآلي لتحليل مجموعات البيانات الحالية والتاريخية لعمل تنبؤات حول المستقبل. على سبيل المثال، يمكن لشركات التأمين استخدام التحليلات التنبؤية لتحديد العائد المناسب للمطالبة بناءً على مطالبات سابقة مماثلة ، وبالتالي تقليل تسرب المطالبات. يمكن أن يستخدم المؤمنون أيضًا التحليلات التنبؤية للتنبؤ بالمخاطر التي يفرضها مقدم الطلب على الناقل ، والتي سنوضحها بالتفصيل أدناه.

مثال لحالة استخدام لأجهزة إنترنت الأشياء (IoT)

يشير Internet of Things أو IoT إلى بيئة الجهاز المتصل الأكبر التي تنبثق عن مزيج من الإلكترونيات وقدرات الإنترنت. يشمل ذلك الأجهزة المنزلية الذكية مثل Amazon Echo أو Google Home والأجهزة القابلة للارتداء مثل الساعات الذكية أو أجهزة تتبع اللياقة البدنية. يمكن لشركات التأمين استخدام البيانات التي تجمعها جميع هذه الأجهزة المختلفة لتخصيص منتجات التأمين. على وجه التحديد، تشهد أجهزة إنترنت الأشياء التي تدعم الذكاء الاصطناعي أكثر استخدامًا في التأمين على السيارات؛ يمكن للسائقين تثبيت الأجهزة في سياراتهم أو تنزيل تطبيق على هواتفهم الذكية

لتتبع سلوكياتهم في القيادة ، وتغذية هذه البيانات في برنامج التحليلات التنبؤية لشركة التأمين على السيارات.

وظيفة الأعمال المتأثرة

التأمين على السيارات ووثائق التأمين الشخصية

توفر بعض شركات التأمين على السيارات للمتقدمين القدرة على تتبع سلوكهم في القيادة باستخدام أجهزة إنترنت الأشياء في سياراتهم. يمكن تثبيت هذه الأجهزة في السيارة مباشرة أو تنزيلها على هاتف ذكي يمكن للسائقين تركه في سيارتهم أثناء القيادة. غالبًا ما تلتقط أجهزة إنترنت الأشياء لتتبع سلوك القيادة مدى سرعة السائق، وحالته أثناء القيادة، ومدى مفاجأة توقفه. ثم يتم إدخال هذه البيانات في برنامج تحليلات تنبؤية تضع درجة من نوع ما تقيم السائق على مقدار المخاطر التي يشكلها لشركات التأمين. وعندئذ يمكن لشركة التأمين على السيارات أن تستخدم هذه المعلومات لتقرر ما إذا كانت ستضم أو لا مقدم الطلب ضمن عملائها وما هي تكلفة بوليصة مقدم الطلب .. يمكن لشركة التأمين أيضًا تعديل سعر بوليصة العميل الحالية بناء على سلوك القيادة الجيد أو السيئ، أو تقليل أو زيادة أقساط التأمين التي يدفعها العميل، على التوالي.

تقدم شركة أمريكية برنامجًا للتأمين على السيارات يسمى Snapshot حيث يقدم للعملاء مستشعر IoT الذي يمكن وضعه في السيارات لجمع البيانات حول عادات القيادة الفردية، مثل مدى قوة انكسار السائق أو مدى اتساع دورانه. تدعي الشركة أنها تستخدم بيانات مستشعر IoT هذا مع البيانات الديموغرافية للعملاء لتقديم معدل تأمين على السيارات للعملاء مصمم خصيصًا لهم.

رؤية الجهاز

تعريف

الرؤية الآلية هي نوع من أنواع التعلم الآلي الذي يسمح لأجهزة الكمبيوتر "برؤية" الكيانات داخل الصور ومقاطع الفيديو. من خلال القيام بذلك ، يمكن للمستخدم التحقق من وجود هذه الكيانات وتشغيل التحليلات عليها التي يمكن أن تفيد قرارات الأعمال.

وظيفة الأعمال المتأثرة

التأمين على المنازل والأعمال

قد تستخدم شركة التأمين على المنزل برنامج الرؤية الآلية للتشغيل عبر صور الأقمار الصناعية لممتلكات ما لتحديد ما إذا كانت الممتلكات عرضة للفيضانات أو إذا كان العقار يحتوي على ترامبولين[1]. يمكنه استخدام هذه البيانات لتحديد ما إذا كان سيتم ضمان ممتلكات ما أم لا. قد يتوقف البرنامج عند الإشارة إلى أحد عناصر الملكية ، أو قد تتضمن جانبًا من التحليلات التنبؤية التي توصي المؤمن بالموافقة على مقدم الطلب أو رفضه بناءً على المخاطر التي تشكلها الخاصية.

● شركة  Cape Analyticsهي مورد برامج رؤية آلية بارزة لتحليل صور الأقمار الصناعية. عملت إحدى شركات التأمين معها لتحسين إدارة مخاطر الكوارث في المنازل والشركات التي تقدم طلبات إعادة التأمين. كان هذا لتعزيز أعمالهم في إعادة التأمين.

باستخدام هذا البرنامج، تمكنت شركة التأمين من تقييم الخصائص حول ما إذا كان لديها حاوية تجمع أم لا.

معالجة المطالبات

تسمح بعض شركات التأمين على السيارات لعملائها بالتقاط صور لأضرار سيارتهم باستخدام هواتفهم الذكية. يمكن بعد ذلك تحميل هذه الصور إلى نظام شركة التأمين وتشغيلها من خلال جهاز تفاعلي مقترن بقدرات التحليلات التنبؤية. استنادًا إلى تلف السيارة ونوعها وطرازها ، يمكن أن يوفر هذا البرنامج تقديرًا للمبلغ الذي يجب على شركة تأمين السيارات دفعه للعميل عند مطالبته. يمكن أن يقلل هذا من الوقت الذي يستغرقه العملاء لتلقي دفعاتهم وتقليل تسرب المطالبات ، مما يوفر أموال شركات التأمين.

قد يكون أحد الأسباب الكبيرة لقبول الذكاء الاصطناعي في التأمين هو أن شركات التأمين جمعت تاريخيا كميات هائلة من البيانات على مدى العقد الماضي. وهذا يشمل البيانات الديموغرافية للعملاء، وبيانات الممتلكات ، وبيانات السيارات ، وبيانات مدفوعات المطالبات التاريخية ، وبيانات مخاطر مقدم الطلب السابقة، وبيانات المبيعات / التسعير فيما يتعلق بالأقساط. تعتبر البيانات أساسية لتطبيقات الذكاء الاصطناعي، وعلى هذا النحو، ليس من المستغرب أن يجد الذكاء الاصطناعي طريقه إلى حالات استخدام التأمين. بدأ قادة الأعمال في مجال التأمين يفكرون في جميع هذه الأنواع المختلفة من البيانات على أنها مدخلات لتنفيذ عمليات الذكاء الاصطناعي. من المرجح أن المديرين التنفيذيين للتأمين الذين يستثمرون في طرق للاستفادة من بياناتهم سيتقدمون على الأرجح على منافسيهم في السنوات القليلة القادمة حيث يبدأ الذكاء الاصطناعي في الانتشار في كل مكان في التأمين.

أهم الأفكار ذات الصلة لقادة التأمين التي تم التقاطها بإيجاز عن التأمين المتصل والذكاء الاصطناعي - إمكانيات بيانات إنترنت الأشياء:

·        تأمين السيارات: تستخدم إحدى شركات التأمين أجهزة إنترنت الأشياء في سيارات العملاء ، وتعتزم تطوير برامجها لتقييم مستوى مخاطر التأمين على العملاء بناءً على المسافة المقطوعة وسرعات التسارع والمزيد.

·        التأمين الصحي والتأمين على الحياة: نستكشف الاستخدامات الممكنة لبيانات اللياقة البدنية والصحة الشخصية لتحديث تقييمات مخاطر التأمين على الحياة على مستوى المستخدم الفردي.

بيانات الصوت وخدمة العملاء من أجهزة إنترنت الأشياء: يتم تجربة استخدام Amazon Alexa كامتداد لوظيفة خدمة العملاء، مما يفتح مجالًا أوسع لتجارب العملاء وراحتهم.

·        الذكاء الاصطناعي في التأمين الصحي - التطبيقات الحالية

فعالية التكلفة: تقوم بعض شركات التأمين والرعاية الصحية بتطوير منصات برمجية يمكنها استخدام الذكاء الاصطناعي لاقتراح عادات وسلوكيات صحية وقائية للمرضى. قد يتضمن ذلك توصيات حول الاستراتيجيات الغذائية أو التمارين التي يمكن أن تساعد بدورها على تقليل التكاليف من مشاكل الرعاية الصحية التي يمكن الوقاية منها والتي تسببها العادات غير الصحية.

اكتشاف الاحتيال: يشير الباحثون أنهم يطورون برنامج التعلم الآلي لتحليل مطالبات التأمين الصحي للتنبؤ بحالات الاحتيال.

·        الذكاء الاصطناعي في التأمين على السيارات - التطبيقات الحالية

تقييم المطالبات: تشير بعض شركات البرمجيات أنها طورت برامج AI يمكنها تقييم مطالبات التأمين على السيارات تلقائيًا من خلال تحليل صور تلف المركبات.

روبوتات الدردشة لخدمة العملاء: أطلقت بعض شركات التأمين واجهات محادثة يمكن أن تساعد العملاء على الإجابة عن الأسئلة التي لديهم حول التأمين وخدمة حساباتهم عن طريق طرح أسئلة بسيطة باللغة الطبيعية.

تسعير البوليصة: تشير شركات برمجيات أنها تستخدم الذكاء الاصطناعي لمساعدة شركات التأمين على السيارات في إنتاج ملفات تعريف مخاطر العملاء بشكل أكثر دقة والتسعير المناسب باستخدام التعلم الآلي. يتم استخدام المعلومات مثل بيانات العملاء أو البيانات من أجهزة استشعار إنترنت الأشياء IoT في السيارات من قبل شركات التأمين لتطوير مثل هذه العروض الشخصية.

مراقبة أداء السائق: بعض شركات التأمين التي تشير إلى أنها طورت برنامج التعلم الآلي التي يتم تطبيقها على بيانات العملاء للمساعدة في إعلام تطوير منتجات عملاء التأمين. (انظر أدناه).

تحليلات سوق التأمين: المطالبات التقدمية باستخدام برنامج التعلم الآلي لتفسير بيانات السائق في محاولة لتحديد فرص الأعمال وتقليل المخاطر. في إطار البرنامج ، قد يُعرض على العملاء الذين لديهم عادات قيادة

يسعى الاتحاد المصري للتأمين دائماً إلى دعم وتطوير سوق التأمين المصري وذلك بمحاولة إطلاع السوق على المستجدات العالمية والتطورات التكنولوجية والاتجاهات العالمية الحديثة فيما يتعلق بصناعة التأمين. وقد قام الاتحاد بإفراد إحدى جلسات الملتقى السنوي الأول للتامين وإعادة التأمين بشرم الشيخ (شرم رانديفو 2018 و2019) وكذا ملتقى الشمول المالي والتأمين المستدام 2020، حيث تم مناقشة تطبيقات الموبايل لخدمات الرعاية الصحية.

هذا بالإضافة الي الدور الذي يقوم به الاتحاد المصري للتأمين في زيادة الوعي التأميني للعاملين بهذا القطاع من خلال نشراته الدورية فيما يخص مجموعة من الموضوعات المختلفة المتعلقة بالتكنولوجيا وكيفية تطبيقها وكيفية تقديم تغطيات تأمينية مختلفة تقوم بتغطية الاخطار المتعلقة بها جنباً الي جنب من توضيح واظهار التجارب العالمية لشركات التأمين في تطبيق مجموعة من المبادرات التكنولوجية المختلفة.