بکار گیری هوش مصنوعی در کاهش خسارت های عمدی بیمه ای

حسین عبدالوند مدیر طرح و برنامه بیمه کوثر در گفتگو با خبرنگار بورس امروز؛ خسارت های عمده در صعنت بیمه را خسارت‌هایی تعریف  کرد که شرکت‌های بیمه در برخی حوزه‌های پر ریسک مانند بیمه شخص ثالث و بیمه درمان متحمل می‌شوند.

وی اظهارداشت: این خسارت‌ها به دلیل تعداد زیاد و شدت آنها ممکن است منجر به زیان مالی سنگینی برای شرکت‌های بیمه شوند.

به گفته عبدالوند؛ در رشته‌های شخص ثالث، تصادفات با خسارت‌های جانی یا مالی جدی و در درمان هزینه‌های جراحی‌های پرهزینه معمولاً از این نوع خسارت‌ها هستند.

وی ادامه داد: اگرچه این دو بخش به دلیل حجم بالا و گستردگی متقاضیان خسارت‌های بسیاری را تجربه می‌کنند، اما رشته‌های دیگر  مانند بیمه‌های مسئولیت، آتش‌سوزی و بیمه‌های باربری نیز دچار خسارت‌های قابل توجه می‌شوند.

مدیر طرح و برنامه بیمه کوثر تصریح کرد: در واقع هر رشته بیمه‌ای بسته به نوع فعالیت و ریسک‌های مرتبط با آن، ممکن است با خسارت‌های عمده مواجه شود، به ویژه در صنایع پرخطر و حوادث بزرگ.

حسین عبدالوند از بیمه شخص ثالث، بدنه خودرو، و درمان به عنوان رشته‌های پرریسک در زمینه خسارت‌های عمدی نام برد که گاهی اوقات افراد به منظور دریافت خسارت، اقدام به جعل حادثه یا بزرگ نمایی خسارت می‌کنند.

مدیر طرح و برنامه بیمه کوثر به متداول بودن تقلباتی مانند ارائه اسناد غیرواقعی برای جبران هزینه‌های درمانی در بیمه درمان اشاره کرد.

وی در این میان خسارت‌های القایی در بیمه های اشخاص را نیز مورد اشاره قرار داد که به‌طور غیرمستقیم توسط بیمه‌گزاران یا بیمه شدگان یا مراکز درمانی و پزشکان القا می‌شوند.

عبدالوند ادامه داد: این نوع خسارت‌ها معمولاً ناشی از رفتارهای فرصت‌طلبانه مانند ارائه اطلاعات نادرست، افزایش تقاضای خسارت یا درخواست‌های غیرضروری است.

وی این خسارت‌ها را نتیجه اقدامات بیمه‌گزاران در دستکاری شرایط یا سوءاستفاده از شرایط بیمه‌ای عنوان کرد که تشخیص و مدیریت این نوع خسارت‌ها برای شرکت‌های بیمه چالش‌برانگیز است و نیاز به نظارت دقیق و مکانیزم‌های کنترلی دارد.

به گفته عبدالوند؛ با پیشرفت فناوری و استفاده از سامانه‌های الکترونیکی و سیستم‌های مدیریت اطلاعات بیمه‌ای، شرکت‌های بیمه توانایی بهتری در تشخیص موارد جعلی دارند.

 مدیر طرح و برنامه بیمه کوثر تصریح کرد: در واقع شرکت‌های بیمه از تحلیل داده‌های گذشته و همچنین الگوریتم‌های هوش مصنوعی برای شناسایی الگوهای غیرعادی و پرونده‌های مشکوک استفاده می‌کنند. با این حال، این سیستم‌ها کامل نیستند و بهبود مستمر نیاز دارند.

وی بر لزوم حمایت های دولتی از این شرکت ها  در تشخیص این نوع الگوهای غیرعادی تاکید کرد.

حسین عبدالوند این حمایت ها در قالب وضع قوانین و مقررات سخت‌گیرانه، تدوین و اعمال قوانین دقیق برای جلوگیری از تقلب و تخلفات‌بیمه‌ای تعریف کرد.

عبدالوند همچنین بر لزوم ایجاد بانک اطلاعاتی مشترک مبنی بر اشتراک‌گذاری داده‌ها بین شرکت‌های‌بیمه و ارگان‌های دولتی برای شناسایی الگوهای تقلب تاکید کرد.

وی از تشدید نظارت‌ها و بازرسی‌های منظم از بخش های مختلف و آموزش بیمه‌گزاران و شرکت‌های‌بیمه در راستای  ارتقای سطح دانش و آگاهی از تقلبات و نحوه جلوگیری از آن توسط‌بیمه مرکزی و پژوهشکده و در نهایت استفاده از فناوری‌های نوین به منظور بهره‌گیری از سیستم‌های هوش مصنوعی و تجزیه‌وتحلیل داده‌ها برای شناسایی رفتارهای مشکوک به عنوان دیگر اقداماتی نام برد که دولت ها می توانند در شناسایی الگوهای غیرعادی شرکت های‌بیمه ای را یاری دهند.

وی توانایی شرکت‌های‌بیمه در جلوگیری از خسارت‌های عمدی را بسته به میزان دقت سیستم‌های ارزیابی و پایش آنها ذکر کرد و گفت: ارزیابان حرفه‌ای، همکاری با مراجع قضایی و استفاده از فناوری‌های جدید مانند هوش مصنوعی می‌توانند در کاهش پرداخت این خسارت‌ها مؤثر باشند.

 مدیر طرح و برنامه بیمه کوثر ادامه داد: با این حال، شرکت‌ها باید در آموزش کارکنان، اصلاح فرآیندها و سرمایه‌گذاری در ابزارهای پیشرفته بیشتر تلاش کنند تا بتوانند تقلبات را شناسایی و از آنها جلوگیری کنند.

وی با تاکید بر اهمیت بالای ثبت داده‌های درست در تحلیل و داده‌کاوی، و از آن به عنوان مهمترین ضعف شرکت های‌بیمه نام برد.

به گفته وی؛ داده‌های نادرست یا ناقص می‌توانند به نتایج گمراه‌کننده منجر شوند، تصمیمات اشتباه مدیریتی را پایه‌ریزی کنند و موجب هدر رفت منابع و هزینه‌های اضافی شوند.

حسین عبدالوند که از اعتبار داده‌ها به عنوان تعیین‌کننده کیفیت تحلیل نام می برد، اضافه کرد:  مدل‌ها و الگوریتم‌های داده‌کاوی بر اساس داده‌های ورودی کار می‌کنند. داده‌های صحیح و کامل منجر به نتایج دقیق‌تر و پیش‌بینی‌های معتبرتر می‌شوند، در حالی که داده‌های ناسالم تحلیل را به سمت خطا و نتایج بی‌ارزش سوق می‌دهند.