هوش مصنوعی در بیمه؛ پایان همبستگی اجتماعی یا آغاز عدالت قیمت‌گذاری؟

به گزارش خبرنگار مهر، صنعت بیمه جهانی در آستانه یکی از عمیق‌ترین تحولات تاریخ خود قرار گرفته است؛ تحولی که نه صرفاً یک به‌روزرسانی تکنولوژیک، بلکه ویرانگرِ فلسفه ۳۰۰ ساله «توزیع ریسک» و آغازگر عصری جدید با عنوان «مسئولیت‌پذیری فردی» است. جهش خیره‌کننده در استارتاپ‌های اینشورتکی مانند Oscar Health از یک ایده ساده در سال ۲۰۱۳ تا ارزش بازار ۳.۵ میلیارد دلاری امروز، تنها نوک کوه یخی است که نشان می‌دهد کاهش هزینه‌های محاسباتی و دقت خارق‌العاده هوش مصنوعی در نقطه‌زنی ریسک، تا چه اندازه می‌تواند معادلات را بر هم بزند.

نمونه عینی این تغییر، گسترش دامنه حق‌بیمه افراد هم‌سن از بازه ۱۰۰ تا ۱۷۰ دلار به محدوده ۸۰ تا ۱۲۲۰ دلار است؛ اختلافی که نشان می‌دهد به‌زودی هرکس باید هزینه واقعی انتخاب‌ها، سبک زندگی و حتی ژنتیک خود را بپردازد و دیگر خبری از سرشکن شدن هزینه‌ها میان جامعه بیمه‌شدگان نخواهد بود. گزارشی که در ادامه می‌خوانید، واکاوی این دگردیسی بنیادین و چالش‌های پیش روی صنعت بیمه در مواجهه با عصر «یقین» به جای «احتمال» است.

نقطه‌زنی دقیق با هوش مصنوعی؛ مرگ مدل سنتی توزیع ریسک در صنعت بیمه

تحولی بنیادین در حال شکل‌گیری است که فلسفه ۳۰۰ ساله صنعت بیمه را به چالش کشیده است. پیشرفت خیره‌کننده در هزینه‌های محاسباتی و دقت تحلیل داده‌ها توسط هوش مصنوعی، مدل سنتی «توزیع ریسک» را منسوخ کرده و عصر جدید «مسئولیت‌پذیری فردی» را کلید زده است.

مرگ مدل سنتی با تیرِ خلاص فناوری

برای درک عمق این تحول ویرانگر، کافی است نگاهی به مسیر رشد یکی از پیشروترین شرکت‌های اینشورتک جهان بیندازیم. این شرکت که فعالیت خود را در سال ۲۰۱۳ در حوزه بیمه درمان آغاز کرد، تنها شش سال بعد در سال ۲۰۱۹ وارد بازار بورس شد و اکنون با ارزش بازاری بالغ بر ۳.۵ میلیارد دلار، به یکی از بازیگران کلیدی تبدیل شده است.

اما راز این جهش خیره‌کننده چیست؟ پاسخ در کاهش چشمگیر هزینه‌های محاسباتی نهفته است؛ عاملی که در سطح کلان نیز مورد تایید کارشناسان برجسته جهان است.

سم آلتمن، مدیرعامل OpenAI، اخیراً اعلام کرده است که هزینه استفاده از هوش مصنوعی هر سال ۱۰ برابر کاهش می‌یابد و این روند حتی از قانون مور نیز قدرتمندتر است.

با پیشرفت‌های اخیر در واحدهای پردازش گرافیکی (GPU) و ظهور مدل‌های قدرتمند هوش مصنوعی مولد (Generative AI)، هزینه پردازش و تحلیل داده‌های پیچیده که پیش‌تر چند هزار دلار برای هر مورد تمام می‌شد، اکنون به چند دلار رسیده و به‌زودی به مرز چند سنت کاهش خواهد یافت. این کاهش هزینه، همراه با سرمایه‌گذاری ۵۰۰ میلیارد دلاری در پروژه‌هایی مانند «Stargate» برای توسعه زیرساخت‌های هوش مصنوعی ، نشان‌دهنده عزمی جدی برای تغییر قواعد بازی در تمام صنایع از جمله بیمه است.

از بهبود رابط کاربری تا دگرگونی هستی‌شناختی بیمه

تا پیش از این، کاربرد هوش مصنوعی در بیمه درمان تکمیلی عمدتاً به لایه‌های سطحی محدود می‌شد؛ مانند بهبود رابط کاربری اپلیکیشن‌ها یا تسریع فرآیندهای اداری پرداخت خسارت. این تغییرات اگرچه مفید بودند، اما «بنیادین» محسوب نمی‌شدند. پژوهش‌های آکادمیک نیز بر این موضوع صحه می‌گذارند؛ مطالعه‌ای در پژوهشکده بیمه نشان می‌دهد که فناوری‌های پوشیدنی و اینترنت اشیاء می‌توانند از ابعاد مختلفی مانند ارزیابی ریسک، فرایندهای بیمه‌گری، کنترل خسارت و کاهش هزینه‌ها در طراحی محصولات بیمه زندگی و درمان مؤثر باشند.

امروز اما ورق کاملاً برگشته است. همان استارتاپ ۳.۵ میلیارد دلاری، اکنون در حال پیاده‌سازی مدلی است که اساس صنعت بیمه در آمریکا را به چالش می‌کشد. بیایید یک مثال ملموس را بررسی کنیم: تصور کنید قرار است حق بیمه درمان تکمیلی برای ۱۰۰ فرد هم‌سن محاسبه شود. در مدل سنتی، شرکت‌های بیمه با استفاده از یک فرم پرسشنامه ساده و چند فاکتور کلی، ریسک را تخمین می‌زدند و حق بیمه برای این افراد معمولاً در بازه‌ای محدود، مثلاً بین ۱۰۰ تا ۱۷۰ دلار، تعیین می‌شد. این یعنی افراد کم‌ریسک و پرریسک تا حد زیادی هزینه یکسانی می‌پرداختند و ریسک در میان جمعیت «توزیع» می‌شد.

اما این شرکت در یک طرح پژوهشی پیشرو، با کسب رضایت کاربران، به اقیانوسی از داده‌های رفتاری و بیولوژیک دسترسی پیدا کرد. آن‌ها با تلفیق اطلاعاتِ به‌دست‌آمده از ابزارهای پوشیدنی (رینگ و ساعت‌های هوشمند و ...) برای رصد علائم حیاتی، داده‌های مکانی سیستم‌های مسیریاب برای شناسایی رستوران‌های مورد علاقه، تحلیل دقیق الگوی تغذیه و حتی واکاوی ریزتراکنش‌های بانکی برای درک سبک زندگی، توانستند پروفایل سلامت هر فرد را با دقتی میکروسکوپی بازسازی کنند.

واقعیت عریان ریسک؛ از ۸۰ تا ۱۲۲۰ دلار

نتیجه این «نقطه‌زنی ریسک» شگفت‌آور و تکان‌دهنده بود: بازه قیمتی که قبلاً بین ۱۰۰ تا ۱۷۰ دلار نوسان داشت، ناگهان دستخوش تغییری رادیکال شد و دامنه آن از ۸۰ دلار (برای افراد بسیار سالم) تا ۱۲۲۰ دلار (برای افراد با ریسک بالا) گسترش یافت. این اختلاف فاحش نشان می‌دهد که هوش مصنوعی دیگر فقط یک ابزار کمکی نیست؛ بلکه در حال فرو ریختن دیوار مدل‌های سنتی و جایگزینی «میانگین‌گیری» با «واقعیت عریان ریسک» است.

این رویکرد با روندهای جهانی در صنعت اینشورتک همخوانی کامل دارد. بررسی‌ها نشان می‌دهد که تحلیل آینده‌نگر که با هوش مصنوعی ممکن شده، توانسته است حق بیمه‌های مستقیم را به میزان ۵۳ درصد افزایش دهد، در حالی که رشد این رقم در کل بازار تنها ۱۸ درصد بوده است.

همچنین پلتفرم‌هایی مانند Charlee.ai با تحلیل بیش از ۵۵ میلیون خسارت، توانایی پیش‌بینی شدت خسارت‌ها را با دقت بالای ۸۰ درصد فراهم کرده‌اند که مستقیماً بر قیمت‌گذاری دقیق‌تر تأثیر می‌گذارد.

این اختلاف فاحش در حق‌بیمه‌ها که در مثال این شرکت اینشورتکی دیدیم، تنها یک تغییر در «قیمت‌گذاری» نیست؛ بلکه زنگ هشداری برای یک دگردیسی عمیق‌تر است. وقتی دامنه قیمت تا این حد گسترده می‌شود، به این معناست که چتر حمایتی که پیش‌تر روی سر همه اعضا گسترده بود، در حال جمع شدن است. در واقع، آن اعداد و ارقام نشان می‌دهند که هوش مصنوعی در حال برهم زدن قرارداد اجتماعی نانوشته‌ای است که قرن‌ها اساس صنعت بیمه را تشکیل می‌داد.

پایان عصر احتمالات؛ وقتی «یقین» جایگزین «ریسک» می‌شود

نتیجه‌گیریِ گریزناپذیر از این روند، زوال مفهوم سنتی «ریسک» است. فلسفه وجودی بیمه در گذشته بر پایه «عدم آگاهی دقیق» یا ناتوانی در نقطه‌زنی بنا شده بود؛ چون نمی‌دانستیم چه کسی بیمار می‌شود یا تصادف می‌کند، ریسک را میان تمام افراد جامعه توزیع می‌کردیم. این مدل ناخواسته به نفع افراد «بدشانس» یا پرریسک عمل می‌کرد و نوعی حمایت جمعی را شکل می‌داد.

اما هوش مصنوعی با قدرت پیش‌بینی و نقطه‌زنی بی‌نظیر خود، این مدل حمایتی را از بنیان ویران می‌کند. همانطور که مجید نیلی احمدآبادی، عضو هیئت علمی دانشگاه تهران، در نخستین همایش اکوبیمه تأکید کرد، هوش مصنوعی می‌تواند بیمه را از نقشی واکنشی در جبران خسارت، به نقشی فعال در پیشگیری و کاهش ریسک تبدیل کند.

آینده صنعت بیمه در گرو بازتعریف همین مفهوم کلیدی است: گذار از دوران «توزیع ریسک» به عصر «مسئولیت‌پذیری فردی». در این پارادایم جدید، دیگر خبری از سرشکن شدن هزینه‌ها نیست. ما به‌زودی به نقطه‌ای خواهیم رسید که شفافیت داده‌ها، بی‌رحمانه عمل خواهد کرد؛ فردی که دارای زمینه ژنتیکی نامساعد است، ناگزیر باید هزینه این «فقر ژنتیکی» را با حق‌بیمه‌ای سنگین‌تر بپردازد. به همین ترتیب، کسی که رژیم غذایی ناسالم دارد یا عادات رانندگی پرخطر از خود نشان می‌دهد، باید هزینه مستقیم و واقعی انتخاب‌های خود را تقبل کند.

این تحول تکنولوژیک، مرزهای ناشناخته را به عقب می‌راند. برآوردها نشان می‌دهد که با ابزارهای نوین، حدود ۹۰ درصد از آنچه امروز «ریسک» می‌نامیم، به پدیده‌هایی «قابل‌فهم، قابل‌اندازه‌گیری و پیش‌بینی‌شدنی» تبدیل می‌شوند و تنها ۱۰ درصد باقی‌مانده در قلمرو «ناشناخته‌ها» باقی می‌ماند. برای درک بهتر این مرزبندی، تفاوت دو نوع حادثه را در نظر بگیرید: حالت اول زمانی است که شما در حال رانندگی هستید و ناگهان خودرویی از لاین مخالف پرواز کرده و روی خودروی شما فرود می‌آید؛ این همان ۱۰ درصد ناشناخته است که شاید تا 100 سال آینده نیز قابل مدل‌سازی نباشد. اما حالت دوم، ریسک‌های وابسته به رفتار، سلامت و انتخاب‌های فردی است که اکنون روزبه‌روز شفاف‌تر و قابل مدل‌سازی می‌شوند.

از مدیریت هزینه‌های قطعی تا چالش حریم خصوصی

این تغییر نسبت میان «دانسته‌ها» و «نادانسته‌ها»، ساختار کلان صنعت بیمه را دگرگون می‌کند. اگر تعریف ریسک را محدود به «آنچه نمی‌دانیم» بدانیم، با کوچک شدن دایره ندانسته‌ها توسط هوش مصنوعی، ارزش پیشنهادی صنعت بیمه نیز باید از اساس تغییر کند. وقتی «احتمال» جای خود را به «یقین» می‌دهد، دیگر با بیمه به معنای سنتی آن سروکار نداریم، بلکه با مدیریت هزینه‌های قطعی مواجهیم. در چنین شرایطی، مدل‌های بیمه مبتنی بر استفاده (UBI) که در سال‌های اخیر به‌شدت محبوب شده‌اند، می‌توانند به عنوان نمونه‌هایی از این گذار تلقی شوند.

اما پرسش حیاتی اینجاست که صنعت بیمه چگونه باید خود را برای مواجهه با این دگرگونی بنیادین در مفهوم ریسک آماده کند؟ تحولات فناورانه، چه بخواهیم و چه نخواهیم، ساختارهای سنتی را درهم می‌شکنند؛ اما نحوه برخورد ما با این امواج است که تعیین می‌کند آیا سوار بر موج خواهیم شد یا زیر آن غرق می‌شویم.

این تغییر اگرچه اجتناب‌ناپذیر به نظر می‌رسد، اما چالش‌های اساسی نیز به همراه دارد. دستیابی به چنین سطحی از شفافیت، مستلزم اتصال به یک شبکه ابری پیوسته از اطلاعات شخصی و خصوصی افراد است که حریم خصوصی آن‌ها را در می‌نوردد. ایجاد تعادل میان قدرت پیش‌بینی‌کنندگی هوش مصنوعی و حفظ حقوق فردی، یکی از مهم‌ترین چالش‌های پیش روی صنعت در سال‌های آتی خواهد بود.

اگر تغییرات تدریجی و سیگنال‌های ضعیف نادیده گرفته شوند، صنعت به جای یک گذار آرام، با شوکی عظیم روبه‌رو خواهد شد. زمان آن رسیده است که نهادهای تنظیم‌گر و فعالان صنعت، سازوکاری طراحی کنند تا ضمن بهره‌گیری از مزایای این تحول، از پیامدهای اجتماعی ناخواسته آن نیز بکاهند.