Τον καταλυτικό ρόλο που μπορεί να διαδραματίσει, στην ασφαλιστική αγορά, η τεχνητή νοημοσύνη και η σωστή αξιοποίηση των “μεγάλων δεδομένων” αναλύει ο Σωτήρης Μπερσίμης, Πρόεδρος του τμήματος Στατιστικής και Ασφαλιστικής και Αναπληρωτής Καθηγητής του Πανεπιστημίου Πειραιώς.
Βρισκόμαστε στην εποχή των μεγάλων δεδομένων. Το κινητό μας τηλέφωνο κρατάει μία πληθώρα πληροφοριών, οι οποίες μπορεί, μεταξύ άλλων, να αφορούν χαρακτηριστικά ή συνήθειες σχετικές με την υγεία μας. Μιλάμε για μεγάλο όγκο πληροφοριών, οι οποίες συλλέγονται με μεγάλη συχνότητα και με μεγάλη ταχύτητα, από το σύνολο των έξυπνων συσκευών που χρησιμοποιούν οι πολίτες καθημερινά, είτε στην επαγγελματική, είτε στην προσωπική τους ζωή. Δεν είναι τυχαίο που τα δεδομένα αυτά έχουν πάρει τους χαρακτηρισμούς ο ‘νέος χρυσός’, το ‘νέο πετρέλαιο’ υπό την έννοια ότι οι πετρελαϊκές επιχειρήσεις ήταν αυτές που είχαν τη μεγαλύτερη οικονομική δύναμη μέχρι σήμερα. Στις μέρες μας, “χρυσός” είναι τα δεδομένα – εφόσον όμως αξιοποιούνται.
Η τεχνολογία και συγκεκριμένα, η τεχνητή νοημοσύνη είναι ο νούμερο ένα σύμμαχος του ανθρώπου για τη γρήγορη, σωστή, αμερόληπτη και χωρίς κόστος επεξεργασία όλων αυτών των δεδομένων. Μία διαδικασία, η οποία θα απαιτούσε πολλές ημέρες ή και μήνες προκειμένου να ολοκληρωθεί από το ανθρώπινο δυναμικό μιας εταιρείας, μπορεί να ολοκληρωθεί μέσα σε μόλις μερικά δευτερόλεπτα με τη βοήθεια της τεχνολογίας και με σαφώς χαμηλότερο κόστος. Υπάρχει πληθώρα εργαλείων, τα οποία μπορούν να εντοπίσουν παρατυπίες σε αιτήματα για αποζημιώσεις και να ξεχωρίσουν τις περιπτώσεις που υπάρχει μεγάλη πιθανότητα να μην είναι πραγματικές.
Η κάθε υποβολή συνοδεύεται από υπογραφές. Πολύ δύσκολα μπορεί ένας άνθρωπος να συγκρίνει αν μία υπογραφή είναι ίδια με κάποιου άλλου ή αν είναι η ίδια από έγγραφο σε έγγραφο. Ωστόσο η στατιστική μεθοδολογία, η ανάλυση των δεδομένων, μπορεί να δημιουργήσει μοντέλα τα οποία να δείχνουν απευθείας και άμεσα ποιες είναι οι πραγματικές και ποιες είναι οι περιπτώσεις πλασματικών υπογραφών με την ακρίβεια ενός ειδικού γραφολόγου.
Στον κλάδο αυτοκινήτου, οι εταιρείες χρησιμοποιούν ηλεκτρονικά μέσα, ηλεκτρονική φωτογράφιση κατευθείαν από το tablet, προκειμένου να καταγράψουν ένα αίτημα αποζημίωσης για ένα τρακάρισμα. Υπάρχουν αυτοκίνητα, τα οποία ζητούν δεύτερη και τρίτη φορά αποζημίωση για την ίδια δαπάνη – ίσως και μετά από πολύ καιρό και χωρίς οι περιγραφές να ταυτίζονται. Πολύ γρήγορα, εκπαιδεύοντας ένα τέτοιο σύστημα με τεχνολογία που σήμερα όχι απλά είναι εφικτή, αλλά απλή και εύκολη στη χρήση, μπορεί να εντοπιστεί ποια είναι πραγματικά αποτελέσματα δαπάνης και ποια όχι, για κάθε αίτημα αποζημίωσης.
Οι δυνατότητες είναι ανεξάντλητες, αλλά δε θα πρέπει να κάνουμε το λάθος και να θεωρήσουμε πως οι μηχανές ήρθαν να βγάλουν στην απόσυρση τον άνθρωπο, παίρνοντας τη θέση του. Αντίθετα, το μυστικό της επιτυχίας κρύβεται στη λέξη “συνεργασία”. Η τεχνολογία μπορεί να αναλάβει το μάλλον άχαρο ρόλο της διασταύρωσης των στοιχείων και να ξεχωρίσει ποια είναι αληθινά και ποια χρήζουν περαιτέρω έρευνας, οπότε το ανθρώπινο δυναμικό της εκάστοτε εταιρείας να ασχοληθεί μόνο με τα “ύποπτα” αιτήματα.
Ο έλεγχος με τη μηχανή μπορεί να πάρα πολύ γρήγορος, πάρα πολύ αποτελεσματικός αφού έχει σοβαρά πλεονεκτήματα και είναι αμερόληπτος. Πράγματα που θα απαιτούσαν μέρες ίσως και μήνες για να γίνουν, γίνονται σε πολύ ελάχιστα διαστήματα, από λίγα δευτερόλεπτα έως και σε μερικές ώρες. Σε κάθε περίπτωση μπορεί να είναι πάρα πολύ ακριβή και δεν επηρεάζονται από το scaling του προβλήματος. Δηλαδή δεν έχει σημασία αν έχω να επεξεργαστώ 100 αποζημιώσεις ή 1000. Μπορώ να τις διεκπεραιώσω πολύ γρήγορα γιατί υπάρχει εκθετική διαφοροποίηση του ανθρώπινου capacity σε σχέση με αυτό της μηχανής. Φυσικά, ένας άνθρωπος που θα διερευνήσει πάρα πολύ διεξοδικά το πρόβλημα μπορεί να είναι ακόμα πιο ακριβής. Στην πραγματικότητα, όμως, δεν μιλάμε για τον άνθρωπο απέναντι στη μηχανή, αλλά για τον συνδυασμό των δυνατοτήτων τους.
Ο άνθρωπος, που σε κάθε περίπτωση κοστίζει περισσότερο στην εταιρεία, υποβοηθούμενος από τη μηχανή, έχει τη δυνατότητα να ανιχνεύει, να επεξεργάζεται και να διερευνά, μόνο τις δαπάνες και τους κινδύνους που το σύστημα υποδεικνύει ότι ενδέχεται να μην έχουν πραγματοποιηθεί ή εκδηλωθεί. Όλες αυτές οι μεθοδολογίες μπορούν να ενσωματωθούν πολύ γρήγορα σε οποιαδήποτε ασφαλιστική επιχείρηση.
Η εκτίμηση των δαπανών που εκπίπτουν μέσα σε μία δεκαετία και αφορούν αναγνωρισμένες περιπτώσεις ασφαλιστικής απάτης ή σπατάλης φτάνει σχεδόν στο 20%, ενώ τουλάχιστον ένα 3% εξ αυτών αφορά στον τομέα της υγείας σύμφωνα με σχετικές μετρήσεις. Εξυπακούεται πως η εν λόγω μεθοδολογία δε θα φανεί χρήσιμη μόνο στις ασφαλιστικές εταιρείες ή γενικότερα μόνο στον ιδιωτικό τομέα αλλά και στο δημόσιο, ώστε να να διασφαλιστεί η βέλτιστη κατανομή πόρων. Και όχι μόνο αυτό. Η συγκεκριμένη μεθοδολογία δημιουργεί καινοτομία:
Η ανάλυση των δεδομένων δημιουργεί ασφαλή συμπεράσματα τα οποία μπορούν να γίνουν η βάση για την δημιουργία νέων, βέλτιστων προϊόντων, για τη δημιουργία νέων υπηρεσιών που θα δώσουν σημαντικό asset και σημαντική ισχύ στην επιχειρηματικότητα των ασφαλιστικών εταιρειών.
Όλη αυτή η τεχνολογική και μεθοδολογική καινοτομία είναι εφικτή να εφαρμοστεί αύριο κιόλας, πολύ γρήγορα και με ακρίβεια, σε οποιοδήποτε όγκο δεδομένων απ’ όπου και αν προέρχονται, και από ηλεκτρονικά αρχεία αλλά και από έντυπα αρχεία, δηλαδή από όλο το υλικό που αρχειοθετούν οι εταιρείες επί δεκαετίες.
Οι εταιρείες έχουν έναν τεράστιο, εν δυνάμει, πλούτο στα χέρια τους, για να φέρουν το μέλλον στο…παρόν από σήμερα κιόλας, αρκεί να τον αξιοποιήσουν σωστά.
No comment yet, add your voice below!