مدیرعامل شرکت «فرآگاه» با تأکید بر تحول بنیادین صنعت بیمه از طریق بهکارگیری عاملهای هوشمند (AI Agents)، اعلام کرد استفاده از هوش مصنوعی میتواند هزینههای عملیاتی را تا بیش از ۹۰ درصد کاهش دهد. وی با اشاره به ضرورت طراحی معماری یکپارچه، پیشنیاز اصلی موفقیت در پیادهسازی هوش مصنوعی را عبور از توسعههای جزیرهای (سیلویی) و ارتقای سطح آگاهی مدیران از مفاهیمی چون «حاکمیت داده» و «حاکمیت هوش مصنوعی» دانست.
نجمه نوذر، مدیرعامل شرکت فرآگاه در گفتگو با «ریسکنیوز» با اشاره به برتری شرکتهایی که به عنوان نخستین پیشگامان مدلهای جدید کسبوکار به سمت فناوریهای نو حرکت میکنند، اظهار داشت: حضور دستیارها و عاملهای هوشمند (AI Agents) در کنار بیمهگران و سایر ارکان زنجیره ارزش بیمه، قادر است بخش عمدهای از فرآیندهای پرتکرار و اجرایی را خودکار کند؛ بهطوریکه نیروی انسانی در جایگاه ناظر بیرونی قرار گرفته و تنها در مواقع بحرانی یا بروز خطاهای اعلامشده (Notify) مداخله کند.
وی با اشاره به اهمیت «حاکمیت هوش مصنوعی» (AI Governance) در کنترل کیفیت و عملکرد ایجنتها مطابق با استانداردها گفت: «بر اساس گزارشهای معتبر بینالمللی از جمله مؤسسه مککینزی، به ازای هر واحد فعالیت، هزینه تمامشده یک ایجنت هوشمند خودمختار حدود نیمدلار است، در حالی که همین کار با نیروی انسانی دستکم ۶ دلار هزینه دارد؛ یعنی شاهد بهرهوری ۱۲ برابری از حیث کاهش هزینهها هستیم. هرچند پیادهسازی زیرساخت و معماری آن نیازمند سرمایهگذاری اولیه و دشواریهای خاص خود است، اما در فازهای توسعه، بازدهی آن بسیار چشمگیر خواهد بود.»
حفظ نقش محوری بیمهگر انسانی در کنار هوش مصنوعی
مدیرعامل فرآگاه ضمن تأکید بر اینکه مشتریان همواره تعامل با انسان را ترجیح میدهند، افزود: «هدف از استقرار ایجنتها، حذف انسان نیست، بلکه کنترل، هدایت و ارتقای نقش نیروهای انسانی است. بخشهای گوناگون زنجیره ارزش بیمه نظیر ارزیابی و پرداخت خسارت، صدور، مدیریت و شناسایی مشتری و ارزیابی ریسک بهویژه در جاهایی که پردازش حجم انبوهی از دادهها و ارقام مطرح است، ظرفیت فوقالعادهای برای استقرار عاملهای هوشمند دارند.»
پایان رویکرد جزیرهای؛ گامهای چهارگانه استقرار AI در صنعت بیمه
نوذر در ادامه به تشریح مسیر درست ورود شرکتهای بیمه به عرصه هوش مصنوعی پرداخت و گفت: «نقطه آغاز این مسیر، ارتقای آگاهی و ایجاد بینش (Awareness) در میان مدیران ارشد سازمانها از طریق دورههای آموزشی تخصصی است تا تصویر روشنی از حاکمیت داده (Data Governance) و زیرساختهای هوش مصنوعی (AI Infrastructure) شکل گیرد.»
وی با تأکید بر اینکه به دلیل هزینههای بالای زیرساختهای پردازشی، دیگر امکان کارِ جزیرهای و توسعههای سیلویی (Siloed) وجود ندارد، تصریح کرد: «نقشه راه منطقی شامل چهار گام اساسی است: نخست ایجاد آگاهی، سپس طراحی معماری و چارچوب زیرساختی، پس از آن ایجاد پلتفرم یکپارچه (Platform-based) و در نهایت استقرار فرآیندهای عملیاتی مثل MLOps برای استانداردسازی و بهکارگیری مدلها. با استقرار چنین بستری، تمامی ماژولها و راهکارها بر روی یک زیرساخت یکپارچه مینشینند و شرکتهایی که زودتر و با درک عمیقتر از مبانی زیرساخت وارد این حوزه شوند، مسیر آینده خود را تضمین خواهند کرد.»
نظر شما چیست؟