zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Tài Chính - Ngân Hàng

» Bảo hiểm

Tác động của trí tuệ nhân tạo (AI) đến chuỗi giá trị và phát hiện gian lận trong các doanh nghiệp bảo hiểm

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:8

Báo xấu

13
lượt xem 9
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nghiên cứu này nhằm giải thích và phân tích quá trình số hóa trong lĩnh vực này và tác động của trí tuệ nhân tạo đến chuỗi giá trị bảo hiểm và hành vi gian lận trong các doanh nghiệp bảo hiểm.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Tác động của trí tuệ nhân tạo (AI) đến chuỗi giá trị và phát hiện gian lận trong các doanh nghiệp bảo hiểm

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” TÁC ĐỘNG CỦA TRÍ TUỆ NHÂN TẠO (AI) ĐẾN CHUỖI GIÁ TRỊ VÀ PHÁT HIỆN GIAN LẬN TRONG CÁC DOANH NGHIỆP BẢO HIỂM TS. Mai Thị Hường, TS. Đỗ Thùy Dung TÓM TẮT Ngành bảo hiểm là một nhân tố quan trọng trong nền kinh tế trong nhiều thế kỷ qua. Bảo hiểm hướng tới giảm thiểu tổn thất và bồi thường thiệt hại cho các tổ chức, doanh nghiệp và cá nhân khách hàng. Theo đó, với vai trò này ngành bảo hiểm được coi là một công cụ tài trợ rủi ro cho người tham gia. Tuy nhiên, cùng với tác động của đại dịch COVID-19 cũng như quá trình số hóa, ngành bảo hiểm đang phải đối mặt với những cơ hội cũng như thách thức để kinh doanh trong bối cảnh mới. Trong giai đoạn đầu của quá trình số hóa, các ứng dụng trí tuệ nhân tao (AI) đã và đang dần được một số công ty bảo hiểm lớn triển khai như một quy trình tất yếu khách quan. Điều này đang làm thay đổi cách thức hoạt động của chuỗi giá trị bảo hiểm theo hướng tích cực hơn nhưng cũng mang lại những nguy cơ tiềm ẩn trong quá trình hoạt động của doanh nghiệp. Nghiên cứu này nhằm giải thích và phân tích quá trình số hóa trong lĩnh vực này và tác động của trí tuệ nhân tạo đến chuỗi giá trị bảo hiểm và hành vi gian lận trong các doanh nghiệp bảo hiểm. Từ khóa: Trí tuệ nhân tạo (AI), chuỗi giá trị, gian lận, bảo hiểm ABSTRACT IMPACT OF ARTIFICIAL INTELLIGENCE (AI) ON THE VALUE CHAIN AND FRAUD DETECTING IN INSURANCE BUSINESSES The insurance industry has been an important role in the economy for centuries. The aim of insurance is to minimize loss and compensate for damage to organizations, businesses, and individual customers. Therefore, with this role, the insurance industry is considered a risk management tool for participants. However, along with the impact of the COVID-19 pandemic as well as the digitalization process, the insurance industry is facing opportunities and challenges to do business in the new context. In the early stages of digitization, artificial intelligence (AI) applications have been implemented by a number of large insurance companies as a necessary objective process. This is changing the way the insurance value chain operates in a more positive direction but also brings potential risks to the business's operation. This study aims to explain and analyze the process of digitization in this field and the impact of artificial intelligence on the insurance value chain and counterfeit behavior in insurance businesses. Keywords: Artificial intelligence (AI), value chain, fraud, insurance 1. MỞ ĐẦU Trong giai đoạn dịch bệnh, dưới áp lực của quá trình giãn cách xã hội cũng như đổi mới hoạt động kinh doanh để thích ứng trong hoàn cảnh mới, hoạt động kinh doanh bảo hiểm của các doanh nghiệp bảo hiểm cũng đứng trước nhiều cơ hội và thách thức. Việc áp dụng công nghệ đang tạo ra những thói quen tiêu dùng mới và cũng đồng thời tạo ra những thay đổi mới trong quy trình kinh doanh của doanh nghiệp bảo hiểm nói riêng và thị trường tài chính nói chung. Mặc dù vậy trong ngắn hạn và dài hạn nếu các công ty bảo hiểm chuyển đổi số tốt hơn sẽ có thể đạt được những thành công lớn hơn so với loại hình kinh doanh truyền thống. Ngày nay, ngày càng 510
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” có nhiều dữ liệu được thu thập trước sự sẵn lòng chia sẻ của khách hàng và cũng như sự cập nhật các nguồn dữ liệu mới từ mạng xã hội và các ứng dụng trong các thiết bị như điện thoại di động, ô tô, máy móc và các thiết bị thông minh khác. Cùng với đó, lượng lưu trữ dữ liệu tăng lên tạo điều kiện cho khoa học dữ liệu phát triển và có được sức mạnh tính toán chưa từng có. Do đó, trí thông minh nhân tạo kết hợp với việc sử dụng dữ liệu lớn có thể mang lại cơ hội tuyệt vời để tối ưu hóa và kích hoạt các quy trình mới trong lĩnh vực bảo hiểm nói riêng cũng như các ngành kinh doanh khác nói chung (Walsh và Volini, 2017). Tuy nhiên, cùng với đó, các báo cáo cũng nhận định trí tuệ nhân tạo (AI) và các công nghệ liên quan của nó dự kiến sẽ tác động đáng kể đến tất cả các khía cạnh của chuỗi giá trị bảo hiểm, từ phân phối đến bảo lãnh phát hành và giám định đến quản lý yêu cầu bồi thường (Research and markets, 2022). Theo đó, bài viết này nhằm phân tích một số tác động của trí tuệ nhân tạo tới chuỗi giá trị bảo hiểm. Ngoài ra, nó còn tìm cách trả lời trí tuệ nhân tạo đã hoạt động và được sử dụng như thế nào để nâng cao chuỗi giá trị của ngành, chủ yếu tập trung vào quản lý khiếu nại liên quan đến phát hiện gian lận thông qua quá trình tổng hợp và phân tích tổng quan tài liệu của các nghiên cứu trong lĩnh vực này. 2. CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2.1. Cơ sở lý thuyết 2.1.1. Kinh doanh bảo hiểm Trước tiên có thể thấy mô hình kinh doanh bảo hiểm bao gồm các giả định và được hoạt động trên cơ sở đa dạng hóa rủi ro. Theo đó, nhà bảo hiểm cam kết bồi thường hoặc chi trả cho người tham gia gặp rủi ro trên cơ sở phạm vi và điều kiện bảo hiểm đã thỏa thuận từ trước đó và người tham gia có trách nhiệm nộp phí bảo hiểm theo quy định của hợp đồng bảo hiểm (Nguyễn Văn Định, 2010). Do đó, quá trình đánh giá rủi ro là một nhiệm vụ quan trọng trong quá trình kinh doanh bảo hiểm để làm cơ sở cho việc chấp nhận yêu cầu bảo hiểm cũng như định giá số tiền bảo hiểm phù hợp với rủi ro của hợp đồng; và đối với người được bảo hiểm, nó giúp thiết lập các khoản phí bảo hiểm hợp lý (Venkatesh và cộng sự, 2019). Quản lý khiếu nại là một giai đoạn quan trọng của quy trình kinh doanh bảo hiểm và là trọng tâm của nghiên cứu này. Nó bao gồm yêu cầu của bên mua bảo hiểm đối với công ty bảo hiểm về việc được bồi thường hoặc chi trả bảo hiểm trong trường hợp hợp đồng bảo hiểm có phát sinh rủi ro hoặc sự kiện bảo hiểm. Sau khi nhận được yêu cầu, nhà bảo hiểm cần điều tra, giám định, đối chiếu cũng như tính toán số tiền bồi thường phù hợp trước khi chi trả cho khách hàng (Hayes và cộng sự, 2019). 2.1.2. Số hóa và công nghệ Số hóa trong ngành bảo hiểm đã khá phát triển và đã vượt xa quá trình chuyển đổi số trong các ngành khác từ xử lý thông tin tương tự sang kỹ thuật số (Stoeckli và cộng sự, 2018). Eling và Lehmann (2018) đã mô tả kỹ thuật số hóa là 'sự tích hợp của thế giới tương tự kỹ thuật số với các công nghệ mới giúp tăng cường sự tương tác của khách hàng, tính khả dụng của dữ liệu và quy trình kinh doanh'. Chuyển đổi kỹ thuật số cũng được thúc đẩy bởi InsurTechs, đã xuất hiện trong thập kỷ qua (Riikkinen và cộng sự, 2018). Các công nghệ mới ảnh hưởng đến ngành bảo hiểm bao gồm điện toán đám mây, viễn thông, Internet of Things (IoT), điện thoại di động, công nghệ blockchain, trí tuệ nhân tạo và mô hình dự đoán (Cappiello, 2020). Kỹ thuật số hóa đã có tác động đáng kể dọc theo chuỗi giá trị bảo hiểm và sẽ tiếp tục như vậy khi các công nghệ mới xuất hiện và hoàn thiện (Eling và Lehmann, 2018). Những thay đổi chính bao gồm nâng cao hiệu quả quy trình, cải tiến bảo lãnh phát hành và phát triển sản 511
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” phẩm, định hình lại các tương tác và chiến lược phân phối của khách hàng và các mô hình kinh doanh mới (Albrecher và cộng sự, 2019). Bohnert và cộng sự (2019) cho thấy trong nghiên cứu của họ rằng các hoạt động số hóa có tác động tích cực đáng kể đến hoạt động kinh doanh của các công ty bảo hiểm. 2.1.3. Trí tuệ nhân tạo Những phát triển đầu tiên liên quan đến trí tuệ nhân tạo đã bắt đầu từ hơn 60 năm trước với việc chế tạo những 'cỗ máy tư duy' đầu tiên: hệ thống máy tính với trí thông minh ngang bằng giống con người và tại một số điểm thậm chí vượt xa con người (Baum, 2017). Tuy nhiên, do các quan niệm khác nhau và bản chất khá mơ hồ của trí thông minh (con người), không có định nghĩa được chấp nhận rộng rãi về trí tuệ nhân tạo mà là vô số các định nghĩa cùng tồn tại (Naphade và cộng sự, 2019; Bohnert và cộng sự, 2019). Định nghĩa được chấp nhận nhiều nhất là của Wang và Wang (2008): “Bản chất của trí thông minh là nguyên tắc thích nghi với môi trường trong khi làm việc với kiến thức và nguồn lực giới hạn”. Theo đó, một hệ thống thông minh phải dựa trên khả năng xử lý hữu hạn, hoạt động trong thời gian thực, sẵn sàng đối với các tác vụ đột xuất và học hỏi kinh nghiệm. Định nghĩa hoạt động này giải thích trí thông minh là một dạng của tính hợp lý tương đối. Kelley và cộng sự (2018) đã định nghĩa về trí tuệ nhân tạo là một hệ thống máy tính có thể cảm nhận môi trường của nó, hiểu, học hỏi và thực hiện hành động từ những gì nó đang học tập. Theo đó có thể hiểu AI là một tập hợp các khả năng tính toán như phát hiện mẫu, dự báo, ra quyết định và tương tác. Và trong những năm qua, sự phát triển của dữ liệu, năng lực tính toán nâng cao và sự thay đổi trong kỳ vọng của người tiêu dùng đã góp phần vào việc tăng mức sử dụng của nó trong các ngành khác nhau, bao gồm cả bảo hiểm (Jones và cộng sự, 2019). 2.1.4. Gian lận bảo hiểm Định nghĩa về gian lận được chọn cho nghiên cứu này là định nghĩa của Guimaraes (2020): “Gian lận là một thuật ngữ pháp lý rộng đề cập đến các hành vi không trung thực cố ý sử dụng sự lừa dối để tước đoạt bất hợp pháp lợi ích của một người hoặc của thực thể khác về tiền, tài sản hoặc các quyền hợp pháp”. Như vậy, khi hoạt động này xảy ra, một người có thể đang cố ý tìm kiếm các nguồn tài nguyên tiền tệ hoặc phi tiền tệ. Trong bảo hiểm, hành vi phạm tội này có hai khả năng, nó có thể được thực hiện bởi các chuyên gia trong ngành và có thể được coi là gian lận nội bộ. Các hình thức có thể kể đến bao gồm biền thủ quỹ bảo hiểm, bán hợp đồng bảo hiểm mà không có giấy phép phù hợp hoặc thậm chí cản trở của các cuộc điều tra theo quy định. Khả năng thứ hai có thể xảy ra do được thực hiện bởi những người bên ngoài, có thể là chủ hợp đồng, người yêu cầu bồi thường hoặc người được bảo hiểm, do đó, được phân loại là bên ngoài (Viaene và Dedene, 2004). Bài viết này sẽ chủ yếu tập trung vào các gian lận bên ngoài trong các yêu cầu bồi thường. 2.2. Phương pháp nghiên cứu Sử dụng phương pháp tổng quan các tài liệu trước về chủ đề nghiên cứu, nhóm tác giả thực hiện tìm kiếm các tài liệu học thuật thông qua một chuỗi tìm kiếm bao gồm một số từ khóa kết hợp với “bảo hiểm”. Các thuật ngữ được sử dụng như “Số hóa trong ngành bảo hiểm”, “Ứng dụng của trí tuệ nhân tạo trong lĩnh vực bảo hiểm”, “AI và phát hiện gian lận bảo hiểm”, “Gian lận bảo hiểm”. “chuỗi giá trị & bảo hiểm”, “insurtech” trong cơ sở dữ liệu trực tuyến của Tạp chí Cambridge, EconPapers, Cổng dữ liệu mở của EU, OECD ILibrary, ProQuest, ScienceDirect. Ngoài ra, nghiên cứu cũng xem xét các tài liệu tham khảo được trích dẫn trong các bài báo đã 512
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” được xác định để khám phá bổ sung thêm nguồn tài liệu có liên quan. Đồng thời, một số tài liệu cũng đã được nghiên cứu thông qua thực hiện công cụ tìm kiếm thông thường trên Google cũng với những từ khóa nói trên trên. Dựa trên cơ sở dữ liệu đó, nhóm nghiên cứu đã tiến hành tổng hợp, phân tích một số tác động của trí tuệ nhân tạo đến chuỗi giá trị trong ngành bảo hiểm và phát hiện gian lận trong các yêu cầu bồi thường thông qua tổng quan nghiên cứu. 3. KẾT QUẢ VÀ THẢO LUẬN Dựa trên quá trình tổng hợp tài liệu nghiên cứu, các kết quả thu thập được nhóm tác giả tổng hợp trên các khía cạnh sau đây: 3.1. Tác động của chuyển đổi số trong bảo hiểm Trước đây, hoạt động kinh doanh bảo hiểm truyền thống cũng được biết đến với mức độ tương tác của khách hàng thấp, vì thông thường công ty chỉ tham gia với khách hàng của mình trong quá trình bán hàng và trong các yêu cầu bồi thường. Mặc dù đối với các công ty bảo hiểm khác nhau các quy trình này có thể có sự thay đổi từ việc mua một hợp đồng bảo hiểm mới hay điền vào một giấy yêu cầu bồi thường hoặc nhận tiền bồi thường trong trường hợp mất mát như đã ghi trong hợp đồng. Tuy nhiên, hiện nay người tham gia bảo hiểm vẫn gặp phải những quy trình tốn nhiều thời gian. Ngoài ra, bảo hiểm khách hàng thậm chí có thể trả phí bảo hiểm không công bằng dựa trên các chính sách không phù hợp. Do đó, các doanh nghiệp bảo hiểm đang được coi là đang trong giai đoạn đầu của quá trình chuyển đổi kỹ thuật số (Hall và Pesenti, 2017). Theo đó, số hóa có thể giúp giải quyết vấn đề này bằng cách tăng cường sự tham gia của khách hàng trong khi cung cấp hệ sinh thái công nghệ của các dịch vụ, và điều này cũng được đánh giá cao bởi thế hệ Millennials. Có thể kể đến như bảo hiểm ô tô, ngoài bảo hiểm tai nạn và trộm cắp, cũng có thể cung cấp các dịch vụ hỗ trợ bên đường, các thiết bị và ứng dụng giám sát và tính lại hành vi lái xe an toàn (Pugnetti và Seitz, 2021). Trong ngắn hạn, việc đáp ứng kỳ vọng của khách hàng tạo cơ hội cho các doanh nghiệp bảo hiểm tăng doanh thu, phù hợp với thực tế là các công ty đó phải giảm chi phí cơ cấu, như đã giải thích trước đây, dựa trên kịch bản kinh tế vĩ mô hiện tại là lãi suất thấp tỷ giá và xu hướng suy giảm kinh tế toàn cầu. Số hóa có thể cung cấp các phương tiện để kích hoạt đương nhiệm để loại bỏ chi phí trong toàn bộ chuỗi giá trị, cũng như tăng sự hài lòng của khách hàng. Ngoài ra, kỹ thuật số hóa có thể cung cấp cho các công ty đương nhiệm các luồng doanh thu mới, chẳng hạn như cho phép các công ty bảo hiểm phát triển từ những người bảo vệ rủi ro thuần túy thành những người phòng ngừa rủi ro, vì công nghệ cung cấp cơ hội sử dụng giám sát và hình ảnh thời gian thực để dự đoán và giúp ngăn ngừa rủi ro do đó làm tăng số lượng thông tin có sẵn của khách hàng. Ngoài ra, sức mạnh của phân tích dữ liệu có thể cho phép các công ty bảo hiểm cung cấp bảo hiểm dựa trên rủi ro cá nhân (Schmidt, 2018). Do đó, các công ty bảo hiểm có lợi thế cạnh tranh để tận dụng trong lĩnh vực này và duy trì vị trí của nó với tư cách là những người chơi lớn nhất, khi thực hiện đầy đủ văn hóa kỹ thuật số. Nhiều nhà cung cấp dịch vụ có kinh nghiệm hàng thế kỷ trong lĩnh vực này, do đó, họ có được sự tin tưởng ban đầu từ khách hàng tiềm năng và các chủ chính sách. Và cuối cùng, bảng cân đối mạnh mẽ của họ cho phép họ ghi chi rủi ro lớn (Digital McKinsey, 2017). 3.2. Tác động của trí tuệ nhân tạo đến chuỗi giá trị bảo hiểm Khi bắt đầu làn sóng số hóa, trọng tâm chính là các kênh phân phối trực tuyến và kỹ thuật số (Garven, 2002) và tác động của chúng đối với các đại lý bảo hiểm (Eastman và cộng sự, 2002), khách hàng (Kaiser, 2002) và cạnh tranh (Brown và Goolsbee, 2002). Trong những năm tiếp theo, 513
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” sự phổ biến của các thiết bị di động và thiết bị được kết nối với nhau đã làm tăng tính khả dụng của dữ liệu khách hàng theo cấp số nhân. Lượng dữ liệu sẵn có phong phú đã mở ra cơ hội mới cho các công ty bảo hiểm áp dụng các công nghệ tiên tiến vì lợi ích của họ. Vì lý do này, việc tiếp cận với lượng lớn dữ liệu khách hàng là nền tảng cho nhiều ứng dụng trí tuệ nhân tạo và có thể được coi là điều kiện tiên quyết để các công ty bảo hiểm triển khai trí tuệ nhân tạo. Các thay đổi chính do hệ thống trí tuệ nhân tạo khởi xướng được đề cập bởi Eling và Lehmann (2018). Theo đó, tác động đầu tiên là cách thức mà các công ty bảo hiểm tương tác với khách hàng của họ (ví dụ như bán hàng, dịch vụ khách hàng) đang được chuyển đổi. Trong khi các dịch vụ khách hàng theo truyền thống yêu cầu tương tác cá nhân với đại lý, nhà môi giới hoặc ngân hàng cho các truy vấn của khách hàng và thông tin sản phẩm do thiếu các lựa chọn thay thế, thông tin có sẵn đã được cải thiện đáng kể qua internet hoặc qua chatbots. Một số sản phẩm thậm chí có thể được mua trực tuyến thông qua chatbots mà không cần bất kỳ tương tác cá nhân nào. Điều này cho phép các công ty bảo hiểm triển khai nhân viên bán hàng và đại lý dịch vụ khách hàng hiệu quả hơn khi chatbot đảm nhận một số nhiệm vụ của họ. Người được bảo hiểm được hưởng lợi thông qua sự sẵn có của dịch vụ khách hàng và thông tin sản phẩm tại bất kỳ thời điểm nào và với tốc độ cao hơn. Hơn nữa trong chuỗi giá trị, các công nghệ kỹ thuật số, chẳng hạn như ứng dụng, cung cấp hỗ trợ và hỗ trợ báo cáo khiếu nại. Đặc biệt quan trọng là việc sử dụng trí tuệ nhân tạo trong việc giảm thiểu và phòng ngừa rủi ro, chẳng hạn như bằng cách chủ động tiếp cận khách hàng trong tình huống rủi ro. Điều này cho phép ngành bảo hiểm phát triển từ chế độ “phát hiện và sửa chữa” sang chế độ “dự đoán và ngăn chặn” (Kelley và cộng sự, 2018). Nếu được thực hiện, điều này có thể dẫn đến một mô hình kinh doanh hoàn toàn mới ngăn ngừa tổn thất thông qua một giải pháp quản lý rủi ro toàn diện hơn là bù đắp tổn thất (Christian Schmidt, 2018). Sự phát triển như vậy có khả năng làm giảm tổn thất tổng thể, điều này không chỉ mang lại lợi ích cho các công ty bảo hiểm và người được bảo hiểm mà còn cả lợi ích kinh tế. Thay đổi thứ hai là tự động hóa các quy trình kinh doanh (ví dụ: xử lý hợp đồng, báo cáo khiếu nại) và quyết định (ví dụ như bảo lãnh phát hành, giải quyết khiếu nại, cung cấp sản phẩm). Trong khi các ngành sử dụng nhiều giao dịch như bảo hiểm y tế đã và đang sử dụng xử lý nền, thì việc sử dụng dữ liệu lớn và trí tuệ nhân tạo sẽ kích thích làn sóng tự động hóa hơn nữa. Lợi ích lớn nhất của tự động hóa đối với các công ty bảo hiểm là tiết kiệm chi phí tiềm năng. Hơn nữa, có thể đạt được độ chính xác cao hơn cho các nhiệm vụ hành chính lặp đi lặp lại bằng cách loại bỏ lỗi của con người và nhân viên có kỹ năng sẽ có nhiều thời gian hơn để tập trung vào các nhiệm vụ thực sự gia tăng giá trị. Tự động hóa trong việc báo cáo và giải quyết các khiếu nại sẽ đẩy nhanh các quy trình kinh doanh, dẫn đến sự hài lòng của khách hàng cao hơn. Vì các ứng dụng trí tuệ nhân tạo có thể xử lý và phân tích một lượng lớn dữ liệu được tạo ra bởi các thiết bị viễn thông, mạng xã hội hoặc các nguồn internet khác (ví dụ: phản hồi của khách hàng, hình ảnh, video) trong quy trình bảo lãnh phát hành, người được bảo hiểm có thể phải trả lời ít câu hỏi hơn, làm tăng sự hài lòng của họ và do đó có tác động tích cực đến việc giữ chân khách hàng. Một thách thức lớn đối với việc sử dụng dữ liệu lớn và trí tuệ nhân tạo trong bối cảnh này là các vấn đề đạo đức và pháp lý đi kèm. Chúng bao gồm các cuộc thảo luận về mức độ mà các công ty bảo hiểm được phép sử dụng tất cả dữ liệu đã tạo để đưa ra quyết định, dữ liệu phải 514
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” được lưu giữ trong bao lâu và các công ty bảo hiểm phải thực hiện những hành động nào để bảo vệ dữ liệu chống lại tội phạm mạng (Hussain và Prieto, 2016). 3.3. Tác động của trí tuệ nhân tạo trong quản lý xác nhận quyền sở hữu để phát hiện gian lận bảo hiểm Khám phá gian lận bảo hiểm từng là một quá trình sử dụng nhiều nguồn lực, gian khổ và tốn kém, trong khi các đại lý yêu cầu bồi thường phải dựa vào các mô hình thống kê thuần túy để xác định các tuyên bố gian lận, do đó tăng cường khả năng gian lận sẽ không bị phát hiện. Tuy nhiên, như đã đề cập ở trên trí tuệ nhân tạo đang chuyển đổi nhiều quy trình trong chuỗi giá trị của ngành, bao gồm quản lý xác nhận quyền sở hữu, bằng cách tăng tốc độ và độ chính xác của nó. Cải tiến này là do đến các công nghệ khác nhau, từ chatbot thông minh đến nhiều loại công cụ máy học. Ngày nay, các công ty bảo hiểm có thể có quyền truy cập vào các ứng dụng sau của AI để kích hoạt thời gian thực dịch vụ khách hàng cho thông báo đầu tiên về tổn thất, tự động phát hiện gian lận khiếu nại thông qua dữ liệu phong phú hân tích, dự đoán các mẫu khối lượng xác nhận quyền sở hữu và phân tích tổn thất tăng thêm. Chatbots dựa trên AI là một trong những đồng minh lớn nhất của ngành, vì nó có thể nâng cao quy trình xác nhận quyền sở hữu hiện tại được thực hiện bởi nhiều nhân viên trong khi tiến hành đánh giá xác nhận quyền sở hữu, xác minh chi tiết chính sách và quét dữ liệu thông qua một thuật toán phát hiện gian lận, trước khi gửi các hướng dẫn thanh toán khác tới ngân hàng. Do đó, ứng dụng này làm giảm nỗ lực của con người từ phía khách hàng và tiết kiệm lực lượng lao động cho các công ty bảo hiểm, đồng thời giảm thiểu rủi ro bằng cách phát hiện các mẫu dữ liệu trong yêu cầu bồi thường báo cáo và nâng cao trải nghiệm của khách hàng (Makadia, 2019). 4. KẾT LUẬN Thị trường bảo hiểm trong tương lai sẽ được định hình bởi rất nhiều ứng dụng trí tuệ nhân tạo hàng ngày. Ví dụ, các phương tiện tự lái và dịch vụ chăm sóc sức khỏe với phân tích chủ động, thời gian thực và dựa trên dữ liệu về tình trạng sức khỏe sẽ xuất hiện. Sự phát triển này sẽ có tác động đáng kể đến bối cảnh rủi ro và có hai tác động chính đối với khả năng bảo hiểm của rủi ro. Các ứng dụng trí tuệ nhân tạo có khả năng biến đổi bản chất của các sự kiện mất mát. Tuy nhiên, sự cố của hệ thống trí tuệ nhân tạo bên dưới hoặc một cuộc tấn công hack có thể gây ra một loạt các vụ tai nạn dẫn đến sự gia tăng đáng kể tổn thất tối đa có thể xảy ra. Do đó, các sự kiện tổn thất không độc lập do tính liên kết ngày càng tăng và sự chuyển dịch từ các rủi ro tần suất cao / mức độ nghiêm trọng thấp sang tần suất thấp / mức độ nghiêm trọng cao. Các mối quan tâm tương tự được thảo luận bởi Biener và cộng sự (2015) cho rằng rủi ro tích lũy đặt ra một rào cản lớn đối với khả năng bảo hiểm trước các rủi ro mạng. Một cách tiềm năng để giảm rủi ro tích lũy và đảm bảo đủ độc lập với các sự kiện tổn thất có thể là đa dạng hóa các hệ thống trí tuệ nhân tạo được ứng dụng, nhằm cải thiện khả năng bảo hiểm. Các rủi ro có mức độ nghiêm trọng cao cũng đòi hỏi giới hạn bảo hiểm và thanh toán phí bảo hiểm rất cao. Do đó, các công ty bảo hiểm gặp thách thức trong việc sửa đổi phạm vi bảo hiểm truyền thống và thiết kế các sản phẩm bảo hiểm sáng tạo. Ngoài ra, các khía cạnh đạo đức và pháp lý của trí tuệ nhân tạo nảy sinh bất cứ khi nào các thuật toán phải đưa ra các quyết định khó khăn. Hơn nữa, dữ liệu được xử lý trong các thuật toán trí tuệ nhân tạo và thông tin chi tiết thu được đặt ra các câu hỏi liên quan đến bảo mật và bảo vệ dữ liệu (tức là truy cập và sử dụng dữ liệu). Do đó, các cơ chế pháp lý để điều chỉnh sự phát triển của các doanh nghiệp cũng như sử dụng trí tuệ nhân tạo trong kinh doanh nói chung 515
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” và trong kinh doanh bảo hiểm nói riêng là hoàn toàn cần thiết để đảm bảo phát huy tối đa những cơ hội mà lĩnh vực này mang lại đồng thời đảm bảo quyền lợi cho khách hàng một cách công bằng và đầy đủ khi tham gia bảo hiểm. TÀI LIỆU THAM KHẢO Tài liệu tham khảo tiếng Việt 1. Nguyễn Văn Định (2010), giáo trình Bảo hiểm, Xuất bản lần thứ 2, Nhà xuất bản Đại học Kinh tế quốc dân, Hà Nội. Tài liệu tham khảo tiếng Anh 1. Albrecher Hansjörg, Antoine Bommier, Damir Filipović, Pablo Koch-Medina, Stéphane Loisel và Hato Schmeiser (2019), Insurance: models, digitalization, and data science, Tạp chí European Actuarial Journal, Số 9(2),Trang: 349-360. 2. Baum Seth D (2017), On the promotion of safe and socially beneficial artificial intelligence, Tạp chí AI & SOCIETY, Số 32(4),Trang: 543-551. 3. Biener Christian, Martin Eling và Jan Hendrik Wirfs (2015), Insurability of cyber risk: An empirical analysis, Tạp chí The Geneva Papers on Risk and Insurance-Issues and Practice, Số 40(1),Trang: 131-158. 4. Bohnert Alexander, Albrecht Fritzsche và Shirley Gregor (2019), Digital agendas in the insurance industry: the importance of comprehensive approaches, Tạp chí The Geneva Papers on Risk and Insurance-Issues and Practice, Số 44(1),Trang: 1-19. 5. Brown Jeffrey R và Austan Goolsbee (2002), Does the Internet make markets more competitive? Evidence from the life insurance industry, Tạp chí Journal of Political Economy, Số 110(3),Trang: 481-507. 6. Cappiello Antonella (2020), The European Insurance Industry: Regulation, Risk Management, and Internal Control, Nhà xuất bản Springer Nature, 7. Christian Schmidt (2018), Insurance in the Digital Age: A view on key implications for the economy and society, Geneva Association-International Association for the Study of Insurance …, Geneva. 8. Eastman Jacqueline K, A D Alan Eastman và Kevin L Eastman (2002), Insurance sales agents and the Internet: The relationship between opinion leadership, subjective knowledge, and Internet attitudes, Tạp chí Journal of marketing management, Số 18(3-4),Trang: 259-285. 9. Eling Martin và Martin Lehmann (2018), The impact of digitalization on the insurance value chain and the insurability of risks, Tạp chí The Geneva Papers on Risk and Insurance-Issues and Practice, Số 43(3),Trang: 359-396. 10. Garven James R (2002), On the implications of the internet for insurance markets and institutions, Tạp chí Risk Management and Insurance Review, Số 5(2),Trang: 105-116. 11. Guimaraes Amanda De Azevedo (2020), 'Digital transformation in the insurance industry: applications of artificial intelligence in fraud detection'. 12. Hall Wendy và Jérôme Pesenti (2017), Growing the artificial intelligence industry in the UK, Tạp chí Department for Digital, Culture, Media & Sport and Department for Business, Energy & Industrial Strategy. Part of the Industrial Strategy UK and the Commonwealth. 13. Hayes Susan L, Sara R Collins và David C Radley (2019), How much US households with employer insurance spend on premiums and out-of-pocket costs: a state-by-state look, Tạp chí New York: The Commonwealth Fund. 14. Hussain Kazim và Elsa Prieto (2016), 'Big data in the finance and insurance sectors', Trong New horizons for a data-driven economy, Nhà xuất bản Springer, Cham, trang 209-223. 15. Jones S, B Humphreys và M Woolnough (2019), Considering the impact of Al in insurance. Retrieved June 16, 2020. 16. Kaiser Thomas (2002), The customer shall lead: E-business solutions for the new insurance industry, Tạp chí The Geneva Papers on Risk and Insurance. Issues and Practice, Số 27(1),Trang: 134-145. 17. Kelley Kevin H, Lisa M Fontanetta, Mark Heintzman và Nikki Pereira (2018), Artificial intelligence: Implications for social inflation and insurance, Tạp chí Risk Management and Insurance Review, Số 21(3),Trang: 373-387. 516
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” 18. Makadia Rupa (2019), 'Development and evaluation of a machine learning algorithm to map medical conditions and procedures from real-world data', Đại học Rutgers The State University of New Jersey, Rutgers School of Health Professions. 19. Naphade Milind, Zheng Tang, Ming-Ching Chang, David C Anastasiu, Anuj Sharma, Rama Chellappa, Shuo Wang, Pranamesh Chakraborty, Tingting Huang và Jenq-Neng Hwang (2019), 'The 2019 AI City Challenge', Kỷ yếu hội thảo: CVPR workshops, Trang 2. 20. Pugnetti Carlo và Mischa Seitz (2021), Data-driven services in insurance: Potential evolution and impact in the Swiss market, Tạp chí Journal of Risk and Financial Management, Số 14(5),Trang: 227. 21. Research and markets (2022), Digital Insurance Platform Market - Growth, Trends, COVID- 19 Impact and Forecast (2022 - 2027), Truy cập ngày 14/7 2022], từ liên kết: https://www.researchandmarkets.com/reports/5239442/digital-insurance-platform-market- growth#rela1-5618341 22. Riikkinen Mikko, Hannu Saarijärvi, Peter Sarlin và Ilkka Lähteenmäki (2018), Using artificial intelligence to create value in insurance, Tạp chí International Journal of Bank Marketing. 23. Stoeckli Emanuel, Christian Dremel và Falk Uebernickel (2018), Exploring characteristics and transformational capabilities of InsurTech innovations to understand insurance value creation in a digital world, Tạp chí Electronic markets, Số 28(3),Trang: 287-305. 24. Venkatesh Arjun K, Shih-Chuan Chou, Shu-Xia Li, Jennie Choi, Joseph S Ross, Gail D’Onofrio, Harlan M Krumholz và Kumar Dharmarajan (2019), Association between insurance status and access to hospital care in emergency department disposition, Tạp chí JAMA internal medicine, Số 179(5),Trang: 686-693. 25. Viaene Stijn và Guido Dedene (2004), Insurance fraud: issues and challenges, Tạp chí The Geneva Papers on Risk and Insurance-Issues and Practice, Số 29(2),Trang: 313-333. 26. Walsh Brett và Erica Volini (2017), Rewriting the rules for the digital age: 2017 Deloitte global human capital trends. 27. Wang Hai và Shouhong Wang (2008), A knowledge management approach to data mining process for business intelligence, Tạp chí Industrial Management & Data Systems. --- Thông tin tác giả: - TS. Mai Thị Hường, Khoa bảo hiểm, Đại học Lao động xã hội, số 43 Trần Duy Hưng, phường Trung Hòa, quận Cầu Giấy, thành phố Hà Nội Email: mthuongins@gmail.com Số điện thoại: 0983 135 086 Lĩnh vực nghiên cứu chuyên sâu của tác giả: Tài chính – Ngân hàng, bảo hiểm thương mại, bảo hiểm xã hội, quản trị rủi ro - TS. Đỗ Thùy Dung, Khoa bảo hiểm, Đại học Lao động xã hội, số 43 Trần Duy Hưng, phường Trung Hòa, quận Cầu Giấy, thành phố Hà Nội Email: dodung2007@gmail.com Số điện thoại: 0904 388 338 Lĩnh vực nghiên cứu chuyên sâu của tác giả: Tài chính, bảo hiểm thương mại, bảo hiểm xã hội. 517

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.