
نقش هوش مصنوعی عاملمحور (Agentic AI) در نوسازی سامانههای هسته بیمه و سادهسازی فرایندهای تحول دیجیتال.
نوسازی فناوریهای بیمه در سالهای گذشته همواره فرایندی پیچیده، پرهزینه و زمانبر بوده است. آیا هوش مصنوعی عاملمحور میتواند رویکرد شرکتهای بیمه به این نوسازی را تغییر دهد؟
هوش مصنوعی با کمک به تیمهای فناوری برای شناخت سامانههای قدیمی، خودکارسازی فعالیتهای تکراری و تسریع فرایندهای آزمون و کنترل، میتواند نوسازی سامانهها را قابلمدیریتتر و مستمرتر کند.
هوش مصنوعی عاملمحور رویکرد تازهای ارائه میدهد که در آن، عاملهای هوشمند تخصصی، مراحل مختلف فرایند نوسازی را پشتیبانی میکنند.
هدف صرفاً سریعترکردن نوسازی نیست؛ بلکه باید شرایطی فراهم شود که تغییرات و توسعههای آینده نیز آسانتر انجام شوند.
پژوهش شرکت McKinsey بررسی کرده است که هوش مصنوعی عاملمحور چگونه میتواند چالشهای پایدار نوسازی سامانهها را برطرف کند. این چالشها شامل موارد زیر است:
شناسایی و شناخت سامانههای قدیمی و پیچیده؛
انتقال و مهاجرت دادهها؛
آزمون و کنترل نرمافزار؛
تطبیق و مغایرتگیری اطلاعات؛
آمادهسازی برای انتقال نهایی به سامانه جدید.
بر اساس تحلیل مککنزی، بسته به نوع فعالیت و سطح خودکارسازی، هوش مصنوعی عاملمحور میتواند بهرهوری برخی فعالیتهای منفرد در پروژههای نوسازی را بین ۱۰ تا ۹۰ درصد افزایش دهد.
این فرصت صرفاً به سریعتر نوشتن کد محدود نمیشود؛ بلکه کاهش تلاش موردنیاز برای شناخت، اعتبارسنجی و تبدیل سامانههای پیچیده را نیز در بر میگیرد.
سامانههای قدیمی بیمه، سالها منطق کسبوکار، یکپارچگیهای سیستمی و تنظیمات محصولات بیمهای را در خود جای دادهاند.
جایگزینی این سامانهها بدون ایجاد اختلال در عملیات جاری، به شناخت دقیق ساختار موجود، آزمونهای گسترده و اعتبارسنجی مستمر نیاز دارد.
هوش مصنوعی عاملمحور میتواند فعالیتهای دستی را کاهش دهد، مشکلات را زودتر شناسایی کند و وظایف مختلف را در طول چرخه نوسازی با یکدیگر هماهنگ سازد.
چالش واقعی صرفاً جایگزینکردن فناوری قدیمی نیست؛ بلکه شناخت دقیق آن چیزی است که باید تغییر کند و اطمینان از اجرای صحیح تغییرات است.
شرکت Tata AIG در حال توسعه قابلیتهای هوش مصنوعی در حوزههای ارزیابی ریسک و رسیدگی به خسارت است.
این شرکت در حال طراحی یک لایه ارکستراسیون (Orchestration Layer) است که وظیفه هماهنگی میان عاملهای هوش مصنوعی، مدیریت توالی وظایف و حفظ نظارت انسانی در نقاط ضروری را بر عهده دارد.
شرکت IndiaFirst Life از عاملهای هوش مصنوعی در گردش کارهای ارزیابی ریسک، خدمات مشتریان و رسیدگی به خسارت استفاده میکند.
قابلیتهای برنامهریزیشده شامل بررسی اسناد، شناسایی مغایرتها، طبقهبندی درخواستهای خدماتی و ارجاع موارد استثنایی خسارت به کارشناسان انسانی است.
شرکت Aditya Birla Health Insurance عاملهای هوش مصنوعی را برای بررسی اسناد پزشکی، اعمال مزایای مندرج در بیمهنامه و غربالگری پروندههای خسارت از نظر احتمال تقلب به کار گرفته است.
تصور کنید یک شرکت بیمه بتواند یک رشته بیمهای را نوسازی کند، بدون آنکه برای نوسازی رشته بیمهای بعدی، تمام فرایندهای شناخت سامانه و آزمون را از ابتدا بازسازی کند.
قابلیتهای قابل استفاده مجدد عاملهای هوشمند، مستندسازی دانش کسبوکار و گردش کارهای تکرارپذیر میتوانند به شرکتهای بیمه کمک کنند تا پروژههای نوسازی بعدی را با انسجام و سرعت بیشتری اجرا کنند.
فرصت اصلی، عبور از پروژههای تحول دیجیتال مقطعی و حرکت به سمت فناوریهایی است که همگام با کسبوکار تکامل پیدا میکنند.
هوش مصنوعی عاملمحور بهتنهایی قادر به حل تمام چالشهای نوسازی نیست. تحقق این هدف به دادههای قابلاعتماد، سامانههای متصل، مسئولیتهای مشخص و نظارت انسانی نیاز دارد.
برای مدیران فناوری اطلاعات صنعت بیمه، فرصت اصلی در سادهسازی فضای فناوری و ایجاد زیرساختی برای تغییر و تحول مستمر نهفته است.
مزیت واقعی رقابتی زمانی ایجاد خواهد شد که شرکتهای بیمه نهتنها سامانههای هسته خود را نوسازی کنند، بلکه شیوه نوسازی و توسعه سامانههای خود را نیز متحول سازند.
با ورود عاملهای هوش مصنوعی به فرایند توسعه و تحویل فناوری، شرکتهای بیمه ممکن است در شیوه نگهداری، تحول و مقیاسپذیری سامانههای خود تجدیدنظر کنند. شاید مزیت رقابتی آینده، صرفاً داشتن یک سامانه هسته مدرن نباشد؛ بلکه توانایی نوسازی مستمر آن باشد.

#اینشورتک_ایران
@Insurtech_Iran
آدرس کانال در پیام رسان بله
ادرس کانال در تلگرام