ویرگول
ورودثبت نام
اینشورتک ایران
اینشورتک ایرانرسانه اینشورتک ایران؛ اخبار و اطلاعات تخصصی نوآوری و فناوری های بیمه در جهان و صنعت بیمه کشور ایران
اینشورتک ایران
اینشورتک ایران
خواندن ۶ دقیقه·۱۷ روز پیش

AI-enabled، AI-first یا AI-native؛ سازمان شما در کدام جایگاه قرار دارد؟

مقدمه

محور اصلی مقاله، تفاوت میان سه سطح بلوغ سازمان‌ها در به‌کارگیری هوش مصنوعی است. نویسنده تأکید می‌کند که صرف استفاده از ابزارهای هوش مصنوعی به معنای تحول هوشمند سازمان نیست؛ تفاوت اصلی در این است که هوش مصنوعی تا چه اندازه در فرایندها، تصمیم‌گیری‌ها، مدل کسب‌وکار و ساختار عملیاتی سازمان نقش محوری پیدا کرده است.

۱. ایده اصلی مقاله: سه سطح متفاوت بلوغ هوش مصنوعی

نویسنده با استفاده از یک مثال در صنعت بیمه، سه سطح اصلی به‌کارگیری هوش مصنوعی را تشریح می‌کند و یک سطح مقدماتی نیز به آن‌ها اضافه می‌کند. مبنای این دسته‌بندی، چارچوب مجمع جهانی اقتصاد (WEF) و مؤسسه Kearney در سال ۲۰۲۶ است.

سطح صفر: اکتشاف (Exploring)

مرحله مقدماتی : سازمان در مرحله آزمایش ابزارهای هوش مصنوعی و استفاده‌های فردی قرار دارد. هنوز هدف مشخص، مالک مسئول، ابزارهای تأییدشده و برنامه سازمانی منسجمی برای استفاده از AI وجود ندارد.

نشانه: کارکنان به‌صورت پراکنده از ابزارهای هوش مصنوعی استفاده می‌کنند.

سطح اول: AI-enabled

توانمندسازی با AI : هوش مصنوعی برای خودکارسازی یا پشتیبانی از وظایف موجود به کار گرفته می‌شود، اما ساختار و گردش کار سازمان تغییر اساسی نمی‌کند.

نشانه: AI باعث افزایش سرعت و بهره‌وری می‌شود، ولی فرایندها همچنان به روش قبلی اجرا می‌شوند.

سطح دوم: AI-first

اولویت با AI : فرایندها، نقش‌ها و اختیارات تصمیم‌گیری مجدداً طراحی می‌شوند تا هوش مصنوعی به یکی از محورهای اصلی خلق ارزش تبدیل شود. وظایف به‌صورت هدفمند میان انسان و AI تقسیم می‌شوند.

نشانه: سازمان از ابتدا طراحی فرایند را با فرض مشارکت هوش مصنوعی انجام می‌دهد.

سطح سوم: AI-native

هوش مصنوعی در هسته کسب‌وکار: سازمان یا کسب‌وکار از ابتدا بر مبنای هوش مصنوعی طراحی شده است. محصولات، خدمات، مدل درآمدی و مزیت رقابتی آن به‌طور بنیادین به AI وابسته‌اند.

نشانه: اگر هوش مصنوعی حذف شود، اساساً ارزش پیشنهادی کسب‌وکار زیر سؤال می‌رود.

۲. چگونه تشخیص دهیم سازمان در کدام سطح قرار دارد؟

نویسنده یک آزمون ساده اما کاربردی پیشنهاد می‌کند: تصور کنید از فردا تمام ابزارها و قابلیت‌های هوش مصنوعی سازمان غیرفعال شوند؛ چه اتفاقی می‌افتد؟

نکته مهم این است که در سطح AI-enabled، هوش مصنوعی صرفاً یک ابزار کمکی است؛ اما در سطح AI-first، نحوه انجام کار و در سطح AI-native، حتی ماهیت کسب‌وکار تغییر می‌کند.

۳. مثال کاربردی مقاله در صنعت بیمه

نویسنده برای تشریح موضوع، یک شرکت بیمه فرضی با نام CarinaCo را معرفی می‌کند.

این شرکت بیمه‌ای فرضی در استرالیا، حدود ۴۲۰ کارمند دارد و در رشته‌های بیمه خودرو، مسکن و کسب‌وکارهای کوچک فعالیت می‌کند.

این شرکت از هوش مصنوعی برای بررسی اسناد خسارت و تسریع رسیدگی به پرونده‌های ساده استفاده کرده است. کارکنان نیز از این ابزارها رضایت دارند؛ اما وقتی هیئت‌مدیره پرسیده است که آیا شرکت به یک سازمان AI-native تبدیل شده، مدیرعامل تصمیم می‌گیرد به‌جای ارائه یک عنوان تبلیغاتی، وضعیت واقعی شرکت را بررسی کند.

نتیجه بررسی نشان می‌دهد:

  • ابزارهای AI فقط بعضی مراحل رسیدگی به خسارت را سریع‌تر کرده‌اند.

  • ساختار و فرایندهای اصلی رسیدگی به خسارت تغییر نکرده‌اند.

  • در صورت حذف ابزارهای هوش مصنوعی، عملیات شرکت همچنان ادامه پیدا می‌کند، اما با سرعت کمتر.

بنابراین، مدیرعامل اعلام می‌کند که شرکت در سطح AI-enabled قرار دارد، نه AI-first یا AI-native.

برنامه پیشنهادی او این است که طی ۱۲ ماه، فرایند رسیدگی به خسارت خودرو از ابتدا تا انتها بازطراحی شود؛ به‌گونه‌ای که در هر مرحله مشخص باشد چه کاری توسط هوش مصنوعی، چه کاری توسط نیروی انسانی و در چه شرایطی توسط کارشناس خسارت انجام شود.

این برنامه با تعیین یک مسئول مشخص و شاخص‌های سنجش عملکرد به هیئت‌مدیره ارائه و تصویب می‌شود.

۴. یک نمونه قابل‌توجه از ارزش‌آفرینی AI-first

مقاله به یک نمونه از چارچوب مجمع جهانی اقتصاد اشاره می‌کند که در آن، بازطراحی گردش کار بیمه تجاری با محوریت هوش مصنوعی، زمان انجام فرایند را از ۲۸ روز به ۲.۸ ساعت کاهش داده است.

۹۹٫۳۳٪ = کاهش تقریبی زمان انجام فرایند نسبت به وضعیت اولیه

این مثال نشان می‌دهد که ارزش اصلی AI-first لزوماً از سریع‌تر کردن یک فعالیت منفرد به دست نمی‌آید؛ بلکه از بازطراحی کل زنجیره عملیات و تقسیم هوشمندانه وظایف بین انسان و هوش مصنوعی حاصل می‌شود.

۵. سه توصیه اصلی نویسنده برای حرکت به سمت AI-first

نویسنده سه اقدام کلیدی را برای سازمان‌هایی که قصد ارتقای سطح بلوغ هوش مصنوعی خود را دارند، مطرح می‌کند:

اول: تمرکز بر یک حوزه مشخص به‌جای پراکندگی سرمایه‌گذاری

به‌جای اجرای ده‌ها پروژه کوچک و مستقل هوش مصنوعی، یک حوزه عملیاتی انتخاب شود و تمام مراحل آن از ابتدا تا انتها با محوریت AI بازطراحی شود.

دوم: بازتعریف نقش‌ها و اختیارات تصمیم‌گیری

صرفاً نصب ابزارهای جدید کافی نیست. باید مشخص شود چه تصمیم‌هایی را هوش مصنوعی اتخاذ می‌کند، کدام تصمیم‌ها نیازمند تأیید انسان هستند، چه کسی مسئول کنترل خروجی‌هاست و در چه شرایطی کارشناس باید وارد فرایند شود.

سوم: سنجش نتایج کل فرایند، نه میزان استفاده از ابزارها

موفقیت سازمان نباید با تعداد کاربران ChatGPT، تعداد ابزارهای نصب‌شده یا تعداد پروژه‌های آزمایشی سنجیده شود؛ بلکه باید اثر واقعی هوش مصنوعی بر عملکرد کسب‌وکار اندازه‌گیری شود.

۶. پنج پرسش راهبردی برای مدیران سازمان

در پایان مقاله، پنج پرسش برای ارزیابی وضعیت سازمان پیشنهاد شده است:

1. اگر ابزارهای هوش مصنوعی فردا غیرفعال شوند، چه فعالیت‌هایی در سازمان متوقف خواهند شد؟

2. سازمان در حال حاضر در کدام سطح بلوغ AI قرار دارد و چه شواهدی این موضوع را تأیید می‌کند؟

3. کدام حوزه عملیاتی بیشترین ظرفیت را برای بازطراحی مبتنی بر هوش مصنوعی دارد؟

4. چه کسی مسئول تعیین وظایف AI، وظایف کارکنان و زمان مداخله نیروی انسانی است؟

5. چه شاخصی نشان می‌دهد که عملکرد کل فرایند بهبود یافته است، نه فقط یک مرحله از آن؟

۷. تحلیل و کاربرد مقاله برای شرکتهای ارزیاب خسارت

با توجه به فعالیت‌های شرکتهای ارزیاب خسارت در حوزه ارزیابی خسارت، مدیریت پرونده‌های بیمه‌ای، خدمات مشتریان و توسعه سامانه‌های دیجیتال، به نظرم مهم‌ترین پیام مقاله این است که نباید استقرار هوش مصنوعی را صرفاً به افزودن قابلیت‌های AI به سامانه‌های موجود محدود کرد؛ بلکه باید به بازطراحی مدل عملیاتی کسب‌وکار فکر کرد.

برای نمونه، می‌توان مسیر تحول را در سه مرحله تعریف کرد:

پیشنهاد اجرایی: طراحی نقشه راه تبدیل شرکت ارزیاب خسارت به سازمان AI-first

پیشنهاد می‌کنم تحول هوش مصنوعی در شرکت در قالب پنج محور دنبال شود:

  1. ارزیابی بلوغ هوش مصنوعی: شناسایی سطح فعلی استفاده از AI در واحدهای مختلف، فرایندها و سامانه‌ها.

  2. انتخاب فرایندهای اولویت‌دار: انتخاب فرایندهایی مانند ارزیابی خسارت درمان، ارزیابی خسارت خودرو و مدیریت تماس‌های مشتریان.

  3. بازطراحی فرایندها: تعیین فعالیت‌های قابل واگذاری به هوش مصنوعی، فعالیت‌های نیازمند نظارت کارشناسی و نقاط کنترل انسانی.

  4. توسعه زیرساخت هوشمند: ایجاد زیرساخت داده، یکپارچه‌سازی APIها، مدل‌های هوش مصنوعی، عامل‌های هوشمند و سازوکارهای نظارت و کنترل.

  5. اندازه‌گیری ارزش کسب‌وکار: سنجش کاهش زمان رسیدگی، کاهش هزینه عملیاتی، کاهش خطا، افزایش رضایت مشتری و افزایش بهره‌وری کارشناسان.

جمع‌بندی نهایی

به اعتقاد من، مهم‌ترین تمایز این مقاله در تفکیک سه مفهوم است:

  • AI-enabled: استفاده از هوش مصنوعی برای بهتر انجام دادن کارهای موجود.

  • AI-first: بازطراحی کارها و فرایندها با فرض حضور هوش مصنوعی.

  • AI-native: ایجاد کسب‌وکارهایی که اساساً بر پایه هوش مصنوعی شکل گرفته‌اند.

نویسنده معتقد است برای سازمان‌های باسابقه و موجود، رسیدن به سطح AI-first هدف واقع‌بینانه‌تری نسبت به تبدیل شدن کامل به AI-native است.

برای شرکت‌های ارزیاب خسارت، مزیت رقابتی آینده صرفاً در استفاده از ابزارهای هوش مصنوعی نیست؛ بلکه در توانایی بازطراحی زنجیره ارزش خدمات بیمه‌ای با همکاری هوشمند انسان و AI است.

اینشورتک_ایران

@Insurtech_Iran

آدرس کانال در پیام رسان بله

ble.ir/join/7nLvqfxDVK

ادرس کانال در تلگرام

https://t.me/Insurtech_Iran


هوش مصنوعی
۰
۰
اینشورتک ایران
اینشورتک ایران
رسانه اینشورتک ایران؛ اخبار و اطلاعات تخصصی نوآوری و فناوری های بیمه در جهان و صنعت بیمه کشور ایران
شاید از این پست‌ها خوشتان بیاید