اخطارهای دنیای مجازی ،کسب و کار در فضای مجازی و تحلیل فضای فرهنگی ،سیاسی و اجتماعی

دکتر بهروز نقویان دکترای مدیریت ، مدیر عامل شرکت تولید نرم افزارهای هوشمند ، خواننده پاپ و محلی خراسان شمالی ،مشاور شهرک صنعتی ایران مشاور دیجیتال مارکت و صادرات

اخطارهای دنیای مجازی ،کسب و کار در فضای مجازی و تحلیل فضای فرهنگی ،سیاسی و اجتماعی

دکتر بهروز نقویان دکترای مدیریت ، مدیر عامل شرکت تولید نرم افزارهای هوشمند ، خواننده پاپ و محلی خراسان شمالی ،مشاور شهرک صنعتی ایران مشاور دیجیتال مارکت و صادرات

 هوش مصنوعی   در صنعت بیمه

دکتر بهروز نقویان

شناسایی کاربردهای عملی و ارزشمند هوش مصنوعی مهمترین وظیفه ای است که امروزه مدیران  بیمه با آن روبرو هستند.همانطور که هوش مصنوعی ،  داده های کلانو اینترنت اشیا (IoT) به هر جنبه از زندگی ما راه پیدا کرده اند  ، بسیاری از صنایع در حال تحول هستند. "مدیران بیمه معتقدند که هوش مصنوعی  صنعت بیمه را در آینده به طور قابل توجهی متحول خواهد کرد ، 

الگوریتم های هوش مصنوعی در بخشهای مختلف صنعت بیمه پیشرفت چشمگیری داشته و   تجربه مشتری ، هزینه ها را کاهش می دهند. به آرامی اما مطمئناً صنعت در حال دگرگونی است. 

 برخی از مزایایی که رشد اینترنت اشیا برای صنعت بیمه به ارمغان خواهد آورد ، از جمله درک بهتر ریسک ، جلوگیری از ضررهای قابل پیشگیری ، ضبط الگوها و رفتارها و امکان نظارت فعالانه. امروزه بسیاری از بیمه ها از این روندها استقبال می کنند تا سرعت و کارآیی خدمات خود را بهبود بخشند. از یک چیز ، داشتن اطلاعات بیشتر بیمه گران را قادر می سازد حق بیمه شخصی و متناسب با مشتری را به مشتریان خود ارائه دهند.

در بخش بیمه درمانی ، ارائه دهندگان خدمات از یادگیری ماشینی برای کمک به بیماران در انتخاب بهترین گزینه های پوشش بیمه درمانی متناسب با نیازهای خود استفاده می کنند. داده های جمع آوری شده از پوشیدنی ها مانند ردیاب های تناسب اندام و دستگاه های اندازه گیری ضربان قلب به بیمه گران کمک می کند تا عادت های سالم مانند ورزش منظم را ردیابی و پاداش دهند و با ارائه نکات تغذیه ای سالم مراقبت های پیشگیرانه را تشویق می کنند.

رایانه ها در طول تاریخ برای مقابله با داده هایی که به طور مرتب در جداول با ردیف و ستون مرتب نشده اند ، تلاش می کردند. اما متأسفانه ، بیشتر داده های ما بدون ساختار هستند و مستندات ، گزارش های گفتگوی گپ ، ایمیل ها و داده های متنی که در تعاملات روزمره تولید می کنیم نهفته است. پردازش زبان طبیعی ، دانش کمک به رایانه برای درک و ارزش یابی از متن بدون ساختار ، یک حوزه در سالهای اخیر پیشرفت چشمگیری داشته است.

بخش بیمه ، که مملو از داده های متنی است ، از پیشرفت در پردازش زبان طبیعی بی نهایت بهره مند شده است. بیمه ها توانسته اند با استفاده از مدل های زبانی ، مدت زمان پاسخگویی به سوالات مشتری را کاهش دهند و از تعداد زیادی اسنادی که باید در تسویه مطالبات بررسی کنند ، اطلاعات مربوطه را پیدا می کنند.

پیشرفت در  پردازش زبان طبیعی همچنین منجر به ایجادچت بات خدمات مشتری در بخشهای مختلف از جمله صنعت بیمه شده است. شرکت های بیمه  از چت بات های مجهز به هوش مصنوعی برای تسویه مطالبات استفاده می کنند. این چت بات ها پرس و جوهای سطح پایین مشتری و نمایندگان رایگان را برای انجام کارهای پیچیده تر کنترل می کنند.

 هوش مصنوعی ، جمع آوری داده های ورودی و فهم روند داده های متنی ، انجام کارها را برای بیمه گران آسان تر و کم هزینه تر می کند تا این اطلاعات را با هم جمع کرده و نیازهای مشتریان خود را برطرف کنند.

بینایی رایانه ای دانش توانمند سازی ماشین ها برای استخراج معنا و زمینه از داده های تصویری است. در چند سال گذشته ، به لطف شبکه های عصبی کانولوشن ، مدل های هوش مصنوعی که می توانند کارهای تشخیص و طبقه بندی تصویر را با دقت خیره کننده انجام دهند ، بینایی رایانه با جهش و  رو به پیشرفت است.

اکنون بیمه گرها با استفاده از الگوریتم های تشخیص تصویر بسیاری از کارهایی را که قبلاً به نیروی انسانی احتیاج داشتند ، به صورت خودکار انجام می دهند. شرکت بیمه  هوش مصنوعی برای ارزیابی خسارت سریع و خسارت وسیله نقلیه و تسویه مطالبات استفاده می کند. کاربران با گوشی هوشمند خود از ماشین آسیب دیده عکس می گیرند و آن را به سیستم  ارائه می دهند که از الگوریتم یادگیری ماشین برای هزاران عکس تصادف رانندگی برای ارزیابی خسارت و هزینه ها استفاده می کند. این فرآیند چند ثانیه بیشتر طول نمی کشد.

بینایی رایانه ای همچنین بیمه گذاران را قادر به انجام کارهایی می کند که قبلاً غیرممکن بود. به عنوان مثال پلت فرم  خاص که با استفاده از هوش مصنوعی برای تجزیه و تحلیل تغذیه دوربین داخلی خودرو و تشخیص و ارائه بازخورد درباره رفتارهای بی خطر مانند حواس پرتی رانندگی و ارسال پیام کوتاه است.

 وظایف بینایی رایانه قبلاً برای ارسال داده های خود به سرورهای ابری به برنامه هایی نیاز داشت که الگوریتم های هوش مصنوعی از منابع محاسباتی گسترده ای برای پردازش و تجزیه و تحلیل داده ها استفاده می کردند. اما در سال های اخیر ، سخت افزارهای تخصصی و الگوریتم های کارآمدتر ماشین به تدریج استنباط هوش مصنوعی روی دستگاه را امکان پذیر می کند. سرعت و کارایی بهبود یافته زمینه ساز تجزیه و تحلیل داده های بصری و ارزیابی ریسک در زمان واقعی است.

 با ادامه نفوذ فناوری در زندگی ما ، الگوریتم های هوش مصنوعی قادر خواهند بود راه حل های سریعتر و دقیق تری ارائه دهند ، صنعت بیمه را بسیار خوشایندتر و ناامیدکننده تر برای مشتریان و نمایندگان می کند.


برخی راه حل های بحران مالی


-تورم / سیاست مالی انبساطی

تورم به معنای تلاش و تقویت تقاضای کل در اقتصاد برای ایجاد رشد اقتصادی بالاتر است. به عنوان مثال ، در رکود اقتصادی ، بانک مرکزی می تواند نرخ بهره را کاهش دهد ، پول چاپ کند . این منجر به افزایش عرضه پول می شود و می تواند به تحریک فعالیت های اقتصادی کمک کند. همچنین ممکن است تورم ایجاد کند

و همچنین سیاست های پولی ، دولت می تواند یک محرک مالی را دنبال کند - این شامل هزینه های بالاتر دولت ، پایین آمدن مالیات - معمولاً با استقراض بالاتر توسط دولت تأمین می شود. به عنوان مثال ، در رکود اقتصادی سال 2009 ، دولت انگلیس و ایالات متحده سیاست مالی انبساطی را دنبال کردند.

همچنین تورم بالاتر بازپرداخت بدهی های خود را برای دولت آسان می کند.. دولت می باید پرداخت بدهی را آسان تر می کند و دارندگان اوراق قرضه از دست می دهند زیرا پس انداز آنها پس از تورم بی فایده است.

- پیش فرض

پیش فرض به تصمیم دولت مبنی بر متوقف کردن بازپرداخت بخشی یا کل بدهی های آن اشاره دارد. این امر وام گرفتن دولت در آینده را دشوار خواهد کرد ، اما به این معنی است که آنها برای کاهش استقراض مجبور نیستند هزینه‌ها را کاهش دهند.

وقتی استقراض دولت به عنوان یک درصد از تولید ناخالص داخلی به سرعت افزایش می یابد ، کنترل وام گرفتن بسیار دشوار می شود. به منظور پاسخگویی به بازپرداخت بهره و کاهش بار بدهی ، دولت ممکن است مجبور شود ریاضت مالی را دنبال کند (کاهش هزینه ها ، افزایش مالیات). با این حال ، کاهش هزینه ها در رکود اقتصادی می تواند آن را بدتر کند. 

-خراب کردن

خراب کردن به سیاست هایی برای کاهش تورم اشاره دارد.  شامل 

سیاست پولی "تنگ" - نرخ بهره بالاتر برای کاهش هزینه ها

سیاست مالی "تنگ" - کاهش هزینه ها ، مالیات بالاتر. سیاست سختگیرانه مالی همچنین سطح استقراض دولت را کاهش می دهد.

کاهش ارزش اقتصاد باعث کاهش رشد و کاهش نرخ تورم خواهد شد.

به عنوان مثال، بسیاری از کشورها در یورو سعی کرده اند با کاهش هزینه های دولت ، بحران مالی خود را حل کنند.

با این حال ، حل مشکل فقط با تکیه بر کاهش قیمت مشکل است. 

 بحران عمیق اقتصادی


کاهش ارزش پول ملی به این صورت عجیب و غریب نشان دهنده یک بحران عمیق اقتصادی است و ما بسیاری از نشانه‌های این بحران مانند تورم، کاهش شدید ارزش پول ملی، بیکاری، کاهش صادرات و تعطیلی بسیاری از کسب و کارها به دلیل کرونا را مشاهده می‌کنیم

مهم‌ترین دلایل کاهش ارزش پول ملی هم عدم صادرات نفت و میعانات گازی، عدم جابجایی پول و مهم‌تر از همه جبران کسری بودجه دولت است که مورد آخری عواقب تورمی شدید خواهد داشت. آنچه مسلم است، اینکه اقتصاد ایران از تعادل نسبی قبل از کرونا خارج شده، البته اقتصاد ایران بزرگ است اما تحمل شرایط برای مردم سخت خواهد بود.

متاسفانه در شرایط کنونی دولت سکوت کرده اما ما همچنان امیدواریم که دولت در سال آخر فعالیت خود اقتصاد و بازار ارز را رها نکرده باشد.

در این شرایط هیچ کس نمی‌تواند یک برنامه‌ریزی دقیقی داشته باشد الان تمام تولیدکنندگان مورد سرزنش قرار می‌گیرند که بازدهی بورس، طلا و ارز به شدت از تولید بیشتر است. شاید این شرایط برای ۵ درصد از جامعه مناسب باشد اما ۹۵ درصد هزینه آن را می‌پردازند و تحت فشار شدید هستند.

این بی‌عملی دولت و سکوت معنادار بانک مرکزی عجیب و غریب است. بالاخره در چهار دولت گذشته شاهد واکنش‌هایی در اینگونه شرایط بودیم. نباید به نظر برسد که دولت و بانک مرکزی تنها منتظر جبران کسری بودجه هستند. در این شرایط فعالیت تولیدی به صرفه نیست، به طوری که اکثر تولیدکنندگان احساس می‌کنند که سرشان کلاه رفته و جالب آنکه این اتفاقات در سال رونق تولید اتفاق می‌افتد.