Η έννοια της τεχνητής νοημοσύνης έγινε γνωστή στο ευρύ κοινό μέσα από τον κινηματογράφο, ο οποίος, με τη σειρά του, άντλησε έμπνευση από τη λογοτεχνία επιστημονικής φαντασίας. Μία από τις κλασικές ταινίες του είδους, με τίτλο “Blade Runner” (του 1982, με πρωταγωνιστή τον Χάρισον Φορντ και μουσική από τον σπουδαίο Βαγγέλη Παπαθανασίου), βασίστηκε στο βιβλίο του Αμερικανού συγγραφέα Philip K. Dick, με τίτλο “Do androids dream of electric sheep?” (με την απλοϊκή μετάφραση στα Ελληνικά: «Το ηλεκτρικό πρόβατο»). Στην ταινία, που εξελίσσεται σε ένα δυστοπικό μέλλον –όπως οι περισσότερες του είδους–, ένας κυνηγός επικηρυγμένων ψάχνει μια ομάδα ανδροειδών που βρίσκονται παράνομα στη Γη και πρέπει να «αποσυρθούν».
Η μεγάλη πρόκληση του κεντρικού χαρακτήρα είναι να μπορέσει να διακρίνει τα ανδροειδή από τους πραγματικούς ανθρώπους, καθώς η ομοιότητα είναι τέτοια που μπορεί να προκαλέσει σύγχυση. Τα ανδροειδή (ρομπότ αν θέλετε), με άλλα λόγια, συμπεριφέρονται σαν άνθρωποι: Μιμούνται τα ανθρώπινα συναισθήματα, σκέπτονται και λαμβάνουν αποφάσεις. Χρησιμοποιούν την τεχνητή νοημοσύνη με την οποία εξοπλίστηκαν.
Χωρίς να μπορούμε να προβλέψουμε εάν οι μηχανές θα μπορέσουν στο μέλλον να κάνουν χρήση της τεχνητής νοημοσύνης με τον ζοφερό τρόπο που τόσο γλαφυρά μας παρουσιάζει το Χόλιγουντ, ας μείνουμε στο παρόν και ας προσπαθήσουμε να σκεφτούμε εάν το επόμενο μεγάλο βήμα της τεχνολογικής εξέλιξης είναι μια απειλή για τους επαγγελματίες στον χώρο της ασφαλιστικής διαμεσολάβησης.
Ένας από τους βασικούς σκοπούς της τεχνητής νοημοσύνης είναι να αντικαθιστά τύπους επαναλαμβανόμενης εργασίας και να βρίσκει λύσεις σε, περισσότερο ή λιγότερο, σύνθετες δραστηριότητες, όπως για παράδειγμα ο έλεγχος πολλών κειμένων για εκφραστικά/ορθογραφικά λάθη ή η εύρεση της ταχύτερης διαδρομής όταν χρησιμοποιούμε μια εφαρμογή για να πάμε κάπου με αυτοκίνητο.
Μέσα από έναν ασύλληπτο όγκο δεδομένων, οι μηχανές/υπολογιστές έχουν πλέον τη δυνατότητα να μαθαίνουν. Δηλαδή να μετατρέπουν μέσα από αλγόριθμους νέες πληροφορίες σε αξιοποιήσιμη μορφή νέων τρόπων επίλυσης προβλημάτων. Αποκτούν λογική, δηλαδή επιλέγουν τη βέλτιστη λύση σε ένα πρόβλημα και με την πρόσκτηση νέων δεδομένων μπορούν να αυτοβελτιώνονται.
Οι απόψεις ειδικών συγκλίνουν στην ύπαρξη αξιοσημείωτων πλεονεκτημάτων στην εφαρμογή της τεχνητής νοημοσύνης. Ενδεικτικά: περιορίζει θεαματικά τον χρόνο επεξεργασίας μεγάλου όγκου δεδομένων, αυξάνοντας την παραγωγικότητα, είναι διαθέσιμη κάθε στιγμή της ημέρας και θα δώσει πάντοτε αποτελέσματα με ποιότητα και συνέπεια.
Σύμφωνα με στοιχεία έρευνας της EIOPA (European Insurance and Occupational Pensions Authority), που δημοσιεύθηκαν στα τέλη της προηγούμενης χρονιάς, 31% των ασφαλιστικών εταιρειών που συμμετείχαν χρησιμοποιούν τεχνητή νοημοσύνη σε όλη τη δραστηριότητά τους και άλλο ένα 24% ήταν σε στάδιο υλοποίησης της εφαρμογής της.
Παρ’ όλο που σε αυτό το στάδιο δεν είναι εφικτή η εκτεταμένη χρήση της, οι ασφαλιστές εξετάζουν τρόπους για να την εφαρμόσουν στον τρόπο με τον οποίο παρέχουν πληροφορίες για τα προϊόντα τους, στην παροχή οδηγιών για τις διαδικασίες αποζημιώσεων και στις διαδικασίες τιμολόγησης και ανάληψης κινδύνων.
Ωστόσο, η παραπάνω έρευνα θέτει και το ζήτημα της χρήσης της τεχνητής νοημοσύνης υπό το ισχύον ευρωπαϊκό νομοθετικό πλαίσιο. Για παράδειγμα, υπάρχουν αμφιβολίες για την εφαρμογή της στον κλάδο ζωής και υγείας (η έρευνα τη χαρακτηρίζει «υψηλού ρίσκου»). Επίσης, ειδικοί εντοπίζουν περιορισμούς στη διαρκή βελτίωσή της, εξαιτίας του πολύ υψηλού κόστους έρευνας και ανάπτυξης, της έλλειψης εξειδικευμένου προσωπικού, της διαπίστωσης ότι αν το πρόγραμμα «εκπαίδευσης» έχει σφάλματα, αυτά θα αντικατοπτριστούν στις αποφάσεις που λαμβάνει.
Τα παραπάνω μαρτυρούν ότι αφενός το να συμπεριφερθεί μια μηχανή όπως ένας ανθρώπινος εγκέφαλος είναι κάτι που προσπαθούμε να υλοποιήσουμε, αλλά απέχουμε πολύ από αυτό, αφετέρου ότι ο τρόπος με τον οποίο σκεφτόμαστε κι ενεργούμε, λαμβάνοντας υπόψη τους συσχετισμούς μεταξύ του επαγγέλματος και της ανθρώπινης φύσης μας, είναι εξαιρετικά περίπλοκος και αξιοθαύμαστος και ακόμη και τεράστιοι όγκοι δεδομένων σε έναν υπολογιστή αποτυγχάνουν να τον αποτυπώσουν με επάρκεια.
Είναι, λοιπόν, αλήθεια ότι η τεχνητή νοημοσύνη βελτιώνει τη διαδικασία ακριβούς διάγνωσης σοβαρών παθήσεων, αξιολογεί το μαθησιακό επίπεδο ανά μαθητή και προσαρμόζει το πρόγραμμα φοίτησης στις δεξιότητές του, διαχειρίζεται το σύστημα συναλλαγών του χρηματιστηρίου της Νέας Υόρκης και εξαπλώνεται. Παρ’ όλα αυτά, δεν μπορεί να υποκαταστήσει πλήρως την ανθρώπινη επικοινωνία.
Ειδικά στην ασφαλιστική διαμεσολάβηση, μπορούμε με βεβαιότητα να πούμε ότι η πώληση ενός ασφαλιστικού προϊόντος, ιδιαιτέρως όταν η φύση του είναι πιο περίπλοκη, απαιτεί επικοινωνία πρόσωπο με πρόσωπο.
Σε πρόσφατη έρευνα της PWC, το 74% των καταναλωτών εκτός ΗΠΑ δήλωσαν ότι θα αναζητήσουν στο μέλλον την ανθρώπινη επικοινωνία περισσότερο από παλαιότερα.
Στο τεύχος που κρατάτε ζητήσαμε την άποψη ανθρώπων του κλάδου μας, του χώρου της τεχνολογίας και της εκπαίδευσης, για να μας δώσουν μια εμπεριστατωμένη εικόνα για την προοπτική και τις ενδεχόμενες απειλές που ελλοχεύουν στη χρήση της τεχνητής νοημοσύνης, γενικότερα, και στον κλάδο της ιδιωτικής ασφάλισης, ειδικότερα.
Ελπίζουμε να δώσει απαντήσεις σε ερωτήματά σας και να σας παράσχει πληροφορίες που ίσως δεν γνωρίζατε. Ο ΣΕΜΑ θα συνεχίζει να καταγράφει απόψεις για επίκαιρα θέματα που επηρεάζουν τον χώρο μας, συμβάλλοντας στην επαρκή ενημέρωση των μελών και των αναγνωστών μας.
Νικόλαος Γαβρίλης
Υπεύθυνος Επικοινωνίας του ΣΕΜΑ
Από το περιοδικό BROKER’S TIME #76
