Bisakah AI Membuat Asuransi Truk Lebih Akurat, atau Hanya Lebih Cepat?

Kecerdasan buatan menawarkan cara baru bagi perusahaan asuransi untuk mengotomatiskan peninjauan dokumen, mengekstrak informasi dari permohonan, dan menganalisis catatan historis. Bagi perusahaan angkutan truk, kemampuan ini dapat membantu mengurangi keterlambatan administratif yang mempersulit proses memperoleh perlindungan asuransi.

Efisiensi itu penting. Keterlambatan asuransi dapat menghalangi perusahaan angkutan untuk mengoperasikan truk, menerima kontrak baru, atau melanjutkan kegiatan sesuai rencana.

Namun, keputusan yang lebih cepat belum tentu lebih baik.

Dalam asuransi angkutan truk, tantangannya bukanlah ketiadaan data sama sekali. Perusahaan asuransi dapat mempertimbangkan riwayat inspeksi, catatan keselamatan, laporan kecelakaan, izin operasi, dan dokumen kepatuhan. Tantangannya adalah menentukan apa yang sebenarnya diungkapkan catatan tersebut tentang suatu usaha dan informasi apa yang tidak tercakup di dalamnya.

Agar AI dapat meningkatkan kualitas asuransi angkutan truk, teknologi ini harus melakukan lebih dari sekadar mempercepat proses penilaian risiko. AI perlu membantu perusahaan asuransi memahami risiko dengan lebih akurat.

Catatan Keselamatan Tidak Menceritakan Seluruhnya

Sebelum terjun ke industri asuransi, saya bekerja langsung dengan perusahaan angkutan truk dalam bidang keselamatan dan kepatuhan. Saya membantu perusahaan angkutan memperoleh izin operasi, menata berkas kualifikasi pengemudi, memelihara catatan, dan memahami persyaratan peraturan. Pengalaman itu menegaskan satu pelajaran penting: catatan kepatuhan memang berguna, tetapi belum tentu mencerminkan kegiatan armada sehari-hari.

Bayangkan dua perusahaan angkutan truk dengan ukuran armada, riwayat operasi, dan catatan inspeksi yang serupa. Salah satunya mungkin menjalankan jadwal perawatan preventif secara konsisten, berinvestasi dalam pelatihan pengemudi, dan menangani potensi masalah keselamatan sebelum berkembang menjadi pelanggaran. Perusahaan lainnya mungkin mengambil pendekatan yang lebih reaktif dan baru menangani masalah setelah muncul. Di atas kertas, kedua perusahaan ini dapat terlihat serupa, meskipun pendekatan mereka dalam mengelola risiko berbeda.

Hal sebaliknya juga bisa terjadi. Catatan suatu perusahaan angkutan mungkin memuat pelanggaran atau kecelakaan, tetapi kejadian itu belum tentu sepenuhnya menjelaskan praktik keselamatannya saat ini atau keadaan yang melatarbelakangi insiden tersebut.

Sistem Pengukuran Keselamatan milik Federal Motor Carrier Safety Administration (FMCSA) menggunakan data inspeksi di jalan, kecelakaan, dan investigasi untuk membantu mengidentifikasi perusahaan angkutan yang mungkin perlu menjalani intervensi keselamatan. Meski berguna untuk pengawasan regulasi, catatan ini tidak dimaksudkan untuk memberikan penilaian menyeluruh atas kondisi keselamatan atau kelayakan asuransi suatu perusahaan angkutan.

FMCSA juga telah mendokumentasikan keterbatasan data dalam Sistem Pengukuran Keselamatan, termasuk pertanyaan mengenai kecukupan data dan seberapa andal informasi tersebut dapat digunakan untuk berbagai keperluan.

AI dapat menganalisis catatan ini dengan cepat, tetapi kecepatan saja tidak mengatasi keterbatasannya.

Risiko Mengotomatiskan Informasi yang Tidak Lengkap

Ada peluang nyata untuk memanfaatkan AI guna mengurangi pekerjaan administratif dalam asuransi komersial. Sistem otomatis dapat membantu menemukan kolom permohonan yang belum diisi, membandingkan informasi di berbagai dokumen, menata catatan keselamatan, dan menandai ketidaksesuaian untuk ditinjau.

Perbaikan ini dapat sangat bermanfaat di bidang angkutan truk, karena pengumpulan dokumen sering melibatkan banyak pihak dan sistem.

Risiko muncul ketika penilaian otomatis dianggap sebagai kesimpulan final. Misalnya, sistem AI mungkin menandai suatu perusahaan angkutan karena indikator keselamatan yang tidak menguntungkan. Sistem tersebut mungkin berhasil mengidentifikasi catatannya, tetapi belum tentu memperhitungkan perbaikan operasional setelahnya atau informasi tambahan yang dapat mengubah cara insiden itu seharusnya ditafsirkan.

Program Penentuan Keterhindaran Kecelakaan FMCSA menunjukkan mengapa konteks itu penting. Program ini memungkinkan perusahaan angkutan meminta peninjauan atas kecelakaan tertentu yang memenuhi syarat. Jika FMCSA menetapkan bahwa suatu kecelakaan tidak dapat dicegah, kejadian itu tidak disertakan dalam penghitungan kategori Indikator Kecelakaan di Sistem Pengukuran Keselamatan, meskipun kecelakaan tersebut tetap tercantum.

Program ini mengakui bahwa keadaan yang melatarbelakangi suatu insiden itu penting, bukan sekadar keberadaan catatan kecelakaan.

Perbedaan ini menjadi sangat penting saat menilai armada yang lebih kecil. Perusahaan angkutan besar mungkin memiliki staf keselamatan khusus dan sistem pelaporan terpadu, sedangkan usaha kecil mungkin menyimpan catatan di lembar kerja, email, dan sistem penyedia layanan eksternal.

Misalnya, dokumen perawatan yang tidak ditemukan bisa berarti perawatan memang tidak dilakukan. Namun, catatan itu mungkin juga tersimpan di tempat yang tidak dapat diakses sistem. Kedua situasi tersebut tidak semestinya otomatis menghasilkan penilaian yang sama.

Kerangka Kerja Manajemen Risiko AI milik National Institute of Standards and Technology memberikan panduan sukarela untuk mengevaluasi keandalan, transparansi, dan keterpercayaan sistem AI.

Bagi perusahaan asuransi angkutan truk, prinsip-prinsip ini dapat menjadi acuan yang berguna untuk menentukan apakah informasi yang mendasari penilaian otomatis masih mutakhir, cukup lengkap, dan sesuai dengan tujuan penggunaannya.

AI Perlu Mengenali Kapan Informasi Tambahan Diperlukan

Salah satu kemampuan paling berguna yang dapat dimiliki sistem AI adalah mengenali kapan suatu keputusan memerlukan konteks tambahan.

Alih-alih menganggap setiap pengajuan sebagai perkara yang tinggal disetujui atau ditolak, sistem yang efektif seharusnya dapat membedakan situasi ketika informasi yang tersedia sudah memadai dan situasi yang memerlukan klarifikasi.

Bayangkan sebuah perusahaan angkutan yang profil operasionalnya baru-baru ini berubah. Sistem otomatis mungkin dapat mendeteksi perubahan tersebut, tetapi pertanyaan tambahan dapat mengungkap apakah perusahaan itu merambah kategori muatan yang berbeda, menambah armada, atau menerapkan prosedur keselamatan baru.

Setiap faktor tersebut dapat memengaruhi cara risikonya dinilai.

Di sinilah keterjelasan alasan juga menjadi penting. Jika sistem AI merekomendasikan hasil tertentu, pihak yang bertanggung jawab atas keputusan tersebut perlu memahami informasi apa yang memengaruhinya dan apakah kesimpulannya masuk akal.

Panduan NIST tentang AI yang tepercaya mengidentifikasi keterjelasan alasan, transparansi, keandalan, dan akuntabilitas sebagai karakteristik penting sistem yang tepercaya. Panduan itu juga mengakui peran penilaian manusia dalam mengevaluasi kinerja AI.

Dalam asuransi angkutan truk, tujuannya bukan menghilangkan pertanyaan dalam proses penjaminan risiko. Tujuannya adalah mengidentifikasi pertanyaan yang tepat lebih awal dalam proses tersebut.

Keahlian Manusia Tetap Penting

Adopsi AI terkadang digambarkan sebagai pilihan antara otomatisasi dan pengambilan keputusan oleh manusia. Dalam praktiknya, pendekatan yang lebih bermanfaat adalah menentukan tugas mana yang terbantu oleh teknologi dan mana yang memerlukan pertimbangan profesional.

AI dapat membantu menata informasi, mengenali pola, dan mengurangi pekerjaan administratif yang berulang. Keahlian manusia menjadi sangat berharga ketika catatan tidak jelas atau keadaan perusahaan angkutan tidak sesuai dengan kategori standar.

Orang yang memahami operasional angkutan truk mungkin dapat mengenali alasan suatu masalah keselamatan tertentu penting, bagaimana perbedaan lingkungan operasional memengaruhi tingkat paparan risiko, atau mengapa perubahan operasional baru-baru ini perlu ditelaah lebih saksama.

Keahlian tersebut tidak seharusnya dipandang sebagai penghambat otomatisasi. Keahlian itu dapat membuat penilaian otomatis lebih bermanfaat.

Ada pula pertimbangan penting terkait akuntabilitas.

Pada Desember 2023, National Association of Insurance Commissioners mengadopsi buletin model tentang penggunaan kecerdasan buatan oleh perusahaan asuransi, yang menguraikan ekspektasi regulator terkait tata kelola, manajemen risiko, dan kepatuhan terhadap peraturan perundang-undangan asuransi yang berlaku.

Dampak regulasi buletin tersebut bergantung pada adopsi dan penerapannya oleh masing-masing negara bagian, tetapi buletin itu mencerminkan meningkatnya perhatian terhadap cara perusahaan asuransi mengawasi keputusan yang didukung AI.

Penilaian manusia juga tidak selalu benar. Orang dapat mengambil keputusan yang tidak konsisten atau melewatkan informasi yang relevan. Peluangnya terletak pada penggabungan konsistensi dan kemampuan pemrosesan AI dengan pengetahuan operasional yang diperlukan untuk menafsirkan situasi kompleks.

Mengukur Akurasi, Bukan Hanya Efisiensi

Jika perusahaan asuransi ingin mengetahui apakah AI meningkatkan proses penjaminan risiko, mereka perlu mengevaluasi lebih dari sekadar waktu penyelesaian.

Memproses pengajuan dalam hitungan menit, bukan hari, merupakan pencapaian operasional. Namun, hal itu belum tentu membuktikan bahwa penilaian yang dihasilkan lebih akurat.

Evaluasi yang lebih bermakna akan menilai apakah rekomendasi otomatis tetap andal untuk berbagai jenis perusahaan angkutan, seberapa sering penilaian perlu dikoreksi, dan apakah sistem dapat mengidentifikasi informasi yang hilang atau tidak konsisten dengan tepat.

Armada kecil perlu mendapat perhatian khusus. Jika suatu model berkinerja baik untuk perusahaan angkutan dengan catatan digital yang lengkap, tetapi kesulitan menangani bisnis yang dokumentasinya kurang terstandar, efektivitasnya mungkin tidak merata.

Pengujian harus mencerminkan keragaman bisnis yang dievaluasi.

Evaluasi tersebut juga perlu berlanjut setelah sistem diterapkan. Perubahan peraturan, praktik operasional, dan informasi yang tersedia dapat memengaruhi keandalan sistem dari waktu ke waktu.

Perusahaan asuransi juga harus siap meninjau kembali cara sistem mereka memberi bobot pada berbagai jenis informasi. Sebagai contoh, model yang terus-menerus terlalu menitikberatkan satu indikator keselamatan dapat mengabaikan faktor lain yang relevan dengan operasional perusahaan angkutan.

Tujuannya harus berupa perbaikan berkelanjutan, bukan sekadar pemrosesan yang lebih cepat.

Peluang Sesungguhnya Adalah Memahami Risiko dengan Lebih Baik

AI berpotensi meningkatkan efisiensi asuransi angkutan truk, mengurangi keterlambatan administratif, dan membantu perusahaan asuransi menemukan informasi yang mungkin terlewatkan.

Namun, manfaat terbesarnya mungkin terletak pada kemampuannya membantu industri mengambil keputusan dengan informasi yang lebih lengkap.

Sebuah armada tidak hanya ditentukan oleh riwayat inspeksinya, dan catatan keselamatan bukan sekadar kumpulan pelanggaran. Memahami risiko mengharuskan kita mempertimbangkan cara bisnis beroperasi, cara bisnis tersebut menangani masalah, serta apakah informasi yang tersedia mencerminkan keadaan terkini.

Sistem AI yang paling bermanfaat belum tentu yang menghasilkan jawaban tercepat. Sistem tersebut adalah yang membantu perusahaan asuransi mengenali kapan informasi yang tersedia cukup mendukung suatu keputusan dan kapan evaluasi lebih lanjut diperlukan.

Pada akhirnya, pertanyaannya bukan apakah AI dapat mempercepat proses asuransi truk, melainkan apakah AI dapat membuat keputusan industri ini lebih akurat.

Itulah standar yang seharusnya digunakan untuk mengukur keberhasilannya.