AI จะทำให้การประกันภัยรถบรรทุกแม่นยำขึ้น หรือแค่รวดเร็วขึ้นได้หรือไม่?

ปัญญาประดิษฐ์เปิดโอกาสให้บริษัทประกันภัยทำให้การตรวจสอบเอกสารเป็นระบบอัตโนมัติ ดึงข้อมูลจากใบสมัคร และวิเคราะห์บันทึกย้อนหลังได้ด้วยวิธีใหม่ ๆ สำหรับบริษัทขนส่งด้วยรถบรรทุก ความสามารถเหล่านี้อาจช่วยลดความล่าช้าด้านงานธุรการ ซึ่งทำให้ขั้นตอนการขอความคุ้มครองยุ่งยากขึ้น

ประสิทธิภาพที่เพิ่มขึ้นนี้มีความสำคัญ เพราะความล่าช้าในการทำประกันอาจทำให้ผู้ประกอบการขนส่งไม่สามารถนำรถบรรทุกออกให้บริการ รับสัญญาใหม่ หรือดำเนินงานต่อไปตามแผนได้

แต่การตัดสินใจที่เร็วขึ้นไม่ได้หมายความว่าจะเป็นการตัดสินใจที่ดีขึ้นเสมอไป

ความท้าทายของการประกันภัยรถบรรทุกไม่เคยอยู่ที่การขาดข้อมูลโดยสิ้นเชิง บริษัทประกันภัยสามารถพิจารณาประวัติการตรวจสอบ บันทึกด้านความปลอดภัย รายงานอุบัติเหตุ ใบอนุญาตประกอบการ และเอกสารการปฏิบัติตามข้อกำหนดได้ ความท้าทายคือการพิจารณาว่าบันทึกเหล่านั้นบอกอะไรเกี่ยวกับธุรกิจนั้นอย่างแท้จริง และมีข้อมูลอะไรที่ไม่ได้แสดงไว้

หาก AI จะช่วยยกระดับการประกันภัยรถบรรทุกได้ ก็ต้องทำมากกว่าเร่งกระบวนการพิจารณารับประกันภัย แต่ต้องช่วยให้บริษัทประกันภัยเข้าใจความเสี่ยงได้แม่นยำยิ่งขึ้น

บันทึกด้านความปลอดภัยไม่ได้บอกเรื่องราวทั้งหมด

ก่อนเข้าสู่อุตสาหกรรมประกันภัย ฉันเคยทำงานโดยตรงกับบริษัทขนส่งด้วยรถบรรทุกด้านความปลอดภัยและการปฏิบัติตามข้อกำหนด โดยช่วยผู้ประกอบการขนส่งขอใบอนุญาตประกอบการ จัดระเบียบแฟ้มคุณสมบัติผู้ขับขี่ ดูแลบันทึก และทำความเข้าใจข้อกำหนดด้านกฎระเบียบ ประสบการณ์ดังกล่าวย้ำให้เห็นบทเรียนสำคัญว่า บันทึกการปฏิบัติตามข้อกำหนดมีประโยชน์ แต่ไม่ได้สะท้อนวิธีดำเนินงานของกองรถในแต่ละวันเสมอไป

ลองพิจารณาบริษัทขนส่งด้วยรถบรรทุกสองแห่งที่มีขนาดกองรถ ประวัติการดำเนินงาน และบันทึกการตรวจสอบใกล้เคียงกัน แห่งหนึ่งอาจปฏิบัติตามกำหนดการบำรุงรักษาเชิงป้องกันอย่างสม่ำเสมอ ลงทุนในการฝึกอบรมผู้ขับขี่ และจัดการข้อกังวลด้านความปลอดภัยที่อาจเกิดขึ้นก่อนจะกลายเป็นการละเมิดข้อกำหนด ส่วนอีกแห่งอาจใช้แนวทางตั้งรับมากกว่า โดยจัดการปัญหาเฉพาะเมื่อเกิดขึ้นแล้ว เมื่อดูจากเอกสาร บริษัททั้งสองอาจดูคล้ายกัน ทั้งที่มีแนวทางบริหารความเสี่ยงแตกต่างกัน

ในทางกลับกันก็อาจเกิดขึ้นได้เช่นกัน ผู้ประกอบการขนส่งอาจมีประวัติการละเมิดข้อกำหนดหรืออุบัติเหตุ แต่เหตุการณ์นั้นอาจไม่ได้อธิบายแนวปฏิบัติด้านความปลอดภัยในปัจจุบันหรือสถานการณ์แวดล้อมของเหตุการณ์ได้ครบถ้วน

ระบบการวัดความปลอดภัยของ Federal Motor Carrier Safety Administration (FMCSA) ใช้ข้อมูลจากการตรวจสอบข้างทาง อุบัติเหตุ และการสืบสวน เพื่อช่วยระบุผู้ประกอบการขนส่งที่อาจต้องได้รับมาตรการแทรกแซงด้านความปลอดภัย แม้บันทึกเหล่านี้จะเป็นประโยชน์ต่อการกำกับดูแลตามกฎระเบียบ แต่ไม่ได้มีไว้เพื่อประเมินภาพรวมด้านความปลอดภัยหรือความสามารถในการทำประกันของผู้ประกอบการขนส่งอย่างครบถ้วน

FMCSA ยังได้บันทึกไว้ถึง ข้อจำกัดของข้อมูลในระบบการวัดความปลอดภัย ซึ่งรวมถึงข้อสงสัยเกี่ยวกับความเพียงพอของข้อมูล และความน่าเชื่อถือของข้อมูลเมื่อนำไปใช้ในวัตถุประสงค์ต่าง ๆ

AI สามารถวิเคราะห์บันทึกเหล่านี้ได้อย่างรวดเร็ว แต่ความเร็วเพียงอย่างเดียวไม่ได้ช่วยแก้ข้อจำกัดของข้อมูล

ความเสี่ยงจากการทำข้อมูลที่ไม่ครบถ้วนให้เป็นระบบอัตโนมัติ

มีโอกาสอย่างชัดเจนที่จะใช้ AI ลดภาระงานธุรการในการประกันภัยเชิงพาณิชย์ ระบบอัตโนมัติอาจช่วยตรวจหาช่องข้อมูลในใบสมัครที่ยังไม่ได้กรอก เปรียบเทียบข้อมูลจากเอกสารต่าง ๆ จัดระเบียบบันทึกด้านความปลอดภัย และแจ้งความคลาดเคลื่อนให้ตรวจสอบ

การปรับปรุงเหล่านี้อาจเป็นประโยชน์อย่างยิ่งในธุรกิจขนส่งด้วยรถบรรทุก ซึ่งการรวบรวมเอกสารมักต้องประสานงานกับหลายฝ่ายและหลายระบบ

ความเสี่ยงเกิดขึ้นเมื่อมองผลการประเมินจากระบบอัตโนมัติว่าเป็นข้อสรุปที่เด็ดขาด ตัวอย่างเช่น ระบบ AI อาจแจ้งเตือนเกี่ยวกับผู้ประกอบการขนส่งรายหนึ่งเนื่องจากมีตัวชี้วัดด้านความปลอดภัยที่ไม่น่าพึงพอใจ ระบบอาจตรวจพบข้อมูลในบันทึกได้ถูกต้อง แต่ก็อาจไม่ได้คำนึงถึงการปรับปรุงการดำเนินงานที่เกิดขึ้นภายหลัง หรือข้อมูลเพิ่มเติมที่เปลี่ยนวิธีตีความเหตุการณ์นั้น

โครงการพิจารณาวินิจฉัยความสามารถในการป้องกันอุบัติเหตุของ FMCSA แสดงให้เห็นว่าเหตุใดบริบทจึงมีความสำคัญ โครงการนี้อนุญาตให้ผู้ประกอบการขนส่งยื่นคำขอให้ทบทวนอุบัติเหตุบางกรณีที่เข้าเกณฑ์ได้ เมื่อ FMCSA วินิจฉัยว่าอุบัติเหตุนั้นไม่สามารถป้องกันได้ หน่วยงานจะไม่นำเหตุการณ์ดังกล่าวมาคำนวณในหมวดตัวชี้วัดอุบัติเหตุของระบบการวัดความปลอดภัย แม้อุบัติเหตุนั้นจะยังคงปรากฏอยู่ในรายการ

โครงการนี้ยอมรับว่าสถานการณ์แวดล้อมของเหตุการณ์มีความสำคัญ ไม่ใช่เพียงการมีบันทึกอุบัติเหตุอยู่เท่านั้น

ความแตกต่างนี้มีความสำคัญเป็นพิเศษเมื่อต้องประเมินกองรถขนาดเล็ก ผู้ประกอบการรายใหญ่อาจมีเจ้าหน้าที่ดูแลความปลอดภัยโดยเฉพาะและระบบรายงานที่เชื่อมโยงกัน ขณะที่ธุรกิจขนาดเล็กอาจเก็บบันทึกไว้ในสเปรดชีต อีเมล และระบบของผู้ให้บริการภายนอก

ตัวอย่างเช่น การไม่มีเอกสารบำรุงรักษาอาจหมายความว่าไม่ได้ดำเนินการบำรุงรักษา แต่อาจเป็นไปได้เช่นกันว่ามีบันทึกอยู่ เพียงแต่ระบบเข้าถึงไม่ได้ สถานการณ์ทั้งสองแบบไม่ควรได้รับการประเมินเหมือนกันโดยอัตโนมัติ

กรอบการบริหารความเสี่ยงด้าน AI ของ National Institute of Standards and Technologyนำเสนอแนวทางโดยสมัครใจสำหรับประเมินความน่าเชื่อถือ ความโปร่งใส และความไว้วางใจได้ของระบบ AI

สำหรับบริษัทประกันภัยรถบรรทุก หลักการเหล่านี้เป็นแนวทางอ้างอิงที่มีประโยชน์ในการพิจารณาว่าข้อมูลที่ใช้ประกอบการประเมินโดยระบบอัตโนมัติเป็นข้อมูลปัจจุบัน ครบถ้วนเพียงพอ และเหมาะสมกับวัตถุประสงค์การใช้งานหรือไม่

AI ต้องรู้ว่าเมื่อใดจำเป็นต้องมีข้อมูลเพิ่มเติม

ความสามารถที่เป็นประโยชน์อย่างยิ่งอย่างหนึ่งของระบบปัญญาประดิษฐ์คือการระบุได้ว่าเมื่อใดการตัดสินใจจำเป็นต้องมีบริบทเพิ่มเติม

แทนที่จะมองทุกคำขอเป็นเพียงการอนุมัติหรือปฏิเสธ ระบบที่มีประสิทธิภาพควรแยกแยะได้ว่าสถานการณ์ใดมีข้อมูลเพียงพอแล้ว และสถานการณ์ใดต้องขอคำชี้แจงเพิ่มเติม

ลองพิจารณาผู้ประกอบการขนส่งที่รูปแบบการดำเนินงานเพิ่งเปลี่ยนแปลงไป ระบบอัตโนมัติอาจตรวจพบความเปลี่ยนแปลงนี้ แต่การซักถามเพิ่มเติมอาจช่วยให้ทราบว่าบริษัทขยายไปขนส่งสินค้าประเภทอื่น เพิ่มอุปกรณ์ หรือปรับใช้ขั้นตอนด้านความปลอดภัยใหม่หรือไม่

ปัจจัยแต่ละข้อเหล่านี้อาจส่งผลต่อวิธีประเมินความเสี่ยงของบริษัท

ประเด็นนี้ยังเป็นจุดที่ความสามารถในการอธิบายเหตุผลมีความสำคัญ หากระบบปัญญาประดิษฐ์เสนอผลลัพธ์อย่างใดอย่างหนึ่ง ผู้รับผิดชอบการตัดสินใจควรเข้าใจว่าข้อมูลใดส่งผลต่อข้อเสนอนั้น และข้อสรุปดังกล่าวสมเหตุสมผลหรือไม่

แนวทางเกี่ยวกับปัญญาประดิษฐ์ที่เชื่อถือได้ของ NIST ระบุว่าความสามารถในการอธิบายเหตุผล ความโปร่งใส ความน่าเชื่อถือ และความรับผิดชอบ เป็นคุณลักษณะสำคัญของระบบที่เชื่อถือได้ นอกจากนี้ยังยอมรับบทบาทของวิจารณญาณมนุษย์ในการประเมินประสิทธิภาพของปัญญาประดิษฐ์ด้วย

สำหรับการประกันภัยรถบรรทุก เป้าหมายไม่ควรเป็นการขจัดคำถามออกจากกระบวนการพิจารณารับประกันภัย แต่ควรเป็นการระบุคำถามที่เหมาะสมให้ได้ตั้งแต่ช่วงต้นของกระบวนการ

ความเชี่ยวชาญของมนุษย์ยังคงสำคัญ

บางครั้งการนำปัญญาประดิษฐ์มาใช้ถูกนำเสนอราวกับเป็นการเลือกระหว่างระบบอัตโนมัติกับการตัดสินใจของมนุษย์ แต่ในทางปฏิบัติ แนวทางที่เป็นประโยชน์กว่าคือการพิจารณาว่างานใดได้ประโยชน์จากเทคโนโลยี และงานใดต้องอาศัยวิจารณญาณจากผู้เชี่ยวชาญ

ปัญญาประดิษฐ์ช่วยจัดระเบียบข้อมูล ระบุรูปแบบ และลดงานธุรการที่ต้องทำซ้ำได้ ความเชี่ยวชาญของมนุษย์มีคุณค่าเป็นพิเศษเมื่อเอกสารมีความกำกวมหรือสถานการณ์ของผู้ประกอบการขนส่งไม่เข้ากับหมวดหมู่มาตรฐานอย่างชัดเจน

ผู้ที่คุ้นเคยกับการดำเนินงานด้านการขนส่งอาจเข้าใจว่าเหตุใดประเด็นด้านความปลอดภัยบางอย่างจึงสำคัญ สภาพแวดล้อมการดำเนินงานที่แตกต่างกันส่งผลต่อความเสี่ยงอย่างไร หรือเหตุใดการเปลี่ยนแปลงการดำเนินงานเมื่อไม่นานมานี้จึงควรได้รับการตรวจสอบอย่างละเอียดขึ้น

ไม่ควรมองความเชี่ยวชาญดังกล่าวว่าเป็นอุปสรรคต่อระบบอัตโนมัติ เพราะความเชี่ยวชาญนี้ช่วยให้การประเมินโดยระบบอัตโนมัติมีประโยชน์ยิ่งขึ้นได้

ยังมีประเด็นสำคัญอีกเรื่องหนึ่งเกี่ยวกับความรับผิดชอบ

ในเดือนธันวาคม 2023 สมาคมคณะกรรมาธิการประกันภัยแห่งชาติ (National Association of Insurance Commissioners) ได้นำ ประกาศต้นแบบว่าด้วยการใช้ปัญญาประดิษฐ์ของบริษัทประกันภัยมาใช้ โดยระบุความคาดหวังด้านกฎระเบียบเกี่ยวกับการกำกับดูแล การบริหารความเสี่ยง และการปฏิบัติตามกฎหมายประกันภัยที่เกี่ยวข้อง

ผลด้านกฎระเบียบของประกาศนี้ขึ้นอยู่กับการนำไปใช้และการดำเนินการของแต่ละรัฐ แต่ประกาศดังกล่าวสะท้อนให้เห็นว่ามีการให้ความสำคัญมากขึ้นกับวิธีที่บริษัทประกันภัยกำกับดูแลการตัดสินใจที่มีปัญญาประดิษฐ์สนับสนุน

วิจารณญาณของมนุษย์เองก็ไม่ได้ถูกต้องเสมอไป ผู้คนอาจตัดสินใจไม่สอดคล้องกันหรือมองข้ามข้อมูลที่เกี่ยวข้อง โอกาสอยู่ที่การผสานความสม่ำเสมอและความสามารถในการประมวลผลของปัญญาประดิษฐ์เข้ากับความรู้ด้านการดำเนินงานที่จำเป็นต่อการตีความสถานการณ์ซับซ้อน

วัดความแม่นยำ ไม่ใช่แค่ประสิทธิภาพ

หากบริษัทประกันภัยต้องการทราบว่าปัญญาประดิษฐ์ช่วยปรับปรุงการพิจารณารับประกันภัยหรือไม่ ก็ต้องประเมินมากกว่าแค่ระยะเวลาดำเนินการ

การประมวลผลคำขอภายในไม่กี่นาทีแทนที่จะใช้เวลาหลายวันถือเป็นความสำเร็จด้านการดำเนินงาน แต่ไม่ได้แสดงให้เห็นโดยอัตโนมัติว่าผลการประเมินที่ได้มีความแม่นยำมากขึ้น

การประเมินที่มีความหมายมากกว่าควรตรวจสอบว่าคำแนะนำจากระบบอัตโนมัติยังคงเชื่อถือได้กับผู้ประกอบการขนส่งประเภทต่าง ๆ หรือไม่ ต้องแก้ไขผลประเมินบ่อยเพียงใด และระบบระบุข้อมูลที่ขาดหายหรือไม่สอดคล้องกันได้อย่างเหมาะสมหรือไม่

ควรให้ความสำคัญเป็นพิเศษกับกองรถขนาดเล็ก หากแบบจำลองทำงานได้ดีเมื่อใช้กับผู้ประกอบการขนส่งที่มีบันทึกข้อมูลดิจิทัลจำนวนมาก แต่มีปัญหากับธุรกิจที่จัดทำเอกสารอย่างเป็นมาตรฐานน้อยกว่า ประสิทธิภาพของระบบก็อาจไม่สม่ำเสมอ

การทดสอบควรสะท้อนความหลากหลายของธุรกิจที่นำมาประเมิน

การประเมินดังกล่าวต้องดำเนินต่อไปหลังนำระบบไปใช้ด้วย การเปลี่ยนแปลงด้านกฎระเบียบ แนวปฏิบัติในการดำเนินงาน และข้อมูลที่มีอยู่ อาจส่งผลต่อความน่าเชื่อถือของระบบเมื่อเวลาผ่านไป

บริษัทประกันภัยควรเตรียมทบทวนด้วยว่าระบบของตนให้น้ำหนักกับข้อมูลประเภทต่าง ๆ อย่างไร ตัวอย่างเช่น แบบจำลองที่ให้น้ำหนักกับตัวชี้วัดด้านความปลอดภัยเพียงข้อใดข้อหนึ่งมากเกินไปอย่างต่อเนื่อง อาจมองข้ามปัจจัยอื่นที่เกี่ยวข้องกับการดำเนินงานของผู้ประกอบการขนส่ง

เป้าหมายควรเป็นการปรับปรุงอย่างต่อเนื่อง ไม่ใช่เพียงการประมวลผลให้เร็วขึ้น

โอกาสที่แท้จริงคือการเข้าใจความเสี่ยงได้ดียิ่งขึ้น

ปัญญาประดิษฐ์มีศักยภาพที่จะช่วยให้การประกันภัยรถบรรทุกมีประสิทธิภาพมากขึ้น ลดความล่าช้าด้านธุรการ และช่วยให้บริษัทประกันภัยค้นพบข้อมูลที่อาจถูกมองข้ามไป

แต่คุณค่าที่สำคัญที่สุดอาจอยู่ที่การช่วยให้อุตสาหกรรมตัดสินใจโดยมีข้อมูลประกอบมากขึ้น

กองรถไม่ได้มีเพียงประวัติการตรวจสอบ และประวัติด้านความปลอดภัยก็ไม่ได้มีเพียงรายการการละเมิด การทำความเข้าใจความเสี่ยงต้องพิจารณาว่าธุรกิจดำเนินงานอย่างไร รับมือกับปัญหาอย่างไร และข้อมูลที่มีอยู่สะท้อนสถานการณ์ปัจจุบันของธุรกิจหรือไม่

ระบบ AI ที่มีประโยชน์ที่สุดอาจไม่ใช่ระบบที่ให้คำตอบได้เร็วที่สุด แต่เป็นระบบที่ช่วยให้บริษัทประกันรู้ว่าเมื่อใดข้อมูลที่มีอยู่เพียงพอสำหรับการตัดสินใจ และเมื่อใดจำเป็นต้องประเมินเพิ่มเติม

ท้ายที่สุดแล้ว คำถามไม่ใช่ว่า AI จะช่วยให้การประกันภัยรถบรรทุกทำได้เร็วขึ้นหรือไม่ แต่อยู่ที่ว่า AI จะช่วยให้การตัดสินใจของอุตสาหกรรมนี้แม่นยำขึ้นได้หรือไม่

นี่คือมาตรฐานที่ควรใช้วัดความสำเร็จของ AI