เมื่อไม่นานมานี้ มีการพูดคุยจากผู้เชี่ยวชาญในวงการประกันภัยและเทคโนโลยี AI ที่น่าสนใจมาก เกี่ยวกับการประยุกต์ใช้ AI ในธุรกิจประกันภัย โดยเฉพาะในตลาดประกันภัยทรัพย์สินและอุบัติเหตุ (P&C) ที่มีมูลค่ากว่าแสนล้านดอลลาร์ในสหรัฐอเมริกา ซึ่งถือเป็นตลาดที่มีศักยภาพสูง การแลกเปลี่ยนความคิดเห็นจากผู้บริหารและผู้ก่อตั้งสตาร์ทอัพที่เกี่ยวข้องกับ AI ในวงการนี้เปิดให้เห็นภาพชัดเจนว่า AI กำลังเข้ามามีบทบาทสำคัญมากขึ้นอย่างรวดเร็ว และเปลี่ยนแปลงแนวทางการทำงานในหลายมิติ
บทความนี้จะสรุปและวิเคราะห์ประเด็นหลักจากการพูดคุยครั้งนั้น ตั้งแต่การนำ Large Language Models (LLMs) มาใช้จริงในองค์กร ไปจนถึงการเปลี่ยนแปลงในกระบวนการตั้งราคาประกัน การประเมินความเสี่ยง การจัดการเคลม และการสร้างประสบการณ์ลูกค้า รวมถึงความท้าทายที่เกี่ยวข้องกับข้อมูลและทรัพยากรบุคคลในอนาคต
การประยุกต์ใช้ AI ในองค์กรประกันภัยระดับโลก
เริ่มต้นด้วย Marcin Detyniecki ผู้ดำรงตำแหน่ง Chief Data Scientist ของ AXA บริษัทประกันภัยระดับโลกที่แม้จะไม่ค่อยเป็นที่รู้จักในสหรัฐฯ แต่เป็นหนึ่งในผู้นำของวงการ เขาเล่าให้ฟังถึงการนำ Large Language Models (LLMs) มาใช้งานจริงภายในองค์กรที่มีพนักงานกว่า 150,000 คนใน 55 ประเทศ โดยเน้นไปที่การสร้างแพลตฟอร์มที่ปลอดภัย เพื่อให้มั่นใจว่าข้อมูลของบริษัทจะไม่รั่วไหลไปยังภายนอก
สิ่งที่น่าสนใจคือ AXA ไม่ได้ใช้ LLMs เพียงแค่ตอบคำถามหรือทำงานแทนมนุษย์โดยตรง แต่เลือกใช้ LLMs เป็นเครื่องมือช่วยเหลือ (copilots) สำหรับงานเล็ก ๆ ที่ช่วยเพิ่มประสิทธิภาพในการทำงาน เช่น การสร้าง prompt ประเภทต่าง ๆ ที่พนักงานสามารถเสนอและโหวตให้คะแนนกันได้ ซึ่งช่วยให้เกิด “ปัญญาร่วม” (collective intelligence) ในองค์กร และทำให้ AI สามารถตอบสนองความต้องการเฉพาะด้านของแต่ละหน่วยงานอย่างมีประสิทธิผลมากขึ้น
อีกหนึ่งแนวคิดที่เป็น “เดิมพันใหญ่” ของ AXA คือการนำ LLMs มาแปลงสัญญาประกันภัยที่เป็นเอกสารจำนวนมากให้กลายเป็นรูปแบบที่ “คำนวณได้” (computable contracts) ซึ่งสามารถนำไปใช้ในระบบอัตโนมัติของบริษัท เช่น ระบบ call center หรือการประมวลผลเคลม การทำเช่นนี้ช่วยลดต้นทุนด้าน API ของ LLMs เพราะไม่ต้องเรียกใช้ทุกครั้งที่มีเคลม แต่ใช้แค่ครั้งเดียวเมื่อต้องแปลงสัญญา ทำให้ประหยัดค่าใช้จ่ายและเปิดโอกาสให้สามารถจัดการสัญญาได้อย่างยืดหยุ่น เช่น การปรับเปลี่ยน เปรียบเทียบ หรือทำให้พอร์ตโฟลิโอของบริษัทเรียบง่ายขึ้น
AI กับการเปลี่ยนแปลงในกระบวนการเคลมและการตั้งราคา
Christopher Paquette จาก Allstate หนึ่งในบริษัทประกันภัยรายใหญ่ในสหรัฐฯ เล่าถึงบทบาทของ AI ในการเปลี่ยนแปลงกระบวนการเคลมในช่วงเวลา 1 ปีข้างหน้า ที่เน้นไปที่การเก็บข้อมูลอย่างครบถ้วนและแม่นยำ เช่น ข้อมูลผู้เกี่ยวข้องในเหตุการณ์ ความรุนแรงของอุบัติเหตุ และข้อมูลเสริมอื่น ๆ อย่างเทเลเมติกส์ (telematics) สภาพอากาศ และข้อมูลจราจร การนำ AI มาใช้ในขั้นตอนนี้ช่วยลดข้อผิดพลาดและเพิ่มความรวดเร็วในการประมวลผลเคลม
นอกจากนี้ AI ยังช่วยระบุเคลมที่มีลักษณะบาดเจ็บทางร่างกาย (bodily injury) ได้อย่างรวดเร็ว ซึ่งสำคัญมากเพราะการดูแลผู้บาดเจ็บอย่างถูกต้องช่วยลดค่าใช้จ่ายในระยะยาว และลดโอกาสที่ลูกค้าจะต้องใช้บริการทนายความซึ่งเป็นต้นทุนภายนอกที่ไม่เกิดประโยชน์ต่อผู้บาดเจ็บโดยตรง
ส่วนในมุมมองระยะยาว 5 ปี Marcin มองว่าการตั้งราคาจะมีความไดนามิกมากขึ้น โดยอาศัยข้อมูลแบบเรียลไทม์จากเทเลเมติกส์และข้อมูลอื่น ๆ ที่ไหลเข้ามาอย่างต่อเนื่อง ทำให้สามารถกำหนดราคาที่แม่นยำขึ้นตามพฤติกรรมผู้เอาประกัน ทั้งนี้ AI ยังช่วยให้เข้าใจความเสี่ยงในระดับที่ลึกและกว้างขึ้น เช่น การใช้ภาพถ่ายดาวเทียมเพื่อประเมินความเสี่ยงในพื้นที่ต่าง ๆ อย่างไรก็ตาม ยังมีความท้าทายเรื่องการจัดหาข้อมูลที่เหมาะสมและการติดป้ายกำกับข้อมูล (labeling)
Henriette Fleischmann จาก Foster AI เสริมว่าในอีก 5 ปีข้างหน้า บางพื้นที่อาจกลายเป็น “พื้นที่ที่ไม่สามารถทำประกันได้” เช่น พื้นที่เสี่ยงน้ำท่วมที่บริษัทประกันภัยเริ่มถอนตัวออกไปแล้ว การประเมินความเสี่ยงและการเคลมจะต้องมีระบบที่ช่วยให้การประเมินและการจ่ายเคลมรวดเร็วขึ้น เช่น การกระตุ้นให้ลูกค้าถ่ายรูปเพิ่มเติมหลังเกิดภัยพิบัติ เพื่อเร่งกระบวนการซ่อมแซมและลดต้นทุน
ทั้งนี้ Henriette ยังเน้นถึงความซับซ้อนในการประเมินมูลค่าทรัพย์สินภายในบ้าน เช่น เฟอร์นิเจอร์ ที่ต้องการการตรวจจับเนื้อหา (content detection) ที่ละเอียดและแม่นยำ ซึ่งเป็นโจทย์ที่ยากและยังไม่สามารถแก้ไขได้ในตอนนี้
โอกาสและความท้าทายในการหาลูกค้าใหม่ด้วย AI
ในส่วนของการหาลูกค้าใหม่หรือการ “acquisition” Henk van Biljon จาก Font AI อธิบายว่า AI โดยเฉพาะ Generative AI จะช่วยสร้างเนื้อหาที่ตอบโจทย์และเหมาะสมกับกลุ่มเป้าหมายได้อย่างรวดเร็วและแม่นยำ ทำให้การทำตลาดและการสื่อสารเป็นไปอย่างเฉพาะเจาะจงและมีประสิทธิภาพมากขึ้น นอกจากนี้ยังช่วยให้บริษัทประกันภัยสามารถปรับเปลี่ยนพอร์ตโฟลิโอของความเสี่ยงได้ดีขึ้นผ่านการเลือกกลุ่มลูกค้าที่เหมาะสม
ในระยะ 5 ปีข้างหน้า การบูรณาการระหว่างการตั้งราคา ความเสี่ยง และการตลาดจะเป็นสิ่งสำคัญมากขึ้น เช่น การนำเสนอ “dynamic contracts” หรือสัญญาที่ปรับเปลี่ยนตามพฤติกรรมและความเสี่ยงของผู้เอาประกันตั้งแต่แรกเริ่ม
Christopher จาก Allstate เสริมว่า การมีช่องทางขายที่หลากหลาย เช่น การขายผ่านออนไลน์ การโทรศัพท์ หรือผ่านตัวแทน ทำให้ต้องมี AI มาช่วยวิเคราะห์และจัดสรรลูกค้าไปยังช่องทางที่เหมาะสม พร้อมกับการเปิดเผยข้อมูลการตั้งราคาอย่างโปร่งใสแก่ลูกค้า ตั้งแต่ขั้นตอนแรก เพื่อสร้างความเชื่อมั่นและเพิ่มโอกาสในการขาย
นวัตกรรมและความร่วมมือกับสตาร์ทอัพในวงการประกันภัย
เมื่อพูดถึงกลยุทธ์นวัตกรรมขององค์กรใหญ่ Marcin อธิบายว่า AXA มีแนวทางใหม่ที่เน้นการเติมเต็มช่องว่างระหว่างการพัฒนาเทคโนโลยีและการนำไปใช้จริง โดยการ “spin off” หรือแยกโครงการนวัตกรรมออกมาเป็นสตาร์ทอัพตั้งแต่ระยะเริ่มต้น เพื่อให้สามารถเติบโตได้อย่างรวดเร็วและได้รับเงินทุนจากภายนอกได้ง่ายขึ้น แทนที่จะพัฒนาภายในองค์กรอย่างเดียวซึ่งอาจช้าเกินไปและเสียโอกาส
Christopher จาก Allstate กล่าวว่าการร่วมมือกับสตาร์ทอัพจำเป็นต้องมี use case ที่ชัดเจนและได้รับการสนับสนุนจากผู้บริหารระดับสูง พร้อมทั้งมีทีมเฉพาะที่รับผิดชอบดูแลความสำเร็จของสตาร์ทอัพเหล่านั้น เพื่อให้การทดลองและการนำไปใช้ประสบความสำเร็จจริง
ด้าน Henk จาก Font AI เล่าว่าสิ่งที่สตาร์ทอัพประสบปัญหามากที่สุดคือการเข้าถึงข้อมูลจากบริษัทประกันภัย ซึ่งเป็นสิ่งจำเป็นสำหรับการพัฒนาระบบประเมินความเสี่ยงที่แม่นยำ การสร้างพันธมิตรกับบริษัทที่เป็นผู้ให้บริการข้อมูลในอุตสาหกรรม เช่น Verisk และ CoreLogic จึงเป็นกุญแจสำคัญในการสร้างคุณค่าและการยอมรับในตลาด
Marcin เสริมว่าการสร้างแพลตฟอร์มที่รวมข้อมูลและเชื่อมต่อกับสตาร์ทอัพหลายรายช่วยแก้ปัญหาการทำงานแยกส่วนของสตาร์ทอัพแต่ละราย และช่วยให้บริการต่าง ๆ เช่น การวิเคราะห์ความเสี่ยงและการป้องกันความเสียหายสามารถทำงานร่วมกันได้อย่างมีประสิทธิผล
โอกาสสำหรับสตาร์ทอัพ: ถ้าจะเริ่มต้นใหม่ควรโฟกัสที่ไหน?
เมื่อถูกถามว่าถ้าเป็นสตาร์ทอัพใหม่จะโฟกัสที่เรื่องอะไร Marcin แนะนำให้สนใจ “การประกันภัย AI” ซึ่งหมายถึงการทำความเข้าใจและจัดการความเสี่ยงที่เกิดจาก AI เอง เช่น ความโปร่งใส ความเป็นธรรม และความเสี่ยงที่ไม่คาดคิด โดยการสร้างผลิตภัณฑ์ประกันที่ตอบโจทย์ความเสี่ยงใหม่ ๆ เหล่านี้
Christopher ให้มุมมองที่น่าสนใจว่า ประกันภัยในปัจจุบันยังคงเป็นแค่การสัญญาว่าจะจ่ายเมื่อเกิดเหตุการณ์ไม่ดีขึ้นเท่านั้น แต่ด้วยข้อมูลและ AI เราสามารถก้าวไปสู่การ “ทำนายและป้องกันความเสี่ยง” ได้ โดยการวิเคราะห์พฤติกรรมและสภาพแวดล้อมของผู้เอาประกัน เพื่อเปลี่ยนแปลงพฤติกรรมและลดโอกาสเกิดเหตุไม่พึงประสงค์ได้ ซึ่งเป็นโอกาสที่น่าตื่นเต้นสำหรับสตาร์ทอัพที่จะเข้ามาทำตลาดนี้
การเปลี่ยนแปลงของทรัพยากรบุคคลและความเสี่ยงในยุค AI
เรื่องทรัพยากรบุคคลก็เป็นอีกประเด็นที่ถูกหยิบยกขึ้นมา โดย Marcin คาดการณ์ว่าใน 1 ปีข้างหน้า คนที่มีทักษะด้าน AI อาจไปทำงานในบริษัทเทคโนโลยีใหญ่ ๆ เช่น Meta แต่ใน 5 ปีข้างหน้าคนเหล่านี้จะกลับเข้าสู่วงการประกันภัยอีกครั้ง เพราะงานด้านนี้มีความท้าทายและส่งผลกระทบต่อชีวิตจริงของผู้คนอย่างมีนัยสำคัญ
นอกจากนี้เขายังมองเห็นการรวมตัวของบทบาท “นักคณิตศาสตร์ประกันภัย” (actuaries) กับ “นักวิทยาศาสตร์ข้อมูล” (data scientists) ให้กลายเป็นบทบาทเดียวกันในอนาคต เพราะ AI และเครื่องมือดิจิทัลจะทำให้การวิเคราะห์ข้อมูลและการประเมินความเสี่ยงซับซ้อนขึ้น แต่ก็เข้าถึงง่ายขึ้นสำหรับคนทำงานในสายนี้
ส่วนเรื่องความเสี่ยง Marcin ชี้ให้เห็นถึงการเปลี่ยนแปลงรูปแบบความเสี่ยงในยุค AI เช่น รถยนต์อัตโนมัติที่เปลี่ยนจากความเสี่ยงแบบรายบุคคลเป็นความเสี่ยงแบบระบบ (systemic risk) หากเกิดข้อผิดพลาดในซอฟต์แวร์หรืออัลกอริทึม อาจส่งผลกระทบกว้างขวางมากกว่าที่เคยเป็นมา
Christopher ก็เสริมว่ามีกรณีฟ้องร้องบริษัทประกันภัยที่ใช้โมเดล AI ในการตรวจจับการฉ้อโกง ซึ่งพบว่ามีอคติและไม่เป็นธรรมต่อกลุ่มคนบางกลุ่ม นี่คือความเสี่ยงที่เกิดขึ้นจากโมเดลที่ฝึกด้วยข้อมูลในอดีตและอาจสะท้อนความไม่เป็นธรรมในสังคม ซึ่งเป็นความท้าทายสำคัญสำหรับวงการประกันภัยและ AI ในอนาคต
Henk ยังเตือนเรื่อง “ความเสี่ยงจากโมเดล” (model risk) ภายในองค์กร ที่จะซับซ้อนมากขึ้นเมื่อองค์กรใช้โมเดล AI หลายพันโมเดลและมีการเชื่อมต่อกันอย่างซับซ้อน เช่น การใช้เอเยนต์อัตโนมัติ (autonomous agents) ในการตัดสินใจ สิ่งนี้จำเป็นต้องมีการบริหารจัดการความเสี่ยงของโมเดลอย่างเข้มงวดเพื่อไม่ให้เกิดปัญหาที่อาจส่งผลกระทบร้ายแรง
บทสรุปจากผู้เชี่ยวชาญในวงการ AI และประกันภัย
- AI กำลังเปลี่ยนแปลงวงการประกันภัยอย่างรวดเร็ว ทั้งในด้านการประเมินความเสี่ยง การตั้งราคา การประมวลผลเคลม และการหาลูกค้าใหม่
- การนำ LLMs มาใช้ในองค์กรขนาดใหญ่ต้องคำนึงถึงความปลอดภัยของข้อมูล และการใช้ AI เป็นเครื่องมือช่วยเหลือมากกว่าการแทนที่มนุษย์โดยตรง
- “Computable contracts” หรือสัญญาที่แปลงเป็นรูปแบบที่ระบบคอมพิวเตอร์เข้าใจได้ เป็นแนวคิดที่น่าสนใจและช่วยลดต้นทุนได้มาก
- การตั้งราคาจะมีความไดนามิกและแม่นยำขึ้นด้วยข้อมูลเรียลไทม์ เช่น เทเลเมติกส์ และข้อมูลดาวเทียม แต่ต้องแก้ไขปัญหาด้านการจัดการข้อมูลและป้ายกำกับข้อมูลก่อน
- AI ช่วยให้การเคลมรวดเร็วและแม่นยำขึ้น โดยเฉพาะการระบุเคลมที่มีบาดเจ็บทางร่างกาย และลดต้นทุนที่ไม่จำเป็น
- การหาลูกค้าใหม่จะเปลี่ยนไปด้วย AI ที่ช่วยสร้างเนื้อหาส่วนตัวและปรับแต่งการตลาดให้เหมาะสมกับกลุ่มเป้าหมาย พร้อมกับการบูรณาการการตั้งราคาและความเสี่ยงตั้งแต่แรก
- การร่วมมือกับสตาร์ทอัพต้องมี use case ชัดเจน และทีมภายในองค์กรที่ดูแลความสำเร็จของสตาร์ทอัพอย่างจริงจัง รวมถึงการเข้าถึงข้อมูลที่เหมาะสม
- ในอนาคต บทบาทของนักคณิตศาสตร์ประกันภัยและนักวิทยาศาสตร์ข้อมูลจะรวมกัน และความเสี่ยงของโมเดล AI ภายในองค์กรจะเป็นความท้าทายใหม่ที่ต้องบริหารจัดการอย่างเข้มงวด
- ความเสี่ยงแบบระบบ (systemic risk) ที่เกิดจาก AI เช่น รถยนต์อัตโนมัติ หรือโมเดลที่มีอคติ จะกลายเป็นความท้าทายที่วงการประกันภัยต้องรับมือ
การพูดคุยครั้งนี้เปิดเผยให้เห็นว่า AI ไม่ใช่เพียงแค่เครื่องมือเทคโนโลยี แต่เป็นตัวเร่งการเปลี่ยนแปลงในธุรกิจประกันภัยอย่างลึกซึ้ง และยังสร้างโอกาสใหม่ ๆ ที่น่าตื่นเต้นสำหรับผู้ประกอบการและนักพัฒนาเทคโนโลยีในอนาคต
