تا همین چند سال پیش، ثبت خسارت خودرو معمولاً با یک تماس تلفنی، مراجعه به شعبه یا حضور ارزیاب شروع میشد. امروز در برخی کشورها، اولین قدم بسیار سادهتر است: چند عکس با تلفن همراه.
مشتری از بخش آسیبدیده خودرو تصویر میگیرد، آن را در اپلیکیشن یا سایت شرکت بیمه بارگذاری میکند و سامانه در مدت کوتاهی، اطلاعات اولیهای درباره محل آسیب، قطعات درگیر و حتی برآورد تقریبی هزینه تعمیر در اختیار کارشناس میگذارد. این اتفاق شاید در ظاهر فقط یک تغییر دیجیتال باشد، اما در عمل میتواند تعریف ارزیابی خسارت را تغییر دهد.
هوش مصنوعی قرار نیست همیشه جای ارزیاب را بگیرد؛ دستکم فعلاً نه. نقش اصلی آن در بسیاری از مدلها، سرعت دادن به بررسی اولیه و مرتب کردن اطلاعات پرونده است. با این حال، هر جا الگوریتم به تصمیمگیری درباره مبلغ پرداخت یا رد خسارت نزدیکتر شود، پرسشهای مهمتری هم مطرح میشود: اگر سیستم اشتباه کند چه؟ اگر تصویر کامل نباشد چه؟ و اگر مشتری نداند چرا درخواستش رد شده، به چه کسی باید اعتراض کند؟
هوش مصنوعی در عکس خودرو دنبال چه میگردد؟
سامانههای بینایی ماشین میتوانند در عکس خودرو نشانههایی مانند فرورفتگی، شکستگی چراغ، آسیب سپر، خراش بدنه یا تغییر شکل درها را تشخیص دهند. سپس این دادهها با اطلاعات خودرو، سابقه تعمیرات، نرخ قطعات و دادههای مشابه مقایسه میشود تا یک برآورد اولیه شکل بگیرد.
اما تصویر، همه واقعیت یک تصادف نیست. ممکن است زاویه عکس مناسب نباشد، نور محیط جزئیات آسیب را پنهان کند یا بخشی از خسارت در زیر سپر و بدنه قرار داشته باشد. به همین دلیل، استفاده حرفهای از این ابزار بیشتر به معنای «کمک به کارشناس» است، نه حذف کامل او.
در گزارش انجمن ملی بیمه آمریکا (NAIC)، بسیاری از شرکتهای پاسخدهنده اعلام کردهاند که مدلهای هوش مصنوعی را برای ارزیابی تصاویر خسارت به کار میگیرند. نکته مهم این است که در بخش بزرگی از این کاربردها، خروجی مدل بهعنوان اطلاعات کمکی در اختیار ارزیاب قرار میگیرد، نه یک حکم قطعی و بدون امکان بازبینی.
چرا شرکتهای بیمه به سراغ این فناوری رفتهاند؟
دلیل اول، زمان است. در پروندههای ساده، مشتری معمولاً انتظار ندارد روزها منتظر یک بررسی اولیه بماند. اگر عکسها از همان ابتدا اطلاعات قابلاستفادهای در اختیار شرکت قرار دهند، تعیین کارشناس، ارجاع به تعمیرگاه و تکمیل مدارک سریعتر انجام میشود.
دلیل دوم، یکدستتر شدن بررسیهاست. ارزیابی خسارت همیشه به تجربه فردی وابسته بوده و این وابستگی، گاهی باعث تفاوت در برآوردها میشود. الگوریتم میتواند پروندههای مشابه را کنار هم بگذارد و به کارشناس یادآوری کند که چه قطعات یا هزینههایی احتمالاً باید بررسی شوند.
با این حال، سرعت فقط زمانی ارزشمند است که همراه دقت باشد. تصمیم عجولانه در پرونده خسارت، ممکن است به نارضایتی مشتری، هزینه اضافی برای شرکت یا اختلاف با تعمیرگاه منجر شود. به همین دلیل، بسیاری از مدلهای موفق تلاش میکنند پروندههای ساده را سریعتر جلو ببرند و پروندههای پیچیده یا مشکوک را به ارزیاب انسانی بسپارند.
بریتانیا؛ ارزیابی اولیه با عکس
در بریتانیا، شرکت Ageas از سامانهای استفاده کرده که بر اساس عکس خودرو، ارزیابی اولیه خسارت و برآورد تعمیر را تهیه میکند. این تصاویر میتوانند از سوی مشتری، تعمیرگاه یا ارزیاب ارسال شوند. هدف، کوتاه شدن فاصله بین اعلام خسارت و شروع رسیدگی به پرونده است؛ بهویژه در خسارتهایی که نشانههای ظاهری مشخصی دارند.
اما تجربه بریتانیا یک نکته دیگر هم دارد: هرچه بیمهگر بیشتر به تصویر تکیه کند، مسئله اعتبار تصویر مهمتر میشود. شرکت Aviva هشدار داده است که ابزارهای هوش مصنوعی میتوانند برای ساخت تصاویر جعلی از خسارت یا تغییر جزئیاتی مانند پلاک خودرو در یک عکس واقعی به کار روند. یعنی فناوری، هم ابزار تشخیص خسارت است و هم میتواند ابزار تازهای برای تقلب باشد. هشدار Aviva درباره تقلبهای مبتنی بر هوش مصنوعی
ژاپن؛ از عکس تا تشخیص خسارت کلی
در ژاپن، گروه SOMPO سرویس «Okuruma Smart Evaluation» را توسعه داده است. این سرویس با کمک تصاویر خودرو بررسی میکند که آیا تعمیر خودرو از نظر اقتصادی منطقی است یا خودرو باید در دسته خسارت کلی قرار گیرد. در برخی موارد، مشتری یا تعمیرگاه میتواند تصاویر را از طریق یک سامانه آنلاین ارسال کند و نتیجه اولیه را سریعتر دریافت کند.
چنین کاربردی نشان میدهد که هوش مصنوعی فقط برای تشخیص یک خراش یا فرورفتگی به کار نمیرود. این فناوری میتواند در اولویتبندی پروندهها، تشخیص فوریت و حتی تعیین مسیر رسیدگی نیز نقش داشته باشد. با این حال، در پروندههایی که ارزش خودرو، شرایط تصادف یا میزان آسیب مبهم است، باز هم بررسی انسانی اهمیت خود را حفظ میکند.
آمریکا؛ استفاده محتاطانه از فناوری
در آمریکا، استفاده از هوش مصنوعی در فرایند خسارت خودرو گستردهتر شده است. بر اساس پیمایش NAIC، ۵۵ شرکت از میان شرکتهای بیمه خودرویی پاسخدهنده اعلام کردهاند که از مدلهای هوش مصنوعی برای ارزیابی تصاویر خسارت استفاده میکنند. شرکتهای دیگری نیز در مرحله تحقیق، آزمایش یا توسعه این ابزارها بودهاند.
این ارقام یک پیام روشن دارند: صنعت بیمه استفاده از تصویر و الگوریتم را جدی گرفته، اما هنوز با احتیاط جلو میرود. دلیلش هم مشخص است؛ خسارت فقط مجموعهای از پیکسلها نیست. شرایط حادثه، پوشش بیمهنامه، سابقه پرونده و توضیح مشتری نیز در تصمیم نهایی اثر دارند.
آینده؛ ارزیاب حذف نمیشود، نقش او تغییر میکند
احتمالاً آینده ارزیابی خسارت خودرو نه کاملاً انسانی است و نه کاملاً ماشینی. هوش مصنوعی میتواند پرونده را سریعتر دستهبندی کند، تصاویر را بخواند، موارد مشکوک را علامت بزند و برآورد اولیه بدهد. اما پروندههای پیچیده، خسارتهای سنگین، اختلافهای فنی و مواردی که احتمال تقلب در آنها وجود دارد، همچنان به قضاوت و مسئولیت انسانی نیاز دارند.
در واقع، ارزش اصلی این فناوری شاید در حذف کارشناس نباشد؛ در این است که وقت کارشناس را از پروندههای تکراری آزاد کند تا او بتواند روی پروندههایی تمرکز کند که واقعاً به بررسی دقیق نیاز دارند.
هوش مصنوعی در بیمه، اگر شفاف و مسئولانه به کار گرفته شود، میتواند تجربه خسارت را برای مشتری سادهتر و سریعتر کند. اما اگر به یک جعبه سیاه تبدیل شود که درباره پرداخت یا عدم پرداخت تصمیم میگیرد، اعتماد مشتری را به همان سرعتی که ساخته شده، از بین میبرد.