پیشایندها، مؤلفه ها و پیامدهای به کارگیری هوش مصنوعی در صنعت بیمه(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه بیمه دوره ۱۵ بهار ۱۴۰۵ شماره ۲
95 - 118
حوزههای تخصصی:
پیشینه و اهداف: امروزه، پذیرش هوش مصنوعی در بازارهای بیمه در مراحل اولیه خود است و تحقیقات علمی درباره پیامدهای هوش مصنوعی بر مدل کسب وکار بیمه هنوز محدود است. بر همین اساس، در این پژوهش به شناسایی پیشایندها، مؤلفه ها و پیامدهای استفاده از هوش مصنوعی در صنعت بیمه و ارائه مدل مناسب در این زمینه پرداخته شد. روش شناسی: پژوهش حاضر با رویکرد کیفی و بر پایه پارادایم تفسیرگرایانه و روش استقرایی انجام گرفته است. این مطالعه با هدف پاسخ به یک مسئله کاربردی و پر کردن شکاف دانش در حوزه بیمه طراحی شده است و درعین حال با پیشنهاد یک مدل مفهومی جدید، جنبه توسعه ای نیز دارد. برای گردآوری داده ها، نمونه گیری هدفمند و گلوله برفی در میان خبرگان صنعت بیمه و فنّاوری اطلاعات به کار رفت و پس از رسیدن به اشباع نظری، ۴۰ مصاحبه نیمه ساختاریافته با مدیران، کارشناسان شرکت های بیمه و اعضای هیئت علمی دانشگاه ها انجام شد. داده های به دست آمده با روش تحلیل مضمون و طی سه مرحله کدگذاری باز، محوری و انتخابی در نرم افزار MAXQDA 2020 بررسی شد تا کدهای اصلی، مضامین کلیدی و الگوی مفهومی پژوهش استخراج شود. یافته ها: در این پژوهش، مجموعاً ۵۶۶ کد از مصاحبه ها استخراج شد که پس از ادغام و سازمان دهی، ۶۳ کد نهایی به دست آمد. این کدها در سه مقوله اصلی «پیشایندها»، «مؤلفه ها» و «پیامدها» طبقه بندی شدند. براساس چهارچوب فنّاوری – سازمان – محیط (TOE)، هریک از این مقوله ها به ابعاد سازمانی، فنّاورانه و محیطی تقسیم شدند. پیشایندها شامل پیشایندهای سازمانی (مانند مزیت نسبی و رقابتی، کاهش زمان و هزینه، خودکارآمدی ادراک شده، سودمندی و ریسک ادراک شده، تقلب، اعتماد، اندازه سازمان، رشد مطالبات بیمه ای)، فنّاورانه (پیچیدگی، تحول در قدرت محاسباتی) و محیطی (فشار رقابتی، پویایی بازار، انتظارات مشتریان) بودند. مؤلفه ها نیز به سه زیرمقوله سازمانی (زیرساخت، حمایت مدیریت ارشد، ایجاد اعتماد در ذی نفعان، آموزش، فرهنگ و دانش سازمانی، مهارت های مدیریتی، بودجه)، محیطی (حمایت دولت، دریافت کمک های مالی از بانک ها) و فنّاورانه (شایستگی های فنّاوری، دسترسی به دستورالعمل های پذیرش فنّاوری، کیفیت و دسترسی به داده ها) تقسیم شدند. همچنین، مقوله پیامدها شامل پیامدهای مثبت و منفی بود که از مهم ترین پیامدهای مثبت می توان به شخصی سازی خدمات، تعیین و ارزیابی ریسک پویا و کشف تقلب اشاره کرد. نتیجه گیری: پژوهش حاضر مدل مفهومی جامعی را برای شناسایی و طبقه بندی پیشایندها، مؤلفه ها و پیامدهای به کارگیری هوش مصنوعی ارائه داده است که قابلیت اجرایی در صنعت بیمه را داراست. با توجه به جامعیت این مدل، پیشنهاد می شود در پژوهش های آینده، مدل ارائه شده به طور کمّی بررسی و سنجش شود و در زیربخش های تخصصی بیمه مانند بیمه سلامت یا خودرو، اولویت بندی گردد. این رویکرد، امکان انتخاب مسیر بهینه توسعه هوش مصنوعی را برای سیاست گذاران و مدیران راهبردی صنعت بیمه فراهم خواهد کرد.