Η AI μπορεί να αναλύσει τα πάντα σε δευτερόλεπτα. Το ερώτημα είναι αν μπορεί να αντικαταστήσει κάτι πολύ πιο σύνθετο: την ανθρώπινη κρίση.

Τα τελευταία χρόνια, η τεχνητή νοημοσύνη έχει περάσει από τη θεωρία στην πράξη στον ασφαλιστικό κλάδο. Δεν μιλάμε πια για μελλοντικά σενάρια, αλλά για εργαλεία που ήδη χρησιμοποιούνται καθημερινά, όπως για παράδειγμα στην ανάλυση κινδύνου, στην ανίχνευση απάτης, στη διαχείριση ζημιών και αλλού.

Και πράγματι, η εικόνα είναι εντυπωσιακή. Διαδικασίες που κάποτε απαιτούσαν ημέρες, σήμερα ολοκληρώνονται σε λίγα λεπτά. Δεδομένα που ήταν αδύνατο να αναλυθούν, πλέον αξιοποιούνται σε βάθος.

Μέχρι εδώ, όλα μοιάζουν να κινούνται προς τη σωστή κατεύθυνση.

Το ερώτημα όμως αλλάζει χαρακτήρα τη στιγμή που η τεχνολογία δεν περιορίζεται απλώς στο να «βοηθά», αλλά αρχίζει να επηρεάζει την ίδια την ουσία της απόφασης. Και ειδικά στην ασφάλιση αυτοκινήτου, λίγες αποφάσεις είναι πιο κρίσιμες από το ποιος φέρει την ευθύνη μετά από ένα ατύχημα.

Μπορεί η μηχανή να καταλάβει τι πραγματικά συνέβη;

Σκεφτείτε ένα τροχαίο ατύχημα. Δεν έχουμε πια μόνο μαρτυρίες και φωτογραφίες. Έχουμε δεδομένα από αισθητήρες, πληροφορίες τηλεματικής, καταγραφές ταχύτητας, ακόμη και ιστορικό συμπεριφοράς οδηγού.

Ένα σύστημα τεχνητής νοημοσύνης μπορεί να επεξεργαστεί όλα αυτά τα στοιχεία σε ελάχιστο χρόνο και να σχηματίσει μια εικόνα για το τι πιθανότατα συνέβη.

Αλλά υπάρχει μια λεπτή και πολύ κρίσιμη διαφορά: άλλο είναι να περιγράφεις ένα συμβάν και άλλο να αποδίδεις ευθύνη. Η ευθύνη δεν είναι απλώς αποτέλεσμα δεδομένων. Περιλαμβάνει ερμηνεία, κατανόηση συνθηκών, και πολλές φορές κρίση που δεν χωρά εύκολα σε έναν αλγόριθμο.

Η απόφαση δεν είναι μόνο αποτέλεσμα είναι και εξήγηση

Για τον ασφαλισμένο, το ζήτημα δεν είναι μόνο ποια απόφαση θα ληφθεί. Είναι αν μπορεί να την κατανοήσει. Αν μια αποζημίωση μειωθεί ή απορριφθεί, η εξήγηση δεν μπορεί να περιορίζεται στο «έτσι προέκυψε από το σύστημα». Ο πελάτης περιμένει να ακούσει το «γιατί». Και το γιατί πρέπει να είναι σαφές, λογικό και τεκμηριωμένο.

Εδώ ακριβώς αρχίζει να φαίνεται το όριο της τεχνητής νοημοσύνης. Πολλά συστήματα μπορούν να παράγουν αποτέλεσμα, αλλά δυσκολεύονται να εξηγήσουν με απλό τρόπο πώς κατέληξαν σε αυτό.

Και σε έναν κλάδο που βασίζεται στην εμπιστοσύνη, αυτό δεν είναι μια λεπτομέρεια. Είναι κεντρικό ζήτημα.

Η μεροληψία δεν φαίνεται πάντα, αλλά υπάρχει

Ένα ακόμη πιο σύνθετο θέμα είναι το πώς «μαθαίνει» η τεχνητή νοημοσύνη. Τα μοντέλα εκπαιδεύονται σε δεδομένα του παρελθόντος. Αν αυτά τα δεδομένα περιέχουν στρεβλώσεις ή ελλείψεις, το σύστημα μπορεί να τις αναπαράγει χωρίς να το αντιλαμβάνεται. Δεν πρόκειται για πρόθεση, αλλά για αντανάκλαση της πραγματικότητας πάνω στην οποία βασίστηκε η εκπαίδευση.

Στην πράξη, αυτό σημαίνει ότι μια απόφαση μπορεί να φαίνεται αντικειμενική, αλλά να ενσωματώνει αθέατες προκαταλήψεις. Και στον ασφαλιστικό κλάδο, όπου οι αποφάσεις επηρεάζουν άμεσα τον πελάτη, αυτό δεν είναι κάτι που μπορεί να αγνοηθεί.

Η ταχύτητα δεν αρκεί για να χτίσει εμπιστοσύνη

Δεν υπάρχει αμφιβολία ότι η ταχύτητα αποτελεί σημαντικό πλεονέκτημα. Κανείς δεν θέλει να περιμένει ημέρες για μια απάντηση. Ωστόσο, η εμπιστοσύνη δεν χτίζεται μόνο με ταχύτητα, αλλά με το γεγονός πως η απόφαση ήταν δίκαιη, ισορροπημένη και αιτιολογημένη. Ένας ασφαλισμένος μπορεί να αποδεχθεί ακόμη και μια δυσμενή απόφαση, αν καταλάβει γιατί ελήφθη. Αν όμως η απόφαση μοιάζει «απρόσωπη» ή ανεξήγητη, τότε το πρόβλημα δεν είναι το αποτέλεσμα. Είναι η διαδικασία.

Γιατί ο άνθρωπος παραμένει στο επίκεντρο;

Όσο εξελίσσεται η τεχνολογία, τόσο πιο σαφές γίνεται ότι ο ρόλος του ανθρώπου δεν εξαφανίζεται, μετασχηματίζεται. Ο ασφαλιστής, ο πραγματογνώμονας, το στέλεχος αποζημιώσεων δεν καλούνται πλέον μόνο να αξιολογήσουν ένα περιστατικό. Καλούνται να κατανοήσουν τα εργαλεία που χρησιμοποιούνται και να γεφυρώσουν το χάσμα ανάμεσα στην τεχνολογία και τον πελάτη.

Με έναν τρόπο, γίνονται «μεταφραστές» της τεχνητής νοημοσύνης. Είναι αυτοί που θα εξηγήσουν τι συνέβη, πώς προέκυψε η απόφαση και γιατί αυτή είναι ή δεν είναι σωστή.

Το πραγματικό δίλημμα δεν είναι τεχνολογικό

Στο τέλος της ημέρας, το ερώτημα δεν είναι αν η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί στην ασφάλιση. Αυτό έχει ήδη απαντηθεί. Το πραγματικό ερώτημα είναι πόσο μακριά είμαστε διατεθειμένοι να πάμε. Πόση ευθύνη είμαστε έτοιμοι να της αναθέσουμε. Και κυρίως, ποια όρια θέτουμε.

Γιατί η απόδοση ευθύνης σε ένα ατύχημα δεν είναι απλώς ένα τεχνικό συμπέρασμα. Είναι μια απόφαση που κουβαλά οικονομικό βάρος, νομικές συνέπειες και — πολλές φορές αίσθηση δικαίου. Και αυτό είναι κάτι που, τουλάχιστον προς το παρόν, δεν μπορεί να αποτυπωθεί πλήρως σε έναν αλγόριθμο.