การสำรวจถึงศักยภาพของปัญญาประดิษฐ์ในอุตสาหกรรมประกันภัย
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้ได้ศึกษาและสำรวจความสามารถของระบบปัญญาประดิษฐ์ ซึ่งมีบทบาทสำคัญในอุตสาหกรรมประกันภัย โดยปัญญาประดิษฐ์กำลังเข้ามามีบทบาทสำคัญต่ออุตสาหกรรมประกันภัยอย่างรวดเร็วและรุนแรง บทความนี้นำเสนอการสำรวจถึงแนวโน้มและศักยภาพที่น่าสนใจของการนำปัญญาประดิษฐ์มาประยุกต์ใช้ในธุรกิจประกันภัย ผ่านการวิเคราะห์เชิงประวัติศาสตร์ตั้งแต่จุดเริ่มต้นของการพัฒนาระบบปัญญาประดิษฐ์ สำหรับประกันภัยในทศวรรษ 1990 ที่มีข้อจำกัดด้านประสิทธิภาพ ไปจนถึงการนำมาใช้งานจริงในปัจจุบันที่มีความซับซ้อนและครอบคลุมหลากหลายสาขา และยกตัวอย่างการประยุกต์ใช้ปัญญาประดิษฐ์ในหลายด้านของธุรกิจประกันภัย ตั้งแต่การรับประกันความเสี่ยง การประมวลผลการเรียกร้องค่าสินไหม การตรวจจับการฉ้อโกง ไปจนถึงการให้บริการลูกค้า โดยอธิบายถึงศักยภาพของระบบปัญญาประดิษฐ์ ในการสร้างปฏิวัติการวิเคราะห์ความเสี่ยง การคาดการณ์ความสูญเสีย และการปรับราคาประกันตามปัจจัยเสี่ยงเฉพาะบุคคล พร้อมยกตัวอย่างนวัตกรรมระบบปัญญาประดิษฐ์จากบริษัทประกันภัยชั้นนำต่างๆ
ทั้งนี้การนำเสนอยังรวมถึงประเด็นความท้าทายที่สำคัญ อาทิ ความกังวลด้านความเป็นส่วนตัว ข้อจำกัดทางเทคนิค และความจำเป็นในการกำหนดนโยบายจริยธรรมระบบปัญญาประดิษฐ์ รวมถึงการลงทุนอย่างต่อเนื่องในการฝึกอบรมบุคลากรและการประเมินผลกระทบเพื่อให้การนำระบบปัญญาประดิษฐ์มาใช้ในอุตสาหกรรมประกันภัยเป็นไปอย่างมีประสิทธิภาพ ยั่งยืน และรับผิดชอบต่อสังคม โดยสรุปบทความวิชาการนี้ได้แสดงภาพอนาคตของอุตสาหกรรมประกันภัยที่จะปรับเปลี่ยนไปอย่างสิ้นเชิงเมื่อนำระบบปัญญาประดิษฐ์เข้ามาใช้อย่างแพร่หลายผ่านการตัดสินใจที่
แม่นยำขึ้น การตรวจจับฉ้อโกงที่ดีขึ้น การกำหนดราคาที่เหมาะสมขึ้น และประสบการณ์ลูกค้าที่ดีเยี่ยม อย่างไรก็ตาม การพิจารณาผลกระทบทางจริยธรรมและขั้นตอนเชิงรุกอย่างรอบคอบเป็นสิ่งจำเป็นสำหรับการควบคุมศักยภาพของระบบปัญญาประดิษฐ์ ในขณะเดียวกันก็ช่วยลดความเสี่ยง
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่นำมาสมัครลงตีพิมพ์ในวารสารต้องไม่เคยได้รับการตีพิมพ์เผยแพร่มาก่อน และไม่ส่งต้นฉบับบทความซ้ำซ้อนกับวารสารอื่น รวมทั้งผู้เขียนบทความต้องไม่ละเมิดหรือคัดลอกผลงานของผู้อื่น
เอกสารอ้างอิง
Alamir, E., Urgessa, T., Hunegnaw, A., & Gopikrishna, T. (2021). Motor insurance claim status prediction using machine learning techniques. International Journal of Advanced Computer Science and Applications, 12(3), 457-463. https://doi.org/10.14569/ijacsa.2021.0120354
Amerirad, B., Cattaneo, M., Kenett, R. S., & Luciano, E. (2023). Adversarial artificial intelligence in insurance: From an example to some potential remedies. Risks, 11(1). https://doi.org/10.3390/risks11010020
Borah, S., & Kalita, J. P. (2023). Corporate governance in indian life insurance companies a comparative study of private life insurance companies. Community Practitioner, 20(10), 474-486. https://doi.org/10.5281/zenodo.10060366
Carfora, M. F., Martinelli, F., Mercaldo, F., Nardone, V., Orlando, A., Santone, A., & Vaglini, G. (2019). A “pay-how-you-drive” car insurance approach through cluster analysis. Soft Computing, 23(9), 2863-2875. https://doi.org/10.1007/s00500-018-3274-y
Cave, S., Dihal, K., & Dillon, S. (Eds.). (2020). AI narratives: A history of imaginative thinking about intelligent machines. Oxford: Oxford University Press.
Cebulla, A., Szpak, Z., Howell, C., Knight, G., & Hussain, S. (2023). Applying ethics to AI in the workplace the design of a scorecard for Australian workplace health and safety. AI and Society, 38(2), 919-935. https://doi.org/0.1007/s00146-022-01460-9
Chen, C. (2023). Regulation of the use of artificial intelligence for investment in the insurance industry. In N. Remolina, & A. Gurrea-Martinez (Eds.), Artificial intelligence in finance: Challenges, opportunities and regulatory developments (pp. 271-292). Cheltenham: Edward Elgar Publishing.
Eling, M., Nuessle, D., & Staubli, J. (2022). The impact of artificial intelligence along the insurance value chain and on the insurability of risks. The Geneva Papers on Risk and Insurance-Issues and Practice, 47(2), 205-241.
Gervasi, S. S., Chen, I. Y., Smith-Mclallen, A., Sontag, D., Obermeyer, Z., Vennera, M., & Chawla, R. (2022). The potential for bias in machine learning and opportunities for health insurers to address it. Health Affairs, 41(2), 212-218. https://doi.org/10.1377/hlthaff.2021.01287
Haenlein, M., & Kaplan, A. (2019). A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. California Management Review, 61(4), 5-14.
Kalogiannidis, S., Kalfas, D., Papaevangelou, O., Giannarakis, G., & Chatzitheodoridis, F. (2024). The role of artificial intelligence technology in predictive risk assessment for business continuity: A case study of greece. Risks, 12(2). https://doi.org/10.3390/risks12020019
Kanta Reddy, T. M., & Premamayudu, B. (2019). Vehicle insurance model using telematics system with improved machine learning techniques: A survey. Ingenierie des Systemes d'Information, 24(5), 507-512. https://doi.org/10.18280/isi.240507
Krivorotov, G. (2023). Machine learning-based profit modeling for credit card underwriting - implications for credit risk. Journal of Banking and Finance, 149. https://doi.org/10.1016/j.jbankfin.2023.106785
Kumar, N., Srivastava, J. D., & Bisht, H. (2019). Artificial intelligence in insurance sector. Journal of the Gujarat Research Society, 21(7), 79-91.
Kutsumi, H., & Obata, D. (2022). Current status and future prospects of AI diagnosis in the gastrointestinal field -from development to regulatory approval and insurance. Journal of Japanese Society of Gastroenterology, 119(7), 589-599. https://doi.org/10.11405/nisshoshi.119.589
Mariani, M. M., & Borghi, M. (2023). Artificial intelligence in service industries: Customers’ assessment of service production and resilient service operations. International Journal of Production Research, 1-17. https://doi.org/10.1080/00207543.2022.2160027
McFall, L., Meyers, G., & Hoyweghen, I. V. (2020). Editorial: The personalisation of insurance: Data, behaviour and innovation. Big Data & Society, 7(2). https://doi.org/0.1177/2053951720973707
Melnychenko, O. (2019). Application of artificial intelligence in control systems of economic activity. Virtual Economics, 2(3), 30-40.
Moșteanu, N. R. (2019). International financial markets face to face with Artificial Intelligence and digital era. Theoretical & Applied Economics, 26(3), 123-134.
Nawaz, N., & Gomes, A. M. (2019). Artificial intelligence chatbots are new recruiters. International Journal of Advanced Computer Science and Applications, 10(9), 1-5. https://doi.org/10.14569/ijacsa.2019.0100901
Nawaz, N., & Saldeen, M. A. (2020). Artifcial intelligence chatbots for library reference services. Journal of Management Information and Decision Sciences, 23, 442-449.
Nichifor, E., Trifan, A., & Nechifor, E. M. (2021). Artificial intelligence in electronic commerce: Basic chatbots and the consumer journey. Amfiteatru Economic, 23(56), 87-101. https://doi.org/10.24818/EA/2021/56/87
Poudel, S., & Dhungana, U. R. (2022). Artificial intelligence for energy fraud detection: A review. International Journal of Applied Power Engineering, 11(2), 109-119. https://doi.org/10.11591/ijape.v11.i2.pp109-119
Prentice, C., Weaven, S., & Wong, I. A. (2020). Linking AI quality performance and customer engagement: The moderating effect of AI preference. International Journal of Hospitality Management, 90. https://doi.org/10.1016/j.ijhm.2020.102629
Qian, J., Xu, Y., Yi, Q., Sun, Y., & Yu, S. (2022). Ping An Healthcare and Technology Co. Ltd.: How the online diagnosis giant reforms it strategy in a post-COVID business climate. London: Sage.
Ricciardi Celsi, L. (2023). The dilemma of rapid AI advancements: Striking a balance between innovation and regulation by pursuing risk-aware value creation. Information (Switzerland), 14(12). https://doi.org/10.3390/info14120645
Riikkinen, M., Saarijärvi, H., Sarlin, P., & Lähteenmäki, I. (2018). Using artificial intelligence to create value in insurance. International Journal of Bank Marketing, 36(6), 1145-1168.
Riskin, D., Cady, R., Shroff, A., Hindiyeh, N. A., Smith, T., & Kymes, S. (2023). Using artificial intelligence to identify patients with migraine and associated symptoms and conditions within electronic health records. BMC Medical Informatics and Decision Making, 23(1). https://doi.org/10.1186/s12911-023-02190-8
Sachan, S., Yang, J. B., Xu, D. L., Benavides, D. E., & Li, Y. (2020). An explainable AI decision-support-system to automate loan underwriting. Expert Systems with Applications, 144. https://doi.org/10.1016/j.eswa.2019.113100
Satuluri, R. K. (2021). Digital transformation in Indian insurance industry. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 12(4), 310-324.
Sood, P., Sharma, C., Nijjer, S., & Sakhuja, S. (2023). Review the role of artificial intelligence in detecting and preventing financial fraud using natural language processing. International Journal of System Assurance Engineering and Management, 14(6), 2120-2135. https://doi.org/10.1007/s13198-023-02043-7
Sukma, N., & Leelasantitham, A. (2022a). Factors affecting adoption of online community water user participation. Human Behavior and Emerging Technologies, 2022, 1-13. https://doi.org/10.1155/2022/1732944
Sukma, N., & Leelasantitham, A. (2022b). From conceptual model to conceptual framework: A sustainable business framework for community water supply businesses. Frontiers in Environmental Science, 10. https://doi.org/10.3389/fenvs.2022.1013153
Sukma, N., & Leelasantitham, A. (2022c). Understanding online behavior towards community water user participation: A perspective of a developing country. Plos One, 17(7), e0270137. https://doi.org/10.1371/journal.pone.0270137
Sukma, N., & Namahoot Chakkrit, S. (2024). Trading strategies development using combined enhanced voter-method with technical indicators and machine learning. ICIC Express Letters, Part B: Applications, 15(5), 427-433.
Thesmar, D., Sraer, D., Pinheiro, L., Dadson, N., Veliche, R., & Greenberg, P. (2019). Combining the power of artificial intelligence with the richness of healthcare claims data: Opportunities and challenges. Pharmaco Economics, 37, 745-752. https://doi.org/10.1007/s40273-019-00777-6
Wahid, D. F., & Hassini, E. (2024). An augmented AI-based hybrid fraud detection framework for invoicing platforms. Applied Intelligence, 54(2), 1297-1310. https://doi.org/10.1007/s10489-023-05223-x
Wang, X., Lin, X., & Shao, B. (2022). How does artificial intelligence create business agility? Evidence from chatbots. International Journal of Information Management, 66. https://doi.org/10.1016/j.ijinfomgt.2022.102535
Yang, X. (2023). The effects of AI service quality and AI function-customer ability fit on customer's overall co-creation experience. Industrial Management and Data Systems, 123(6), 1717-1735. https://doi.org/10.1108/IMDS-08-2022-0500
Yego, N. K., Kasozi, J., & Nkurunziza, J. (2021). A comparative analysis of machine learning models for the prediction of insurance uptake in Kenya. Data, 6(11), 116. https://doi.org/10.3390/data6110116
Zarifis, A., Holland, C. P., & Milne, A. (2019). Evaluating the impact of AI on insurance: The four emerging AI-and data-driven business models. Emerald Open Research, 1(1), 1-19.
Zhang, W., Shi, J., Wang, X., & Wynn, H. (2023). AI-powered decision-making in facilitating insurance claim dispute resolution. Annals of Operations Research, 1-30. https://doi.org/10.1007/s10479-023-05631-9
