شرکت‌های بیمه بیش از آنکه نگران هزینه‌های مالی ناشی از هوش مصنوعی باشند، از غیرقابل پیش‌بینی بودن و پیچیدگی این فناوری هراس دارند.

به گزارش تک کرانچ، یکی از مدیران ارشد صنعت بیمه معتقد است بازده و رفتار مدل‌های هوش مصنوعی آن‌قدر پیچیده شده که اعتماد به آن‌ها روزبه‌روز دشوارتر می‌شود. با این حال، این نگرانی‌ها صرفاً نظری نیستند؛ تجربه‌های اخیر نشان داده‌اند که خطاهای هوش مصنوعی می‌توانند پیامدهای واقعی و پرهزینه‌ای داشته باشند.

برای نمونه، قابلیت «AI Overview» گوگل به اشتباه یک شرکت فعال در حوزه انرژی خورشیدی را به مشکلات حقوقی متهم کرد؛ اشتباهی که در نهایت به شکایتی ۱۱۰ میلیون دلاری در ماه مارس منجر شد. از سوی دیگر، شرکت ایر کانادا سال گذشته مجبور شد طرح تخفیفی را که چت‌بات رسمی‌اش بدون مجوز و به‌صورت خودسرانه اعلام کرده بود، اجرایی کند.

در نمونه‌ای نگران‌کننده‌تر، کلاهبرداران با استفاده از یک نسخه دیجیتالیِ کلون‌شده از مدیرعامل یک شرکت، طی یک تماس ویدئویی بسیار طبیعی، موفق شدند حدود ۲۵ میلیون دلار از شرکت مهندسی Arup در بریتانیا سرقت کنند.

اما آنچه واقعاً صنعت بیمه را به وحشت انداخته، نه یک خسارت بزرگِ منفرد، بلکه خطر «ریسک سیستماتیک» است؛ وضعیتی که در آن یک مدل هوش مصنوعیِ پرکاربرد دچار خطا می‌شود و به‌طور هم‌زمان هزاران مطالبه خسارت ایجاد می‌کند. به گفته یکی از مدیران شرکت بیمه‌ای Aon، بیمه‌گران شاید بتوانند با یک زیان ۴۰۰ میلیون دلاری برای یک شرکت کنار بیایند، اما آنچه از توان آن‌ها خارج است، وقوع یک خطای عامل‌محور (Agentic Error) در یک سیستم هوش مصنوعی است که به‌صورت هم‌زمان ۱۰ هزار خسارت را فعال کند.

از نگاه کارشناسان، این سناریو نه یک خیال علمی‌تخیلی، بلکه یکی از خطرات واقعی عصر جدید هوش مصنوعی است؛ خطری که اگر برای آن چاره‌ای اندیشیده نشود، می‌تواند معادلات سنتی صنعت بیمه را به‌کلی برهم بزند.

انتهای پیام/