Jak sztuczna inteligencja mo¿e przekszta¿ci¿ ubezpieczenia w Tunezji

Tunezyjski sektor ubezpieczeniowy boryka si¿ z nieefektywno¿ci¿ operacyjn¿, wysokimi wskänikami nadu¿y¿ w zakresie OC komunikacyjnego (OC) ze wskänikami szkodowo¿ci przekraczaj¿cymi 100% oraz przestarzäymi tabelami ¿miertelno¿ci, takimi jak TD 99, powoduj¿cymi ryzyko rentowno¿ci i b¿¿dnej wyceny.Zastosowano wyjäniaj¿cy sekwencyjny projekt metod mieszanych: badanie 56 specjalistów ubezpieczeniowych przy u¿yciu ram TAM, TOE i DOI, a nast¿pnie modelowanie ilo¿ciowe z GLM dla wyceny ubezpiecze¿ innych ni¿ na ¿ycie, Kaplan-Meier dla ¿miertelno¿ci / regresji logistycznej dla przewidywania wygäni¿cia, Random Forest do wykrywania oszustw oraz prototyp chatbota do obs¿ugi roszcze¿.GLM przewy¿sza r¿czne taryfikowanie sk¿adek OC. Obserwowana ¿miertelno¿¿ jest o 17-18% ni¿sza od TD 99 (Rozdziä 6). Przewidywanie wygäni¿cia osi¿ga AUC ¿ 0,96 (95% CI: 0,942-0,978) [Tabela 16]. Wykrywanie oszustw daje AUC ¿ 0,805 (95% CI: 0,801-0,898) [Tabela 24]. Chatbot skraca czas obs¿ugi roszcze¿ o 40% [Tabela 18], generuj¿c szacunkowe zyski w wysoko¿ci 2 029 750 TND (~ 648 880 USD) [Tabela 43].