فهرست نشریات علمی دسترسی آزاد ایران

پیشینه و اهداف: امروزه، پذیرش هوش مصنوعی در بازارهای بیمه در مراحل اولیة خود است و تحقیقات علمی دربارة پیامدهای هوش مصنوعی بر مدل کسب‌وکار بیمه هنوز محدود است. بر همین اساس، در این پژوهش به شناسایی پیشایندها، مؤلفه‌ها و پیامدهای استفاده از هوش مصنوعی در صنعت بیمه و ارائة مدل مناسب در این زمینه پرداخته ‌شد. روش‌شناسی: پژوهش حاضر با رویکرد کیفی و بر پایة پارادایم تفسیرگرایانه و روش استقرایی انجام‌گرفته است. این مطالعه با هدف پاسخ به یک مسئلة کاربردی و پر کردن شکاف دانش در حوزة بیمه طراحی شده است و درعین‌حال با پیشنهاد یک مدل مفهومی جدید، جنبة توسعه‌ای نیز دارد. برای گردآوری داده‌ها، نمونه‌گیری هدفمند و گلوله‌برفی در میان خبرگان صنعت بیمه و فنّاوری اطلاعات به کار رفت و پس از رسیدن به اشباع نظری، ۴۰ مصاحبة نیمه‌ساختاریافته با مدیران، کارشناسان شرکت‌های بیمه و اعضای هیئت‌ علمی دانشگاه‌ها انجام شد. داده‌های به‌دست‌آمده با روش تحلیل مضمون و طی سه مرحله کدگذاری باز، محوری و انتخابی در نرم‌افزار MAXQDA 2020 بررسی شد تا کدهای اصلی، مضامین کلیدی و الگوی مفهومی پژوهش استخراج شود. یافته‌ها: در این پژوهش، مجموعاً ۵۶۶ کد از مصاحبه‌ها استخراج شد که پس از ادغام و سازمان‌دهی، ۶۳ کد نهایی به دست آمد. این کدها در سه مقولة اصلی «پیشایندها»، «مؤلفه‌ها» و «پیامدها» طبقه‌بندی شدند. براساس چهارچوب فنّاوری– سازمان– محیط (TOE)، هریک از این مقوله‌ها به ابعاد سازمانی، فنّاورانه و محیطی تقسیم شدند. پیشایندها شامل پیشایندهای سازمانی (مانند مزیت نسبی و رقابتی، کاهش زمان و هزینه، خودکارآمدی ادراک‌شده، سودمندی و ریسک ادراک‌شده، تقلب، اعتماد، اندازة سازمان، رشد مطالبات بیمه‌ای)، فنّاورانه (پیچیدگی، تحول در قدرت محاسباتی) و محیطی (فشار رقابتی، پویایی بازار، انتظارات مشتریان) بودند. مؤلفه‌ها نیز به سه زیرمقولة سازمانی (زیرساخت، حمایت مدیریت ارشد، ایجاد اعتماد در ذی‌نفعان، آموزش، فرهنگ و دانش سازمانی، مهارت‌های مدیریتی، بودجه)، محیطی (حمایت دولت، دریافت کمک‌های مالی از بانک‌ها) و فنّاورانه (شایستگی‌های فنّاوری، دسترسی به دستورالعمل‌های پذیرش فنّاوری، کیفیت و دسترسی به داده‌ها) تقسیم شدند. همچنین، مقولة پیامدها شامل پیامدهای مثبت و منفی بود که از مهم‌ترین پیامدهای مثبت می‌توان به شخصی‌سازی خدمات، تعیین و ارزیابی ریسک پویا و کشف تقلب اشاره کرد.  نتیجه‌گیری: پژوهش حاضر مدل مفهومی جامعی را برای شناسایی و طبقه‌بندی پیشایندها، مؤلفه‌ها و پیامدهای به‌کارگیری هوش مصنوعی ارائه داده است که قابلیت اجرایی در صنعت بیمه را داراست. با توجه‌ به جامعیت این مدل، پیشنهاد می‌شود در پژوهش‌های آینده، مدل ارائه‌شده به‌طور کمّی بررسی و سنجش شود و در زیربخش‌های تخصصی بیمه مانند بیمة سلامت یا خودرو، اولویت‌بندی گردد. این رویکرد، امکان انتخاب مسیر بهینة توسعة هوش مصنوعی را برای سیاست‌گذاران و مدیران راهبردی صنعت بیمه فراهم خواهد کرد.