ملخص
هدفت هذه الدراسة إلى تحليل أثر تطبيق تقنيات الذكاء الاصطناعي في قطاع التأمين، مع التركيز على قياس دقة التنبؤ بالمخاطر، وتحديد العوامل المؤثرة على عدالة تسعير الأقساط، والحد من التحيز في القرارات التأمينية، بالإضافة إلى تقييم فعالية الذكاء الاصطناعي في كشف وتقليل الاحتيال التأميني. اعتمدت الدراسة منهجية كمية شملت نماذج الانحدار الخطي، وتحليل التباين (ANOVA)، واختبارات الدلالة الإحصائية (t-tests)، وذلك باستخدام بيانات لعينة من العملاء تتضمن متغيرات تقليدية ومتغيرات معتمدة على الذكاء الاصطناعي.
أظهرت النتائج أثراً ذا دلالة إحصائية لنماذج الذكاء الاصطناعي في تحسين دقة التنبؤ بالمطالبات وتحقيق عدالة أكبر في تسعير الأقساط، فقد أسهمت المتغيرات المعتمدة على الذكاء الاصطناعي في رفع القدرة التفسيرية للنماذج وتقليل الاعتماد على المتغيرات التقليدية المعرضة للتحيز. في المقابل، لم تثبت النتائج دلالة إحصائية واضحة لتأثير الذكاء الاصطناعي على الحد من الاحتيال التأميني؛ وهو ما يعزى إلى محدودية حجم العينة وطبيعة المتغير محل الدراسة.
خلصت الدراسة إلى أن الانتقال نحو التأمين المعتمد على البيانات يمثل توجهًا واعدًا، شريطة تبني أطر حوكمة وتنظيم تكفل الشفافية والعدالة في استخدام الخوارزميات.
This study investigates the impact of artificial intelligence (AI) applications in the insurance sector, focusing on measuring risk prediction accuracy, Identifying the factors affecting installment pricing, and reducing bias in underwriting decisions, as well as evaluating AI’s effectiveness in mitigating insurance fraud. A quantitative methodology was employed, including linear regression models, analysis of variance (ANOVA), and t-tests, based on a dataset comprising insurance customers and incorporating both traditional and AI-driven variables.
The findings indicate a statistically significant effect of AI-based models on improving claim prediction accuracy and achieving fairer premium pricing. AI-related variables enhanced the explanatory power of the models and reduced reliance on traditional variables prone to bias. However, the results did not provide conclusive evidence of AI’s impact on reducing insurance fraud, likely due to data limitations and the characteristics of the fraud variable.
The study concludes that transitioning toward data-driven insurance is a promising approach, provided that governance and regulatory frameworks are implemented to ensure transparency and fairness in algorithmic decision-making.