تأمين الروبوتات الشبيهة بالبشر: تسعير المخاطر بدون سجل
الروبوتات البشرية يصعب تأمينها لعدم وجود سجل مطالبات يمكن الاستناد إليه في تسعيرها. وإليك سبب وجود هذه الفجوة، وكيف يمكن لنموذج التسعير أن يتعلم من عمليات النشر المباشرة، ولماذا ترتبط التغطية بعقد الإيجار.
Motion1 Inc. ·
يعتمد التأمين على التاريخ. يحدد ضامن التأمين القسط من خلال الرجوع إلى سنوات من المطالبات لأصل معين، وتحديد مدى تكرار حدوث الأخطاء، ومدى سوئها، وما هي تكلفة إصلاحها. بالنسبة للسيارات والمصانع والآلات الصناعية، هذا السجل عميق. أما بالنسبة للروبوتات الشبيهة بالبشر، فهو يكاد يكون غير موجود.
هذا الغياب ليس مجرد هامش. الروبوت الذي لا يمكن تأمينه، هو روبوت يصعب وضعه على خط إنتاج أو في أي مكان قريب من الناس. غالبًا ما تكون التغطية شرطًا مسبقًا صامتًا للنشر، وفي الوقت الحالي هو الجزء من اللغز الذي يتخلف كثيرًا عن الأجهزة.
تتناول هذه المقالة سبب صعوبة تأمين الروبوتات الشبيهة بالبشر بشكل حقيقي، وما الذي يحتاج إلى تغطية بالفعل، ولماذا الحل الأكثر عملية هو ربط التغطية بعقد الإيجار والسماح للاستخدام الفعلي بصقل التسعير بمرور الوقت.
لماذا يصعب تأمين الروبوتات الشبيهة بالبشر
لا يوجد تاريخ اكتواري
المشكلة الأساسية هي نقص أطر المخاطر الموحدة والبيانات الاكتوارية لمسؤوليات الروبوتات. اعتادت شركات التأمين على التسعير من مجموعات كبيرة من المطالبات السابقة. بالنسبة للروبوتات الشبيهة بالبشر، هذه المجموعات قليلة أو فارغة. هناك بيانات تاريخية محدودة حول مدى تكرار تعطل الوحدة، وبأي طريقة، وما هو شكل الخسارة الناتجة.
بدون هذا الأساس، يصبح تحديد القسط تخمينًا يتنكر في شكل رقم. إذا كان السعر مرتفعًا جدًا، فإن التغطية تصبح باهظة الثمن. إذا كان السعر منخفضًا جدًا، فإن شركة التأمين تتحمل مخاطر لا يمكنها تقديرها بشكل صحيح. لا تساعد أي من النتيجتين الشركة المصنعة التي تحاول النشر.
شكل مخاطر جديد
كما أن الروبوتات الشبيهة بالبشر لا تتطابق بشكل واضح مع أي شيء تفهمه شركات التأمين بالفعل. إنها طويلة وثقيلة ومتنقلة، ومصممة للعمل في مساحات مشتركة جنبًا إلى جنب مع الناس بدلاً من خلف قفص أمان. علاوة على ذلك، فإنها تجمع بين أجهزة مادية معقدة وبرامج ذكاء اصطناعي تتخذ قراراتها الخاصة في الوقت الفعلي.
يقدم هذا المزيج مخاطر ليس لها سابقة واضحة. من الناحية المثالية، سيعتمد القسط على بيانات حول معدلات فشل المكونات، وأخطاء البرامج، والحوادث التي يقودها الذكاء الاصطناعي. اليوم، هذه البيانات نادرة، لذا فإن شكل المخاطر مفهوم نظريًا أفضل بكثير مما هو عليه عمليًا.
من هو المخطئ
تحديد المسؤولية هو الجزء الذي لم تحله الصناعة بعد. عندما يتسبب روبوت شبيه بالبشر في ضرر، فإن السؤال الواضح هو ما الخطأ الذي حدث، والإجابة الصادقة غالبًا ما تكون غير واضحة. هل كان عطلًا في الأجهزة، أو خطأ برمجيًا، أو قرارًا اتخذه الذكاء الاصطناعي بمفرده؟
هذا الغموض مهم للتأمين لأن المسؤولية عادة ما تعتمد على السبب. محرك معصم ينكسر هو مطالبة مختلفة عن نموذج أخطأ في تقدير موقف، حتى لو كان الضرر المرئي يبدو متطابقًا. حتى يمكن تحديد السبب بشكل موثوق، يظل تسعير المطالبات وتسويتها أصعب مما هو عليه بالنسبة للآلات التقليدية.
ما الذي يحتاج إلى تغطية بالفعل
إذا أزلنا الجدة، فإن المخاطر القابلة للتأمين تقع في ثلاث فئات مألوفة.
الأول هو تلف الأجهزة. الروبوتات الشبيهة بالبشر هي آلات باهظة الثمن وكثيفة ميكانيكيًا. يمكن أن تسقط، أو تصطدم، أو تتلف أثناء العمل العادي، والإصلاحات ليست رخيصة.
الثاني هو مسؤولية الطرف الثالث والسلامة الشخصية. نظرًا لأن هذه الآلات تعمل بالقرب من الناس، فإن أي حادث يمكن أن يعني إصابة عامل أو تلف ممتلكات شخص آخر. هذه عادة ما تكون المخاطر التي تقلق المشتري أكثر، وهي التي غالبًا ما تمنع النشر بدون تغطية.
الثالث هو انقطاع الأعمال. الروبوت الشبيه بالبشر الذي يتوقف عن العمل يمكن أن يوقف خط إنتاج أو وردية. التكلفة هنا ليست الروبوت نفسه بل وقت التوقف الذي يسببه - الإنتاج المفقود أثناء إصلاح الوحدة أو استبدالها.
للتوضيح، تعمل أذرع الروبوتات الصناعية عادة بنسبة تشغيل تتراوح بين 95 إلى 99 بالمائة، وهي نتاج عقود من التحسين. لا تتوفر للروبوتات الشبيهة بالبشر بيانات موثوقية منشورة للمقارنة بها بعد، وكنظرة صناعية وليست حقيقة مقاسة، سيتطلب الأمر وقت نشر حقيقي قبل فهم أنماط فشلها ووقت توقفها بشكل جيد. هذا الغموض هو بالضبط ما يجعل مخاطر وقت التوقف صعبة التسعير اليوم.
هذه الفجوات نفسها في التمويل والموثوقية هي لماذا يصعب تمويل الروبوتات ويميل التأمين إلى الظهور كالمشكلة نفسها.
التسعير الذي يتعلم: عجلة البيانات الدوارة
إذا كانت العقبة هي البيانات المفقودة، فالحل هو توليدها وبناء تسعير يتحسن مع وصولها.
كل روبوت شبيه بالبشر يتم نشره ينتج تيارًا من الإشارات المفيدة: كم ساعة يعمل، أي المكونات تتآكل أو تفشل، كم مرة تحدث أخطاء برمجية، وكم ينتج عن ذلك من وقت توقف. كل نقطة من هذه النقاط هي بيانات لم تكن لدى ضامن التأمين من قبل.
هذا يخلق عجلة دوارة. التسعير المبكر يكون متحفظًا بالضرورة لأن البيانات قليلة. مع دخول الوحدات إلى الميدان وتراكم هذا التاريخ، يصبح النموذج أكثر دقة. التسعير الأفضل يدعم المزيد من عمليات النشر، والمزيد من عمليات النشر تنتج المزيد من البيانات، والجولة التالية من التسعير تكون أكثر دقة. الغموض الذي يجعل تأمين الروبوتات الشبيهة بالبشر صعبًا اليوم هو نفس الغموض الذي يتقلص مع كل آلة توضع في العمل.
المفتاح هو أن تكون مستعدًا لالتقاط هذه الإشارة من اليوم الأول، بحيث تتغذى بيانات الاستخدام الحقيقي والفشل ووقت التوقف مرة أخرى في التسعير باستمرار بدلاً من انتظار سنوات لتشكيل مجموعة بيانات على مستوى الصناعة.
لماذا تنتمي التغطية إلى عقد الإيجار
هنا تكمن أهمية التجميع. يتجه السوق بالفعل نحو تغطية مدمجة وشاملة لدورة الحياة - حماية تمتد عبر الإنتاج والبيع والتأجير والاستخدام النهائي بدلاً من إضافتها لاحقًا كمنتج منفصل.
بالنسبة للشركة المصنعة، فإن البحث عن تأمين مستقل وقت النشر يمثل احتكاكًا في أسوأ لحظة ممكنة. النهج الأكثر وضوحًا هو ربط التغطية بعقد الإيجار، بحيث يتم تسعيرها وتكون سارية المفعول في اللحظة التي يبدأ فيها الروبوت العمل. اتفاقية واحدة تغطي الآلة وتمويلها ومخاطرها.
يغلق التجميع أيضًا حلقة البيانات. المزود الذي يؤجر ويؤمن الوحدة يرى الاستخدام والفشل ووقت التوقف مباشرة، ويمكنه إدخال ذلك مباشرة في التسعير. يصبح عقد الإيجار القناة التي من خلالها يصقل كل نشر النموذج - النهج المدمج وعجلة البيانات الدوارة يعززان بعضهما البعض. هذا جزء من التحول الأوسع من النفقات الرأسمالية إلى النفقات التشغيلية الذي يجعل الروبوتات الشبيهة بالبشر عملية للتبني على الإطلاق.
إلى أين يتجه هذا
سيصبح تأمين الروبوتات الشبيهة بالبشر أسهل، والسبب بسيط: فجوة البيانات تتقلص قليلاً مع كل آلة تبدأ العمل. ما يبدو اليوم وكأنه غياب للتاريخ هو في الواقع تاريخ لا يزال يُكتب. المهمة الآن هي هيكلة التأجير والتغطية بحيث يكون لكل عملية نشر أهميتها - بحيث تجعل الروبوتات الموجودة بالفعل في الميدان الروبوتات التالية أسهل في التأمين، وأسهل في وضعها للعمل بالقرب من الأشخاص الذين صُممت لمساعدتهم.