Reinsurance Journal 📊

مجمع انجمن حرفه‌ای صنعت بیمه

اگر یک Underwriter از دهه ۱۹۶۰ وارد شرکت بیمه امروز می‌شد، احتمالاً بیش از هر چیز از تغییر نوع پرسش‌ها شگفت‌زده می‌شد. آن زمان مسئله این بود: چگونه سوابق بیمه‌نامه و محاسبات اکچوئری را از کاغذ به رایانه منتقل کنیم؟ در دهه‌های بعد، پرسش تغییر کرد: چگونه سامانه‌های اصلی، مدل‌های فاجعه، شبکه‌های توزیع، خسارت و داده‌های مشتریان را به یکدیگر متصل کنیم؟ با گسترش رایانش ابری، تصاویر ماهواره‌ای، تلماتیک و یادگیری ماشین، صنعت وارد مرحله تازه‌ای شد: چگونه پیش از وقوع یا تشدید خسارت، نشانه‌های ریسک را تشخیص دهیم؟ اکنون در عصر هوش مصنوعی مولد و عامل‌های هوشمند، پرسش مهم‌تری مطرح است: چگونه سامانه‌ای بسازیم که فقط داده را پردازش نکند، بلکه اسناد را بخواند، ریسک‌ها را به هم مرتبط سازد، تحولات پرتفوی را پایش کند و اقدام بعدی را به Underwriter پیشنهاد دهد؟ بیمه اتکایی نیز همین مسیر را از اسلیپ‌های کاغذی و مکاتبات پراکنده به جایابی الکترونیکی، داده‌های استاندارد، تحلیل انباشت و مدیریت هوشمند پرتفوی طی کرده است. اما در تمام این سال‌ها، یک اصل ثابت باقی مانده است: فناوری ابزار تصمیم‌گیری را تغییر می‌دهد، نه مسئولیت تصمیم را.

در سال ۲۰۱۵، «انجمن ملی متخصصان برجسته» هادی دست‌باز را به‌دلیل تعهد حرفه‌ای و نقش‌آفرینی مؤثر در صنعت بیمه، به‌عنوان یکی از مدیران اجرایی برگزیده معرفی کرد. کارنامه حرفه‌ای او، از سالها فعالیت در بیمه مرکزی ایران و حضور در جایگاه سرپرست معاونت این نهاد تا مشارکت در تأسیس شرکت‌های بیمه حافظ و کارآفرین، نمونه‌ای ارزشمند از پیوند دانش فنی، تجربه مدیریتی و نگاه بین‌المللی است. فعالیت در ارزیابی ریسک‌های بزرگ پتروشیمی، پالایشگاهی و انرژی نیز بخش دیگری از این مسیر پربار و اثرگذار به شمار می‌رود. این انتخاب بین‌المللی، تنها تقدیر از یک مدیر نبود؛ بلکه بازتابی از ظرفیت و اعتبار متخصصان ایرانی در عرصه جهانی بیمه و بیمه اتکایی بود https://www.24-7pressrelease.com/press-release/404784/national-association-of-distinguished-professionals-selects-hadi-dastbaz-as-an-executive-member-of-the-executive-and-professional-online-registry

آخرین مقایسه Artificial Analysis در تاریخ 13 آگوست 2026 تصویر جالبی از رقابت مدل‌های هوش مصنوعی نشان می‌دهد؛ رقابتی که دیگر فقط بر سر باهوش‌تر بودن نیست. سه متغیر اصلی در کنار هم قرار گرفته‌اند: هوش، سرعت و هزینه انجام کار؛ و نکته مهم اینجاست که برنده هر ستون، الزاماً بهترین انتخاب نیست. در شاخص هوش، Claude Opus 4.6 با امتیاز 63 در صدر قرار گرفته و Claude 5 با 62 و GPT-5.6 و Grok 4.6 با 61 فاصله بسیار کمی با آن دارند. Kimi K3 نیز با امتیاز 60 در محدوده مدل‌های قدرتمند قرار گرفته است. این فاصله کم نشان می‌دهد در سطح مدل‌های پیشرو، صرفاً چند امتیاز بیشتر در شاخص هوش شاید به‌تنهایی معیار مناسبی برای انتخاب نباشد. اما با تغییر معیار به سرعت، رتبه‌بندی کاملاً تغییر می‌کند. Gemini 3.6 Flash با 221 توکن در ثانیه با فاصله در صدر قرار دارد و پس از آن GPT-5.6 Luna با 150 و Nemotron 3 Ultra با 121 قرار گرفته‌اند. اینجا مشخص می‌شود مدلی که بالاترین امتیاز هوش را ندارد، می‌تواند برای کاربردهایی که حجم و سرعت پردازش اهمیت زیادی دارد، گزینه جذاب‌تری باشد. منبع: Artificial Analysis – Artificial Analysis Intelligence Index

یک پرونده روی میز underwriter است. چند گزارش پزشکی، نتایج آزمایش، فرم پیشنهاد، سابقه متقاضی و مجموعه‌ای از دستورالعمل‌های فنی؛ اطلاعات کم نیست، اما پاسخ هنوز روشن نیست: کدام نکته واقعاً بر ارزیابی ریسک اثر می‌گذارد؟ عامل هوشمند پرونده را می‌خواند، شواهد مرتبط را کنار هم قرار می‌دهد، نشانه‌های ریسک را برجسته می‌کند، اطلاعات ناقص را نشان می‌دهد و گام بعدی را پیشنهاد می‌کند. اما یک کار را انجام نمی‌دهد: تصمیم نهایی. در نمونه‌ای مانند Swiss Re Life Guide Scout، هوش مصنوعی در جایگاه "همکار تحلیلی" underwriter قرار می‌گیرد؛ نه جایگزین تجربه و قضاوت او. ماشین، پیچیدگی اطلاعات را مدیریت می‌کند و انسان، مسئولیت تصمیم را بر عهده دارد. شاید مزیت رقابتی آینده در underwriting، داشتن داده‌های بیشتر نباشد؛ بلکه در این باشد که چه کسی می‌تواند زودتر معنای درست داده‌ها را کشف کند.

آیا ظرفیت اتکایی همیشه باید از یک بازیگر بزرگ به دیگران منتقل شود؟ یا شرکت‌های هم‌سطح نیز می‌توانند بخشی از ریسک‌های یکدیگر را پوشش دهند؟ ایده Peer-to-Peer Reinsurance بر یک منطق متفاوت استوار است: چند شرکت بیمه یا اتکایی، ظرفیت‌های خود را در یک شبکه مشترک قرار می‌دهند و ریسک‌ها را به‌صورت متقابل میان اعضا توزیع می‌کنند. در این مدل، هر عضو می‌تواند هم واگذارنده ریسک باشد و هم در پذیرش بخشی از ریسک سایر اعضا مشارکت کند. فرایند دیجیتال، زیرساخت اجرای این همکاری است؛ از ثبت استاندارد اطلاعات و تطبیق ریسک با اشتهای اعضا تا تخصیص ظرفیت، تأیید سهم، پایش تعهدات و تسویه. نتیجه، فقط جایابی سریع‌تر نیست؛ بلکه امکان ایجاد شبکه‌ای شفاف‌تر برای استفاده مشترک از ظرفیت و تنوع‌بخشی به پرتفوی است. البته اعتماد دیجیتال بدون قواعد روشن شکل نمی‌گیرد. کیفیت داده، ارزیابی توان مالی اعضا، کنترل انباشت و هم‌بستگی ریسک‌ها، سازوکار جبران نکول و تعیین مسئولیت‌ها، پیش‌شرط‌های جدی چنین مدلی هستند. بیمه اتکایی همتابه‌همتا، بیش از آنکه حذف واسطه‌ها باشد، بازطراحی مفهوم مشارکت است؛

با سلام جلسه سوم سه‌شنبه‌های هوش مصنوعی با موضوع *"هوش مصنوعی × Python؛ از کدنویسی تا خلق راهکارهای هوشمند" * تا دقایقی دیگر آغاز می شود. https://bbb.tehranre.ir/rooms/lg9-esh-txp-nqs/join

▪️در دنیایی که فشار برای همرنگ شدن با جمع بیشتر شده است؛ از پیروی بی‌فکر از گروه‌ها تا فضاهایی در شبکه‌های اجتماعی که ما را به دوگانه «یا با ما یا علیه ما» می‌کشانند، فردیت اصیل اهمیت بیشتری پیدا کرده است. ▪️فردیت اصیل یعنی آدم جرئت کند خودش فکر کند و فقط چون همه راهی را می‌روند، همان مسیر را انتخاب نکند. متفاوت بودن هم قرار نیست به ادا یا لجبازی تبدیل شود. ▪️مهم این است بدانیم چرا چیزی را می‌خواهیم، چرا تصمیمی می‌گیریم و آیا انتخابمان هنوز با خود واقعی‌مان جور است یا نه. گاهی باید کمی از هیاهوی جمع فاصله بگیریم تا بفهمیم چه چیزی واقعاً از خود ما آمده است. ▪️فردیت اصیل یعنی خودمان را میان خواسته‌های دیگران گم نکنیم.

بزرگ‌شدن یک خسارت، همیشه ناگهانی اتفاق نمی‌افتد؛ گاهی نشانه‌های آن از مدت‌ها قبل در یک ایمیل، یادداشت ارزیاب، گزارش حقوقی یا تغییر تدریجی ذخیره خسارت پنهان شده است. مسئله این نیست که اطلاعات وجود ندارد؛ مسئله این است که اطلاعات در سامانه‌ها، اسناد و واحدهای مختلف پراکنده است و هیچ‌کس تصویر کامل پرونده را در زمان مناسب نمی‌بیند. در چنین شرایطی، یک هشدار مهم ممکن است شناسایی شود، اما به تصمیم یا اقدام به‌موقع منجر نشود. مفهوم Agentic Claims Intelligence پاسخی به همین شکاف است. در این رویکرد، Agentic AI فقط اسناد را خلاصه نمی‌کند؛ بلکه زمینه خسارت را به‌طور مستمر دنبال می‌کند، نشانه‌های تشدید خسارت را تشخیص می‌دهد، نواقص مستندات و تحقیقات را آشکار می‌سازد و در زمان مناسب، ورود متخصصان، اقدامات بازیافتی یا ارتباط با مشتری را پیشنهاد می‌کند. در اینجا ارزش هوش مصنوعی در «خودکارسازی کامل خسارت» نیست؛ بلکه در ایجاد سه توانمندی اساسی است: آینده‌نگری برای دیدن زودتر نشانه‌های خسارت بزرگ، قضاوت بهتر با تمرکز تجربه انسانی بر تصمیم‌های مهم‌تر، و کنترل قوی‌تر از طریق چارچوب‌های خودکار همراه با تأیید انسان.

📚☕ فراخوان همراهی در جلسات مطالعه کافه کتاب بیمه اگر به یادگیری، مطالعه تخصصی و گفت‌وگو درباره تجربه‌های واقعی صنعت بیمه علاقه‌مندید، این بار با یک موضوع کاربردی همراه ما باشید! در این دوره، کتاب Insurance Claims Handling از CII را به‌صورت گروهی مطالعه و بررسی می‌کنیم؛ از اصول و فرآیند رسیدگی به خسارت گرفته تا چالش‌ها، بهترین رویه‌ها و راهکارهایی برای مدیریت مؤثرتر پرونده‌های خسارت. 📖 هر هفته کنار هم می‌خوانیم، درباره مطالب کتاب گفت‌وگو می‌کنیم و از نگاه و تجربه یکدیگر یاد می‌گیریم. ☕ یک کتاب، چند نگاه، یک تجربه یادگیری مشترک. 🔹 اگر از آن دسته افرادی هستید که یادگیری را فقط به خواندن محدود نمی‌کنند، جای شما در این جمع خالی است. 📅 جلسات هفتگی | دوشنبه‌ها ساعت ۱۶ 📌 تاریخ اولین جلسه به‌زودی اعلام خواهد شد. 📋فرم اعلام آمادگی جهت شرکت در همخوانی کتاب https://forms.gle/mVBVH9gRtcbygGrm8 @cafeketabbime #کافه_کتاب_بیمه #InsuranceBookCafe #InsuranceClaimsHandling #CII #مدیریت_خسارت #بیمه #مطالعه_گروهی #یادگیری_مستمر #توسعه_دانش #صنعت_بیمه

با سلام جلسه آخر کتابخوانی کتاب Swiss Re – Essential Guide to Reinsurance تا دقایقی دیگر آغاز می شود. https://bbb.tehranre.ir/rooms/j0a-d60-tq1-kdv/join

در بیمه سنتی، پس از وقوع حادثه می‌پرسیم: «چقدر خسارت وارد شد؟» در Parametric Reinsurance پرسش متفاوت است: «آیا شاخص از آستانه تعیین‌شده عبور کرده است؟» همین تغییر پرسش، منطق جبران خسارت را متحول می‌کند. اگر شدت باد، میزان بارش، بزرگی زلزله یا شاخص توافق‌شده به حد مشخصی برسد، پوشش فعال می‌شود؛ بدون آنکه فرایند پرداخت، الزاماً در انتظار ارزیابی طولانی خسارت باقی بماند. اما طراحی یک شاخص مناسب، ساده نیست. آستانه باید به‌گونه‌ای تعیین شود که وقوع آن، تا حد امکان با خسارت واقعی بیمه‌گذار ارتباط داشته باشد. اینجاست که هوش مصنوعی می‌تواند با تحلیل داده‌های تاریخی، تصاویر ماهواره‌ای، اطلاعات هواشناسی و داده‌های لرزه‌ای به طراحی دقیق‌تر Trigger، قیمت‌گذاری پویاتر و کاهش Basis Risk کمک کند. پس از وقوع حادثه نیز هوش مصنوعی می‌تواند داده‌های چند منبع را به‌صورت هم‌زمان بررسی کند، اعتبار رویداد را سریع‌تر بسنجد و فرایند تأیید شاخص و پرداخت را تسریع کند. در اینجا هوش مصنوعی فقط سرعت را افزایش نمی‌دهد؛ کمک می‌کند آنچه واقعاً اهمیت دارد، دقیق‌تر اندازه‌گیری شود.

عملکرد قدرتمند RGA در سه‌ماهه دوم ۲۰۲۶ شرکت Reinsurance Group of America (RGA)، یکی از بزرگ‌ترین بیمه‌گران اتکایی تخصصی جهان در حوزه‌های عمر و درمان، در سه‌ماهه دوم ۲۰۲۶ عملکرد مالی قدرتمندی ثبت کرد. سود خالص قابل انتساب به سهامداران RGA به ۴۶۲ میلیون دلار رسید که نسبت به ۱۸۰ میلیون دلار در مدت مشابه سال گذشته، رشد ۱۵۷ درصدی را نشان می‌دهد. این عملکرد در شرایطی حاصل شده که RGA همچنان به توسعه فعالیت‌های خود در بازارهای مختلف و استفاده از راهکارهای متنوع اتکایی برای مدیریت ریسک‌های بلندمدت ادامه می‌دهد. رشد سودآوری شرکت همچنین نشان‌دهنده نقش پررنگ‌تر بیمه اتکایی عمر و درمان در مدیریت سرمایه و انتقال ریسک‌های بلندمدت بیمه‌گران است. ☆تحلیل برای بازار اتکایی ▪️︎عملکرد RGA نشان می‌دهد بازار اتکایی عمر و درمان همچنان ظرفیت رشد و سودآوری مناسبی دارد. ▪️︎افزایش تقاضا برای راهکارهای اتکایی در حوزه مستمری، درمان و انتقال ریسک‌های بلندمدت می‌تواند فرصت‌های جدیدی برای بیمه گران اتکایی تخصصی ایجاد کند. ▪️︎نتایج شرکت همچنین اهمیت مدیریت سرمایه و انتخاب دقیق پرتفوی را در حفظ سودآوری شرکت‌های بیمه اتکایی برجسته می‌کند.

مرجع شاخص های کلیدی ارزیابی عملکرد سازمان واحدهای مختلف کسب‌وکار اطلاعاتی توليد می‌کنند که مدير می‌تواند از آن‌ها برای ارزيابی عملکرد سازمان استفاده کند. ارزیابی عملكرد فرآيندی است كه در آن عملكرد سازمان و کارکنان بررسی می‌شود. نادیده گرفتن ارزیابی عملکرد سازمان باعث می‌شود تا مدیران از چگونگی انجام فعالیت‌های درون سازمانی و شرایط حاکم بر محيط بيرونی سازمان اطلاع نداشته باشند در نتیجه کارایی سازمان هم کاهش پیدا می‌کند. در كتاب «مرجع شاخص های کلیدی ارزیابی عملکرد سازمان» شاخص‌های ارزیابی عملكرد واحدهای حسابداری، مهندسی، لجستيک، توليد، و فروش ارائه شده است. در هر فصل، هر کدام از شاخص‌ها به صورت کامل تعریف شده، فرمول محاسباتی آن توضيح داده شده، يک مثال در مورد آن ذکر شده است. مدیران می‌توانند با استفاده از این شاخص‌ها براساس ارزیابی مقدار شاخص در مقاطع زمانی خاص و یا دنبال کردن روند شاخص‌ها در طول زمان، سکان هدایت شرکت‌های خود را در دست بگیرند و آن را در مسیر درست قرار بدهند. این کتاب برای همه‌ی مديرانی كه می‌خواهند از سطح عملكرد واحدهای مختلف شرکت خود اطلاع داشته باشند تهيه شده است.

بیمه اتکایی فقط دیجیتال نشده است؛ منطق آن در پنج نسل بازنویسی شده است. در نسل نخست، همه‌چیز بر تجربه، روابط حرفه‌ای، اسناد کاغذی و مذاکرات چهره‌به‌چهره استوار بود. بیمه اتکایی، هنری مبتنی بر اعتماد و قضاوت فردی محسوب می‌شد. با ورود به نسل دوم، استانداردسازی قراردادها، صفحات گسترده، پایگاه‌های داده و ارتباطات الکترونیکی، سرعت و نظم بیشتری به فرایندها بخشید؛ اما بخش بزرگی از تحلیل‌ها همچنان دستی و گذشته‌نگر باقی ماند. نسل سوم، نقطه عطف تحلیل ریسک بود. مدل‌های فاجعه، شبیه‌سازی سناریو، مدیریت سرمایه و سنجش تجمع تعهدات، تصمیم‌گیری اتکایی را از تجربه صرف به ترکیبی از تخصص و محاسبات پیشرفته تبدیل کردند. در نسل چهارم، پلتفرم‌های الکترونیکی، داده‌های ساختاریافته، تحلیل‌های برخط و گردش‌کار یکپارچه، اجزای پراکنده زنجیره اتکایی را به یک اکوسیستم متصل نزدیک کرده‌اند. اکنون سرعت، شفافیت و قابلیت ردیابی، بخشی از کیفیت تصمیم محسوب می‌شوند. اما بیمه اتکایی ۵.۰ افق متفاوتی را ترسیم می‌کند: پایش زنده ریسک، تحلیل پیش‌بینانه، هوش مصنوعی، پوشش‌های پارامتریک، سرمایه جایگزین و اتوماسیون تحت نظارت انسان.

⭕️👈 تاب‌آوری در صنعت بیمه ▪️تاب‌آوری در صنعت بیمه به توانایی شرکت‌های بیمه برای پیش‌بینی، مقاومت، انطباق، تداوم فعالیت و بازیابی سریع در برابر بحران‌ها، شوک‌ها و تغییرات محیطی گفته می‌شود؛ به‌گونه‌ای که ضمن حفظ تعهدات خود در قبال بیمه‌گذاران، ثبات مالی و اعتماد عمومی نیز حفظ شود. ▪️تاب‌آوری در صنعت بیمه صرفاً به توان مالی محدود نیست؛ بلکه مجموعه‌ای از تاب‌آوری مالی، عملیاتی، فناورانه، سرمایه انسانی، حاکمیتی و بازار است. ▪️ شرکت بیمه‌ای تاب‌آور، شرکتی است که بتواند در شرایط بحرانی نیز خدمات خود را بدون وقفه ادامه دهد، خسارت بیمه‌گذاران را به‌موقع جبران کند و اعتماد ذی‌نفعان را حفظ نماید.

*آینده نظارت، در انباشت بیشتر گزارش‌ها نیست؛ در دیدن زودتر نشانه‌های ریسک است.* در الگوی سنتی، نهاد ناظر معمولاً پس از دریافت گزارش‌های دوره‌ای و بررسی اطلاعات گذشته وارد عمل می‌شود. اما هوش مصنوعی می‌تواند SupTech را از نظارت واکنشی و پسینی، به نظارتی پیوسته، پیش‌نگر و مبتنی بر ریسک نزدیک کند. پایش مستمر داده‌ها، شناسایی ناهنجاری‌ها و الگوهای تقلب، ایجاد هشدارهای زودهنگام، کنترل هوشمند انطباق و اولویت‌بندی مؤسسات پرریسک، تنها بخشی از ظرفیت‌هایی است که هوش مصنوعی در اختیار نهاد ناظر قرار می‌دهد. نتیجه این تحول، فقط افزایش سرعت نیست؛ بلکه تمرکز دقیق‌تر منابع نظارتی بر نقاطی است که احتمال بروز مسئله در آن‌ها بیشتر است. در صنعت بیمه، چنین رویکردی می‌تواند به شناسایی زودهنگام روندهای نامتعارف در خسارت، ذخایر، توانگری مالی، انباشت ریسک، قبولی‌های اتکایی و رفتار پرتفوی کمک کند؛ پیش از آنکه نشانه‌های پراکنده به یک بحران جدی تبدیل شوند.

نظام‌نامه کاربرد هوش مصنوعی در کارشناسی رسمی دادگستری تحولات شتابان فناوری اطلاعات و گسترش روزافزون کاربردهای هوش مصنوعی در جامعه و زندگی بشر، نظام کارشناسی رسمی دادگستری را با فرصت‌ها و چالش‌های جدیدی مواجه ساخته است. از یک‌سو، سامانه‌های هوشمند توان ارتقای سرعت، دقت، بی‌طرفی و کیفیت تحلیل‌های کارشناسی را به‌طور چشمگیری فراهم می‌کنند و از سوی دیگر، پیچیدگی‌های فنی و اخلاقی این فناوری‌ها، ضرورت تنظیم مقررات شفاف و دقیق را بیش از پیش آشکار می‌سازد. این نظام‌نامه با هدف ایجاد چارچوبی جامع، منسجم و قابل‌استناد برای استفاده مسئولانه، ایمن و اخلاق‌مند از هوش مصنوعی در فرآیند کارشناسی رسمی مبتنی بر سند تحول و تعالی قضایی، آیین‌نامه استفاده از فناوری‌های نوین تدوین شده است.

نظام‌نامه کاربرد هوش مصنوعی در کارشناسی رسمی دادگستری

مجمع انجمن حرفه‌ای صنعت بیمه برگزار می‌شود