AI đang trở thành công nghệ nền tảng của chuyển đổi số, giúp phân tích dữ liệu, dự báo, hỗ trợ ra quyết định và tự động hóa quy trình. Ảnh minh họa
Chuyển đổi số, bảo hiểm đang đứng ở đâu so với các ngành khác?
TS. Lê Thị Xuân Hương (Khoa Bảo hiểm, Đại học Kinh tế Quốc dân) dẫn số liệu của McKinsey năm 2025 cho biết, mức độ hoàn thiện chuyển đổi số của ngành bảo hiểm chỉ đạt 6%, trong khi bán lẻ là 54%, viễn thông 46% và ngân hàng 31%. Có tới 79% doanh nghiệp bảo hiểm toàn cầu vẫn dừng ở giai đoạn “đang tiến hành”.
Bà Hương chỉ ra ba rào cản: hệ thống cũ bị chia cắt thành những “ốc đảo” dữ liệu giữa bán hàng, bồi thường, kế toán; văn hóa bảo thủ, ưu tiên sự ổn định (46% CEO coi đây là rào cản lớn nhất); và đặc thù ngành với hợp đồng dài hạn, nghiệp vụ phức tạp, ràng buộc pháp lý chặt chẽ.
Theo bà, triết lý kinh doanh cần chuyển từ đền bù sau tổn thất sang dự báo và phòng ngừa, nhờ cảm biến IoT và cảnh báo sớm. Từ đó hình thành ba mô hình sản phẩm: bảo hiểm nhúng (gắn vào vé máy bay, thương mại điện tử, gọi xe), bảo hiểm theo nhu cầu (bật tắt theo giờ, theo ngày) và bảo hiểm dựa trên mức độ sử dụng (tính phí theo số km và hành vi lái xe). Điều kiện tiên quyết là nền tảng dữ liệu hợp nhất Customer 360, bởi AI chạy trên dữ liệu phân mảnh sẽ thất bại.
Các ví dụ quốc tế cho thấy nhiều con đường. Allianz chuẩn hóa vận hành đa thương hiệu, đạt tăng trưởng phí 14% so với mức 11% của thị trường, với tỷ lệ kết hợp (combined ratio) thấp hơn trung bình ngành. Ping An chuyển 80% hệ thống CNTT lên đám mây từ năm 2013, sau đó thương mại hóa nền tảng OneConnect, hiện phục vụ 53% công ty bảo hiểm Trung Quốc. Trong khi đó, Lemonade cho thấy trải nghiệm số mượt chỉ là điều kiện cần, còn năng lực định phí và quản trị rủi ro của chuyên gia thẩm định rủi ro (actuary) mới là điều kiện đủ.
Theo các nhà khoa học, AI đang trở thành công nghệ nền tảng của chuyển đổi số, giúp phân tích dữ liệu, dự báo, hỗ trợ ra quyết định và tự động hóa quy trình. Với ngành bảo hiểm, AI có thể tác động lên toàn bộ chuỗi giá trị, từ phát triển sản phẩm, thẩm định, định phí đến giải quyết bồi thường, phòng chống gian lận và chăm sóc khách hàng, qua đó giúp đánh giá rủi ro chính xác hơn và cá nhân hóa dịch vụ. Đây không chỉ là bổ sung công cụ mà còn là thay đổi cách vận hành: từ quản trị dựa vào kinh nghiệm sang quản trị dựa trên dữ liệu, mở đường cho hệ sinh thái bảo hiểm số.
Tuy nhiên, theo GS.TS Tô Trung Thành - Phó giám đốc Đại học Kinh tế Quốc dân, cơ hội đi kèm thách thức về chất lượng dữ liệu, hạ tầng, nhân sự, chi phí, bảo mật, quyền riêng tư, minh bạch và trách nhiệm giải trình, nhất là khi nhiều quyết định tác động trực tiếp đến quyền lợi khách hàng. Vì vậy, vấn đề không chỉ là ứng dụng AI nhanh hơn, mà là ứng dụng sao cho hiệu quả, an toàn, minh bạch và có trách nhiệm, phù hợp với định hướng phát triển dài hạn của ngành bảo hiểm Việt Nam.
Từ dữ liệu đến quyết định, và “nghĩa địa AI”
Ở góc nhìn vận hành thực tế, ông Lê Tuấn Dũng, Chủ tịch HĐQT Tập đoàn Bảo hiểm DBV, lưu ý rằng AI đã đi từ dự báo, sáng tạo nội dung, rồi tham gia vào hành động. Chẳng hạn, nếu 1.000 nhân viên tiết kiệm 30 phút mỗi ngày nhờ AI, tổng thời gian tiết kiệm của doanh nghiệp là 500 giờ làm việc mỗi ngày. Tuy nhiên, thời gian tiết kiệm không đồng nghĩa với giá trị kinh tế. Hiệu quả chỉ thực sự hình thành khi doanh nghiệp xử lý được nhiều hồ sơ hơn, giảm chi phí trên mỗi giao dịch hoặc nâng cao chất lượng quyết định kinh doanh.
Từ kinh nghiệm nghiên cứu và ứng dụng AI tại DBV, ông cho rằng AI có thể hỗ trợ doanh nghiệp bảo hiểm nhìn nhận toàn diện hơn về hiệu quả kinh doanh của từng phân khúc. Chẳng hạn, với nhóm xe tải trên 9 tấn, khi tỷ lệ kết hợp vượt 100%, đồng nghĩa tổng chi phí vượt doanh thu phí bảo hiểm và danh mục đang thua lỗ về nghiệp vụ. Từ dữ liệu lịch sử, AI có thể dự báo diễn biến của danh mục trong 1 - 3 năm tiếp theo nếu xu hướng hiện tại không thay đổi. Đặc biệt, công nghệ này còn cho phép doanh nghiệp thử nghiệm các kịch bản điều hành ngay trên dữ liệu, như điều chỉnh mức phí, thay đổi điều kiện thẩm định, kiểm soát mạng lưới gara sửa chữa hay phân luồng rủi ro gian lận. Kết quả mô phỏng giúp doanh nghiệp định lượng tác động của từng phương án, từ đó lựa chọn giải pháp phù hợp nhằm kiểm soát tỷ lệ bồi thường và cải thiện hiệu quả kinh doanh.
Tuy nhiên, ông Dũng đặt ra một câu hỏi lớn: sau khi có dữ liệu từ AI thì ai sẽ là người quyết định cuối cùng? Ông đưa ra ví dụ: AI chấm điểm rủi ro cao và khuyến nghị từ chối một khách hàng, nhưng chuyên gia thẩm định vẫn nhận vì biết khách đang thay đổi xe, mạng lưới sửa chữa và cơ chế quản lý lái xe, những thông tin chưa có trong dữ liệu lịch sử. Vấn đề không phải ai bấm nút cuối cùng, mà là xác định ranh giới: AI chỉ khuyến nghị, được ưu tiên xử lý, quyết định trong khuôn khổ quy tắc hoặc chủ động thực hiện; tương ứng, con người quyết định, rà soát, xử lý ngoại lệ hoặc giám sát. AI được trao quyền càng nhiều thì trách nhiệm của con người càng phải rõ.
Ông Dũng cũng thẳng thắn đưa ra vấn đề về “nghĩa địa AI”. Đội ngũ của ông từng đặt mục tiêu mỗi người mỗi tuần làm một trợ lý AI, hướng tới hàng trăm ứng dụng. Kết quả là khoảng 100 ứng dụng chỉ dừng ở thử nghiệm và demo, không có chủ sở hữu, không có KPI, không tích hợp vào quy trình, do chưa có cơ chế và quy tắc rõ ràng ngay từ đầu. Ông cho rằng đây là bài học mà có lẽ doanh nghiệp nào cũng sẽ trải qua. Vì vậy, ứng dụng AI phải hình thành quy trình xuyên suốt từ dữ liệu, phân tích, ra quyết định, hành động đến đo lường kết quả. Nếu chỉ phát triển nhiều công cụ riêng lẻ, không gắn với quy trình nghiệp vụ và chỉ tiêu hiệu quả thì doanh nghiệp dù có đầu tư công nghệ cũng không tạo ra giá trị tương xứng.
AI đã vào cuộc, và không doanh nghiệp bảo hiểm nào có thể đứng ngoài. Nó trở thành lợi thế hay thêm một “nghĩa địa thử nghiệm” sẽ tùy vào cách người làm bảo hiểm tổ chức dữ liệu, phân định quyền hạn và đo lường kết quả. Trước khi ứng dụng AI vào kinh doanh, câu hỏi đáng để doanh nghiệp tự trả lời không phải là “có nên dùng AI hay không?” mà là: chúng ta nên tin AI đến đâu, trong việc gì, với điều kiện nào, và khi trao quyền cho AI thì con người sẽ chịu trách nhiệm như thế nào?.
