کاربست هوش مصنوعی در تحلیل متن شکایت بیمه گذاران در جهت نظارت هوشمند

تحول دیجیتال در صنعت بیمه، ضرورت بهره گیری از ابزارهای نوین نظارتی را پررنگ تر ساخته است. یکی از مهم ترین حوزه ها، تحلیل شکایات بیمه گذاران است که می تواند بازتابی مستقیم از کیفیت خدمات، شفافیت قراردادها و میزان رضایت مشتریان باشد. در این پژوهش، چارچوبی داده محور برای تحلیل شکایات متنی با استفاده از روش های پردازش زبان طبیعی (NLP) و الگوریتم های یادگیری ماشین ارائه گردید. داده های متنی پس از پیش پردازش شامل پاک سازی، حذف واژگان پرتکرار و ریشه یابی، با سه رویکرد اصلی تحلیل شدند: نخست، تحلیل احساسات برای شناسایی نگرش مثبت، منفی یا خنثی بیمه گذاران؛ دوم، مدل سازی موضوعی LDA و BERTopic برای کشف محورهای پرتکرار شکایات؛ و سوم، خوشه بندی متون با الگوریتم K-Means جهت گروه بندی شکایات مشابه. نتایج نشان داد که بخش عمده ای از شکایات دارای لحن منفی بوده و موضوعاتی مانند تاخیر در پرداخت خسارت، فرآیندهای اداری پیچیده، شفافیت قراردادها و افزایش هزینه ها بیشترین سهم را به خود اختصاص داده اند. همچنین شاخص انسجام خوشه ها بیانگر کیفیت بالای دسته بندی شکایات بود. ترکیب این یافته ها در قالب داشبوردهای نظارتی بلادرنگ به نهادهای ناظر امکان می دهد شکایات پرتکرار و حوزه های پرریسک را شناسایی کرده و تصمیم گیری های پیشگیرانه و هوشمندانه تری اتخاذ نمایند. این چارچوب می تواند گامی موثر در جهت ارتقای تنظیم گری هوشمند و بهبود سلامت بازار بیمه باشد.

کلیدواژه ها:

هوش مصنوعی ، پردازش زبان طبیعی ، شکایت بیمه گذاران ، نظارت هوشمند ، داشبورد بلادرنگ