7 rào cản ứng dụng AI trong giám định bảo hiểm

Trí tuệ nhân tạo (AI) đã không còn là khái niệm xa lạ trong ngành bảo hiểm, đặc biệt trong lĩnh vực giám định. Tuy nhiên, vẫn còn các rào cản ứng dụng AI vẫn còn quá nhiều. Mặc dù AI có tiềm năng to lớn cho các nhà bảo hiểm, việc mở rộng quy mô trên toàn doanh nghiệp vẫn còn nhiều thách thức. Các rủi ro bảo mật, chi phí cao, nguy cơ bị khóa với nhà cung cấp, thiếu nhân tài, kháng cự văn hóa, khoảng trống quản trị và hạ tầng cũ thường cản trở tiến bộ.

Là những chuyên gia công nghệ và lãnh đạo trong ngành bảo hiểm, chúng ta cần hiểu rõ không chỉ những cơ hội mà AI mang lại, mà còn những rào cản ứng dụng AI thực tế cần vượt qua để đạt được thành công trong việc triển khai. Bài viết này sẽ phân tích một cách chi tiết các ứng dụng AI hiện tại trong giám định và những thách thức chính mà các doanh nghiệp đang đối mặt.

1. Các ứng dụng AI hiện tại vào giám định bảo hiểm

1.1. Thẩm định thiệt hại tự động qua thị giác máy tính

Quy trình khiếu nại có thể phức tạp, kéo dài và dễ xảy ra lỗi. Các giải pháp AI bảo hiểm giải quyết những thách thức này bằng thị giác máy tính và tự động hóa. Ví dụ, thị giác máy tính và mô hình máy học có thể phân tích hình ảnh và video để đánh giá thiệt hại đối với xe cộ và nhà cửa.

Thị giác máy tính cho đánh giá thiệt hại xe: Thay vì dựa vào kiểm tra thủ công và đánh giá chủ quan, các doanh nghiệp hiện sử dụng thị giác máy tính và máy học để phát hiện thiệt hại trực tiếp từ ảnh hoặc video. Bằng cách phân tích hình ảnh của khách hàng, Tractable có thể hỗ trợ thẩm định thiệt hại chính xác một cách nhanh chóng, làm cho việc phục hồi sau tai nạn nhanh hơn 10 lần và cho phép mọi người vượt qua quy trình yêu cầu bồi thường một cách nhanh chóng và hiệu quả sau khi họ gặp tai nạn xe hơi.

Các công ty như Tractable, Ravin AI đã phát triển các giải pháp AI có thể:

• Cung cấp đánh giá thiệt hại cực kỳ chính xác bằng cách phân tích hình ảnh đến từng điểm ảnh. Điểm số độ chắc chắn đi kèm với mọi ước tính, tính đến tầm nhìn, chất lượng hình ảnh và mức độ nghiêm trọng của thiệt hại
• Các công ty bảo hiểm sử dụng công nghệ tích hợp báo cáo giảm 50% thời gian chu kỳ yêu cầu bồi thường và tiết kiệm hàng trăm đô la chi phí thuê xe
• Các công ty như GEICO và Beesafe sử dụng Tractable để giải quyết yêu cầu bồi thường trong vài phút, mở rộng hoạt động đồng thời duy trì độ chính xác

Thẩm định bất động sản và tài sản khác: Các công nghệ thị giác máy tính dựa trên AI cho phép giám sát thời gian thực các tài sản được bảo hiểm và kiểm tra thiệt hại tự động ngay cả trong các môi trường phức tạp như dây chuyền sản xuất và giàn khoan ngoài khơi.

1.2. Phát hiện gian lận bảo hiểm

AI đã trở thành công cụ quan trọng trong việc phát hiện các hành vi gian lận tinh vi, đặc biệt là “gian lận mềm” – những trường hợp khách hàng phóng đại thiệt hại thay vì tạo ra sự cố hoàn toàn giả mạo. Các nghiên cứu gần đây cho thấy phương pháp kết hợp – kết hợp hệ thống cũ với mô hình được điều khiển bởi AI – có thể cải thiện đáng kể độ chính xác phát hiện gian lận, giảm thời gian phản hồi và tăng cường khả năng phục hồi bảo mật tài chính tổng thể.

Các ứng dụng cụ thể bao gồm:

• Nhận dạng mẫu để phát hiện các hình thức hành vi đáng ngờ
• Đối chiếu dữ liệu từ nhiều nguồn để xác thực thông tin
• Phân tích siêu dữ liệu của hình ảnh và video để xác minh tính xác thực

1.3. Xử lý tài liệu và tự động hóa

Xác thực và xử lý khiếu nại nhanh hơn bao giờ hết mà không cần tăng nhân sự. Sử dụng nhận dạng khuôn mặt và hình ảnh, định vị địa lý video và tem thời gian để giảm rủi ro.

Xử lý ngôn ngữ tự nhiên (Natural Language Processing): Kể từ khi triển khai giải pháp, có đến 70% tài liệu được đưa vào hệ thống được trích xuất và diễn giải chính xác. Việc nâng cấp quan trọng này không chỉ đẩy nhanh việc ra quyết định mà còn cho phép các đại lý tập trung nỗ lực vào việc tăng cường tương tác với khách hàng.

Phân tích tài liệu thông minh (Document intelligence processing): Công nghệ xử lý các tài liệu khác nhau với tỷ lệ chính xác trên 95%, bao gồm thẻ căn cước, đơn thuốc, hóa đơn, giấy ra viện, thẻ bảo hiểm, giấy chứng nhận phẫu thuật và hồ sơ y tế. Công nghệ này tăng năng suất của nhân viên xử lý yêu cầu bồi thường lên gấp năm lần.

1.4. Phân tích dự đoán và đánh giá rủi ro

AI tự động đánh giá tổn thất và tính toán số tiền bồi thường dựa trên phân tích các yếu tố như:

• Lịch sử khiếu nại của khách hàng
• Điều kiện thời tiết và môi trường tại thời điểm sự cố
• Dữ liệu từ các trường hợp tương tự trong quá khứ
• Xu hướng thị trường và chi phí sửa chữa

Theo Forbes, AI trong bảo hiểm đã dẫn đến cải thiện 99,99% độ chính xác yêu cầu bồi thường và 95% cải thiện trải nghiệm khách hàng.

2. Các rào cản ứng dụng AI vào giám định bảo hiểm

2.1. Thách thức về nhân lực và năng lực tổ chức

Cuộc khảo sát gần đây về giá trị từ AI chỉ ra điều này. Bốn trong số năm thách thức hàng đầu mà các nhà bảo hiểm nêu ra khi triển khai AI đều liên quan đến con người: hiểu biết về AI, ưu tiên cơ hội, thiết lập lợi tức đầu tư từ các cơ hội đã xác định, và tái tưởng tượng quy trình làm việc cùng triển khai quy trình.

Thiếu nhân lực chuyên môn:

Nguồn nhân lực hiểu biết sâu về cả AI và bảo hiểm tại Việt Nam còn khan hiếm. Chưa có nhiều trường đại học có khoa đào tạo riêng về AI. Hơn nữa, việc hiểu, phân tích và ứng dụng AI trong các hoạt động bảo hiểm vẫn chưa được chú trọng. Một phần do tính đặc thù của thị trường bảo hiểm Việt Nam.

Chi phí đào tạo và tuyển dụng chuyên gia AI rất cao, ước tính tăng 40-60% so với mức lương truyền thống. Hiện nay thị trường bảo hiểm Việt Nam đang khá phân cực. Cả bảo hiểm nhân thọ lẫn phi nhân thọ đều có 1 công ty chiếm phần lớn thị phần. Số lượng các công ty nhiều nhưng chưa đủ nguồn lực để cạnh tranh. Điều đó khiến số lượng công ty đáp ứng được chi phí đào tạo và tuyển dụng chuyên gia AI thấp.

Khảo sát xác định rằng ràng buộc về kỹ năng và nguồn lực là rào cản chính (52%), tiếp theo là thách thức về dữ liệu (40%) và lo ngại rằng công nghệ sẽ không thực hiện được những gì hứa hẹn (38%)

Kháng cự thay đổi từ nhân viên:

Một cuộc khảo sát gần đây phát hiện rằng 68% tất cả khiếu nại của chủ hợp đồng bảo hiểm liên quan đến yêu cầu bồi thường. Với đặc thù của thị trường bảo hiểm Việt Nam, để có thể cạnh tranh khách hàng, các công ty bảo hiểm trong giai đoạn bán hàng thường sẵn sàng thay đổi phí bảo hiểm và điều kiện bảo hiểm. Chính vì vậy, việc ứng dụng AI sẽ gặp nhiều khó khăn khi phải thay đổi thói quen của lượng lớn nhân viên.

Lo ngại về việc AI thay thế công việc của con người, đặc biệt ở các vị trí giám định truyền thống. Rõ ràng, hiện tại AI chưa thể thay thế các vị trí này. Nhưng nếu có lượng dữ liệu đầy đủ, các công ty bảo hiểm sẽ thấy vai trò của AI trùng lặp với số lượng lớn giám định viên. Và với mức chi phí tiết kiệm hơn, các công ty bảo hiểm có thể sẵn sàng thay thế các nhân viên không đảm bảo chất lượng.

Thiếu hiểu biết về cách làm việc với hệ thống AI. Việc này đến từ nguyên nhân thiếu nhân lực chuyên môn AI phía trên. Các nhân viên gặp khó khăn trong việc cập nhật thông tin, kết hợp với đối mặt nguy cơ mất việc chắc chắn sẽ là một thử thách không nhỏ khi phải làm việc với hệ thống mới. Do đó, sẽ cần thời gian để thay đổi tư duy từ quy trình thủ công sang tự động hóa

2.2. Vấn đề chất lượng và quản trị dữ liệu

Dữ liệu lịch sử không chuẩn hóa:

• Dữ liệu bảo hiểm trong quá khứ thường không đồng nhất về định dạng và chất lượng
• Thiếu cấu trúc hoặc chuẩn hóa khiến việc đào tạo mô hình AI không đạt hiệu quả, chỉ đạt được 60-70% độ chính xác thay vì 90-95% như mong đợi
• Sự không nhất quán trong cách thu thập và lưu trữ dữ liệu giữa các chi nhánh có thể làm giảm 25-30% hiệu quả của mô hình AI

Thiếu khả năng tích hợp dữ liệu:

• Dữ liệu nằm rải rác trên nhiều hệ thống cũ khác nhau, với ước tính 70-80% dữ liệu quan trọng bị “cô lập” trong các hệ thống riêng biệt
• Khó khăn trong việc tạo ra nguồn sự thật duy nhất
• Vấn đề về quyền riêng tư dữ liệu và bảo mật khi tích hợp đa nguồn

Quản trị dữ liệu yếu:

• Thiếu quy trình kiểm soát chất lượng dữ liệu, với ước tính 30-40% dữ liệu không đạt tiêu chuẩn chất lượng cần thiết cho AI
• Không có chủ sở hữu rõ ràng cho các bộ dữ liệu
• Thiếu siêu dữ liệu và tài liệu cho dữ liệu cũ

2.3. Hạ tầng công nghệ và hệ thống cũ

Trong khi các thí nghiệm AI sớm đã giúp một số nhà cung cấp bảo hiểm cải thiện hiệu quả, sự tái tạo thực sự mới chỉ bắt đầu khi các tổ chức chuyển từ các dự án thử nghiệm riêng lẻ sang triển khai toàn doanh nghiệp. Tuy nhiên, các thách thức triển khai AI vẫn tồn tại. Bảo mật dữ liệu, quyền riêng tư và tích hợp vẫn là những rào cản hàng đầu.

Tích hợp hệ thống cũ:

• Hệ thống lõi bảo hiểm cũ không được thiết kế để tích hợp với AI, với chi phí nâng cấp ước tính từ 2-5 triệu USD cho mỗi hệ thống lõi
• Chi phí cao để hiện đại hóa toàn bộ hạ tầng công nghệ thông tin
• Rủi ro ngừng hoạt động và gián đoạn trong quá trình chuyển đổi, có thể kéo dài 6-18 tháng

Khả năng mở rộng và hiệu năng:

• Khó khăn trong việc mở rộng mô hình AI từ thử nghiệm sang sản xuất, với tỷ lệ thành công chỉ khoảng 30-40%
• Yêu cầu sức mạnh tính toán cao cho xử lý thời gian thực
• Cần đầu tư vào hạ tầng đám mây và điện toán biên với chi phí ước tính 20-30% ngân sách công nghệ hàng năm

2.4. Thách thức pháp lý và tuân thủ

Quy định pháp luật chưa theo kịp:

• Các quy định về AI trong bảo hiểm tại Việt Nam vẫn đang được xây dựng
• Thiếu rõ ràng về trách nhiệm pháp lý khi AI đưa ra quyết định sai, có thể dẫn đến rủi ro pháp lý lên đến hàng triệu USD
• Yêu cầu về bảo vệ dữ liệu và quyền riêng tư ngày càng nghiêm ngặt

AI có thể giải thích được:

• Quyết định của AI cần phải giải thích được để tuân thủ quy định, nhưng các mô hình học sâu thường hoạt động như “hộp đen”
• Thách thức trong việc cân bằng giữa độ chính xác và khả năng giải thích
• Cần tài liệu chi tiết cho chuỗi kiểm tra, tăng 40-50% chi phí vận hành

Tuân thủ quy định:

• Khó khăn trong việc đảm bảo mô hình AI tuân thủ các quy định ngành
• Cần quy trình để xác thực và giám sát các quyết định AI
• Rủi ro thay đổi quy định ảnh hưởng đến triển khai AI

2.5. Rủi ro đạo đức và thiên vị thuật toán

Thiên vị thuật toán:

• AI có nguy cơ đưa ra quyết định thiếu công bằng nếu dữ liệu đào tạo bị thiên vị, với nghiên cứu cho thấy 60-70% mô hình AI thương mại có ít nhất một dạng thiên vị
• Ảnh hưởng đến quyền lợi khách hàng và uy tín doanh nghiệp
• Khó khăn trong việc phát hiện và sửa chữa thiên vị trong các mô hình phức tạp

Công bằng và minh bạch:

• Cần đảm bảo AI không phân biệt đối xử dựa trên chủng tộc, giới tính, tuổi tác
• Thách thức trong việc cân bằng tự động hóa với giám sát của con người
• Yêu cầu về minh bạch trong quy trình ra quyết định

2.6. Chi phí đầu tư và lợi tức đầu tư không rõ ràng

Đầu tư ban đầu cao:

• Chi phí lớn cho công nghệ, hạ tầng và nhân tài, với ước tính đầu tư ban đầu từ 5-20 triệu USD cho doanh nghiệp bảo hiểm cỡ vừa
• Theo nghiên cứu của Accenture, 170 triệu USD phí bảo hiểm đang có rủi ro trong vòng 5 năm tới trên toàn ngành do chủ hợp đồng tìm kiếm trải nghiệm khách hàng tốt hơn
• Rủi ro công nghệ lỗi thời

Bị khóa với nhà cung cấp:

• Nguy cơ bị khóa với nhà cung cấp khi sử dụng giải pháp AI độc quyền
• Khó khăn trong việc thay đổi nhà cung cấp, với chi phí chuyển đổi có thể lên đến 30-40% giá trị hợp đồng ban đầu
• Phụ thuộc vào nhà cung cấp bên ngoài cho chức năng kinh doanh quan trọng

Chi phí vận hành liên tục:

• Chi phí bảo trì và cập nhật cho hệ thống AI, ước tính 15-25% chi phí đầu tư hàng năm
• Cần giám sát liên tục và đào tạo lại mô hình
• Chi phí tuân thủ và yêu cầu quy định

2.7. Hiệu năng mô hình và độ tin cậy

Suy giảm mô hình:

• Mô hình AI suy giảm theo thời gian do thay đổi trong mẫu dữ liệu, với nghiên cứu cho thấy hiệu năng có thể giảm 10-15% mỗi năm nếu không được đào tạo lại
• Cần giám sát liên tục và đào tạo lại
• Khó khăn trong việc duy trì hiệu năng nhất quán

Trường hợp biên và ngoại lệ:

• AI gặp khó khăn với các trường hợp bất thường hoặc chưa từng có
• Cần can thiệp của con người trong các tình huống phức tạp
• Rủi ro dương tính giả/âm tính giả trong các quyết định quan trọng

Bảo mật dữ liệu và quyền riêng tư:

• Ngành cũng phải giải quyết các rủi ro về quyền riêng tư, sử dụng dữ liệu có đạo đức và khó khăn trong việc hợp nhất các công cụ hiện đại với hệ thống cũ
• Tính dễ bị tổn thương của hệ thống AI trước các cuộc tấn công đối nghịch, với ước tính 85% công ty gặp ít nhất một vụ tấn công mạng liên quan đến AI trong năm 2024
• Cần các biện pháp an ninh mạng mạnh mẽ

3. Khuyến nghị và lộ trình triển khai vượt qua rào cản ứng dụng AI

3.1 Tiếp cận từng bước

1. Giai đoạn thử nghiệm: Bắt đầu với các trường hợp sử dụng đơn giản, lợi tức đầu tư rõ ràng
2. Bằng chứng khái niệm: Xác thực công nghệ và trường hợp kinh doanh
3. Mở rộng dần: Mở rộng dần sang các lĩnh vực phức tạp hơn
4. Triển khai doanh nghiệp: Triển khai quy mô đầy đủ với quản trị phù hợp

3.2 Đầu tư vào hạ tầng và nhân tài

1. Nền tảng dữ liệu: Xây dựng nền tảng dữ liệu mạnh mẽ trước khi triển khai AI
2. Phát triển nhân tài: Đào tạo nhân viên hiện tại và tuyển dụng chuyên gia AI
3. Quản lý thay đổi: Giao tiếp và đào tạo phù hợp để giảm sự kháng cự
4. Khung quản trị: Thiết lập vai trò, trách nhiệm và quy trình rõ ràng

3.3 Hợp tác chiến lược

1. Đối tác công nghệ: Hợp tác với các nhà cung cấp AI có chuyên môn về lĩnh vực
2. Liên minh ngành: Tham gia các sáng kiến ngành để chia sẻ thực tiễn tốt nhất
3. Hợp tác học thuật: Làm việc với các trường đại học để phát triển nguồn nhân lực
4. Tham gia quy định: Tham gia tích cực với các cơ quan quản lý để định hình chính sách

4. Kết luận

Việc triển khai AI trong giám định bảo hiểm mang lại cơ hội to lớn nhưng cũng đi kèm với nhiều thách thức phức tạp. Tractable đã ghi nhận tăng trưởng doanh thu 600% trong 24 tháng qua, một phần thông qua việc thu hút khách hàng mới như GEICO, công ty bảo hiểm ôtô lớn thứ hai tại Mỹ. Tuy nhiên, thành công không chỉ phụ thuộc vào việc lựa chọn công nghệ phù hợp mà còn cần có chiến lược toàn diện giải quyết các rào cản ứng dụng AI về nhân lực, dữ liệu, hạ tầng, và quản trị.

Các doanh nghiệp bảo hiểm cần áp dụng tư duy dài hạn, đầu tư vào các yếu tố nền tảng như chất lượng dữ liệu, phát triển nhân tài và quản lý thay đổi tổ chức. Chỉ khi vượt qua được những rào cản này, AI mới thực sự có thể biến đổi quy trình giám định và tạo ra lợi thế cạnh tranh bền vững.

Thời điểm hiện tại là cơ hội vàng để các công ty bảo hiểm không chỉ thử nghiệm với AI mà bắt đầu xây dựng lộ trình cụ thể cho chuyển đổi AI. Những ai hành động nhanh và đúng hướng sẽ có lợi thế cạnh tranh đáng kể trong thập kỷ tới. Việc vượt qua các rào cản ứng dụng AI không chỉ phục vụ cho hiện tại mà còn mở ra nhiều tiềm năng trong tương lai.

Tham khảo các ứng dụng AI trong ngành bảo hiểm tại bài viết:

5 ứng dụng của AI cách mạng Quy Trình Bồi Thường Bảo Hiểm

Công nghệ Giám định bảo hiểm 2025

Nguồn tham khảo

[1] FPT Digital. “Ứng dụng AI trong bảo hiểm”

[2] VietnamNet. “Ứng dụng công nghệ trí tuệ nhân tạo vào bảo hiểm.”

[3] FPT Digital. “AI tái định hình ngành bảo hiểm – Góc nhìn từ chuyên gia FPT Digital.”

[4] Vinare. “Rủi ro trí tuệ nhân tạo đang tái định hình ngành bảo hiểm.”

[5] Diễn đàn Doanh nghiệp. “Bảo hiểm AI – Thị trường tiềm năng mới.”

[6] EY Global. “How a Nordic insurance company automated claims processing.” Case Study 2025.

[7] Forbes Technology Council. “AI Implementation Statistics in Insurance Industry.” March 2025.

[8] Accenture Financial Services. “The Future of Insurance Claims Processing.” Q2 2025.

[9] Tractable Press Release. “Computer vision unicorn achievements in financial services.” February 2025.

[10] Coverager Insurance Technology. “RAVIN AI Partnership Results and Statistics.” February 2025.