Dalam konteks ini, kecerdasan buatan (artificial intelligence/AI), didukung infrastruktur data center yang andal, berpotensi memainkan peran penting dalam mengubah cara industri memahami, mengukur, dan mengelola risiko dengan data.
Data merupakan fondasi utama dalam pengambilan keputusan asuransi dan reasuransi. Penetapan premi, evaluasi risiko, penyusunan pedoman underwriting, hingga perhitungan cadangan teknis memerlukan data pengalaman yang memadai untuk menggambarkan karakteristik risiko secara akurat.
Namun, tantangan industri tidak selalu terletak pada ketersediaan data. Dalam banyak situasi, data sebenarnya telah tersedia, tetapi tersimpan di dalam sistem yang berbeda-beda dan belum terintegrasi. Format data antarpertanggungan pun kerap tidak seragam, bahkan sering kali masih disajikan dalam bentuk agregat.
Direktur Teknik Indonesia Re, Delil Khairat menjelaskan dari sisi reasuransi, tantangan mendasar dalam integrasi data justru terletak pada kualitas dari data itu sendiri. Di industri reasuransi, data sering tercatat dengan format, definisi, dan tingkat kelengkapan yang berbeda antarperusahaan, bahkan antarlini bisnis dalam satu perusahaan.
“Tanpa standar yang seragam, analisis lintas portofolio menjadi sulit dan hasilnya berisiko tidak akurat,” ujarnya.
Hal ini menjadi krusial di perusahaan asuransi dan reasuransi, karena penetapan harga, penentuan kapasitas akseptasi, evaluasi program treaty, hingga pengelolaan akumulasi risiko bergantung pada informasi eksposur dan pengalaman klaim yang dapat dipercaya.
AI berpotensi memperkuat analisis pengalaman aktual portofolio terhadap asumsi yang digunakan dalam pengelolaan risiko. Dengan mengombinasikan data historis, karakteristik portofolio, dan variabel relevan lainnya, perusahaan asuransi dan reasuransi dapat memperoleh gambaran yang lebih terperinci mengenai perubahan profil risiko sehingga asumsi dapat dievaluasi dan diperbarui secara lebih tepat waktu.
Meski demikian, kemampuan AI sangat bergantung pada kualitas data, ketepatan model, serta konteks penggunaannya. Model yang dilatih menggunakan data yang tidak lengkap, tidak representatif, atau memiliki bias dapat menghasilkan rekomendasi yang keliru.
Oleh karena itu, pemanfaatan AI perlu diiringi dengan tata kelola data yang baik serta judgment para ahli, seperti aktuaris dan underwriter, agar hasil analisis tetap dapat dipertanggungjawabkan. Dengan fondasi tersebut, AI dapat menjadi alat yang memperkuat, bukan menggantikan, pengambilan keputusan dalam mengelola risiko yang semakin kompleks.
Di samping itu, kualitas data belum selalu terjaga karena masih ditemukan data yang tidak lengkap atau tidak konsisten, sementara proses input yang dilakukan secara manual membuat pengolahan menjadi lambat dan rawan kesalahan. Akibatnya, data yang ada belum dapat dimanfaatkan secara optimal untuk memahami risiko dengan lebih akurat.
Di sinilah AI dapat berperan. Dari sisi pengelolaan data, AI dapat membantu menyeragamkan format data dari berbagai sumber, mendeteksi data yang tidak lengkap atau tidak konsisten, serta mengurangi ketergantungan pada proses input manual. Seiring meningkatnya volume dan kompleksitas data, AI juga dapat mengidentifikasi perubahan tren klaim lebih dini, mendukung proses klasifikasi risiko, serta memprioritaskan kasus yang memerlukan pemeriksaan lebih lanjut.
Ekosistem Data
Lebih lanjut, Delil menyebut, pengembangan ekosistem data harus didukung oleh tata kelola yang jelas, dasar hukum pertukaran data, pengendalian hak akses, enkripsi, pemantauan keamanan, dan mekanisme penanganan insiden.“Data pribadi perlu dilindungi melalui langkah yang memadai, termasuk minimisasi data, pseudonimisasi atau anonimisasi jika relevan, serta pembatasan penggunaan berdasarkan tujuan yang sah.” tegas Delil.
Menurut Delil, terdapat tiga hal yang perlu disiapkan agar pemanfaatan AI berjalan terintegrasi sekaligus aman dan bertanggung jawab; Pertama, standar pencatatan, kelengkapan, dan proses validasi yang konsisten. Kedua, kejelasan mengenai area di mana saja AI boleh digunakan, termasuk batasan dan pengawasannya. Ketiga, kompetensi sumber daya manusia.
“SDM yang mampu memahami keterbatasan alat yang mereka gunakan juga menjadi hal yang krusial,” ujarnya.
Menjadikan Teknologi sebagai Penggerak Ketahanan Industri
Pengembangan AI dan infrastruktur data bukanlah tujuan akhir. Nilai strategisnya terletak pada kemampuan industri menerjemahkan informasi menjadi keputusan yang lebih baik, layanan yang lebih relevan, dan pengelolaan risiko yang lebih tangguh.Dalam proses tersebut, peran manusia tetap menentukan. AI bekerja berdasarkan pola dari data historis, sementara risiko yang paling perlu diwaspadai sering kali justru risiko yang belum pernah terjadi atau tidak tercermin dalam data. Pertimbangan atas kondisi pasar, penerapan manajemen risiko, serta selera risiko perusahaan tetap memerlukan penilaian profesional yang
tidak dapat diserahkan sepenuhnya kepada model.
Manfaat AI hanya dapat dirasakan secara optimal apabila fondasinya disiapkan dengan baik, yaitu data yang berkualitas dan terstandar, tata kelola serta perlindungan data yang memadai, dan sumber daya manusia yang memahami kekuatan sekaligus keterbatasan teknologi yang digunakan.
Dengan fondasi tersebut, penguatan basis data dan kapabilitas AI dapat mendukung pengembangan produk yang lebih sesuai dengan kebutuhan masyarakat serta meningkatkan disiplin pengelolaan risiko. Bagi regulator, data yang lebih terstandar dan terintegrasi juga berpotensi membantu mendeteksi lebih dini perubahan tren risiko di industri, sekaligus menjadi dasar perumusan kebijakan yang lebih berbasis data.
Delil menambahkan Indonesia Re memiliki perspektif lintas portofolio dengan karakteristik produk, profil tertanggung, dan saluran distribusi yang beragam. “Jika dikelola dengan metodologi yang tepat, pengalaman tersebut dapat membantu mengidentifikasi tren yang mungkin tidak terlihat ketika setiap portofolio dianalisis secara terpisah," ujar Delil.
Di tengah risiko yang semakin kompleks, kolaborasi antara teknologi, tata kelola, dan keahlian profesional menjadi kunci bagi industri asuransi dan reasuransi Indonesia untuk mengambil keputusan yang lebih akurat, adaptif, dan berorientasi ke depan.
