কোন ব্যক্তি এবং পরিবারকে অসুস্থতা, অক্ষমতা বা মৃত্যুর মতো অপ্রত্যাশিত ঘটনার আর্থিক পরিণতি থেকে রক্ষা করার জন্য জীবন বীমা একটি গুরুত্বপূর্ণ অর্থনৈতিক বিনিয়োগ। বাংলাদেশে জীবন বীমার প্রিমিয়াম মূল্য নির্ধারণ করা হয় মূলত মৃত্যুহারের (মরটালিটি রেইট) উপর ভিত্তি করে। এই পরিসংখ্যানগত তথ্য জীবন সারণী (লাইফ টেবিল) থেকে পাওয়া যা বয়স এবং লিঙ্গ ভিত্তিক আয়ু এবং মৃত্যুর হারের সঙ্গে সম্পর্কিত। আমাদের মনে রাখতে হবে যে শুধুমাত্র মৃত্যুহার ভিত্তিক প্রিমিয়াম মূল্য নির্ধারণে বেশ কিছু সীমাবদ্ধতা রয়েছে। এই সীমাবদ্ধতা মোকাবেলায় অতিরিক্ত ডেটা এবং কৃত্রিম বুদ্ধিমত্তার (এআই) সমন্বয় করা উচিত কারন কেবলমাত্র আধুনিক ও যুগোপযোগী প্রযুক্তি ও কৌশল ব্যবহার করার মাধ্যমেই বীমা প্রতিষ্ঠান এবং গ্রাহক উভয়ের জন্য লাভজনক এবং সঠিক মূল্য নির্ধারণ করার সুযোগ তৈরি করা সম্ভব। মৃত্যুহার-ভিত্তিক মূল্য নির্ধারণের একটি বড় অসুবিধা হল এর সীমিত কার্যকারিতা। জীবন সারণী থেকে বয়স এবং লিঙ্গ ভিত্তিক গড় আয়ু এবং গড় মৃত্যুহারের একটি ধারনা পাওয়া যায় মাত্র কিন্তু ব্যক্তিক ব্যাপারে কোন নির্দিষ্ট তথ্য পাওয়া যায় না। একজন ব্যক্তির স্বাস্থ্যের অবস্থা, ধূমপানের অভ্যাস, পেশা সহ জীবনযাত্রার অন্যান্য বিষয়গুলি সেই ব্যক্তির আয়ুকে ব্যাপকভাবে প্রভাবিত করতে সক্ষম যা জীবন সারণী থেকে নেয়া তথ্যে সঠিকভাবে প্রতিফলিত হবে না। প্রিমিয়াম মূল্য নির্ধারণে ব্যক্তিগত পর্যায়ের গুরুত্বপূর্ণ তথ্যের এই অনুপস্থিতি বীমা প্রতিষ্ঠানগুলোকে এডভারস সিলেকশন ইফেক্ট-এর দিকে ঠেলে দেয়। এই ব্যাপারটা ঘটে কেননা উঁচু মৃত্যু-ঝুঁকিতে থাকা ব্যক্তির জীবন বীমা কেনার সম্ভাবনা বেশি থাকে। তারা যখন বীমা দাবি করেন তখন বীমা প্রতিষ্ঠানকে সাধারনরত একটি বড় অঙ্কের টাকা প্রদান করতে হয়। এর ফলে বীমা দাবির খরচ মেটাতে এবং একইসঙ্গে প্রতিষ্ঠানকে লাভজনক রাখতে বীমা কোম্পানিগুলোকে, উঁচু বা নিচু মৃত্যু-ঝুঁকি নির্বিশেষে, সকল গ্রাহকদের জন্যই উঁচু প্রিমিয়াম নির্ধারণ করা জরুরি হয়ে পড়ে যা কোন ভাবেই একটি বীমা প্রতিষ্ঠানের জন্য গ্রাহক-বান্ধব ব্যবসা কৌশল নয়। জীবন সারণীগুলি সাধারণত ঐতিহাসিক তথ্যের উপর ভিত্তি করে তৈরি করা কিন্তু উল্লেখ্য যে প্রিমিয়াম নির্ধারণে ব্যবহৃত রিস্ক ফ্যাক্টরগুলো (রিস্ক ভেরিএবলস) সময়ের সাথে সাথে পরিবর্তিত হতে পারে। এটি জীবন সারণীর আরেকটি গুরুতর অপূর্ণতা। উদাহরণস্বরূপ বলা যায় যে, চিকিৎসার অগ্রগতি হওয়ার সাথে সাথে মৃত্যুহার হ্রাস পেতে পারে, কিন্তু জীবন সারণীতে এই পরিবর্তন প্রতিফলিত হওয়ার সম্ভাবনা কম। তা ছাড়াও নন-লাইফ বা জেনারাল ইন্স্যুরেন্সের ক্ষেত্রে এই টেবিলগুলির সীমিত প্রযোজ্যতা রয়েছে কারণ এগুলি মূলত জীবন বীমা পণ্যের জন্য পরিকল্পনা করা এবং অন্যান্য ধরণের বীমা যেমন স্বাস্থ্য বা ডিসএবিলিটি বীমার ক্ষেত্রে প্রযোজ্য নয়। এই চ্যালেঞ্জগুলি মোকাবেলা করতে এবং বীমা প্রিমিয়াম মূল্যকে সর্বোত্তম বা সবচেয়ে কার্যকর (অপ্টিমাইজ) করার জন্য, বীমা প্রতিষ্ঠানকে অতিরিক্ত ডেটা এবং AI ব্যবহার করে আরও পরিশীলিত রিস্ক (ঝুঁকি) মডেল তৈরি করতে হবে। পারিবারিকভাবে চিকিৎসার ইতিহাস, ব্যক্তিগতভাবে বীমা দাবির ইতিহাস ইত্যাদির সাথে উপরে উল্লিখিত ব্যক্তিগত ঝুঁকির কারণগুলির ডেটা অন্তর্ভুক্ত করতে হবে, এবং তবেই বীমাকারীরা আরও সঠিকভাবে ব্যক্তিক রিস্ক প্রোফাইল তৈরি করতে পারবেন যা পুরোপুরি গ্রাহক-বান্ধব এবং একজন ব্যক্তির ঝুঁকির স্তরের সাথে আরও ঘনিষ্ঠভাবে সংশ্লিষ্ট প্রিমিয়াম নির্ধারণ করবে। এর ফলে কম-ঝুঁকির ব্যক্তিদের জন্য আরও সাশ্রয়ী মূল্যের প্রিমিয়াম নিশ্চিত হবে, পাশাপাশি উচ্চ-ঝুঁকির ব্যক্তিরাও তাদের ঝুঁকির স্তরের সাথে সামঞ্জস্যপূর্ণ প্রিমিয়াম প্রদান করতে পারবেন। ইলেকট্রনিক হেলথ রেকর্ডস (ই.এইচ.আর) হল একটি উল্লেখযোগ্য উদাহরণ যা থেকে বীমাকারীরা মূল্য নির্ধারণের জন্য অতিরিক্ত ডেটা সহজেই সংগ্রহ করতে পারে। ই.এইচ.আর-এ একজন ব্যক্তির স্বাস্থ্যের অবস্থা, চিকিৎসার ইতিহাস এবং চিকিৎসার অন্যান্য মূল্যবান তথ্য থাকে, যা সঠিক ঝুঁকি প্রোফাইল তৈরি করতে ব্যবহার করা যেতে পারে। বীমাকারীরা এআই অ্যালগরিদমের মাধ্যমে এই ডেটা বিশ্লেষণ করে বিভিন্ন ঝুঁকির কারণগুলির মধ্যে প্যাটার্ন এবং পারস্পরিক সম্পর্ক সনাক্ত করতে পারবেন যা আরও কার্যকারী ঝুঁকি মডেল তৈরি করবে এবং বিদ্যমান মূল্য নির্ধারণের কৌশলগুলিকে উন্নত করবে। বীমা সংস্থাগুলোকে স্থানীয় হাসপাতালের সাথে অংশীদারিত্তের ভিত্তিতে কাজ করা উচিত যাতে এদেশে একটি যুগোপযোগী ইন্সিগ্রেটেড ডাটাবেস তৈরি হতে পারে। অবশ্য একইসঙ্গে একজন নাগরিকের ব্যক্তিগত তথ্য-নিরাপত্তা নিশ্চিত করার জন্য প্রয়োজনীয় নির্দেশিকা তৈরি হওয়াও জরুরি। নন-লাইফ বীমা প্রতিষ্ঠানগুলো তাদের রেট মেকিং মডেল উন্নত করতে টেলিমেটিক্স ডেটা ব্যবহার করতে পারেন। টেলিমেটিক্স ডেটা যানবাহনে সেন্সরের মাধ্যমে সংগ্রহ করা হয় এবং একজন ব্যক্তির গাড়ি চালানোর (ড্রাইভিং) অভ্যাস যেমন গাড়ির গতি, ত্বরণ এবং ব্রেকিং সম্পর্কে মূল্যবান তথ্য প্রদান করে। এই ডেটা বিশ্লেষণ করে বীমাকারীরা একজন ব্যক্তির গাড়ি চালানোর দৈনন্দিন অভ্যাস বা আচরণকে আরও নিবিড়ভাবে নিরীক্ষা করতে পারবেন যা গাড়ি (অটো) বীমার জন্য আরও সঠিক ব্যক্তিগত রিস্ক প্রোফাইল এবং প্রিমিয়াম নির্ধারণ করবে। মৃত্যুহার এবং প্রচলিত অন্যান্য ঝুঁকির কারণগুলির সাথে এই ডেটাগুলিকে একত্রিত করে, বীমাকারীরা খুব সহজেই ব্যক্তিগত ঝুঁকির মাত্রার পূর্বাভাস দিতে সক্ষম হবেন এবং এর উপর ভিত্তি করে পারসোনালইজড প্রিমিয়াম নির্ধারণ করতে পারবেন। বর্তমান ডেটার সঙ্গে অতিরিক্ত ডেটা এবং AI ব্যবহার করে বীমাকারীরা তাদের গ্রাহকদের জন্য উন্নত সেবা নিশ্চিত করার পাশাপাশি গ্রাহক-আনুগত্য এবং গ্রাহক-সন্তুষ্টি বৃদ্ধির সম্ভাবনা বাড়াতে পারেন।
ড. নূরুর রহমান, এআই-ভিত্তিক ইনসুরটেক স্টার্টআপ সমিকরনের প্রতিষ্ঠাতা এবং প্রধান নির্বাহী কর্মকর্তা। সমিকরন বাংলাদেশের বীমা, অর্থ এবং রিটেইল শিল্পকে চতুর্থ শিল্প বিপ্লবের সাথে সামঞ্জস্যপূর্ণ হওয়ার পথ তৈরিতে কাজ করে যাচ্ছে।
