از هوش مصنوعی پرسیدم «از کجا بیمه بخرم؟»؛ کدام شرکت مالی را رتبه اول انتخاب کرد؟
پاسخ هوش مصنوعی با سهم واقعی بازار تفاوت دارد؛ تأثیر فزاینده محتوای اختصاصی و معرفی محصولات

اگر از هوش مصنوعی مولد درباره محصولات مالی بپرسیم، نام کدام شرکتها بیشتر مطرح میشود؟ شرکت تحلیل برند هوش مصنوعی «ایآی بیکس لب» (AI Bix Lab) با بررسی ۲۷۶ برند در ۱۰ حوزه مالی دریافت که بهجز برخی بخشهای بیمه، پاسخهای هوش مصنوعی تفاوت چشمگیری با جایگاه واقعی شرکتها در بازار دارد.
این بررسی از ۲۰ سپتامبر تا ۲ اکتبر انجام شد. پژوهشگران پرسشهای یکسانی را بهطور مکرر از چهار ابزار هوش مصنوعی مولد، یعنی چتجیپیتی، جمینای، پرپلکسیتی و کلود، پرسیدند و پاسخهای کرهای آنها را تحلیل کردند. نرخ حضور برندها در پاسخها، سهم هر برند از مجموع اشارهها و میزان استناد به منابع رسمی بررسی و امتیازهای حاصل در مقیاس ۱۰۰ محاسبه شد.
برتری شرکتهای اوراق بهادار در بازنشستگی و صدرنشینی ناور پی در پرداختهای دیجیتال
بیشترین فاصله میان جایگاه واقعی بازار و پاسخهای هوش مصنوعی در حوزه پسانداز بازنشستگی و حسابهای بازنشستگی انفرادی موسوم به IRP مشاهده شد. شرکتهای اوراق بهادار در میان ۳۱ برند این حوزه، شش جایگاه نخست را به خود اختصاص دادند و شرکت اوراق بهادار میره اسِت (Mirae Asset Securities) با امتیاز ۵۹٫۳ در صدر قرار گرفت. در مقابل، بانکها با وجود آنکه بیش از نیمی از مجموع داراییهای ذخیرهشده در طرحهای بازنشستگی را در اختیار دارند، در انتهای رتبهبندی باقی ماندند. بانک کیبی کوکمین (KB Kookmin Bank) با امتیاز ۱۴٫۹، بالاترین جایگاه را در میان بانکها داشت و رتبه هشتم را کسب کرد.
در حوزه پرداختهای دیجیتال نیز الگوی مشابهی دیده شد. سهم مجموع ۹ سرویس پرداخت متعلق به بانکها و شرکتهای کارت اعتباری، از جمله کیبی پی (KB Pay) و شینهان سول پی (Shinhan SOL Pay)، در پاسخهای هوش مصنوعی تنها ۱٫۱ درصد بود؛ این در حالی است که این سرویسها حدود ۲۱ درصد از میانگین استفاده روزانه ثبتشده از سوی بانک مرکزی کره جنوبی را تشکیل میدادند. در مقابل، ناور پی (Naver Pay) با امتیاز ۷۶٫۱ در مجموع چهار ابزار هوش مصنوعی رتبه نخست را به دست آورد.
در سایر دستهها نیز شرکتهای متفاوتی در صدر قرار گرفتند: بانک کیبی کوکمین در حوزه سپردهها و حسابهای پارکینگ با امتیاز ۶۷٫۹، شرکت کارت اعتباری کیبی کوکمین در بخش کارتهای اعتباری با امتیاز ۴۸٫۸، شرکت اوراق بهادار کیووم (Kiwoom Securities) در حوزه اپلیکیشنهای معاملاتی سهام با امتیاز ۶۶٫۵ و بانک کاکائو (Kakao Bank) در حوزه سپردهها و حسابهای پارکینگ با امتیاز ۵۹٫۲، صدرنشین شدند. با این حال، رتبهبندی بر اساس میزان اشارهها در میان پاسخهای هوش مصنوعی در همه موارد با رتبهبندی کلی یکسان نبود؛ بانک کاکائو با سهم ۳۵ درصدی در میان بانکها و شرکت اوراق بهادار توس (Toss Securities) با سهم ۳۷٫۵ درصدی در میان اپلیکیشنهای معاملاتی سهام، بیشترین سهم اشارهها را داشتند.
بررسی همچنین نشان داد که فعالیت شرکتهای مالی در تولید و انتشار محتوای اختصاصی درباره مسائل مالی بر پاسخهای هوش مصنوعی تأثیر میگذارد. مشخص شد پلتفرم محتوای مالی گروه مالی کیبی با نام «اندیشههای کیبی» (KB's Thinking) بهعنوان یکی از منابع پاسخهای هوش مصنوعی مورد استفاده قرار گرفته است. تحلیلگران معتقدند چنین فعالیتهایی در زمینه تولید محتوا میتواند به تقویت جایگاه رقابتی برند در پاسخهای هوش مصنوعی کمک کند.
هیوندای مارین اند فایر در بیمه کودکان و جنین، و شرکتهای مختلف در سایر رشتههای بیمه
در حوزه بیمه کودکان و جنین، شرکت بیمه هیوندای مارین اند فایر (Hyundai Marine & Fire Insurance) با امتیاز ۶۶٫۸ در هر چهار ابزار هوش مصنوعی رتبه نخست را کسب کرد. فاصله این شرکت با سامسونگ فایر اند مارین (Samsung Fire & Marine Insurance)، که در رتبه دوم قرار گرفت، ۲۰٫۷ امتیاز بود.
سامسونگ فایر اند مارین در یکی دیگر از دستههای بررسیشده نیز با امتیاز ۶۸٫۴ در صدر پاسخهای هر چهار ابزار هوش مصنوعی قرار گرفت. سهم این شرکت از مواردی که نام نخست در پاسخها بود، به ۵۰ درصد رسید؛ رقمی که حدود ۶٫۷ برابر سهم هیوندای مارین اند فایر بود. در بیمه حیوانات خانگی، شرکت مریتز فایر اند مارین (Meritz Fire & Marine Insurance) با امتیاز ۷۲٫۴ از سایر شرکتها پیشی گرفت، اما کلود شرکت بیمه کیبی (KB Insurance) را در رتبه نخست قرار داد.
در حوزه بیمه سرطان و بیمه سلامت، هیچ برندی امتیاز بالاتر از ۵۰ کسب نکرد. شرکت هانوا لایف (Hanwha Life) با امتیاز ۳۴٫۵ در رتبه نخست قرار گرفت و پس از آن سامسونگ فایر اند مارین با امتیاز ۲۵٫۷ و سامسونگ لایف (Samsung Life Insurance) با امتیاز ۲۴٫۹ قرار داشتند. با این حال، جمینای شرکت دیبی اینشورنس (DB Insurance) را با امتیاز ۳۶٫۵ در صدر این حوزه معرفی کرد.
از سوی دیگر، نتایج نشان داد هرچه پرسشها مشخصتر باشند، اطلاعات مربوط به خود محصول بیش از نام برند بر پاسخ هوش مصنوعی اثر میگذارد. برای نمونه، هنگامی که درباره بیمه درمانی جبران هزینههای واقعی با حق بیمه کمتر پرسیده شد، در ۵۸ درصد پاسخها نام شرکت بیمه مشخصی ذکر نشد. همچنین، در پاسخ به پرسشی درباره بیمهای که حتی افراد دارای سابقه پزشکی نیز بتوانند آن را تهیه کنند، در ۴۲ درصد موارد بهجای معرفی یک شرکت خاص، انواع محصولات، از جمله بیمه جبران هزینههای درمان نسل چهارم و بیمه ویژه افراد بیمار، توضیح داده شد.
کیم جونهیون، مدیرعامل آیبیایکس لب، گفت: «حتی در مورد یک محصول مالی یکسان، برندی که در ابتدای پاسخ ظاهر میشود، به هدف پرسش و نوع هوش مصنوعی بستگی دارد. شرکتها باید ویژگیها و اطلاعات محصولات خود را بهدرستی مدیریت کنند تا هوش مصنوعی بتواند آنها را دقیق درک کند و به مخاطبان منتقل سازد.»
