Η τεχνητή νοημοσύνη στην ασφάλιση πιστώσεων

Abstract

Η παρούσα διπλωματική εργασία διερευνά την ενσωμάτωση της Τεχνητής Νοημοσύνης (ΤΝ) στον εξειδικευμένο κλάδο της Ασφάλισης Πιστώσεων, εστιάζοντας στις αντιλήψεις και προσδοκίες στελεχών στην ελληνική αγορά. Σε μια εποχή ψηφιακού μετασχηματισμού, η ΤΝ είναι κρίσιμη για τους χρηματοοικονομικούς οργανισμούς. Ωστόσο, ο κλάδος της Ασφάλισης Πιστώσεων παραμένει ερευνητικά υποεκπροσωπούμενος. Η μελέτη καλύπτει αυτό το κενό, προσφέροντας εμπειρικά δεδομένα για τη μετάβαση στην επιχειρησιακή πραγματικότητα. Υιοθετήθηκε η ποιοτική προσέγγιση μέσω μελέτης περίπτωσης (case study) ενός ηγετικού πολυεθνικού οργανισμού. Η εγκυρότητα διασφαλίστηκε με τριγωνοποίηση δεδομένων: συλλέχθηκαν πρωτογενή δεδομένα από ημι-δομημένα ερωτηματολόγια οκτώ στελεχών κρίσιμων λειτουργιών (Underwriting, Εμπορική Διεύθυνση, HR) και αναλύθηκαν δευτερογενή εσωτερικά στρατηγικά έγγραφα. Η επεξεργασία πραγματοποιήθηκε με τη μέθοδο της Θεματικής Ανάλυσης. Τα ευρήματα καταδεικνύουν ότι η ΤΝ αναγνωρίζεται καθολικά ως "στρατηγικός μονόδρομος". Παράλληλα, εντοπίστηκε ένα "παράδοξο ωριμότητας": ενώ κεντρικά ο οργανισμός διαθέτει προηγμένα εργαλεία (GenAI), το ελληνικό παράρτημα αντιλαμβάνεται το στάδιο υιοθέτησης ως "διερευνητικό", υποδηλώνοντας ανάγκη αποτελεσματικότερης διάχυσης της τεχνογνωσίας. Το Underwriting αναδείχθηκε ως το πεδίο μέγιστης προσδοκώμενης αξίας, λόγω της ανάλυσης δεδομένων σε πραγματικό χρόνο. Σημαντικό είναι ότι το ανθρώπινο δυναμικό δεν βλέπει την ΤΝ ως απειλή αντικατάστασης, αλλά ασπάζεται την "Επαυξημένη Νοημοσύνη" (Augmented Intelligence). Η ΤΝ λειτουργεί ως "βοηθός", επιτρέποντας στον εργαζόμενο να διατηρεί τον εποπτικό ρόλο ("Human-in-the-loop") και την τελική κρίση. Ωστόσο, αναδείχθηκαν κρίσιμες προκλήσεις. Η έλλειψη δεξιοτήτων (skills gap) αποτελεί το κύριο εμπόδιο, απαιτώντας στοχευμένο upskilling. Επιπλέον, καταγράφηκαν ανησυχίες για την ποιότητα των δεδομένων και την έλλειψη διαφάνειας των αλγορίθμων ("black box"), γεγονός που απειλεί την εμπιστοσύνη των πελατών. Συμπερασματικά, η ενσωμάτωση της ΤΝ δεν είναι απλώς τεχνολογικό ζήτημα. Απαιτεί επένδυση στον ανθρώπινο παράγοντα, διασφάλιση διαφάνειας (Explainable AI) και αρμονική σύνθεση της υπολογιστικής ισχύος με την ανθρώπινη εμπειρία.This thesis investigates the integration of Artificial Intelligence (AI) into the specialized sector of Credit Insurance, focusing on the perceptions and expectations of executives in the Greek market. In an era of digital transformation, AI is critical for financial institutions. However, the Credit Insurance sector remains underrepresented in academic research. This study bridges this gap by providing empirical data on the transition of this technological innovation into operational reality. A qualitative approach was adopted through a case study of a leading multinational organization. Validity was ensured through data triangulation: primary data was collected via semi-structured questionnaires from eight executives across critical functions (Underwriting, Commercial Management, HR), and secondary internal strategic documents were analyzed. Data processing was conducted using Thematic Analysis. Findings demonstrate that AI is universally recognized as a "strategic necessity". Concurrently, a "maturity paradox" was identified: while the organization centrally possesses advanced tools (GenAI), the Greek branch perceives its adoption stage as "exploratory", highlighting the need for more effective knowledge diffusion. Underwriting emerged as the area with the highest expected value, driven by real-time data analysis capabilities. Importantly, the workforce does not view AI as a replacement threat, but rather embraces the concept of "Augmented Intelligence". AI acts as an "assistant", enabling the employee to maintain a supervisory role ("Human-in-the-loop") and exercise final judgment. Nevertheless, critical challenges were identified. The skills gap constitutes the primary obstacle, demanding targeted upskilling. Additionally, concerns were raised regarding data quality and the lack of algorithmic transparency ("black box"), an issue that inherently threatens customer trust. In conclusion, AI integration is not solely a technological issue. It requires investment in the human factor, ensuring transparency (Explainable AI), and harmoniously synthesizing computational power with human expertise.