Hoe optimaliseert AI de uitbetaling van verzekeringen voor een van 's werelds grootste gewasverzekeringsstelsels?

Noot van de redactie:dit bericht is oorspronkelijk gepubliceerd in februari 2019 en is bijgewerkt voor nauwkeurigheid en volledigheid.

Wereldwijd zijn landbouwproducenten vatbaar voor onvoorspelbare risico's van allerlei aard. Een van de belangrijkste factoren die de wereldwijde voedselproductie in de landbouw verstoren, zijn natuurrampen. Deze schokken voor de agrovoedingssystemen, waaronder droogtes, overstromingen, bosbranden, cyclonen en de recente pandemie, zijn alleen maar intenser en frequenter geworden, met steeds terugkerende schade en vernietiging tot gevolg. Enerzijds beïnvloeden deze tegenslagen de opbrengsten en prijzen en bijgevolg de winsten van de telers en het levensonderhoud op het platteland. Anderzijds verstoren ze waardeketens en bedreigen ze de wereldwijde voedselzekerheid en stabiliteit.

Tussen 2008 en 2018 zijn miljarden dollars verloren gegaan als gevolg van dalingen in de productie van gewassen en vee in de nasleep van rampen.

• USD 30 miljard verloren in Sub-Sahara en Noord-Afrika

• USD 29 miljard verloren in Latijns-Amerika en het Caribisch gebied

• 8,7 miljard dollar ging verloren in de kleine eilandstaten in ontwikkeling (SIDS) in het Caribisch gebied

• USD 49 miljard verloren in Azië

Bron:FAO

Een manier waarop deze producenten hun blootstelling aan deze risico's kunnen verminderen, is door een oogstverzekering af te sluiten.

Een landbouwverzekeringsplan beschermt producenten tegen oogstverliezen als gevolg van weers- of natuurrampen of inkomstenverliezen als gevolg van marktprijsschommelingen. Het vermindert ook het risico op kredietverlening aan de agrarische sector, waardoor boeren hun leningen kunnen terugbetalen naast verschillende andere voordelen.

Gewasverzekering in India:Pradhan Mantri Fasal Bima Yojana

In april 2016 lanceerde de regering van India haar landelijke gewasverzekering, bekend als Pradhan Mantri Fasal Bima Yojana (PMFBY). De landbouwverzekering is een van 's werelds grootste en biedt risicodekking voor miljoenen Indiase boeren.

Een opmerkelijk kenmerk van PMFBY is dat het het gebruik van moderne technologie aanmoedigt, zoals satellietbeelden, teledetectietechnologie, drones, kunstmatige intelligentie en machine learning, om de beoordelingen van oogstverlies te versnellen.

Opbrengstschatting met experimenten voor het snijden van gewassen

Deze geavanceerde technologieën zijn ook nuttig bij het efficiënt inschatten van gewasopbrengsten. Meestal worden de opbrengstgegevens verkregen door middel van experimenten met gewassen of CCE's. Het verwijst naar een beoordelingsmethode die overheden en landbouwinstanties gebruiken om de gewasopbrengst voor een bepaalde teeltcyclus in de regio te schatten.

De traditionele methode van CCE is gebaseerd op de opbrengstcomponentmethode waarbij monsterlocaties worden geselecteerd op basis van een willekeurige steekproef van het totale onderzochte gebied. Vanaf deze locaties oogsten samplers het gewas van een bepaalde grootte en vorm van het perceel (vierkant, rechthoek, driehoek of cirkel op basis van het gewas). De oogst wordt vervolgens verzameld en geanalyseerd op verschillende parameters, zoals biomassagewicht, graangewicht, vocht en andere indicatieve aspecten, om de uiteindelijke opbrengst per hectare in te schatten. De gegevens die uit dit onderzoek zijn verzameld, worden geëxtrapoleerd naar de hele regio om een ​​redelijk betrouwbare beoordeling te geven van de gemiddelde opbrengst van het gebied.

De gegevens die van CCE's worden verzameld, zijn nuttig voor meerdere belanghebbenden in de landbouwwaardeketen. Hoewel de overheid het kan gebruiken om sectorgebonden beleid en programma's te plannen, kunnen verzekeraars deze informatie gebruiken om verzekeringsproducten voor het gewas of de regio aan te passen op basis van actuele prestatiegegevens. Het stelt hen ook in staat om claims te verifiëren voordat ze worden afgewikkeld.

Uitdagingen bij het uitvoeren van experimenten voor het snijden van gewassen

Volgens de PMFBY moeten de staten ten minste vier CCE's uitvoeren voor elk gewas in elke panchayat (of gemeente) van het dorp en de opbrengstgegevens binnen een maand na de oogst indienen bij de verzekeringsmaatschappijen. De grootste tekortkoming van de traditionele benadering van CCE is dat deze afhankelijk is van veel variabelen, zoals administratieve opzet, type en grootte van het veldpersoneel, samenwerking tussen boeren en oogstomstandigheden.

Vooral in een scenario waarin er bijna 2,5 lakh dorpsraden in India zijn, bleek het uitvoeren van ontelbare CCE's binnen een smal oogstvenster en beperkt personeel een uitdaging. Er moet een efficiëntere manier zijn om de beschikbare middelen te gebruiken en een nauwkeurige schatting van de opbrengst te verkrijgen binnen de korte oogstperiode.

Door technologie ondersteunde slimme steekproeven

In 2019 werd slimme bemonstering voor het eerst geïntroduceerd door de wetenschappers van het Mahalanobis National Crop Forecast Centre (MNCFC) van het ministerie van Landbouw en de Indian Space Research Organization (ISRO) via negen pilootstudies in 23 districten in 11 staten.

Vergeleken met de traditionele methode van CCE waarbij gebruik wordt gemaakt van willekeurige steekproeven, biedt het gebruik van teledetectie en andere technologische ontwikkelingen een veel nauwkeurigere en tijdige schatting van de opbrengst.

Voor het Rabi-seizoen in 2019 werkte de Rijksoverheid samen met Cropin voor een pilotstudie met als doel:

1. Optimalisatie van experimenten voor het snijden van gewassen om ze nauwkeuriger, sneller en schaalbaarder te maken

2. Implementatie van een robuust en zelfbeheerd mechanisme voor het oplossen van claims voor een snelle oplossing van claimgeschillen

Een impact creëren met digitale oplossingen van Cropin

Cropin's SmartRisk is een door AI en ML aangedreven digitaal platform dat satellietbeelden en eigen gewasdetectiemodellen gebruikt om de percelen te identificeren die het meest geschikt zijn voor deze experimenten. Een toegewijd en zeer bekwaam data science-team analyseert miljoenen datapunten om de percelen te bepalen die de meest nauwkeurige steekproef voor de regio zullen opleveren.

Op de dag van het experiment gebruiken samplers SmartFarm, een app voor het beheren van boerderijgegevens, om de exacte locatie en grootte van het perceel en de details van de boer en het gewas vast te leggen. Door deze gegevens vast te leggen met SmartFarm ontstaat een gemakkelijk toegankelijk digitaal record en zijn de veldgegevens nauwkeurig.

De voordelen van technologisch ondersteunde CCE's zijn niet beperkt tot het kiezen van de passende monsters voor het onderzoek. De digitale oplossingen bieden niet alleen een meer geoptimaliseerde benadering van bemonstering, maar bieden de belanghebbenden ook wetenschappelijke, schaalbare en nauwkeurige rapporten voor toekomstige verwerking.

Hoe profiteren de belanghebbenden van de digitale interventie

Het gebruik van data en technologie in de landbouw heeft verstrekkende gevolgen voor het agri-ecosysteem en maakt efficiëntere en nauwkeurigere besluitvorming mogelijk gedurende de hele teeltcyclus. De slimme, op technologie gebaseerde benadering van CCE biedt veel voordelen.

• Overheid:de toepassing van technologie lost het probleem op van het uitvoeren van een groot aantal CCE's met een beperkt personeelsbestand tijdens een korte oogstperiode. Het gebruik van een digitaal platform zoals dat van Cropin vermindert het papierwerk en de daaruit voortvloeiende kans op menselijke fouten. Daarnaast levert Cropin getrainde fieldmanagers om het proces te overzien en de benodigde gegevens in de digitale app te verzamelen, waardoor de last voor de samplers wordt verminderd. Met behulp van deze wetenschappelijke methoden kan de overheid de algehele efficiëntie verbeteren door haar middelen op de best mogelijke manier te gebruiken.

• Verzekeringsmaatschappijen:De gegevens geven een nauwkeuriger schatting van de opbrengst van het betreffende gewas en zorgen voor een tijdige afwikkeling van claims op een meer rechtvaardige manier. De rapporten die zijn afgeleid met behulp van het Cropin-platform zijn datagestuurd en nauwkeurig. Het elimineert dus de mogelijkheid van frauduleuze claims of onnauwkeurige uitbetalingen. Het stelt verzekeringsmaatschappijen ook in staat om gewasverzekeringen en producten aan te passen op basis van realtime gegevens die uit de regio zijn verzameld.

• Boeren:Digitalisering van het CCE-proces maakt een eerlijke afwikkeling van claims mogelijk. Het vermindert de stress voor de boer om bewijs te leveren van hun claims, waardoor ook de inspanning en tijd die aan het proces wordt besteed, wordt verminderd.

Cropin nam onlangs deel aan een Nigeriaanse regering waar onze diepgaande modellen voor opbrengstschatting de Flour Milling Association of Nigeria (FMAN) en andere belanghebbenden in staat stelden om de tarweteelt in het noorden van Nigeria te schatten. Lees hier meer.