實體風險與設施防護
  • IFRS S2 實體風險
    • 淺談風險與韌性之間的關係
    • 【使用情境分析評估面對氣候變遷風險之韌性,應說明所使用之情境、參數、假設、分析因子及主要財務影響】之執行方法
    • TCFD實體風險管理與品質管理架構—設施層級 IV
    • TCFD實體風險韌性量化指標—設施層級
    • 為什麼要評估實體風險? — 實體風險系列
  • 設施安全防護
    • 正常運作與衝擊評估 Versus 設施與系統 — 設施安全防護觀念介紹 Part III
    • 安全程度 V.S. TCFD實體風險與設施安全防護
    • 系統與設施 Versus 衝擊與機率
    • 保安系統評估系列 I :具體要評估什麼?
    • 設施實體風險拆解示例
  • 課程一覽
    • 贏在永續:報告書制勝指南
    • IFRS S2 實體風險及企業韌性實務 / 實體風險數據分析及管理師認證班
    • IFRS S2 實體風險及企業韌性入門 / 實體風險管理顧問基礎班
    • 影片課程:IFRS S2 實體風險及企業韌性—入門 / 實務前導
    • 設施安全防護計畫及演習
  • 企業服務
  • 活動資料
實體風險與設施防護

TCFD實體風險 / 關鍵基礎設施安全防護 理論與實務

實體風險與設施防護
  • IFRS S2 實體風險
  • 設施安全防護
  • 課程一覽
    • 贏在永續:報告書制勝指南
    • IFRS S2 實體風險及企業韌性實務 / 實體風險數據分析及管理師認證班
    • IFRS S2 實體風險及企業韌性入門 / 實體風險管理顧問基礎班
    • 影片課程:IFRS S2 實體風險及企業韌性—入門 / 實務前導
    • 設施安全防護計畫及演習
  • 企業服務
  • 活動資料

降低客戶災損的AI輔助系統架構

對於災害損失的探究,一直以來是官方概估民間難以實算的一個問題,災害損失或救災成效的評估就陷入了模稜兩可的境地,只要不是人命損失就不會有人過於在意這個數字,若有人命損失這個數字又成了次要,直至大數據時代與AI時代,這個問題會有突破口嗎?

 

筆者近期透過TCA在CompuTEX資訊展中的一個節目,企業提出課題而由新創公司解答的提案活動中,接觸到一個這樣的議題:降低客戶災損之智慧化情資服務。對於曾經參與國內災害防救相關議題的筆者而言是非常有意義的課題,卻又常常發現許多研究課題常常陷入見樹不見林的處境,尤其在以AI應用的討論基礎上更是如此。筆者以個人觀點提出以下內容供各位參考。

損失是災害發生歷程所累積的結果

災害可以簡單區分成發生前、當下、發生後的三個階段加以區分,但真正總災損是由立即災損與衍生災損所累計而成的:

  • 立即災害是災害發生當下就已經造成的損失,例如地震發生當下就已經傾覆的建築物,這樣的損失幾乎是無法避免的,人力所能努力的部份僅止於事前的災害預防措施,但發生了就是既成事實,沒有過多的討論空間。
  • 衍生災損則是災害發生後,透過即時的因應或迅捷的救災手段可以降低的損失,諸如火災發生時的及時撲滅或身體受傷的及時救治。

若論AI或當前資訊技術可以介入輔助的部份,不外乎事前預判與事後通報(救災),想要達成這樣的任務,長期累積下來的歷史資料與即時取得的最新情資卻又是不可少的一環。

 

災害或可預測但損失可以推估嗎…?

天候與災害的預測是世界各國長期投注大量預算進行的工作,然而預測的精細度與精準度始終未盡人意,因此我們說災害"或可"預測。但如果災害的預測都無法精準,災害發生前的損失預測自然也是停留在極大的模糊地帶。

若以災害損失估算為題,僅僅依賴當前的預測技術與資料自然仍是不足,但並非代表應該放棄做這樣的事。對於保險/產險公司這類基於營業內容的分析就能達到政府單位的難以達成的效果,主因在於此類基於保險行為而取得的每一筆資料都具備極高的真實性與可追溯性,災害損失或理賠紀錄也必定透過層層審視與核對後才會完成,以其為基礎再由外部資料(環境情資、災害情資)的輔助,就有可能達成精準度較高的預測。

 

災害發生的搶救與通報

災害發生當下的損失通常已無法彌補,然而可以避免災情不必要的擴大,因此最重要的工作無非確認災情與即時通報,這也是我國各級政府的災害應變中心成立的要旨,其最重要的目的在即時搶救,救災資源的調度成為(重大)災害發生時的重要課題。

下圖從保險/產險公司協助通報的角度加以規劃,用以協助受災客戶儘早取得搶救資源,降低衍生災損。其中,若單位本身具備救災資源,亦可儘早協助保戶降低災損,無須等待警消、醫療機制等單位的資源,就可能達成整體更高的搶救效率與資源的運用。

 

 

災害搶救的關鍵是資源調度的戰場

災害搶救工作屬於分秒必爭的戰場,救災策略更涉及專業的判斷必須依據瞬息萬變的災害現場加以判斷,但只要資源調度及時就在相當程度上確保災害搶救工作的順遂,若能取得充足的災害現地資訊,各類模擬技術亦可進行相當程度的風險評估與災害損失預測,在近年的救災應用上,更有透過3D影像技術或衛星影像技術提供救災情資的判斷,更其在重大災害(大範圍或災損嚴重)時的災情分析與預測,都有相當程度的助益。

整體而言,AI必須建構於技術力及資訊力之上才能有所發揮,災害防救系統則是必須傾注大量官方與民間的資源才有可能達成的,遠非單一企業或民間組織可以達成,但轉換不同的角度,尤其透過保險/產險公司的角度來檢視將有另一番風貌,也能在既有的資料基礎上達成官方無法企及的分析程度。

無論如何,災害防救是產、官、學、民所有人的功課,結合各方資訊的協同合作仍是筆者期待的完整機制。

相關內容發表於2018 CompuTex 的 AI+ Solution Match場次中,由民邦資訊提案。
歡迎轉載並請註明出處。
Share
Share
雲那裡產業智能

文章類別
  • 人工智慧
  • 決策輔助
前一篇文章

人工智慧學習路徑圖

閱讀文章
下一篇文章

韌性城市、關鍵基礎設施 與 風險管理

閱讀文章

本網站由【民邦資訊股份有限公司】/【淨零永續顧問股份有限公司】管理與維護,於中華民國113年7月1日更新系統及版面,更名為【實體風險與設施防護】。原有文章資訊均予保留,另提供最新課程資訊及外部報名連結(本網站無報名系統),本網站不會主動蒐集使用者資訊,請勿上傳或發布個人資訊。

–©民邦資訊股份有限公司/©淨零永續顧問股份有限公司–

本網站內所有資料之著作權、所有權與智慧財產權均為發文者所有。未經本網站作者和圖片擁有者明確書面許可(或E-mail:CIPService@nbhic.com)告知,嚴禁未經授權使用或複製。相關中華民國專利編號:M659422、M667274。

輸入您的關鍵字並按下Enter。