Hur är AI optimering av försäkringsutbetalningar för ett av världens största skördeförsäkringssystem?

Redaktörens anmärkning:Det här inlägget publicerades ursprungligen i februari 2019 och har uppdaterats för att vara korrekt och heltäckande.

Jordbruksproducenter globalt är utsatta för oförutsägbara risker av alla slag. En av de dominerande faktorerna som stör jordbrukets livsmedelsproduktion globalt är naturkatastrofer. Dessa chocker för jordbruks-livsmedelssystemen, inklusive torka, översvämningar, skogsbränder, cykloner och den senaste pandemin, har bara blivit mer intensiva och frekventa och orsakat återkommande skador och förstörelse. Å ena sidan påverkar dessa motgångar avkastning och priser och följaktligen odlarnas vinster och försörjning på landsbygden. Å andra sidan stör de värdekedjor och hotar global livsmedelssäkerhet och stabilitet.

Mellan 2008 och 2018 gick miljarder dollar förlorade som ett resultat av minskningar av grödor och boskapsproduktion i efterdyningarna av katastrofer.

• 30 miljarder USD gick förlorade i söder om Sahara och Nordafrika

• 29 miljarder USD gick förlorade i Latinamerika och Karibien

• 8,7 miljarder USD gick förlorade i små östater (SIDS) i Karibien

• 49 miljarder USD gick förlorade i Asien

Källa:FAO

Ett sätt för dessa producenter att minska sin exponering för dessa risker är att köpa en skördeförsäkring.

En jordbruksförsäkring skyddar producenterna mot skördförluster på grund av väderrelaterade eller naturkatastrofer eller inkomstförluster på grund av marknadsprisfluktuationer. Det minskar också riskerna för utlåning till jordbrukssektorn, vilket gör det möjligt för bönder att betala tillbaka sina lån förutom att erbjuda flera andra förmåner.

Skördeförsäkring i Indien:Pradhan Mantri Fasal Bima Yojana

I april 2016 lanserade Indiens regering sitt rikstäckande skördeförsäkringssystem känt som Pradhan Mantri Fasal Bima Yojana (PMFBY). Jordbruksförsäkringen är ett av världens största och ger risktäckning för miljontals indiska bönder.

En anmärkningsvärd egenskap hos PMFBY är att den uppmuntrar användningen av modern teknik, såsom satellitbilder, fjärranalysteknik, drönare, artificiell intelligens och maskininlärning, för att påskynda bedömningar av skördeförluster.

Uppskattning av skörd med hjälp av skärningsexperiment

Dessa avancerade teknologier är också fördelaktiga för att uppskatta skörden på ett effektivt sätt. Vanligtvis erhålls avkastningsdata genom skördningsexperiment eller CCE:er. Det hänvisar till en bedömningsmetod som regeringar och jordbruksorgan använder för att uppskatta skörden för en given odlingscykel i regionen.

Den traditionella metoden för CCE är baserad på skördekomponentmetoden där provplatser väljs baserat på ett slumpmässigt urval av den totala arean som studeras. Från dessa platser skördar provtagare grödan från en specificerad storlek och form på tomten (kvadrat, rektangel, triangel eller cirkel baserat på grödan). Skörden samlas sedan in och analyseras för flera parametrar, såsom biomassavikt, spannmålsvikt, fukt och andra indikativa aspekter, för att uppskatta den slutliga avkastningen per hektar. Data som samlats in från denna studie extrapoleras till hela regionen för att ge en rimligt tillförlitlig bedömning av områdets genomsnittliga avkastning.

Data som samlas in från CCE:er är till nytta för flera intressenter i jordbrukets värdekedja. Medan regeringen kan använda den för att planera sektorrelaterade policyer och program, kan försäkringsleverantörer utnyttja denna information för att anpassa försäkringsprodukter för grödan eller regionen baserat på faktiska resultatdata. Det gör det också möjligt för dem att verifiera anspråk innan de avgörs.

Umaningar i att utföra beskärningsexperiment

Enligt PMFBY måste staterna utföra minst fyra CCE:er för varje gröda i varje bypanchayat (eller råd) och lämna in avkastningsdata till försäkringsbolagen inom en månad efter skörd. Den största bristen med det traditionella förhållningssättet till CCE är att det är beroende av många variabler såsom administrativa inställningar, typ och storlek på fältpersonalen, bondsamarbete och skördeförhållanden.

Särskilt i ett scenario där det finns nästan 2,5 lakh byråd i Indien, visade det sig utmanande att utföra otaliga CCE inom ett smalt skördefönster och begränsad personal. Det måste finnas ett mer effektivt sätt att utnyttja de tillgängliga resurserna och få en korrekt skördeuppskattning inom det korta skördefönstret.

Teknikstödd smart sampling

Under 2019 introducerades smart provtagning först av forskarna vid Mahalanobis National Crop Forecast Center (MNCFC) vid jordbruksministeriet och den indiska rymdforskningsorganisationen (ISRO) genom nio pilotstudier i 23 distrikt i 11 delstater.

Jämfört med den traditionella metoden för CCE med slumpmässig provtagning, ger användningen av fjärranalys och andra tekniska framsteg en mycket mer exakt och snabb uppskattning av avkastningen.

För Rabi-säsongen 2019 samarbetade centralregeringen med Cropin för en pilotstudie med mål i åtanke:

1. Optimering av beskärningsexperiment för att göra dem mer exakta, snabba och skalbara

2. Implementering av en robust och självhanterad mekanism för tvistlösning av anspråk för en snabb lösning av fordringstvister

Skapa effekt med Cropins digitala lösningar

Cropins SmartRisk är en AI- och ML-driven digital plattform som använder satellitbilder och egenutvecklade grödor för att identifiera de tomter som är mest lämpade för dessa experiment. Ett dedikerat och högutbildat datavetenskapsteam analyserar miljontals datapunkter för att avgöra vilka jordbruksområden som kommer att ge det mest exakta urvalet för regionen.

På dagen för experimentet använder provtagare SmartFarm, en gårdsdatahanteringsapp, för att fånga den exakta platsen och storleken på gårdsområdet och detaljerna om bonden och grödan. Att fånga in dessa data med SmartFarm skapar en lättillgänglig digital post och säkerställer att fältdata är korrekta.

Fördelarna med tekniskt understödda CCE:er är inte begränsade till att välja lämpliga prover för studien. Förutom att erbjuda en mer optimerad metod för provtagning, ger de digitala lösningarna också intressenterna vetenskapliga, skalbara och korrekta rapporter för framtida bearbetning.

Hur drar intressenterna nytta av den digitala interventionen

Användningen av data och teknik inom jordbruket har en långtgående inverkan på jordbrukets ekosystem och möjliggör ett mer effektivt och korrekt beslutsfattande under hela odlingscykeln. Den smarta, teknikbaserade inställningen till CCE ger många fördelar.

• Regering:Tillämpningen av teknologi tar upp frågan om att genomföra ett stort antal CCE med en begränsad arbetsstyrka under en kort skördeperiod. Att använda en digital plattform som Cropins minskar pappersarbete och efterföljande möjligheter till mänskliga fel. Dessutom tillhandahåller Cropin utbildade fältchefer för att övervaka processen och samla in nödvändig data i den digitala appen, vilket minskar bördan för provtagarna. Med hjälp av dessa vetenskapliga metoder kan regeringen förbättra den totala effektiviteten genom att utnyttja sina resurser på bästa möjliga sätt.

• Försäkringsbolag:Uppgifterna ger en mer exakt avkastningsuppskattning för grödan i fråga och möjliggör en snabb reglering av skador på ett mer rättvist sätt. Rapporterna som härrör från Cropins plattform är datadrivna och korrekta. Därför eliminerar det möjligheten för bedrägliga anspråk eller felaktiga betalningsutbetalningar. Det tillåter också försäkringsbolag att anpassa skördeförsäkringssystem och produkter baserat på realtidsdata som samlats in från regionen.

• Jordbrukare:Digitalisering av CCE-processen möjliggör rättvis avveckling av anspråk. Det minskar stressen för bonden att bevisa sina påståenden, vilket också minskar ansträngningen och tiden som spenderas i processen.

Cropin deltog nyligen i en nigeriansk regering där våra djupinlärningsmodeller för avkastningsuppskattning gjorde det möjligt för Flour Milling Association of Nigeria (FMAN) och andra intressenter att uppskatta veteodlingen i norra Nigeria. Läs mer här.