InsurTech är en ny gren inom försäkringsbranschen som använder innovativa informationsteknologier för att effektivisera processer. Trots att försäkringsbranschen historiskt sett varit trögrörlig och inte förändrats mycket, har intresset för InsurTech ökat markant de senaste åren, vilket har skapat en betydande hype. På grund av detta syftar denna uppsats till att analysera och värdera om InsurTech kan få någon större effekt på den svenska försäkringsbranschen. Genom att fokusera på teknologierna Big data, Artificiell Intelligens, Telematik och Internet of Things undersöker uppsatsen om InsurTech kan effektivisera försäkringsprocessen och påverka marknaden och dess aktörer. Studien tillämpar en kvalitativ metod och inleds med en litteraturstudie i syfte att ge en helhetsbild av forskarvärldens bild av InsurTechs potential i dagsläget. Därefter följer en intervjustudie med experter inom försäkringsbranschen i syfte att framhäva deras bild av potentialen och vad som i dagsläget går att implementera i branschen. Studien tar avstamp i en teoretisk analysmodell baserad på ett transaktionskostnadsperspektiv. Modellen byggs upp i tre faser; Ex-ante, Avtal och Ex-post och belyser de transaktionskostnader som uppstår under försäkringsprocessen. Litteraturstudien visar på en stark hype från forskningsvärlden där potentialen framhävs starkt. Även intervjustudien visar att det finns mycket potential för InsurTech, samtidigt som den även lyfter flera hinder och utmaningar för InsurTech i dagsläget. Sammantaget kommer uppsatsen fram till att InsurTechs potential i dagsläget främst finns i AI och Big data för att effektivisera datahantering och skadereglering. Samt att utvecklingen förmodligen kommer att ske från samarbete mellan etablerade försäkringsbolag och flera nya underleverantörer. / InsurTech is a new branch within the insurance industry that leverages innovative information technologies to streamline processes. Although the insurance industry has historically been slow-moving and resistant to change, interest in InsurTech has significantly increased in recent years, creating a considerable hype. Consequently, this thesis aims to analyse and assess whether InsurTech can have a substantial impact on the Swedish insurance market. By focusing on technologies such as Big Data, Artificial Intelligence, Telematics, and the Internet of Things, this thesis explores whether InsurTech can increase the efficiency of insurance processes and influence the market and its players. The study employs a qualitative methodology, beginning with a literature review to provide a comprehensive overview of the current academic perspective on Insurtech’s potential. This is followed by an interview study with industry experts to highlight their views on the potential and current implementable aspects of InsurTech within the industry. This study is grounded in a theoretical analysis model based on a transaction cost perspective. The model is structured into three phases: Ex-ante, Contract, and Ex- post, highlighting the transaction costs that arise during the insurance process. The literature review reveals significant hype from the academic community, emphasising the strong potential of InsurTech. While the interview study indicates considerable potential for InsurTech it also points out several current obstacles and challenges. Overall, the thesis concluded that the greatest potential currently lies in AI and Big Data to enhance data management and claims processing. Furthermore, the development is likely to occur through collaborations between established insurance companies and various new suppliers.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:liu-204162 |
| Date | January 2024 |
| Creators | Bratt, Joel, Malmqvist, Olivia |
| Publisher | Linköpings universitet, Nationalekonomi, Linköpings universitet, Filosofiska fakulteten |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds