Dawn of the machine-to-machine age og dens implikationer for forsikring

Maskin-til-maskine-teknologi (M2M) involverer i det væsentlige sensorer i et Internet of Things (IoT) miljø, hvor de sender data trådløst til en server eller en anden sensor. En anden sensor eller server bruger kunstig intelligens (AI) til at analysere dataene og reagere på dataene automatisk i realtid. Handlingerne kan være alt som advarsler, advarsler og retningsændringer, bremser, hastigheder, drejninger og endda transaktioner. Da M2M er eksponentielt stigende, vil vi snart se genopfindelse af hele forretningsmodeller og kunderelationer. Faktisk vil applikationerne kun være begrænset af virksomhedernes fantasi.

Dette indlæg vil udforske følgende:

1. Oversigt over nøgle M2M-teknologier og deres disruptive potentiale.
2. M2M transaktioner; en helt ny revolution, hvor maskiner direkte kan handle med andre maskiner, hvilket fører til maskinøkonomien.
3. AI's indvirkning er dog det, der fører os til M2M; big data, deep learning, streamingalgoritmer. Automatiseret maskinintelligens og maskinundervisning. Maskinundervisning er måske den mest eksponentielle tendens i maskinøkonomien.
4. Fremtidens forsikringsforretningsmodel: Insuretech-startups baseret på blockchain.
5. Afsluttende bemærkninger

Oversigt over nøgle M2M-teknologier

Forestil dig nogle virkelige scenarier:

1. Din bil registrerer din rejse og køber automatisk forsikring efter behov. En maskine køber automatisk sin egen ansvarsforsikring.
2. Bærbare eksoskeletter giver retshåndhævelse og fabriksarbejder overmenneskelig styrke og smidighed
3. Brain-Computer fusionerer med vores hjerner for at skabe supermenneskelig intelligens (for eksempel Neural Lace of Elon Musk)
4. Smarte piller, der er fordøjet af os, og sundhedswearables, der direkte vurderer vores dødeligheds- og sygelighedsrisici.
5. Du kan få livsforsikring ved at tage en selfie. Selfies analyseres af en algoritme, der medicinsk bestemmer din biologiske alder gennem disse billeder (allerede udført af Chronos-software fra startup Lapetus).
6. Dine køleskabe forstår dine almindelige indkøbs- og lagervaner og opdager, at noget som mælk er ved at være overstået; så det køber mælk direkte gennem online shopping. Dit køleskab bliver løbende fyldt på lager baseret på dine mest almindelige vaner. For nye vaner og unormale kan du fortsætte med at købe dine varer selvstændigt og opbevare dem i køleskabet som normalt.
7. Selvkørende biler interagerer med hinanden på det smarte net for at undgå ulykker og kollisioner.
8. Din robot mærker, at du er blevet mere ked af det og deprimeret på det seneste, og derfor forsøger den at muntre dig op. Det fortæller din sundhedscoach-bot at øge indholdet for følelsesmæssig modstandskraft.
9. Sensorer registrerer et kommende sprængning i røret, og før røret brister, sender de en reparatør til dit hjem
10. Din chatbot er din personlige assistent. Den handler for dig, fornemmer, hvornår du skal købe forsikring for lad os sige, når du er ude at rejse, klarer dine daglige gøremål og holder dig opdateret på din daglige tidsplan, som du har lavet i samarbejde med botten.
11. Du har en 3D-printer til at lave nye tandbørster. Den nuværende smarte tandbørste fornemmer, at dens filamenter er ved at blive slidt op, så den sender et signal til 3D-printeren om at lave nye filamenter.
12. I stedet for fuglesværme ser vi nu dronesværme flyve af sted og udføre deres opgaver inden for kollektiv sværm-intelligens
13. En maskine spiller skak mod sig selv uden træningsdata og slår stort set alle og alt (AlphaGoZero gør allerede dette).
14. Der er utallige virkelige scenarier som disse, kun begrænset af vores fantasi.

Der er to meta-temaer, der udspringer af M2M-teknologier: forebyggelse og bekvemmelighed. Selvkørende biler kan eliminere eller radikalt reducere ulykker, da størstedelen af ​​bilulykker er forårsaget af menneskelige fejl. Wearables kan føre til en sundere livsstil, sensorer i smarte hjem og andre problemer, før de opstår, og afhjælper dem. Denne forebyggelse reducerer sygelighed, ulykker og andre dårlige hændelser. Bekvemmelighed er et overordnet aspekt, idet det meste sker automatisk fra en maskine til en anden, og i få tilbageværende tilfælde er det forstærket med menneskelig ekspertise og opmærksomhed. Maskinen lærer, hvad den er programmeret til at lære på egen hånd ved hjælp af data fra sine sensorer om vores adfærd over tid. Det sker i baggrunden og automatisk for at frigøre vores tid og kræfter til andre mere menneskelige ting som at være kreativ.

Disse nye teknologier fører til ændringer i eksponeringer og har enorm indflydelse på forsikring. Der laves et stort antal berøringspunkter, hvor forsikringsselskabet kan engagere sig med kunden, der er mindre fokus på personlig dækning og mere på kommercielle aspekter (som hvis selvkørende bil fejler eller bliver hacket, hjemmeassistent bliver hacket, smart pillegifte i stedet for at levere realtidsdata til dynamisk vurdering af dødeligheds- og sygelighedsrisici) og så videre. Skadefrekvensen forventes at falde radikalt, men alvorligheden af ​​skader kan være mere komplekse og svære at vurdere, da forskellige interessenter vil skulle inddrages for at vurdere skaderne og for at se, hvordan andelen af ​​tabsdækningen varierer ift. forskellige interessenters fejl. Cyberhacking vil mangedoble, hvilket vil føre til nye muligheder for forsikringsselskaber i maskinøkonomien.  

Disse teknologier er ikke alene; Kapitalismen kan ikke eksistere uden konstant at revolutionere teknologien og dermed vores menneskelige relationer til den. Hvis du har brug for mere bevidsthed om dette, så se, hvordan algoritmer og teknologi former vores mentaliteter, tankeholdninger vores adfærd og handlinger, og se, hvor hurtigt al teknologi udvikler sig. Hvad der er overraskende er, at denne observation blev lavet af Karl Marx, en person, der levede i 1818-1883, og dette viser, at al teknologi i verden ikke er en erstatning for dyb tænkning og lærd visdom.

Sociale forandringer går hånd i hånd med teknologiske forandringer. Nu ser vi peer-to-peer-forretningsmodeller med fokus på social effekt (Lemonade for eksempel) i stedet for kun at gøre de rige rigere. Deleøkonomien booster brugen af ​​teknologi, da den giver adgang (men ikke ejerskab) til os på on-demand-basis. Millennial-generationen er også meget anderledes end tidligere generationer, og vi er først begyndt at vågne op til, hvad de efterspørger, og hvordan de vil forme verden omkring os. Deleøkonomien kan betyde, at maskiner med deres egen tegnebog kan udføre tjenester on-demand for mennesker og handle selvstændigt.

M2M finansielle transaktioner

Vores fremtidige kunder bliver maskiner med punge. En kryptovaluta kaldet "IOTA (Internet of Things Application)" har til formål at drive maskinøkonomien ind i vores hverdag ved at tillade IoT-maskiner at handle direkte og automatisk til andre maskiner, og dette vil føre til hurtig fremkomst af maskincentrerede forretningsmodeller. 

IOTA gør dette ved at fjerne blockchain og i stedet anvende 'tangle' distribueret hovedbog, som er skalerbar, let og har nul transaktionsgebyrer, hvilket betyder, at mikrotransaktioner er levedygtige for første gang. De vigtigste fordele ved IOTA i forhold til nuværende blockchain-systemer er:

1. For at tillade en klar idé er blockchain som en restaurant med dedikerede tjenere (minearbejdere), der bringer dig din mad. I Tangle er det en selvbetjeningsrestaurant, hvor alle serverer sig selv. Tangle gør dette gennem den protokol, som personen har til at verificere sine to foregående transaktioner, når de laver en ny transaktion. Således bliver minearbejdere, den nye mellemmand, der opbygger enorm magt i blockchain-netværk, helt ubrugelige gennem Tangle. Løftet om blockchain er, at mellemmænd udnytter os, uanset om de er regeringen, pengeudskrivningsbankerne, de forskellige institutioner, men en anden klasse af mellemmænd 'minearbejdere' er ved at blive ret magtfulde, især kinesiske minearbejdere, der fører til en koncentration af enorm magt i en lille antal hænder. Bitcoin-minedrift tager lige så meget energi som elektricitet produceret af mere end 159 lande, så det er også et enormt spild af elektricitetsressourcer, fordi der kræves enorm computerhardware for at knække komplekse matematiske kryptokoder for at validere en transaktion.
2. Da minedrift er tidskrævende og dyrt, giver det ikke mening at udføre mikro- eller nanotransaktioner. Tangle Ledger tillader transaktioner at blive valideret parallelt og kræver ingen minegebyrer for at give IoT-verdenen mulighed for at udføre nano- og mikrotransaktioner.
3. Maskiner er "ubankede" kilder i nutiden, men med IOTA kan maskiner generere indkomst og blive en økonomisk levedygtig selvstændig enhed, der kan købe forsikring, energi, vedligeholdelse osv. på egen hånd. IOTA leverer "Know Your Machine (KYM)" gennem sikre identiteter, som bankerne i øjeblikket har Know Your Customer (KYC).

IOTA er en ny race af kryptovalutaer, der har til formål at løse problemer, som tidligere kryptoer ikke var i stand til at løse. Den "Tangle" distribuerede hovedbog er et kaldenavn for en rettet acyklisk graf som vist nedenfor: 

Directed Acyclic Graph er et kryptografisk decentraliseret netværk, der angiveligt er skalerbart til det uendelige og modstår angreb fra kvantecomputere (som endnu ikke er kommercielt fuldt udviklet og brugt i det almindelige liv) ved at bruge en anden form for kryptering af hash-baserede signaturer.  

I stedet for at blive besværligt at skalere, accelererer Tangle faktisk med flere transaktioner og bliver bedre, efterhånden som den skaleres op i stedet for at blive forringet. Alle enheder, der bruger IOTA, er en del af Node of the Tangle. For hver transaktion udført af noden, skal node 2 bekræfte andre transaktioner. På denne måde er der dobbelt så meget kapacitet til rådighed som behovet for at bekræfte transaktionerne. Denne anti-skrøbelige egenskab, hvor tangle forbedres ved kaos i stedet for at blive værre på grund af kaos, er en vigtig fordel ved Tangle. 

Historisk og endda i øjeblikket fremkalder vi tillid til transaktioner ved at registrere deres spor for at bevise transaktionernes oprindelse, destination, mængde og historie. Dette kræver enorm tid og indsats fra en del af mange professioner som advokater, revisorer, kvalitetsinspektører og mange støttefunktioner. Dette får igen mennesker til at dræbe deres kreativitet ved at blive tal-knusere, der udfører manuelle verifikationer frem og tilbage, får transaktioner til at være dyre, unøjagtige og dyre. For meget menneskelig lidelse og Dukkha er blevet konfronteret med mange mennesker, der udfører monotont gentagne job bare for at skabe tillid til disse transaktioner. Da viden er magt, holdes vigtig information skjult af magthaverne i afskrækkelse over for masserne. Blockchainen giver os mulighed for potentielt at 'skære gennem alt det lort' af mellemmændene og give magten til folket gennem teknologi i stedet for, hvilket er hovedmålet for den fjerde industrielle revolution.

Den nuværende blockchain har dog sit eget sæt af begrænsninger med hensyn til skalerbarhed, transaktionsgebyrer og computerressourcer, der kræves for at mine. IOTA gør helt op med blockchain ved at erstatte den med 'Tangle' distribueret hovedbog for at oprette og verificere transaktioner. Formålet med IOTA er at fungere som en nøgleaktiverer af maskinøkonomien, som hidtil har været begrænset på grund af begrænsninger af nuværende kryptoer.

Det kan med rimelighed forudsiges, at mange cyberfysiske systemer vil dukke op og være baseret på kunstig intelligens og IoT såsom forsyningskæder, smarte byer, smart grid, shared computing, smart governance og sundhedssystemer. Et land med meget ambitiøse og aggressive planer om at blive kendt inden for kunstig intelligens ved siden af ​​de sædvanlige giganter i USA og Kina er UAE. UAE har så mange AI-initiativer, som det har vist dronepoliti, planer om førerløse biler og hyperloops, styring baseret på blockchain og endda har den første statsminister i verden for kunstig intelligens.

Jagten på effektivitet var den søgen, der først drev kapitalismen, og nu arbejder netop denne søgen nu på at afslutte kapitalismen. 3D-print og deleøkonomi sænker omkostningerne radikalt og opgraderer effektivitetsniveauer, og 'Machine Economy' med maskiner med digitale tegnebøger er det næste logiske skridt til større effektivitet. For første gang vil en maskine en økonomisk uafhængig enhed tjene indkomst ved fysiske eller datatjenester og bruge på energi, forsikring og vedligeholdelse helt alene. On-demand økonomi vil boome på grund af denne distribuerede tillid. 3D-print vil radikalt reducere omkostningerne ved fremstilling af materialer og robotter, og økonomisk uafhængige robotter vil snart begynde at levere tjenester på on-demand-basis til mennesker.

For at se den eksplosive virkning, det kan have, forestil dig at erstatte århundreder gamle Lloyd's forsikringsmarked. En startup, TrustToken, forsøger at skabe en tillidsøkonomi til at udføre transaktioner på USD 256 billioner, hvilket er værdien af ​​alle virkelige aktiver på jorden. De nuværende transaktioner foregår i forældede modeller med begrænset gennemsigtighed, likviditet, tillid og en masse problemer. At udføre disse transaktioner ved hjælp af digitale hovedbøger som blockchain er langt mere lukrativt på grund af potentialet ved tokenisering. Tokenisering er den proces, hvorigennem den virkelige verdens aktiver konverteres til digitale tokens. TrustToken bygger broen mellem den digitale og den virkelige verden gennem tokenisering af aktiver fra den virkelige verden på en måde, der også er acceptabel i den virkelige verden og er 'lovligt håndhævet, revideret og forsikret'. Dette gøres gennem oprettelsen af ​​en 'SmartTrust'-kontrakt, der garanterer ejerskab med juridiske myndigheder i den virkelige verden, og som også implementerer enhver nødvendig handling, når kontrakter brydes, herunder tilbagesættelse, opkrævning af strafferetlige sanktioner og meget mere. Et decentraliseret TrustMarket er tilgængeligt for alle interessenter til at indsamle og forhandle priser, tjenester og TrustTokens er de signaler og belønninger, som parterne modtager for troværdig adfærd, for at skabe et revisionsspor og for at forsikre aktiverne.

Hvorvidt TrustTokens er i stand til at udføre forsvarlig forsikring er et spørgsmål til debat, men vi kan allerede se dette på det århundreder gamle Lloyd's marked. På Lloyd's marked samles købere og sælgere af forsikringer og forsikringsselskaber for at tegne forsikring. En administration af Lloyd's fonde overvåger deres forskellige syndikater og sørger for kapitaltilstrækkelighed til også at absorbere de stød, der kommer fra forsikring. TrustMarket har potentialet til at blive den moderniserede version af Lloyd's marked, men det er for tidligt at fastslå den præcise succes. TrustToken kan åbne op for økonomien og skabe bedre værdi og mindre omkostninger og korruption i den virkelige verdens aktiver, især inden for fast ejendom, forsikringer og råvarer, der skaber for meget magt i hænderne på de meget få.

AI-delen af ​​M2M-ligningen

Der er stavet meget blæk på AI og dets mere end 10,000 maskinlæringsmodeller, der har deres egne styrker og svagheder og giver os mulighed for at afsløre indsigter, der var skjult for os før, for radikalt at forbedre vores liv. Vi vil ikke beskrive disse i detaljer, men fokusere på to områder af Machine Teaching og Automated Machine Intelligence (AML), da disse vil tillade IoT at transformere fra isolerede bits af hardware til integrerede bærere af data og intelligens.

Maskinundervisning

Maskinundervisning er måske den mest eksponentielle tendens, vi ser, som kan tillade M2M-økonomi at støtte sig eksponentielt fra en ydmyg begyndelse til at blive en dominerende del af vores hverdag. Forestille! Maskiner, der ikke kun handler med hinanden og andre platforme som servere og mennesker, men lærer også hinanden. Det er allerede sket med Tesla Model S's autopilotfunktion. Den menneskelige chauffør fungerer som ekspertlærer for bilen, men bilerne deler disse data og lærer indbyrdes, hvilket radikalt forbedrer deres oplevelse på ekstremt kort tid. Nu er én IoT-enhed ikke en isoleret enhed, der skal lære alt fra bunden på egen hånd; det kan også udnytte den masselæring, som andre lignende IoT-enheder har lært over hele verden. Det betyder, at intelligente IoT-systemer trænet ved maskinlæring ikke bare bliver smartere; de bliver klogere hurtigere over tid i eksponentielle tendenser.

Denne 'Machine Teaching' har enorme fordele ved, at den reducerer den nødvendige træningstid, omgår behovet for at have massive træningsdata og tillader maskiner at lære af sig selv for at forbedre brugeroplevelsen. Denne maskinundervisning kan nogle gange være kollektiv som selvkørende biler, der deler og lærer sammen i en slags kollektivt hive sind, eller den kan være modstridende som to maskiner, der spiller skak mod sig selv, hvor den ene maskine fungerer som svindlen og den anden maskine som svindlen detektor og så videre. Maskinen kan også lære sig selv ved at spille simuleringer og spil mod sig selv uden behov for nogen anden maskine. AlphaGoZero har gjort præcis det. AlphaGoZero brugte ingen træningsdata og spillede mod sig selv og besejrede derefter AlphaGo, som var den AI, der havde besejret verdens bedste menneskelige Go-spillere (Go er en populær version af kinesisk skak). Den følelse, som skakstormestre havde af at se AlphaGoZero spille, var som et avanceret rumvæsen, superintelligent race, der spillede skak.

Ansøgningerne fra dette er svimlende; hyperloop (meget hurtigt tog) baserede tunnel pods, der kommunikerer med hinanden, autonome skibe, lastbiler, hele flåder af droner, der kører på sværm-intelligens, og den levende by lærer af sig selv gennem interaktioner med smart grid. Dette sammen med andre innovationer, der opstår i den fjerde industrielle revolution af kunstig intelligens, kan udrydde nuværende sundhedsproblemer, mange sociale problemer som absolut fattigdom og give os mulighed for at kolonisere Månen og Mars.

Udover IOTA er der også Dagcoins og byteballs, der ikke kræver blockchain. Både Dagcoins og byteballs er igen baseret på DAG Directed Acrelic Graph ligesom 'tangle' i IOTA er. Lignende fordele ved IOTA gælder groft sagt for Dagcoins og byteballs, da disse alle overvinder nuværende begrænsninger af blockhain. 

Automatiseret maskinlæring

Der er selvfølgelig en bredere kontekst for automatisering, hvor næsten alle felter er mistænkte for, og ingen er fri for denne frygt for AI-apokalypse. Der er også en lysere side af automatisering, hvor den vil give mennesker mulighed for at udforske 'leg' i stedet for kun at arbejde. For en omfattende dækning, se denne artikel på futurism.com

På trods af den hype og herlighed, der er forbundet med kvantitative modelbyggere som dataforskere, aktuarer, kvanter og mange andre, står de over for en gåde, som automatiseret maskinintelligens søger at løse. Gåden er kløften mellem deres træning og det, de burde lave i forhold til, hvad de rent faktisk gør. Den dystre virkelighed bliver det meste af tiden taget af abearbejde (arbejde, som enhver abe kan udføre i stedet for et intellektuelt trænet og kompetent menneske) som gentagne opgaver, talknakning, sortering af data, udrensning af data, forstå det, dokumentere modellerne og anvender gentagne programmering (også regnearksmekanik) og god hukommelse til at forblive i kontakt med al den matematik. Det, de skal gøre, er at være kreative, producere handlingsorienteret indsigt, tale med andre interessenter for at skabe konkrete datadrevne resultater, analysere og komme med nye 'polymath'-løsninger til eksisterende problemer.

Automatiseret maskinintelligens (AML) sørger for at reducere denne enorme kløft. I stedet for at ansætte et team på 200 datavidenskabsmænd, kan en enkelt eller få dataforskere, der bruger AML, bruge hurtig modellering af flere modeller på samme tid, fordi det meste af arbejdet med maskinlæring allerede er automatiseret af AML, såsom undersøgende dataanalyse, funktionstransformationer, algoritmevalg, hyper parameter tuning og modeldiagnostik. Der er en række tilgængelige platforme som DataRobot, Googles AutoML, Driverless AI of H20, IBNR Robot, Nutonian, TPOT, Auto-Sklearn, Auto-Weka, Machine-JS, Big ML, Trifacta og Pure Predictive og så videre AML kan beregne snesevis af passende algoritmer på samme tid for at finde frem til optimale modeller i henhold til foruddefinerede kriterier. Uanset om det er deep learning-algoritmer eller streaming-algoritmer, er alle automatiserede pænt for at finde den optimale løsning, som er det, vi faktisk er interesseret i.

På denne måde frigør AML dataforskere til at være mere menneskelige og mindre cyborg-vulkan-menneskelige regnemaskiner. Maskiner delegeres til det, de er bedst til (gentagne opgaver, modellering), og mennesker uddelegeres til det, de er bedst til (at være kreative, producere handlingsorienteret indsigt for at drive forretningsmål, skabe nye løsninger og kommunikere dem). Jeg kan ikke sige nu, at 'vent først, lad mig blive ph.d. eller ekspert i Machine Learning om 10 år, og så vil jeg anvende disse modeller; verden bevæger sig for hurtigt nu, og det, der nu er relevant, bliver meget hurtigt forældet. Et hurtigt MOOC-baseret kursus og online læring giver langt mere mening nu i dagens eksponentielle samfund i stedet for den faste-en-karriere-i-livet, som tidligere generationer er vant til.

AML er nødvendig i M2M-økonomien, fordi algoritmer skal udvikles og implementeres let med kort tid. I stedet for at algoritmer kræver for mange eksperter, og de tager måneder at udvikle deres modeller, bygger AML bro over tidsgabet og giver mulighed for øget produktivitet ved at anvende AI til situationer, som var utænkelige før.

Fremtidens Insuretechs

For at gøre processen yderligere sømløs, smidig, robust, usynlig og så let som et barn at lege, bruges blockchain-teknologi med smarte kontrakter, der udfører sig selv, når betingelserne opfyldes. Denne nye P2P-forsikringsmodel gør op med traditionel præmiebetaling ved i stedet at bruge en digital tegnebog, hvor hvert medlem sætter deres præmie ind på en escrow-type konto, som kun kan bruges, hvis der fremsættes et krav. I denne model har ingen af ​​medlemmerne en eksponering større end det beløb, de har lagt i deres digitale tegnebøger. Hvis der ikke fremsættes krav, beholder alle digitale tegnebøger deres penge. Alle betalinger i denne model udføres ved hjælp af bitcoin, hvilket yderligere reducerer transaktionsomkostningerne. Teambrella hævder at være det første forsikringsselskab, der bruger denne model baseret på bitcoin. Teambrella er faktisk ikke alene. Der er mange blockchain-baserede startups, der retter sig mod peer-to-peer-forsikring og andre områder af menneskelig aktivitet. Nogle af dem er:

1. Etherisk
2. Insurepal
3. AIgang
4. Rega Life
5. Bit liv og tillid
6. Unity Matrix Commons

Der bliver således brugt en masse crowd visdom i dette som forsikringsselskabet 'Lærer af folket, planer med folket, Begynder med det, de har Og bygger på det, de ved'(Lao Tze).

I stedet for at en aktuar maksimerer profit for aktionærerne, sidder isoleret fra jordens virkelighed, mangler hud i spillet og har langt mindre adgang til bevidsthed (dvs. data) hos mennesker i forhold til deres jævnaldrende, giver denne peer-to-peer tilskuerne mulighed for og tap. ind i deres visdom (i stedet for visdom fra bøger), som er langt bedre. Der er heller ingen uretfærdig prissætning her som vurdering baseret på køn, prisoptimering, som opkræver dig højere, hvis du er mindre tilbøjelig til at skifte til et andet forsikringsselskab og omvendt. Det gigantiske forsikringsselskab kan ikke kende dig mere end dine jævnaldrende, så enkelt er det.

De samme peer-to-peer-forsikringer kan også udføres på ikke-blockchain-baserede distribuerede hovedbøger som IOTA, Dagcoins og Byteballs med yderligere teknologiske fordele ved disse nye hovedbøger i forhold til nuværende blockchain. Disse digitale tokeniserings-startups har løftet om radikalt at genopfinde forretningsmodeller, hvor transaktioner, pooling og næsten alt bliver gjort for fællesskabet og af fællesskabet på en automatiseret og fuldstændig troværdig måde uden undertrykkende mellemmænd som regeringer, kapitalistiske virksomheder, sociale institutioner og så videre. Peer to Peer-forsikring er kun en del af hele programmet.

Smarte kontrakter har indbyggede betingelser med sig, som automatisk udløses, når uheldet sker, og skader bliver betalt med det samme. Det enorme behov for arbejdskraft med høje kvalifikationer, men som i det væsentlige udfører kontorarbejde, fjernes helt for at opbygge en slank, selvstændig fremtidsorganisation. Den undertrykkende mellemmand af 'aktionærer' undgås, hvilket betyder, at forbrugernes interesser bliver varetaget ved at tilbyde bekvemmelighed, lave priser og god kundesupport. I denne peer to peer indstilling går fordelene til samfundet i stedet for aktionæren. IoT leverer hovedkilden til data til disse puljer for at udvikle protokoller, hvornår der skal frigives krav om betaling, og hvornår ikke. Den samme tokenisering betyder, at alle hvor som helst kan få adgang til forsikringspuljen i stedet for at være begrænset af geografi og regler.