المكاسب:
- القدرة على التمييز بين مكان سير العمل الاكتواري (إعداد البيانات، وإنشاء الكود، وصياغة التقارير، وتفسير السيناريوهات) حيث يوفر الذكاء الاصطناعي الوقت الفعلي ولماذا تُترك قرارات مثل العلاوة/المخصص/رأس المال للخبير الاكتواري المختص، اعتمادًا على مستوى مخاطر المهمة.
- القدرة على تطبيق نظام يتحقق من كل مخرجات الذكاء الاصطناعي من خلال خطوات ربطها بالمصدر الإجرائي وإعادة الحساب المستقل واختبارها بالاستدلال الاكتواري.
- إخفاء هوية السياسة والأضرار والبيانات الصحية ضمن نطاق KVKK/الخصوصية واكتساب عادة اختيار المركبات الآمنة التي لا تستخدم البيانات في التدريب النموذجي
في شركة التأمين أو المعاشات التقاعدية، يتم إنتاج مئات الأرقام المستقبلية كل شهر: ما هو مقدار القسط الذي يجب أن ندفعه مقابل هذه المجموعة من السياسات؟ ما مقدار الأضرار الماضية التي لم يتم الإبلاغ عنها بعد؟ ما هي قيمة المعاشات التي سندفعها اليوم بعد 30 سنة؟ إذا جاءت سنة سيئة، فهل ستنجو الشركة؟ المهنة التي تجيب على كل هذه الأسئلة هي الخبير الاكتواري. الخبير الاكتواري هو متخصص يقوم بقياس وتسعير وإعداد تقارير عن مخاطر التأمين والتقاعد باستخدام الاحتمالات والإحصائيات والرياضيات المالية؛ ويؤثر كل رقم تنتجه بشكل مباشر على التوازن المالي للشركة وحقوق المؤمن له وثقة المدقق. وهنا يأتي دور الذكاء الاصطناعي.
الذكاء الاصطناعي (AI، أو AI للاختصار - أنظمة الكمبيوتر التي يمكنها إنشاء نص، وكتابة التعليمات البرمجية، والتعرف على الأنماط، وتلخيص البيانات مثل البشر) يقلل من الأجزاء المتكررة والمستهلكة للوقت من العمل الاكتواري إلى دقائق: كتابة كود تنظيف البيانات، وترجمة الحساب إلى لغة بايثون، وصياغة تقرير اكتواري، وشرح التوزيع المعقد بلغة واضحة. ومع ذلك، يمكن لنفس الذكاء الاصطناعي أيضًا تكوين رقم موثوق مثل "معدل الضرر الخاص بك هو 8 بالمائة" دون رؤية بياناتك على الإطلاق. الوحدة الأولى من هذه الوحدة ليست مقدمة برمجية؛ والغرض منه هو توضيح مكان وضع الذكاء الاصطناعي في عملك الاكتواري وأين لا يجب وضعه على الإطلاق.
دعونا نوضح المبدأ الأساسي من البداية: الذكاء الاصطناعي هو مساعد، وليس خبيرًا اكتواريًا. المسؤولية والموافقة النهائية على القرارات المالية الحاسمة مثل الأقساط والمخصصات (الاحتياطيات) ورأس المال والالتزامات تعود إلى الخبير الاكتواري المختص والمعين والمفوض بالتوقيع. يعد مخرجات الذكاء الاصطناعي التي لم يتم التحقق منها محفوفة بالمخاطر مثل التقرير الاكتواري غير الموقع.
طبقات الأعمال الاكتوارية ومكان الذكاء الاصطناعي
إن فصل العمل الاكتواري إلى ثلاث طبقات يجعل من السهل وضع الذكاء الاصطناعي بشكل صحيح. الطبقة الفنية/الحسابية هي المكان الذي يتم فيه إنشاء الرقم: معالجة البيانات، وبناء النماذج، ومحاسبة الأقساط والاحتياطي. طبقة الاستدلال هي المكان الذي يتم فيه تفسير الرقم: أي الافتراضات يجب اختيارها، وعامل التحسين الذي يجب تصحيحه يدويًا، ومدى ثقتنا في هذا التقدير. طبقة المسؤولية هي المكان الذي يتم فيه التوقيع: يذهب التقرير إلى الجهة التنظيمية، ويتم تقديم القرار إلى الإدارة، والخبير الاكتواري هو المالك القانوني للنتائج. الذكاء الاصطناعي قوي جدًا في الطبقة الأولى، وهو مساعد فقط في الطبقة الثانية، وليس على الإطلاق في الطبقة الثالثة.
دعونا نحدد بعض المصطلحات الأساسية من البداية. القسط هو الثمن الذي يدفعه المؤمن له مقابل المخاطرة. الضرر (المطالبة) هو الضرر الذي يلحق بالمؤمن له وتدفعه الشركة. المخصص/الاحتياطي هو الأموال المخصصة اليوم للمطالبات المستحقة الدفع في المستقبل. المسؤولية هي القيمة الحالية لديون الشركة المستقبلية لحاملي وثائق التأمين. التعرض هو الوحدة التي تقيس حجم المخاطر (على سبيل المثال، مركبة مؤمنة لمدة سنة واحدة = سنة مركبة واحدة). وسنشرح هذه المفاهيم واحدًا تلو الآخر في الوحدات التالية؛ في الوقت الحالي، اعرف ما يلي: يمنحك الذكاء الاصطناعي المخطط والرمز والتحليل لكل هذه المفاهيم، لكنك تنتج الإصدار النهائي والتوقيع.
يلخص الجدول التالي دور الذكاء الاصطناعي ومستوى مخاطره حسب المهمة:
كويست
دور الذكاء الاصطناعي
مستوى المخاطر
من يوافق
تنظيف/ترميز البيانات
مولد الكود
منخفض
اكتواري / محلل بيانات
تقرير ومسودة ملخصة
مولد رسم
منخفض
اكتواري
وصف التوزيع/الطريقة
تعليمي، تلخيصي
منخفض
اكتواري
نموذج شدة تكرار الضرر
منشئ النموذج، مسودة
متوسطة
خبير اكتواري كبير
IBNR / حساب الاحتياطي
مسودة الحساب
عالية
الخبير الاكتواري المسؤول
التسعير / التعريفة
رسم نموذجي
عالية
اكتواري التسعير + الامتثال
رأس المال (SCR) / المسؤولية
المدخلات المساعدة
عالية جدا
تعيين اكتواري + إدارة
ضع في اعتبارك سطرًا واحدًا في هذا الجدول: مع ارتفاع المخاطر، يتقلص دور الذكاء الاصطناعي وتنمو الموافقة الاكتوارية.
لماذا "التحقق" هو جوهر هذا العمل
تبدو نماذج لغة الذكاء الاصطناعي واثقة من إجابتها، لكنها قد لا تكون متأكدة. في اللغة التقنية، يُسمى هذا الهلوسة: وهي تلفيق النموذج لمعلومات غير موجودة في جملة سلسة، تمامًا كما لو كانت صحيحة. بالنسبة لخبير اكتواري، هذا فخ مميت. قد يُنتج لك النموذج رقمًا مثل "نسبة الخسارة/الأقساط لهذه المحفظة هي 72 بالمائة"؛ ومع ذلك، فهو لم ير بياناتك مطلقًا وهذا الرقم مختلق بالكامل. أو قد يقول اسم جدول الوفيات "TRH-2020"؛ ومع ذلك، لا يوجد مثل هذا الجدول. وبما أنه يقول كلاهما بنفس الطلاقة، فإن الشيء الوحيد الذي يفصل بين الصواب والخطأ هو معرفتك الاكتوارية وعادتك في التحقق.
يتكون نظام التحقق من ثلاث خطوات:
- رابط الطريقة والمصدر: اعتمد على بياناتك الخاصة ومصادرك الرسمية للأرقام، وليس على ذاكرة الذكاء الاصطناعي. خذ خلاصة الذكاء الاصطناعي كنقطة انطلاق للصيغ والتوزيعات والمقالات التنظيمية؛ ثم تأكد من المصادر الاكتوارية القياسية (الكتاب المدرسي، النص التشريعي، إجراءات المؤسسة). استخدم الذكاء الاصطناعي لتفسير البيانات، وليس لتذكرها.
- إعادة الحساب المستقلة: تحقق بشكل مستقل من كل نتيجة رقمية ومعامل ونسبة ينتجها الذكاء الاصطناعي. قم بإعادة إنتاج القيمة الحالية أو عامل النمو أو الإجمالي بنفسك أو باستخدام جدول بيانات تم التحقق منه.
- الاختبار باستخدام الحكم الاكتواري: اختبار بعين خبيرة لمعرفة ما إذا كانت المخرجات تتعارض مع الحقائق على أرض الواقع (سلوك المحفظة، التضخم، التشريعات، الخبرة السابقة). "لماذا جاء هذا العامل على أنه 1.45 وليس 1.05؟" اطرح السؤال دائمًا.
تنبيه: التوقيع على الرقم الاحتياطي أو جدول الأقساط الذي يصدره الذكاء الاصطناعي دون التحقق منه يشبه نشر تقرير اكتواري غير موقع. فقط لأن الإخراج سلس ومنظم ليس دقيقًا.
الخصوصية: بيانات السياسة والأضرار هي بيانات خاصة
تتضمن بيانات السياسة والمطالبات معلومات الهوية والاتصال والصحة والمعلومات المالية. بعض هذه الفئات خاصة من البيانات الشخصية ضمن نطاق KVKK (قانون حماية البيانات الشخصية) في تركيا واللائحة العامة لحماية البيانات في أوروبا؛ وعلى وجه الخصوص، تخضع المعلومات التشخيصية في مجال التأمين الصحي والتأمين على الحياة لأعلى مستويات الحماية. يعد لصق اسم المؤمن عليه ورقم معرف TR ورقم البوليصة والتشخيص على مركبة عامة تعمل بالذكاء الاصطناعي انتهاكًا خطيرًا. تنطبق نفس الحساسية على بيانات المحفظة التي تمثل أسرارًا تجارية (جداول الأقساط، توزيعات الخسائر، شروط إعادة التأمين).
القاعدة بسيطة: قم بإخفاء هوية البيانات ولا تشاركها بشكل غير ضروري. "ذكر يبلغ من العمر 54 عامًا، لديه تاريخ مرضي في القلب" بدلاً من "أحمد يلماز، 54 عامًا، السياسة 88213-2024، احتشاء عضلة القلب"؛ مشاركة الجداول المجمعة/الملخصة بدلاً من السجلات الفردية. يتم إجراء معظم التحليلات الاكتوارية باستخدام البيانات المجمعة بالفعل (الفئة العمرية، ونوع التغطية، وسنة التطوير)؛ وهذا يحمي السرية ويبسط التحليل. إذا أمكن، اختر أدوات الشركة التي لديها اتفاقية معالجة بيانات ولا تستخدم بياناتك في التدريب النموذجي.
نصيحة: في العمل الاكتواري، غالبًا ما يُعطى الذكاء الاصطناعي جدولًا ملخصًا/مجمعًا بدلاً من السجل الأولي. جدول مثل "الجدول 3: الفئة العمرية × التغطية × متوسط الضرر" لا يحتوي على بيانات شخصية، ولكن كل ما هو مطلوب للتحليل.
ثلاث حالات صغيرة
الحالة 1 - الاستخدام الآمن والفعال. سيقضي الخبير الاكتواري المساعد يومين في تنظيف 40000 سطر من بيانات المطالبات يدويًا. وأوضح بنية البيانات (أسماء الأعمدة، على سبيل المثال 5 صفوف مجهولة) للذكاء الاصطناعي وطلب رمز تنظيف بايثون. أنتج الذكاء الاصطناعي مسودة كود في 15 دقيقة؛ قرأ الخبير الاكتواري الكود سطرًا تلو الآخر، وأصلح خطأين منطقيين (كان لا بد من فحص الأضرار السلبية بشكل منفصل بدلاً من حذفها)، وقام بتشغيله على بياناته الخاصة. المدة: نصف يوم بدلاً من يومين. قام الذكاء الاصطناعي بكتابة الرمز، وقام الخبير الاكتواري بفحصه وتشغيله.
الحالة 2 - فخ الرقم الذي لم يتم التحقق منه. سأل أحد الموظفين YZ: "ما هي النسبة المجمعة لفرع التأمين لدينا؟" وقد أعطى الذكاء الاصطناعي بثقة رقما "حوالي 104 بالمائة" على الرغم من أنه لم يتمكن من الوصول إلى أي بيانات. وقد وضع الموظف ذلك في عرض الإدارة الخاص به؛ وكان المعدل الفعلي 97 بالمائة. أدى هذا الاختلاف إلى تصوير الفرع المربح على أنه خسارة وقرار غير صحيح لزيادة الأسعار. خطأ: انتظار مؤشر من الذكاء الاصطناعي دون إعطاء البيانات له.
الحالة 3 - خرق السرية. قام أحد الخبراء الاكتواريين بتحميل ملف Excel يحتوي على الاسم الكامل للمتقدمين للتأمين على الحياة وهويتهم وإقرارهم الصحي في أداة عامة للذكاء الاصطناعي وقال "ضع علامة على الأشخاص الخطرين". ذهبت البيانات إلى خادم خارجي. نشأت مراجعة KVKK ومخاطر السمعة. وكانت الطريقة الصحيحة هي إزالة الاسم والمعرف ومشاركة العمر والجنس ومبلغ التغطية وعوامل الخطر المجهولة فقط.
موجه ضعيف / موجه قوي
حث ضعيف:
أخبرنا بمعدل خسارة محفظتنا هذا العام والقسط المناسب.
هذا الادعاء معيب: لا يتم إعطاء الذكاء الاصطناعي أي بيانات، لذلك يمكنه فقط الإجابة على سؤال "التكرار" و"القسط" بأرقام مختلقة. ما فرع، ما الفترة، ما هو التعرض واضح.
مطالبة قوية:
دورك: مساعد تحليل يساعد خبيرًا اكتواريًا. المهمة: ساعدني في تفسير الجدول الإجمالي المجهول أدناه. البيانات (التأمين، 2024، بدون مقاطعة/اسم): - التعرض: 12400 سنة مركبة - عدد المطالبات: 1612 - إجمالي المطالبات المدفوعة: 48900000 TLI تريد: 1) ابحث عن تكرار الضرر (العدد / التعرض) وحساب متوسط خطورة الضرر، وإظهار الصيغة.2) احسب علاوة المخاطرة (التكرار × الخطورة).3) اكتب الخطوات الوسيطة حتى أتمكن من التحقق من كل رقم يدويًا. فقط استخدم الأرقام التي أعطيتك إياها. إذا كان هناك أي شيء مفقود، اسأل.
يعد هذا الطلب قويًا لأنه يوفر البيانات بشكل مجهول، ويتطلب صيغًا، ويتطلب خطوات وسيطة، ويحظر التصنيع.
الأخطاء الشائعة
- السؤال عن الأرقام دون إعطاء البيانات. الذكاء الاصطناعي لا يحتفظ بمحفظتك في ذاكرته؛ كل رقم يعطيه مزيف. قم أولاً بتقديم بيانات مجهولة المصدر، ثم اطلب حسابًا.
- التوقيع على المخرجات دون التحقق منها. إن الرسم البياني المرن والمنظم لا يعني أنه دقيق. إعادة إنتاج كل رقم بشكل مستقل.
- لصق البيانات الشخصية في شكلها الخام. لا تتم مشاركة الاسم ورقم الهوية ورقم السياسة والتشخيص مطلقًا. إخفاء هوية واستخدام المجاميع.
- السماح للذكاء الاصطناعي باختيار الطريقة وعدم التشكيك فيها. "ما هي الطريقة التي يجب أن أستخدمها؟" جواب السؤال هو اقتراح؛ يقع الاختيار النهائي على الحكم الاكتواري والتشريعات.
- الخلط بين الذكاء الاصطناعي ومصدر التشريع. يمكن للنموذج أن يشكل مواد التشريعات وأسماء الجداول. تأكيد من النص الرسمي.
باختصار
يعد الذكاء الاصطناعي بمثابة مساعد قوي يعمل على تسريع الأجزاء الفنية والمتكررة من العمل الاكتواري؛ يكتب التعليمات البرمجية، وينتج المسودات، ويشرح. لكن مسؤولية قرارات الأقساط والمخصصات ورأس المال والالتزامات تقع على عاتق الخبير الاكتواري المختص. يتم التحقق من صحة كل مخرجات من خلال ثلاث خطوات: الارتباط بالطريقة/المصدر، وإعادة الحساب المستقل، والاختبار باستخدام المنطق الاكتواري. يتم دائمًا إخفاء هوية البيانات ولا تتم مشاركة البيانات غير الضرورية. يعد مخرجات الذكاء الاصطناعي التي لم يتم التحقق منها محفوفة بالمخاطر مثل التقرير غير الموقع.
مهمة التطبيق
اختر الفرع الذي تعمل فيه (أو تفترض). قم بإعداد جدول مصغر ومجمع ومجهول بالكامل لهذا الفرع (التعرض، عدد المطالبات، إجمالي الأضرار). قم بتكييف "الموجه القوي" أعلاه مع جدولك الخاص وقم بإعطائه لأداة الذكاء الاصطناعي. قم بإعادة حساب تكرار العودة وشدتها وعلاوة المخاطر يدويًا (باستخدام الآلة الحاسبة) ومقارنتها بنتيجة الذكاء الاصطناعي. إذا وجدت فرقا، لاحظ السبب.
قائمة مرجعية
- [ ] هل البيانات التي أقدمها للذكاء الاصطناعي مجهولة ومجمعة؟ هل هناك أي معلومات شخصية/خاصة؟
- [ ] هل قمت بإعادة حساب كل ناتج رقمي بشكل مستقل؟
- [ ] هل أخذت اختيار الطريقة/الافتراض كاقتراح وقررت ذلك بنفسي؟
- [ ] هل تأكدت من التشريعات والمراجع الجدولية من المصدر الرسمي؟
- [ ] هل أعرف ما إذا كانت الأداة التي أستخدمها تستخدم البيانات في نموذج التدريب؟
- [ ] هل هذا الناتج هو مسودة، أم أنني تعاملت معه عن طريق الخطأ على أنه نهائي؟