মূল্য নির্ধারণ এবং অ্যাকচুয়ারিয়াল বিশ্লেষণ সমর্থনে কৃত্রিম বুদ্ধিমত্তা

লাভ:

• কৃত্রিম বুদ্ধিমত্তা সহ ক্ষতির ফ্রিকোয়েন্সি, ক্ষতির তীব্রতা এবং প্রিমিয়াম পর্যাপ্ততার মতো অ্যাকচুয়ারিয়াল ধারণাগুলি ব্যাখ্যা করার এবং একটি বিশ্লেষণের খসড়া প্রস্তুত করার ক্ষমতা
• মূল্য নির্ধারণের মডেল আউটপুট, ডেটা গুণমান এবং স্বাধীন অ্যাকাউন্টিং এবং অ্যাকচুয়ারিয়াল নীতিগুলির বিরুদ্ধে অনুমান পরীক্ষা করার ক্ষমতা
• বোঝার ক্ষমতা যে চূড়ান্ত শুল্ক এবং প্রযুক্তিগত বিধানের সিদ্ধান্তগুলি যোগ্য অভিযুক্তদের দায়িত্ব এবং কৃত্রিম বুদ্ধিমত্তা শুধুমাত্র একটি সমর্থন সরঞ্জাম

বীমা মূল্য একটি কাকতালীয় নয়; এটি গাণিতিকভাবে গণনা করা হয়। অ্যাকচুয়ারি (বীমার দক্ষতার ক্ষেত্র যা সম্ভাব্যতা এবং পরিসংখ্যান দিয়ে ঝুঁকি পরিমাপ করে এবং প্রিমিয়াম, বিধান এবং কভারেজের ভারসাম্য প্রতিষ্ঠা করে) এই প্রশ্নের উত্তর দেয় "এই ঝুঁকিটি আমাদের গড়ে কত খরচ করবে এবং আমরা কীভাবে এটি একটি ন্যায্য প্রিমিয়াম দিয়ে কভার করতে পারি?" অ্যাকচুয়ারি (যোগ্য বিশেষজ্ঞ যিনি এই গণনাটি করেন এবং আইনগতভাবে দায়ী) ক্ষতির ডেটা, প্রবণতা এবং অনুমানগুলিকে একত্রিত করে এবং শুল্ক (মূল্য স্কেল) এবং প্রযুক্তিগত বিধান (ভবিষ্যত দাবির জন্য আলাদা করে রাখা অর্থ) নির্ধারণ করে। কৃত্রিম বুদ্ধিমত্তা (সফ্টওয়্যার যা ডেটা থেকে প্যাটার্ন শিখে এবং পাঠ্য, বর্ণনা এবং রূপরেখা তৈরি করে) এই ভারী বিশ্লেষণমূলক কাজে একটি শক্তিশালী সহায়ক: ধারণাগুলি ব্যাখ্যা করা, ডেটা সংক্ষিপ্ত করা, খসড়া বিশ্লেষণ, কোড এবং সূত্র প্রস্তাব করা। কিন্তু বাস্তবিক সিদ্ধান্ত একটি স্বাক্ষর এবং দায়িত্ব বহন করে; কৃত্রিম বুদ্ধিমত্তা এই স্বাক্ষর করতে পারে না। এই ইউনিটে, আপনি শিখবেন কীভাবে কৃত্রিম বুদ্ধিমত্তার সাহায্যে মৌলিক অ্যাকচুয়ারিয়াল ধারণাগুলি ব্যাখ্যা এবং বিশ্লেষণ করতে হয় এবং কীভাবে স্বাধীন গণনা এবং অ্যাচুয়ারিয়াল নীতিগুলির বিরুদ্ধে আউটপুট পরীক্ষা করা যায়।

মৌলিক ধারণা: ফ্রিকোয়েন্সি, তীব্রতা এবং প্রিমিয়াম পর্যাপ্ততা

তিনটি ধারণা মূল্যের মেরুদণ্ড গঠন করে:

• দাবির ফ্রিকোয়েন্সি: একটি নির্দিষ্ট সময়ের মধ্যে প্রতি পলিসি (বা ইউনিট) দাবির সংখ্যা। উদাহরণস্বরূপ, যদি প্রতি বছর 1,000টি গাড়ি বীমা পলিসিতে 45টি দাবি থাকে, তাহলে ফ্রিকোয়েন্সি 0.045 (অর্থাৎ 4.5%)।
• ক্ষয়ক্ষতির তীব্রতা: দাবী প্রতি প্রদত্ত গড় পরিমাণ। একই পোর্টফোলিওতে 45টি ক্ষতির জন্য মোট 3,150,000 TL প্রদান করা হলে, তীব্রতা 70,000 TL।
• প্রত্যাশিত ক্ষতি খরচ (ঝুঁকি প্রিমিয়াম): ফ্রিকোয়েন্সি × তীব্রতা। উদাহরণে, 0.045 × 70,000 = 3,150 TL। এটি পলিসি প্রতি প্রত্যাশিত বিশুদ্ধ ক্ষতির খরচ; যখন খরচ, কমিশন এবং লাভের মার্জিন যোগ করা হয় তখন গ্রস প্রিমিয়াম গঠিত হয়।
• প্রিমিয়াম পর্যাপ্ততা: সংগৃহীত প্রিমিয়াম প্রত্যাশিত ক্ষয়ক্ষতি এবং খরচ মেটানোর জন্য যথেষ্ট কিনা। অপর্যাপ্ত বোনাস কোম্পানিকে লোকসানে ফেলে; অত্যধিক প্রিমিয়াম অপ্রতিযোগিতামূলক এবং অন্যায্য মূল্য তৈরি করে।

AI এই ধারণাগুলি ব্যাখ্যা করতে, একটি ডেটা সেট থেকে একটি ফ্রিকোয়েন্সি/তীব্রতার সারাংশ বের করতে এবং বিশ্লেষণের ধাপগুলিকে রূপরেখা করতে খুব কার্যকর। যাইহোক, আপনাকে অবশ্যই সর্বদা সংখ্যাসূচক ফলাফল পুনরায় গণনা করতে হবে।

টিপ: কৃত্রিম বুদ্ধিমত্তা থাকলে "সংখ্যাসূচক উদাহরণ সহ একটি বাস্তবিক ধারণা ব্যাখ্যা করা, যেন এটি একটি 10 ​​তম শ্রেণীর ছাত্রকে ব্যাখ্যা করা" দলগত প্রশিক্ষণে এবং গ্রাহককে এটি ব্যাখ্যা করার ক্ষেত্রে উভয়ই খুব কার্যকর। কিন্তু সংখ্যা পরীক্ষা করুন: এমনকি মডেল গুণন এটি ভুল পেতে পারে.

অ্যাকচুরিয়ালে কৃত্রিম বুদ্ধিমত্তা কোথায় দাঁড়ায়

অ্যাকচুয়ারিতে লাল রেখাটি স্পষ্ট: চূড়ান্ত শুল্ক, প্রযুক্তিগত বিধান এবং প্রিমিয়াম পর্যাপ্ততার সিদ্ধান্তটি উপযুক্ত অ্যাকচুয়ারির দায়িত্ব। AI নিম্নলিখিত কাজগুলিতে সাহায্য করে: ধারণার স্পষ্টীকরণ, ডেটা সারাংশ, অনুসন্ধানমূলক বিশ্লেষণের রূপরেখা, সূত্র/কোড পরামর্শ, ফলে পাঠ্য পাঠযোগ্য করে তোলে। এটি নিম্নলিখিত বিষয়ে চূড়ান্ত বলতে পারে না: ট্যারিফ অনুমোদন করা, বিধানের পর্যাপ্ততা ঘোষণা করা, অনুমানকে চূড়ান্ত হিসাবে গ্রহণ করা। কারণ এই সিদ্ধান্তগুলি কোম্পানির আর্থিক স্বাস্থ্য এবং গ্রাহকের ন্যায্য মূল্যের অধিকার উভয়কেই সরাসরি প্রভাবিত করে এবং এটি আইনের অধীন (SEDDK - বীমা এবং ব্যক্তিগত পেনশন নিয়ন্ত্রণ এবং তত্ত্বাবধান সংস্থার প্রবিধান)।

মনোযোগ: কৃত্রিম বুদ্ধিমত্তা দ্বারা প্রস্তাবিত একটি শুল্ক বা হার ডেটা গুণমান এবং অনুমানের স্বাধীন পরীক্ষা ছাড়া প্রকাশ করা হবে না। একটি ভুল অনুমান (যেমন মুদ্রাস্ফীতির প্রভাব উপেক্ষা করা) পুরো পোর্টফোলিওকে ক্ষতির পথে ফেলতে পারে।

ধাপে ধাপে: খসড়া এআই-সমর্থিত অ্যাকচুয়ারিয়াল বিশ্লেষণ

1. বেনামী এবং তথ্য সনাক্ত. কোন ব্যক্তিগত তথ্য; শুধুমাত্র একত্রিত সংখ্যা। নির্দিষ্ট সময়কাল, পোর্টফোলিও এবং সমান্তরাল প্রকার।
2. ধারণা এবং পদ্ধতি স্পষ্ট করুন। ফ্রিকোয়েন্সি/তীব্রতা বিশ্লেষণের ধাপগুলি রূপরেখা করতে AI-কে বলুন।
3. প্রশ্ন ডেটার গুণমান। অনুপস্থিত ডেটা, আউটলিয়ার, পিরিয়ড অমিল, আইবিএনআর (দাবি এখনও রিপোর্ট করা হয়নি) এর কোন প্রভাব আছে কি?
4. অনুমানগুলি স্পষ্টভাবে লিখুন। মুদ্রাস্ফীতি, প্রবণতা, উন্নয়নের কারণগুলি কি অনুমানের উপর ভিত্তি করে?
5. স্বাধীনভাবে ফলাফল গণনা. আপনার নিজস্ব স্প্রেডশীট দিয়ে ফ্রিকোয়েন্সি, তীব্রতা এবং ঝুঁকি প্রিমিয়াম পুনরুত্পাদন করুন।
6. বাস্তবিক নীতির সাথে পরীক্ষা করুন এবং নিশ্চিত করুন। প্রিমিয়াম পর্যাপ্ততা, ন্যায্যতা এবং আইনের পরিপ্রেক্ষিতে একজন যোগ্য অ্যাকচুয়ারি মূল্যায়ন করে এবং লক্ষণ প্রকাশ করে।

তিনটি মিনি কেস

কেস 1 - ভুল অনুমান ধরা। একজন সহকারী অভিযুক্ত অটোমোবাইল বীমা ট্যারিফের জন্য কৃত্রিম বুদ্ধিমত্তা থেকে একটি খসড়া বিশ্লেষণ পেয়েছেন। কৃত্রিম বুদ্ধিমত্তা বিগত 3 বছরের গড় ক্ষতির তীব্রতা 62,000 TL হিসাবে নিয়েছে এবং ঝুঁকির প্রিমিয়াম গণনা করেছে। অ্যাকচুয়ারি বুঝতে পেরেছিলেন যে বর্তমান মূল্যস্ফীতির জন্য সহিংসতা সামঞ্জস্য করা হয়নি: বর্তমান যানবাহন মেরামতের খরচ সহ, সহিংসতা আসলে ~$89,000 ছিল। এই সংশোধন ঝুঁকি প্রিমিয়াম 43% বৃদ্ধি করেছে। স্বাধীন নিয়ন্ত্রণ ছাড়া, ট্যারিফ গুরুতরভাবে অপর্যাপ্ত হবে।

কেস 2 - আউটলারের বিকৃতি। একটি পোর্টফোলিওতে মোট 500টি ক্ষতির পরিমাণ 40,000,000 TL বলে মনে হয়েছে; কিন্তু এর মধ্যে 22,000,000 TL একটি একক বড় অগ্নিকাণ্ডের কারণে হয়েছে। কৃত্রিম বুদ্ধিমত্তা গড় সহিংসতার সংক্ষিপ্তসার হিসাবে 80,000 TL। অ্যাকচুয়ারি এই একক বড় ক্ষতি আলাদাভাবে মূল্যায়ন করেছেন (কারণ এটি প্রতি বছর পুনরাবৃত্তি হয় না); "স্বাভাবিক" ক্ষতির গড় ছিল ~36,000 TL। আউটলায়ার আলাদা করা শুল্ককে বাস্তবসম্মত করেছে।

কেস 3 - জাস্টিস চেক। একটি স্বাস্থ্য বীমা মূল্য নির্ধারণ প্রকল্পে, কৃত্রিম বুদ্ধিমত্তা একটি নির্দিষ্ট বয়স গোষ্ঠীর জন্য খুব বেশি বৃদ্ধির প্রস্তাব দেয়। অ্যাকচুয়ারি দেখতে পান যে সুপারিশটি শুধুমাত্র একটি ছোট এবং গোলমালের নমুনা থেকে এসেছে (স্বল্প সংখ্যক দাবি); এটা পরিসংখ্যানগতভাবে নির্ভরযোগ্য ছিল না। অধিকন্তু, এটি আইন দ্বারা প্রয়োজনীয় ন্যায্য মূল্য নীতির বিরুদ্ধে ছিল। অ্যাকচুয়ারি প্রথমে আরও বিস্তৃত ডেটা সহ একটি নির্ভরযোগ্যতা গণনা করেছে এবং তারপর একটি সিদ্ধান্ত নিয়েছে।

চারটি অনুলিপিযোগ্য প্রম্পট

1) ধারণার ব্যাখ্যা (প্রশিক্ষণ/গ্রাহকের জন্য):

একজন অ্যাকচুয়ারিয়াল প্রশিক্ষকের মতো কাজ করুন। "ক্ষতির ফ্রিকোয়েন্সি", "ক্ষতির তীব্রতা" এবং "ঝুঁকির প্রিমিয়াম" এর ধারণাগুলি ধাপে ধাপে একটি একক সংখ্যাসূচক উদাহরণের সাথে ব্যাখ্যা করুন (যেমন 1,000 পলিসি, 45টি দাবি, 3,150,000 TL মোট অর্থপ্রদান)। প্রতিটি ধাপে সূত্র এবং মধ্যবর্তী ফলাফল দেখান। সহজ এবং বোধগম্য ভাষা ব্যবহার করুন।

2) বিশ্লেষণ খসড়া কঙ্কাল:

নিম্নলিখিতগুলি সমষ্টিগত দাবির ডেটার জন্য ফ্রিকোয়েন্সি-তীব্রতা বিশ্লেষণের ধাপগুলিকে রূপরেখা দেয় (ব্যক্তিগত ডেটা ছাড়া): [পর্যায়কাল, নীতির সংখ্যা, দাবির সংখ্যা, মোট অর্থপ্রদান]প্রতিটি ধাপে: কী গণনা করা হয় তা নির্দিষ্ট করুন, কী অনুমান প্রয়োজন, ডেটা মানের কী ঝুঁকি বিদ্যমান (অনুপস্থিত ডেটা, আউটলায়ার, IBNR-এ)। আমি সংখ্যাসূচক ফলাফল পুনরায় গণনা করব; আপনি পদ্ধতি সেট আপ করুন।

3) ডেটা গুণমান এবং অনুমান প্রশ্নকর্তা:

একজন সিনিয়র অ্যাকচুয়ারির দৃষ্টিকোণ থেকে নিম্নলিখিত খসড়া বিশ্লেষণের সমালোচনা করুন: [খসড়া পেস্ট করুন] জিজ্ঞাসা করুন: মুদ্রাস্ফীতির জন্য সহিংসতা সামঞ্জস্য করা হয়েছে? বহিরাগতদের সরানো হয়েছিল? নমুনা নির্ভরযোগ্য? আইবিএনআর কি বিবেচনায় নেওয়া হয়েছিল? প্রবণতা অনুমান কি? সংশোধনের জন্য একটি পরামর্শ সহ প্রতিটি দুর্বলতা "ঝুঁকি" এর অধীনে তালিকাভুক্ত করুন।

4) ফলাফল পাঠ্য সরলীকরণ:

নিম্নলিখিত যাচাইকৃত বিশ্লেষণের ফলাফলকে একজন ম্যানেজারের জন্য একটি সাধারণ এক্সিকিউটিভ সারাংশে রূপান্তর করুন যিনি একজন অ্যাকচুয়ারি নন: [ফলাফল পেস্ট করুন] নম্বর পরিবর্তন করবেন না, নতুন সংখ্যা যোগ করুন। স্পষ্টভাবে রাষ্ট্র অনিশ্চয়তা এবং অনুমান. দ্রষ্টব্য যোগ করুন: "চূড়ান্ত ট্যারিফ সিদ্ধান্তটি উপযুক্ত অ্যাকচুয়ারির অনুমোদন সাপেক্ষে।"

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল: "এই ডেটা দিয়ে গাড়ির বীমা প্রিমিয়াম গণনা করুন এবং ট্যারিফ লিখুন।"

সমস্যা: সরাসরি ট্যারিফ (রেড জোন) অনুরোধ করা হয়েছে; কোন অনুমান, কোন তথ্য গুণমান এবং কোন বৈধতা. মডেল শোরগোল তথ্য থেকে অবিশ্বস্ত হার ফিট.

শক্তিশালী: "ফ্রিকোয়েন্সি-তীব্রতা বিশ্লেষণের ধাপগুলি খসড়া করুন; প্রতিটি ধাপে অনুমান এবং ডেটা গুণমানের ঝুঁকি নির্দিষ্ট করুন। আমি সংখ্যাসূচক ফলাফল গণনা করব। ট্যারিফ সিদ্ধান্ত নেবেন না।"

কেন এটি ভাল: AI পদ্ধতিটি প্রতিষ্ঠা করে, অ্যাকচুয়ারি গণনা এবং সিদ্ধান্ত রাখে; অনুমান দৃশ্যমান হয়ে ওঠে।

তুলনা চার্ট

পদক্ষেপ

এআই ভূমিকা

অভিনয় ভূমিকা

ঝুঁকি

ধারণার ব্যাখ্যা

ব্যাখ্যা করে, উদাহরণ দেয়

নির্ভুলতা নিশ্চিত করে

ভুল উদাহরণ

ডেটা সারাংশ

সমষ্টি

উৎস পরীক্ষা করে

বাহ্যিক বিকৃতি

অনুমান তালিকা

সুপারিশ করে

গ্রহণ/প্রত্যাখ্যান

অনুপস্থিত/ভুল অনুমান

ঝুঁকি প্রিমিয়াম গণনা

খসড়া সূত্র

স্বাধীন অ্যাকাউন্ট

অ্যাকাউন্ট ত্রুটি

ট্যারিফ/বিধানের সিদ্ধান্ত

-

সিদ্ধান্ত এবং লক্ষণ

অপর্যাপ্ত প্রিমিয়াম

সাধারণ ভুল

• সরাসরি কৃত্রিম বুদ্ধিমত্তার নম্বর পাওয়া। মডেল এমনকি গুণ/সংযোজন ভুল করতে পারে; প্রতিটি ফলাফল পুনরায় গণনা করুন।
• মুদ্রাস্ফীতি এড়িয়ে যাওয়া এবং প্রবণতা সংশোধন। অতীতের সহিংসতাকে বর্তমানের মধ্যে না এনে শুল্ক স্থাপন করা পোর্টফোলিওকে ক্ষতিগ্রস্ত করবে।
• গড় সঙ্গে outlier মিশ্রিত. একটি বড় ক্ষতি পুরো ট্যারিফকে বিভ্রান্ত করে; আলাদাভাবে মূল্যায়ন করুন।
• ছোট নমুনার উপর নির্ভর করে। অল্প সংখ্যক ক্ষতির অনুপাত নির্ভরযোগ্য নয়; একটি ঋণযোগ্যতা গণনা প্রয়োজন.
• ন্যায়বিচারকে উপেক্ষা করে। পরিসংখ্যানগত গোলমালের উপর ভিত্তি করে একটি গোষ্ঠীকে একটি অন্যায্য বৃদ্ধি প্রস্তাব করা আইন বিরোধী।

সংক্ষেপে

বাস্তবিক কাজে, কৃত্রিম বুদ্ধিমত্তা ধারণাগুলি ব্যাখ্যা করে, ডেটা সংক্ষিপ্ত করে, বিশ্লেষণের রূপরেখা দেয় এবং সূত্রের পরামর্শ দেয়; কিন্তু এটি ট্যারিফ, বিধান এবং প্রিমিয়াম পর্যাপ্ততার বিষয়ে সিদ্ধান্ত নেয় না। ফ্রিকোয়েন্সি, তীব্রতা এবং ঝুঁকি প্রিমিয়ামের ধারণাগুলি সঠিকভাবে ব্যবহার করুন; প্রশ্ন ডেটা গুণমান (আউটলার, আইবিএনআর, মুদ্রাস্ফীতি, নমুনা নির্ভরযোগ্যতা); প্রতিটি সংখ্যা স্বাধীনভাবে গণনা করুন; অনুমানগুলি স্পষ্টভাবে লিখুন। চূড়ান্ত সিদ্ধান্তটি উপযুক্ত অভিযুক্তের দায়িত্ব এবং এটি SEDDK প্রবিধান সাপেক্ষে।

আবেদন টাস্ক

আপনার কাছে থাকা ক্ষতির ডেটা সেট থেকে কৃত্রিম বুদ্ধিমত্তা সহ ফ্রিকোয়েন্সি এবং তীব্রতার সারাংশ তৈরি করুন (পরীক্ষার উদ্দেশ্যে, একত্রিত)। তারপর একটি স্প্রেডশীটে নিজেই একই গণনা করুন। দুটি ফলাফলের মধ্যে পার্থক্য লক্ষ্য করুন; যদি একটি পার্থক্য থাকে, তাহলে কারণটি খুঁজুন (স্ফীতি, আউটলিয়ার, ভুল গুণ)। প্রম্পট #3 দিয়ে আপনার অনুমানগুলির সমালোচনা করুন এবং কমপক্ষে দুটি ডেটা মানের ঝুঁকি চিহ্নিত করুন।

চেকলিস্ট

• [ ] আমি শুধুমাত্র একত্রিত, অ-ব্যক্তিগত ডেটা ব্যবহার করেছি।
• আমি নিজেই ফ্রিকোয়েন্সি, তীব্রতা এবং ঝুঁকির প্রিমিয়াম পুনরায় গণনা করেছি।
• [] আমি মুদ্রাস্ফীতি/প্রবণতা সংশোধন প্রয়োগ করেছি।
• আমি আলাদাভাবে আউটলিয়ারদের মূল্যায়ন করেছি।
• আমি নমুনার নির্ভরযোগ্যতা নিয়ে প্রশ্ন তুলেছি।
• [ ] আমি অনুমানগুলি পরিষ্কারভাবে লিখেছি।
• [ ] আমি চূড়ান্ত ট্যারিফ/বিধানের সিদ্ধান্তটি উপযুক্ত অ্যাকচুয়ারির অনুমোদনের উপর ছেড়ে দিয়েছি।