Künstliche Intelligenz in der Risikobewertung und Underwriting-Unterstützung — Künstliche Intelligenz in der Versicherung

Gewinne:

Fähigkeit, die Beweisqualität und die Grenzen der Ausgabe zu bewerten, während die Antrags-, Erklärungs- und Gutachtendaten mit künstlicher Intelligenz zusammengefasst und die Risikofaktoren markiert werden
Möglichkeit zur Kreuzvalidierung der Ergebnisse künstlicher Intelligenz mit den Versicherungsbedingungen und dem Underwriting-Leitfaden bei Annahme-, Ablehnungs-, Zusatzprämien- und Ausnahmeentscheidungen
Sich darüber im Klaren sein, dass die Letztverantwortung für die Underwriting-Entscheidung beim zuständigen Underwriter liegt und das Diskriminierungsverbot zu beachten ist.

Das Underwriting ist das Herzstück der Versicherung: Es geht darum, das Risiko eines Antrags einzuschätzen und zu entscheiden, ob die Police zu welchen Konditionen, mit welchem Versicherungsschutz und zu welcher Prämie angenommen (oder abgelehnt) wird. Wenn der Underwriter (der kompetente Experte, der diese Entscheidung trifft) einen Antrag betrachtet, sucht er tatsächlich nach einer Antwort auf eine Frage: „Ist es fair und nachhaltig, dass das Unternehmen dieses Risiko zu diesem Preis und mit dieser Garantie eingeht?“ Um diese Frage zu beantworten, ist es notwendig, das Antragsformular, die Erklärung des Versicherten, das Gutachten, vergangene Schadensaufzeichnungen und Branchendaten gemeinsam zu lesen. Künstliche Intelligenz (Software, die Muster aus Daten lernt und Texte und Zusammenfassungen erstellt) erleichtert diese Belastung, „viele Dokumente gemeinsam zu lesen und zusammenzufassen“. Aber Vorsicht: Künstliche Intelligenz fasst das Risiko zusammen, sie übernimmt das Risiko nicht. Annahme-, Ablehnungs-, Zusatzbonus- und Ausnahmeentscheidungen tragen stets die Unterschrift des zuständigen Versicherers. In dieser Einheit erfahren Sie, wie Sie künstliche Intelligenz am Underwriting-Desk sicher einsetzen, wie Sie die Beweiskraft der Ergebnisse messen und wie Sie die Nichtdiskriminierung wahren.

Wo kommt künstliche Intelligenz im Underwriting zum Einsatz?

Eine Underwriting-Akte ist oft unübersichtlich: Formulare in verschiedenen Formaten, handausgefüllte Erklärungen, lange Beurteilungsberichte, Tabellen. Hier ist die künstliche Intelligenz am stärksten. Es beschleunigt sicher die folgenden Aufgaben:

Zusammenfassung des Dokuments: Reduzieren eines zehnseitigen Gutachtenberichts am Arbeitsplatz auf eine halbseitige Risikozusammenfassung für jeden einzelnen Punkt.
Risikofaktor-Kennzeichnung: Auflistung bemerkenswerter Punkte wie „Das Gebäude ist 45 Jahre alt, das Dach ist aus Holz, in der Nähe gibt es ein Tanklager.“
Erkennung fehlender/inkonsistenter Angaben: Zur Erkennung des Widerspruchs zwischen dem im Antrag angegebenen Baujahr und dem Jahr im Gutachten.
Generieren von Kontrollfragen: Erstellen einer Liste fehlender Informationen, die der Underwriter dem Kunden oder der Agentur stellen wird.

Was künstliche Intelligenz nicht kann, ist, das Risiko einzupreisen und die Akzeptanzentscheidung zu treffen. Der Satz „Dieses Risiko ist akzeptabel“ oder „Die Prämie sollte um 20 % erhöht werden“ ist eine versicherungstechnische Entscheidung; Grundlage hierfür sind der Underwriting-Leitfaden (das unternehmensinterne Dokument, in dem die Annahmeregeln festgelegt sind), der Tarifbescheid und die Allgemeinen Versicherungsbedingungen. Künstliche Intelligenz kann diese Entscheidung entwerfen, aber es ist der kompetente Underwriter, der die Entscheidung trifft und die Begründung unterzeichnet.

Achtung: Bei der durch künstliche Intelligenz vorgeschlagenen Prämien-, Deckungs- oder Annahmeentscheidung handelt es sich um eine Prognose, nicht um ein Urteil. Ohne Gegenüberprüfung mit dem Underwriting-Leitfaden und den Versicherungsbedingungen wird keine Empfehlung in die Police aufgenommen.

Bewertung der Beweisqualität der Ausgabe

Wenn KI einen Risikofaktor meldet, handelt es sich um einen Anspruch; kein Beweis. Ein guter Underwriter prüft jeden Schadensfall anhand von drei Fragen:

Auf welchem Dokument basiert diese Behauptung? Wenn die künstliche Intelligenz sagte: „Die Brandgefahr ist hoch“, aus welcher Expertenbeobachtung leitete sie dies ab? Wenn keine Quelle vorhanden ist, kann sie erfunden werden.
Gehört der Anspruch zu dieser Akte oder handelt es sich um eine allgemeine Annahme? KI fügt manchmal allgemeine Informationen hinzu, wie zum Beispiel „an solchen Arbeitsplätzen normalerweise…“; Die allgemeine Wahrheit ist in dieser Datei möglicherweise nicht gültig.
Kann die Behauptung überprüft werden? Das Alter des Gebäudes kann anhand der Eigentumsurkunde und die Schadenshistorie anhand der SBM-Abfrage (Insurance Information and Monitoring Center) bestätigt werden. Benutzen Sie keine Behauptung, die nicht geltend gemacht werden kann, als Grundlage für eine Entscheidung.

Tipp: Fügen Sie immer den folgenden Satz in die Eingabeaufforderung ein: „Geben Sie das Dokument/die Seite an, auf der/der jeder Anspruch basiert.“ Eine Behauptung, die keine Quellenangabe enthält, landet ganz oben auf Ihrer Verifizierungsliste.

Schritt für Schritt: Künstliche Intelligenz unterstützter Underwriting-Ablauf

Kontext anonymisieren. Entfernen Sie den Namen, die ID-Nummer, die Versicherungsnummer und die Kontaktinformationen des Antragstellers. sachliches Äquivalent ersetzen.
Laden Sie Dokumente hoch und fordern Sie eine Zusammenfassung an. Extrahieren Sie das Risikoproblem, herausragende Faktoren und Mängel anhand der Dokumentenreferenz.
Machen Sie aus Ihren Risikofaktoren eine Checkliste. Verwandeln Sie jedes von der künstlichen Intelligenz markierte Element in eine zu bestätigende Frage.
Überprüfen Sie dies anhand des Underwriting-Leitfadens. Überprüfen Sie das Handbuch auf Akzeptanzkriterien, Kapazitätsgrenzen und obligatorische Ausschlüsse.
Berechnen Sie die Prämie selbständig. Machen Sie Ihre eigenen Berechnungen mit der Tarifnotiz und der technischen Prämientabelle; Nehmen Sie niemals direkt die von der künstlichen Intelligenz vorgegebene Zahl.
Schreiben Sie die Entscheidung und ihre Begründung auf. Halten Sie Ihren Annahme-/Ablehnungs-/Zuschlags-/Ausnahmeentscheid unter Angabe der zugrunde liegenden Regelung fest.

drei Mini-Koffer

Fall 1 – Erkennen der Inkonsistenz. Der in einem Wohnungspaket-Richtlinienantrag angegebene Gebäudewert betrug 2.400.000 TL und im Bewertungsbericht 3.900.000 TL. In ihrer Zusammenfassung stellte die KI diese beiden Zahlen gegenüber und warnte, dass „die Wertaussage inkonsistent ist.“ Dank dieser Warnung erkannte der Underwriter das Risiko einer Unterversicherung (proportionale Zahlung im Schadensfall, wenn das Gebäude unter seinem tatsächlichen Wert versichert ist) und erstellte ein Angebot auf der Grundlage des korrekten Wertes. Die KI hat die Entscheidung nicht getroffen; machte die Inkonsistenz sichtbar.

Fall 2 – Verweigerung der Versöhnung. In einer Versandversicherungsakte schrieb die KI einen genauen Satz mit der Aussage: „Für die Ware gilt der Standard-Frachtversicherungssatz von 0,15 %.“ Der Versicherer öffnete die Tarifnote: Für diese Warenklasse und Route gab es keinen solchen Festpreis; Die künstliche Intelligenz hatte den Preis wettgemacht. Der Underwriter hat seine Tarife selbst berechnet; Das Ergebnis betrug 0,28 %. Ohne das unabhängige Konto würde die Prämie erheblich nicht ausgeschöpft werden.

Fall 3 – Diskriminierungsfalle. In einer Nutzfahrzeugflottenanwendung schlug künstliche Intelligenz den Fahrern „einen zusätzlichen Bonus vor, weil die Nachbarschaft, in der sie leben, riskant ist“. Der Versicherer verneinte dies: Die Region des Wohnsitzes könnte eine Proxy-Variable sein, die mit geschützten Merkmalen wie der ethnischen Zugehörigkeit in Verbindung gebracht wird, was zu indirekter Diskriminierung führt. Der Bonus basierte auf legitimen, vertretbaren Kriterien wie der tatsächlichen Schadenhistorie und dem Fahrprofil des Fahrers.

Vier kopierbare Eingabeaufforderungen

1) Zusammenfassung des Anwendungsrisikos:

Sie sind Underwriting-Assistent für gewerbliche Versicherungen. Fassen Sie den folgenden anonymisierten Bewerbungs- und Beurteilungstext zusammen:[Text einfügen]Ausgabe:1. Risikoproblem (kurz)2. Wichtige Risikofaktoren (Artikel für Artikel, jeweils Dokument-/Seitenverweis)3. Unvollständige oder inkonsistente Informationen4. Fragen, die der Underwriter dem Kunden/der Agentur stellen wird, um eine Annahme-/Ablehnungs- oder Bonusentscheidung zu treffen. Erfinden Sie nicht den Tarif, bei dem Sie sich nicht sicher sind. Schreiben Sie „nicht im Dokument“.

2) Vergleichen Sie es mit dem Underwriting-Leitfaden:

Nachfolgend finden Sie eine Risikoübersicht und die relevanten Artikel unseres Underwriting-Leitfadens. Risikozusammenfassung: [einfügen] Richtlinien: [einfügen] Aufgabe: Ordnen Sie jeden Risikofaktor in der Zusammenfassung dem relevanten Richtlinienpunkt zu. Markieren Sie unter einer gesonderten Überschrift die Punkte, die gemäß der Richtlinie eine zwingende Ausnahme, Zusatzbedingung oder Kapazitätsgrenze erfordern. Ich werde entscheiden; Du passt einfach zusammen.

3) Fehlendes Dokument und Inkonsistenzbrowser:

Suchen Sie nach Widersprüchen oder Auslassungen in den Dokumenten in der folgenden Bewerbungsdatei: [Dokumente einfügen] Achten Sie auf Konsistenz, insbesondere in den folgenden Bereichen: Wertangabe, Bau-/Produktionsjahr, Verwendungszweck, Adresse, Schadenshistorie. Zeigen Sie die widersprüchlichen Zahlen nebeneinander und notieren Sie, aus welchem Dokument sie stammen.

4) Begründung des Entscheidungsentwurfs (nach Überprüfung):

ENTWURF einer Underwriting-Entscheidungsbegründung auf der Grundlage der folgenden überprüften Informationen: [überprüfte Risikofaktoren, angewandte Regel, berechnete Prämie] Ton: formell, klar, nicht diskriminierend. Basieren Sie die Entscheidung auf legitimen Risikokriterien; Verwenden Sie keine geschützten Attribute (Geschlecht, Herkunft, Nachbarschaft usw.). Dies ist ein Entwurf; Die endgültige Entscheidung und Unterschrift liegt beim Underwriter.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwach: „Berechnen Sie die entsprechende Prämie für diesen Antrag und sagen Sie uns, ob wir ihn annehmen sollen.“

Problem: Es wird eine direkte Red-Zone-Entscheidung (Bonus + Akzeptanz) beantragt. Da künstliche Intelligenz keine Tarife kennt, erhebt sie Tarife; Keine Quelle, kein Limit und keine Überprüfung.

Stark: „Verhalten Sie sich wie ein Underwriting-Assistent. Fassen Sie den anonymisierten Antrag mit Dokumentenreferenzen zusammen, heben Sie Risikofaktoren und Mängel hervor. Treffen Sie keine Bonus- oder Annahmeentscheidung, sondern listen Sie nur die zu prüfenden Fragen auf.“

Warum es gut ist: Die Aufgabe bleibt im gelben Bereich, die Ausgabe ist überprüfbar, die Entscheidung liegt beim Underwriter.

Vergleichstabelle

Suche

Schafft künstliche Intelligenz das?

Wer entscheidet?

Überprüfung

Zusammenfassung des Dokuments

Ja (Entwurf)

Underwriter liest

Dokumentreferenz

Risikofaktormarkierung

Ja (Empfehlung)

Der Underwriter bestätigt

Quelldokument

Erkennung fehlender/Inkonsistenzen

Der Underwriter bewertet

interdokumentarisch

Premium-Konto

Nein

Aktuar/Underwriter

Tarifvermerk, unabhängige Abrechnung

Annahme-/Ablehnungsentscheidung

Nein

kompetenter Underwriter

Leitfaden + Versicherungsbedingungen

Häufige Fehler

Den Bonus der künstlichen Intelligenz direkt nutzen. Ein Model, das den Tarif nicht kennt, erhebt die Tarife; Berechnen Sie die Prämie immer selbst.
Den Risikofaktor ohne Quelle akzeptieren. Es wird nicht gefragt, auf welcher Expertenbeobachtung die Behauptung „hohes Brandrisiko“ beruht.
Mit einer Ersatzvariablen diskriminieren. Zusätzliche Bonusvorschläge basierend auf Nachbarschaft, Name oder Herkunft anwenden, ohne zu hinterfragen.
Allgemeine Informationen mit Faktendatei verwechseln. Ich denke, dass der Satz „An solchen Arbeitsplätzen normalerweise...“ zu dieser Datei gehört.
Protokollierung der Entscheidung ohne Begründung. Sie können die Frage „Auf welche Regel haben Sie sich verlassen?“ nicht beantworten. während der Prüfung.

Zusammenfassend

Beim Underwriting fasst künstliche Intelligenz das Dokument zusammen, markiert den Risikofaktor, erkennt Auslassungen und Inkonsistenzen und generiert eine Kontrollfrage; aber es bewertet nicht das Risiko und trifft keine Akzeptanzentscheidung. Filtern Sie jede Ausgabe nach Quelle, Dateikontext und Überprüfbarkeit. die Prämie selbstständig berechnen; Treffen Sie die Annahme-/Ablehnungsentscheidung auf der Grundlage des Underwriting-Leitfadens und der Versicherungsbedingungen. Behalten Sie das Diskriminierungsverbot bei: Die Entscheidung muss auf legitimen, nachvollziehbaren Risikokriterien basieren. Die letztendliche Verantwortung liegt beim zuständigen Underwriter.

Anwendungsaufgabe

Erhalten Sie eine echte (aber zu Testzwecken anonymisierte) Referenzdatei. Erstellen Sie eine Risikozusammenfassung mit der Eingabeaufforderung Nummer 1 oben. Versuchen Sie dann, die Quelle jedes von der KI im Dokument gekennzeichneten Risikofaktors zu finden: Wie viele basieren auf einer echten Dokumentbasis, wie viele sind Annahmen? Notieren Sie die Ergebnisse in einer Tabelle und notieren Sie, was Sie bei „nicht bezogenen Ansprüchen“ getan haben.

Checkliste

[ ] Ich habe den Anwendungskontext anonymisiert.
[ ] Ich habe die Risikozusammenfassung mit Dokumentenreferenz angefordert; Ich habe gesagt: „Entscheide dich nicht“.
[ ] Ich habe die Quelle jedes Risikofaktors im Dokument bestätigt.
[ ] Die Prämie habe ich mit der Tarifnote selbstständig berechnet.
[ ] Ich habe die Annahme-/Ablehnungsentscheidung auf der Grundlage des Underwriting-Leitfadens und der Versicherungsbedingungen getroffen.
[ ] Ich habe die diskriminierenden/Ersatzvariablenvorschläge aussortiert und sie auf legitime Kriterien gestützt.
[ ] Ich habe die Entscheidung und ihre Begründung protokolliert.