Κέρδη:
- Δυνατότητα αξιολόγησης της ποιότητας των αποδεικτικών στοιχείων και του ορίου του αποτελέσματος συνοψίζοντας τα δεδομένα αίτησης, δήλωσης και εμπειρογνωμοσύνης με τεχνητή νοημοσύνη και επισήμανση των παραγόντων κινδύνου
- Δυνατότητα αλληλοεπικύρωσης της παραγωγής τεχνητής νοημοσύνης με όρους πολιτικής και οδηγό αναδοχής σε αποφάσεις αποδοχής, απόρριψης, πρόσθετων ασφαλίστρων και εξαιρέσεις
- Να είναι σε θέση να κατανοήσει ότι την τελική ευθύνη για την απόφαση αναδοχής φέρει ο αρμόδιος ανάδοχος και ότι πρέπει να τηρηθεί η απαγόρευση των διακρίσεων.
Η αναδοχή είναι η καρδιά της ασφάλισης: είναι η δουλειά της αξιολόγησης του κινδύνου μιας αίτησης και της απόφασης αποδοχής (ή απόρριψης) του συμβολαίου με ποιους όρους, με ποια κάλυψη και με ποιο ασφάλιστρο. Όταν ο Ανάδοχος (ο αρμόδιος εμπειρογνώμονας που λαμβάνει αυτή την απόφαση) εξετάζει μια αίτηση, στην πραγματικότητα αναζητά μια απάντηση σε μια ερώτηση: "Είναι δίκαιο και βιώσιμο για την εταιρεία να αναλάβει αυτόν τον κίνδυνο, σε αυτή την τιμή, με αυτήν την εγγύηση;" Για να απαντήσετε σε αυτό το ερώτημα, είναι απαραίτητο να διαβάσετε το έντυπο αίτησης, τη δήλωση του ασφαλισμένου, την έκθεση πραγματογνωμοσύνης, προηγούμενα αρχεία ζημιών και δεδομένα του κλάδου μαζί. Η τεχνητή νοημοσύνη (λογισμικό που μαθαίνει μοτίβα από δεδομένα και παράγει κείμενο και περιλήψεις) απαλύνει αυτό το βάρος της «ανάγνωσης και σύνοψης πολλών εγγράφων μαζί». Προσοχή όμως: η τεχνητή νοημοσύνη συνοψίζει τον κίνδυνο, δεν αναλαμβάνει τον κίνδυνο. Οι αποφάσεις αποδοχής, απόρριψης, πρόσθετου μπόνους και εξαίρεσης φέρουν πάντα την υπογραφή του αρμόδιου αναδόχου. Σε αυτή την ενότητα, θα μάθετε πώς να χρησιμοποιείτε με ασφάλεια την τεχνητή νοημοσύνη στο γραφείο αναδοχής, πώς να μετράτε την αποδεικτική αξία του προϊόντος και πώς να διατηρείτε τη μη διάκριση.
Πού είναι χρήσιμη η τεχνητή νοημοσύνη στην αναδοχή;
Ένα αρχείο αναδοχής είναι συχνά ακατάστατο: φόρμες σε διαφορετικές μορφές, χειρόγραφες δηλώσεις, εκτενείς εκθέσεις αξιολόγησης, πίνακες. Εδώ η τεχνητή νοημοσύνη βρίσκεται στο πιο δυνατό της σημείο. Επιταχύνει με ασφάλεια τις ακόλουθες εργασίες:
- Σύνοψη εγγράφου: Μείωση μιας δεκασέλιδης έκθεσης εμπειρογνωμοσύνης στον χώρο εργασίας σε μισή σελίδα, ανά στοιχείο περίληψη κινδύνου.
- Σήμανση παράγοντα κινδύνου: Αναφέρετε αξιοσημείωτα σημεία όπως "Το κτίριο είναι 45 ετών, η οροφή είναι ξύλινη, υπάρχει αποθήκη καυσίμων σε κοντινή απόσταση".
- Ανίχνευση πληροφοριών που λείπουν/ασυνεπείς: Για τον εντοπισμό της αντίφασης μεταξύ του έτους κατασκευής που δηλώνεται στην αίτηση και του έτους στην έκθεση πραγματογνωμοσύνης.
- Δημιουργία ερωτήσεων ελέγχου: Δημιουργία λίστας πληροφοριών που λείπουν που θα ζητήσει ο Ανάδοχος στον πελάτη ή την εταιρεία.
Αυτό που δεν κάνει η τεχνητή νοημοσύνη είναι να τιμολογήσει τον κίνδυνο και να πάρει την απόφαση αποδοχής. Η πρόταση "Αυτός ο κίνδυνος είναι αποδεκτός" ή "το ασφάλιστρο θα πρέπει να αυξηθεί κατά 20%" είναι μια απόφαση αναδοχής. Θα πρέπει να βασίζεται στον οδηγό αναδοχής (εσωτερικό έγγραφο της εταιρείας που καθορίζει τους κανόνες αποδοχής), το τιμολόγιο και τους γενικούς όρους της πολιτικής. Η τεχνητή νοημοσύνη μπορεί να συντάξει αυτήν την απόφαση, αλλά ο αρμόδιος ανάδοχος είναι αυτός που λαμβάνει την απόφαση και υπογράφει το σκεπτικό.
Προσοχή: Η απόφαση πριμοδότησης, κάλυψης ή αποδοχής που προτείνεται από την τεχνητή νοημοσύνη είναι μια πρόβλεψη και όχι μια ετυμηγορία. Καμία σύσταση δεν θα συμπεριληφθεί στην πολιτική χωρίς διασταυρούμενη επαλήθευση με τον οδηγό αναδοχής και τους όρους της πολιτικής.
Αξιολόγηση της αποδεικτικής ποιότητας του προϊόντος
Όταν η τεχνητή νοημοσύνη επισημαίνει έναν παράγοντα κινδύνου, είναι ισχυρισμός. όχι απόδειξη. Ένας καλός ασφαλιστής εξετάζει κάθε αξίωση με τρεις ερωτήσεις:
- Σε ποιο έγγραφο βασίζεται αυτός ο ισχυρισμός; Εάν η τεχνητή νοημοσύνη έλεγε ότι «ο κίνδυνος πυρκαγιάς είναι υψηλός», από ποια παρατήρηση ειδικών το έβγαλε αυτό; Εάν δεν υπάρχει πηγή, μπορεί να δημιουργηθεί.
- Η αξίωση ανήκει σε αυτό το αρχείο ή είναι γενική υπόθεση; Η τεχνητή νοημοσύνη μερικές φορές προσθέτει γενικές πληροφορίες, όπως "σε αυτούς τους τύπους χώρων εργασίας, συνήθως...". Η γενική αλήθεια μπορεί να μην ισχύει σε αυτό το αρχείο.
- Μπορεί να επαληθευτεί η αξίωση; Η ηλικία του κτιρίου μπορεί να επιβεβαιωθεί από τον τίτλο ιδιοκτησίας και το ιστορικό ζημιών μπορεί να επιβεβαιωθεί από το ερώτημα SBM (Insurance Information and Monitoring Center). Μην χρησιμοποιείτε έναν ισχυρισμό που δεν μπορεί να γίνει ως βάση για μια απόφαση.
Συμβουλή: Να συμπεριλαμβάνετε πάντα την ακόλουθη πρόταση στην προτροπή: "αναφέρετε το έγγραφο/σελίδα στην οποία βασίζεται κάθε αξίωση." Μια αξίωση που δεν αναφέρει πηγές πηγαίνει στην κορυφή της λίστας επαλήθευσης.
Βήμα προς βήμα: Ροή αναδοχής που υποστηρίζεται από τεχνητή νοημοσύνη
- Ανωνυμοποίηση περιβάλλοντος. Καταργήστε το όνομα, τον αριθμό ταυτότητας, τον αριθμό πολιτικής και τα στοιχεία επικοινωνίας του αιτούντος. αντικαταστήσει το πραγματικό ισοδύναμο.
- Ανεβάστε έγγραφα και ζητήστε μια περίληψη. Εξάγετε το ζήτημα κινδύνου, τους σημαντικούς παράγοντες και τις ελλείψεις με αναφορά εγγράφου.
- Μετατρέψτε τους παράγοντες κινδύνου σας σε μια λίστα ελέγχου. Μετατρέψτε κάθε στοιχείο που επισημαίνεται από την τεχνητή νοημοσύνη σε ερώτηση προς επιβεβαίωση.
- Διασταυρώστε την επαλήθευση με τον οδηγό αναδοχής. Ελέγξτε το εγχειρίδιο για κριτήρια αποδοχής, όρια χωρητικότητας και υποχρεωτικές εξαιρέσεις.
- Υπολογίστε το ασφάλιστρο ανεξάρτητα. Κάντε τους δικούς σας υπολογισμούς με τη σημείωση τιμολογίων και τον πίνακα τεχνικής πριμοδότησης. Ποτέ μην παίρνετε απευθείας τον αριθμό που δίνει η τεχνητή νοημοσύνη.
- Καταγράψτε την απόφαση και το σκεπτικό της. Καταγράψτε την απόφαση αποδοχής/απόρριψης/πρόσθετου ασφάλιστρου/εξαίρεσης, αναφέροντας τον κανόνα στον οποίο βασίζεται.
τρεις μίνι θήκες
Περίπτωση 1 — Λήψη της ασυνέπειας. Η αξία δόμησης που δηλώθηκε σε αίτηση πολιτικής για πακέτο στέγασης ήταν 2.400.000 TL και στην έκθεση εκτίμησης ήταν 3.900.000 TL. Στην περίληψή του, το AI έβαλε αυτούς τους δύο αριθμούς δίπλα-δίπλα και προειδοποίησε ότι «η δήλωση αξίας είναι ασυνεπής». Χάρη σε αυτή την προειδοποίηση, ο Ανάδοχος αντιλήφθηκε τον κίνδυνο υποασφάλισης (αναλογική πληρωμή σε περίπτωση ζημιάς εάν το κτίριο είναι ασφαλισμένο κάτω από την πραγματική του αξία) και ετοίμασε μια προσφορά με βάση τη σωστή αξία. Το AI δεν πήρε την απόφαση. έκανε ορατή την ασυνέπεια.
Περίπτωση 2 — Άρνηση αναπλήρωσης. Σε ένα αρχείο ασφάλισης αποστολής, το AI έγραψε έναν ακριβή συντελεστή λέγοντας ότι «το τυπικό ποσοστό ασφάλισης φορτίου 0,15% ισχύει για το εμπόρευμα». Ο ασφαλιστής άνοιξε την τιμολογιακή σημείωση: δεν υπήρχε τέτοιος σταθερός συντελεστής για αυτήν την κατηγορία εμπορευμάτων και τη διαδρομή. Η τεχνητή νοημοσύνη είχε διαμορφώσει το ποσοστό. Ο ανάδοχος έκανε τον δικό του υπολογισμό επιτοκίων. Το αποτέλεσμα ήταν 0,28%. Χωρίς τον ανεξάρτητο λογαριασμό, το ασφάλιστρο θα υποχρησιμοποιούνταν σοβαρά.
Περίπτωση 3 — Παγίδα διακρίσεων. Σε μια εφαρμογή στόλου επαγγελματικών οχημάτων, η τεχνητή νοημοσύνη πρότεινε στους οδηγούς «πρόσθετο μπόνους επειδή η γειτονιά στην οποία ζουν είναι επικίνδυνη». Ο ασφαλιστής το αρνήθηκε αυτό: η περιοχή κατοικίας μπορεί να είναι μια μεταβλητή μεσολάβησης που σχετίζεται με προστατευμένα χαρακτηριστικά όπως η εθνικότητα, δημιουργώντας έμμεσες διακρίσεις. Το μπόνους βασίστηκε σε νόμιμα, δικαιολογημένα κριτήρια, όπως το πραγματικό ιστορικό αξιώσεων των οδηγών και το προφίλ οδήγησης.
Τέσσερα μηνύματα με δυνατότητα αντιγραφής
1) Περίληψη κινδύνου εφαρμογής:
Είστε βοηθός εμπορικής ασφάλισης. Συνοψίστε το ακόλουθο ανώνυμα κείμενο εφαρμογής και αξιολόγησης:[επικόλληση κειμένου]Έξοδος:1. Θέμα κινδύνου (σύντομη)2. Εξέχοντες παράγοντες κινδύνου (άρθρο προς άρθρο, αναφορά σε έγγραφο/σελίδα σε καθένα)3. Ελλιπείς ή ασυνεπείς πληροφορίες4. Ερωτήσεις που θα κάνει ο ανάδοχος στον πελάτη/πρακτορείο ΚΑΝΟΝΤΑΣ μια απόφαση αποδοχής/απόρριψης ή μπόνους. Μην κάνετε το ποσοστό για το οποίο δεν είστε σίγουροι. Γράψτε "όχι στο έγγραφο".
2) Διασταυρώστε τον οδηγό Underwriting:
Ακολουθεί μια περίληψη κινδύνου και τα σχετικά άρθρα του οδηγού αναδοχής μας. Περίληψη κινδύνου: [επικόλληση]Οδηγίες: [επικόλληση]Εργασία: Αντιστοιχίστε κάθε παράγοντα κινδύνου στη σύνοψη με το σχετικό κατευθυντήριο στοιχείο. Σημειώστε σε ξεχωριστή επικεφαλίδα τα σημεία που απαιτούν υποχρεωτική εξαίρεση, πρόσθετη προϋπόθεση ή όριο χωρητικότητας σύμφωνα με την οδηγία. θα αποφασίσω? απλά ταιριάζεις.
3) Λείπει έγγραφο και πρόγραμμα περιήγησης ασυνέπειας:
Σαρώστε για αντιφάσεις ή παραλείψεις μεταξύ των εγγράφων στο ακόλουθο αρχείο εφαρμογής: [επικόλληση εγγράφων]Αναζητήστε συνέπεια, ειδικά στους ακόλουθους τομείς: δήλωση αξίας, έτος κατασκευής/παραγωγής, χρήση για την οποία προορίζεται, διεύθυνση, ιστορικό ζημιών. Δείξτε τους αντικρουόμενους αριθμούς δίπλα-δίπλα και σημειώστε από ποιο έγγραφο προέρχονται.
4) Το σκεπτικό του σχεδίου απόφασης (μετά από επαλήθευση):
ΣΧΕΔΙΟ λογικής απόφασης αναδοχής με βάση τις ακόλουθες επαληθευμένες πληροφορίες: [επαληθευμένοι παράγοντες κινδύνου, εφαρμοσμένος κανόνας, υπολογισμένο ασφάλιστρο] Τόνος: επίσημος, σαφής, χωρίς διακρίσεις. Να βασιστεί η απόφαση σε κριτήρια θεμιτού κινδύνου. μην χρησιμοποιείτε προστατευμένα χαρακτηριστικά (φύλο, καταγωγή, γειτονιά κ.λπ.). Αυτό είναι ένα προσχέδιο. Η τελική απόφαση και η υπογραφή ανήκει στον ανάδοχο.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο: "Υπολογίστε το κατάλληλο ασφάλιστρο για αυτήν την εφαρμογή και πείτε μας αν πρέπει να το αποδεχτούμε."
Πρόβλημα: Ζητείται άμεση απόφαση για την κόκκινη ζώνη (μπόνους + αποδοχή). Εφόσον η τεχνητή νοημοσύνη δεν γνωρίζει τιμολόγια, καθορίζει τους συντελεστές. καμία πηγή, κανένα όριο και καμία επαλήθευση.
Δυνατό: "Φέρτε σαν βοηθός αναδοχής. Συνοψίστε την ανώνυμη εφαρμογή με αναφορές εγγράφων, επισημάνετε τους παράγοντες κινδύνου και τις ελλείψεις. Μην πάρετε μπόνους ή απόφαση αποδοχής, απλώς αναφέρετε τις ερωτήσεις που θέλετε να ελέγξετε."
Γιατί είναι καλό: Η εργασία διατηρείται στην κίτρινη ζώνη, η έξοδος είναι ελεγχόμενη, η απόφαση παραμένει στον ανάδοχο.
γράφημα σύγκρισης
Αναζήτηση
Το κάνει η τεχνητή νοημοσύνη;
Ποιος αποφασίζει;
επαλήθευση
Περίληψη εγγράφου
Ναι (πρόχειρο)
Ανάδοχος διαβάζει
Αναφορά εγγράφου
Σήμανση παράγοντα κινδύνου
Ναι (σύσταση)
Επιβεβαιώνει ο ανάδοχος
Έγγραφο πηγής
Ανίχνευση έλλειψης/ασυνέπειας
Ναι
Ο ανάδοχος αξιολογεί
διαντοκιμαντέρ
λογαριασμός premium
όχι
Αναλογιστής/αναδοχέας
Τιμολόγιο, ανεξάρτητος λογαριασμός
Απόφαση αποδοχής/απόρριψης
όχι
αρμόδιος ανάδοχος
Οδηγός + όροι πολιτικής
Συνήθη λάθη
- Απευθείας χρήση του μπόνους που δίνει η τεχνητή νοημοσύνη. Ένα μοντέλο που δεν γνωρίζει το τιμολόγιο συνθέτει τις τιμές. Υπολογίζετε πάντα το ασφάλιστρο ανεξάρτητα.
- Αποδοχή του παράγοντα κινδύνου χωρίς πηγή. Χωρίς να ρωτάμε σε ποια παρατήρηση εμπειρογνωμόνων βασίζεται ο ισχυρισμός "υψηλού κινδύνου πυρκαγιάς".
- Διακρίσεις με υποκατάστατη μεταβλητή. Εφαρμογή πρόσθετων προτάσεων μπόνους με βάση τη γειτονιά, το όνομα ή την καταγωγή χωρίς αμφισβήτηση.
- Λάθος γενικών πληροφοριών για αρχείο γεγονότων. Νομίζοντας ότι η φράση «Σε τέτοιους χώρους εργασίας συνήθως...» ανήκει σε αυτό το αρχείο.
- Καταγραφή της απόφασης χωρίς αιτιολόγηση. Δεν μπορείτε να απαντήσετε στην ερώτηση "σε ποιον κανόνα βασιστήκατε;" κατά τον έλεγχο.
Συνοπτικά
Κατά την αναδοχή, η τεχνητή νοημοσύνη συνοψίζει το έγγραφο, επισημαίνει τον παράγοντα κινδύνου, εντοπίζει παραλείψεις και ασυνέπειες και δημιουργεί μια ερώτηση ελέγχου. αλλά δεν τιμολογεί τον κίνδυνο και δεν παίρνει απόφαση αποδοχής. Φιλτράρετε κάθε έξοδο για πηγή, περιβάλλον αρχείου και επαληθευσιμότητα. να υπολογίσει ανεξάρτητα το ασφάλιστρο. Λάβετε την απόφαση αποδοχής/απόρριψης με βάση τον οδηγό αναδοχής και τους όρους της πολιτικής. Διατηρήστε την απαγόρευση των διακρίσεων: η απόφαση πρέπει να βασίζεται σε θεμιτά, εξηγήσιμα κριτήρια κινδύνου. Την τελική ευθύνη φέρει ο αρμόδιος ανάδοχος.
Εργασία εφαρμογής
Αποκτήστε ένα πραγματικό (αλλά για δοκιμαστικούς σκοπούς, ανώνυμα) αρχείο αναφοράς. Δημιουργήστε μια σύνοψη κινδύνου με τον αριθμό 1 παραπάνω. Στη συνέχεια, προσπαθήστε να βρείτε την πηγή κάθε παράγοντα κινδύνου που επισημαίνεται από το AI στο έγγραφο: πόσοι έχουν μια πραγματική βάση εγγράφων, πόσες είναι υποθέσεις; Σημειώστε τα αποτελέσματα σε έναν πίνακα και σημειώστε τι κάνατε για "αξίωση χωρίς πηγή".
λίστα ελέγχου
- [ ] Ανωνυμοποίησα το πλαίσιο της εφαρμογής.
- [ ] Ζήτησα τη σύνοψη κινδύνου με αναφορά εγγράφου. Έδωσα εντολή «μην αποφασίζεις».
- [ ] Επιβεβαίωσα την πηγή κάθε παράγοντα κινδύνου στο έγγραφο.
- [ ] Υπολόγισα το ασφάλιστρο ανεξάρτητα με το τιμολόγιο.
- [ ] Πήρα την απόφαση αποδοχής/απόρριψης με βάση τον οδηγό αναδοχής και τους όρους της πολιτικής.
- [ ] Έχω εξαλείψει τις μεροληπτικές/υποκατάστατες προτάσεις μεταβλητών και τις στήριξα σε νόμιμα κριτήρια.
- [ ] Κατέγραψα την απόφαση και την αιτιολόγησή της.