Integrasi End-to-End: Alur Kerja, Verifikasi dan Audit — Kecerdasan Buatan dalam Asuransi

Keuntungan:

Kemampuan merancang alur kerja asuransi end-to-end yang didukung oleh kecerdasan buatan, mulai dari pengajuan hingga pembayaran klaim
Kemampuan untuk menempatkan verifikasi, pencatatan jejak, dan pos pemeriksaan persetujuan manusia di setiap langkah
Kemampuan untuk membuat kebijakan dan daftar periksa penggunaan kecerdasan buatan di unit asuransi

Unit sebelumnya telah menunjukkan cara menggunakan AI dengan aman dalam tugas asuransi individu (penjaminan, penetapan harga, klaim, penipuan, komunikasi, dokumentasi, layanan pelanggan, keadilan, privasi). Unit terakhir ini menyatukan semuanya: bagaimana Anda merancang alur kerja asuransi end-to-end sejak permohonan diterima hingga pembayaran klaim, dengan verifikasi, pencatatan jejak, dan persetujuan manusia di setiap langkah? Tujuannya adalah untuk mengelola fakta bahwa AI menambah kecepatan tetapi juga dapat meningkatkan kesalahan: alur yang dirancang dengan baik menggunakan AI sebagai asisten di setiap langkah namun mempercayakan keputusan penting kepada manusia dan membuat semuanya dapat diaudit. Di unit ini, Anda akan mempelajari cara merancang alur end-to-end, menempatkan pos pemeriksaan, dan membuat kebijakan serta daftar periksa penggunaan AI yang berlaku di unit asuransi.

Alur end-to-end: “AI menghasilkan → verifikasi manusia → keputusan yang kompeten.”

Inti dari alur kerja asuransi yang sehat adalah siklus yang berulang: AI membuat rancangan, ahli memverifikasinya, ahli mengambil keputusan. Siklus ini berulang pada setiap tahap. Aliran yang khas:

Permohonan/penawaran: AI merangkum permohonan, menandai faktor risiko → verifikasi penjamin emisi → membuat keputusan penerimaan/penolakan dan bonus.
Penerbitan kebijakan: spesifikasi/tabel/draf ringkasan AI → konfirmasi ahli tentang konsistensi dan kata-kata hukum → konfirmasi hukum.
Komunikasi pelanggan: AI menyederhanakan teks → ahli mengonfirmasi cakupan/klaim harga → teks yang disetujui dikirimkan.
Klaim: Kecerdasan buatan merangkum file, menandai ketidakkonsistenan → penyesuaian klaim memverifikasi cakupan dengan kebijakan → membuat keputusan pembayaran/penolakan.
Penipuan: AI menandakan kecurigaan → konfirmasi dengan bukti ahli → konfirmasi pernyataan hukum/kepatuhan.
Layanan pelanggan: Chatbot mengklasifikasikan/menginformasikan → peningkatan manusia → perwakilan yang kompeten menyelesaikan masalah ketika ambang batas terlampaui.

Ada tiga konstanta di setiap langkah: anonimisasi (privasi), otentikasi (sumber + akun + kebijakan), catatan jejak (siapa, apa, berdasarkan apa).

Perhatian: Otomatisasi meningkatkan kecepatan tetapi juga meningkatkan kesalahan. Jika Anda menyematkan keluaran AI yang belum terverifikasi ke dalam aliran, satu kesalahan dapat menyebar ke ratusan file. Oleh karena itu, pos pemeriksaan tidak dapat dinegosiasikan.

Pos pemeriksaan dan rekaman jejak

Pos pemeriksaan adalah tempat dalam aliran yang memerlukan persetujuan dan verifikasi manusia sebelum melanjutkan. Pos pemeriksaan yang ditempatkan dengan baik mendahului setiap keputusan penting keamanan/kepatuhan (zona merah): penerimaan/penolakan, harga, cakupan, pembayaran kerusakan, pelaporan penipuan, teks yang mengikat secara hukum. Catatan jejak menyimpan informasi “keluaran apa yang dihasilkan, siapa yang memverifikasinya, berdasarkan apa, siapa yang menyetujuinya” pada setiap langkah. Catatan ini wajib untuk audit (SEDDK, audit internal) dan hak pelanggan (keberatan, mempelajari pembenarannya).

Tip: Tambahkan catatan satu baris "penalaran dan persetujuan" di samping setiap keputusan zona merah: "Keputusan Kebiasaan ini menyelamatkan Anda dalam audit.

Lima pertanyaan penting tentang pengendalian diri

Sebelum Anda melakukan streaming keluaran AI apa pun, periksa sendiri dengan lima pertanyaan:

Validasi: Sudahkah saya mengkonfirmasi keluaran ini dengan sumber, akun, dan kebijakan?
Sumber: Apakah setiap klaim didasarkan pada dokumen/undang-undang, atau dapatkah dibuat-buat?
Privasi: Apakah data pribadi/pribadi dianonimkan, apakah alat tersebut disetujui?
Kewajaran: Apakah keputusan didasarkan pada fitur yang dilindungi atau proksinya, apakah dapat dijelaskan?
Persetujuan: Apakah ahli yang kompeten dan persetujuan yang diperlukan telah diperoleh untuk keputusan zona merah ini?

Jika Anda tidak bisa menjawab "ya" untuk kelima pertanyaan tersebut, outputnya tidak akan mengalir.

Langkah demi langkah: Menetapkan kebijakan AI di sebuah unit

Tugas zona. Tempatkan semua misi unit di zona hijau/kuning/merah.
Tuliskan aturan zona merah. Persetujuan dan verifikasi manusia wajib untuk penerimaan/penolakan, harga, cakupan, pembayaran, penipuan, teks hukum.
Tetapkan standar anonimisasi. Data mana yang dibersihkan dan bagaimana caranya, alat mana yang disetujui.
Tempatkan pos pemeriksaan. Verifikasi + persetujuan sebelum setiap keputusan merah.
Memerlukan rekaman jejak. Catatan pembenaran dan persetujuan pada setiap langkah.
Pelatihan dan supervisi. Latih tim dan pertahankan kebijakan tetap berjalan dengan audit mandiri dan audit internal secara berkala.

tiga kasus mini

Kasus 1 — Menghindari kesalahan penskalaan. Satu unit telah mulai memproduksi surat pembaruan secara massal dengan kecerdasan buatan. Pada gelombang pertama, kalimat harga salah mengasosiasikan agunan. Pos pemeriksaan (persetujuan ahli untuk 20 huruf pertama) menangkap kesalahan ini; Setelah templatnya diperbaiki, ribuan surat dapat dihasilkan dengan aman. Tanpa pos pemeriksaan, kesalahan akan menyebar ke seluruh partai.

Kasus 2 - Nilai catatan jejak dalam audit. Dalam tinjauan SEDDK/audit internal, alasan keputusan penolakan yang didukung AI ditanyakan. Unit tersebut menunjukkan catatan "keputusan didasarkan pada kebijakan pasal 4.2 pengecualian; dikonfirmasi oleh ahli kerusakan; manajer unit persetujuan" dari catatan jejak. Keputusan itu ternyata bisa dipertahankan. Tanpa jejak, “AI berkata demikian” akan menjadi jawaban yang tidak dapat dipertahankan.

Kasus 3 — Penerapan lima pertanyaan. Seorang penjamin emisi menguji alasan penerimaan yang dihasilkan AI dengan lima pertanyaan tanpa menjalankannya: verifikasi baik-baik saja, sumber ada, data anonim, namun memperhatikan pertanyaan "keadilan" bahwa alasan tersebut didasarkan pada proxy lingkungan. Menggantikan pembenaran dengan kriteria risiko yang sah. Penilaian diri yang terdiri dari lima pertanyaan pada akhirnya menemukan risiko diskriminasi.

Empat perintah yang dapat disalin

1) Desain aliran ujung ke ujung:

Uraikan alur kerja end-to-end untuk [jenis kebijakan] mulai dari pengajuan hingga pembayaran klaim. Tentukan untuk setiap langkah: peran AI (garis besar/ringkasan), verifikasi manusia, pengambil keputusan yang kompeten, pos pemeriksaan dan konten jejak. Tandai juga keputusan zona merah (menerima/menolak, harga, cakupan, pembayaran, penipuan, teks hukum).

2) Penempatan pos pemeriksaan:

Audit alur kerja berikut dan tempatkan pos pemeriksaan: [aliran]Tambahkan persetujuan manusia wajib + verifikasi sebelum setiap keputusan penting tentang keamanan/kepatuhan. Tandai pos pemeriksaan yang hilang sebagai "RISIKO: tidak ada pos pemeriksaan" dan rekomendasikan.

3) Periksa diri lima pertanyaan:

Evaluasi keluaran AI berikut dengan lima pertanyaan audit mandiri: [output]1. Apakah verifikasi sudah dilakukan? 2. Apakah setiap klaim berdasarkan sumbernya?3. Privasi/anonimisasi oke? 4. Apakah terdapat risiko keadilan/proxy?5. Apakah diperlukan persetujuan ahli yang kompeten atau sudah diperoleh? Jawablah setiap pertanyaan dengan jelas; Jika ada "tidak", tunjukkan bahwa output TIDAK boleh masuk ke aliran.

4) Rancangan kebijakan penggunaan kecerdasan buatan unit:

Tulis rancangan kebijakan penggunaan AI untuk unit asuransi. Termasuk: zonasi tugas (hijau/kuning/merah), aturan persetujuan wajib zona merah, standar anonimisasi, kebijakan daftar kendaraan yang disetujui, pos pemeriksaan, kewajiban rekam jejak, pelatihan dan inspeksi. Singkatnya, poin-poin yang bisa ditindaklanjuti.

Perintah lemah / Perintah kuat

Lemah: “Otomatiskan seluruh proses asuransi dengan kecerdasan buatan dan ini akan mempercepat.”

Masalah: Menyerahkan keputusan zona merah pada otomatisasi; tidak ada verifikasi, tidak ada konfirmasi dan tidak ada rekaman jejak. Skala kesalahan.

Kuat: “Rancang alur end-to-end; tentukan peran AI, verifikasi manusia, pengambil keputusan yang kompeten, pos pemeriksaan, dan jejak di setiap langkah; tandai keputusan zona merah.”

Mengapa ini bagus: Kecepatan dan keamanan berjalan beriringan; Setiap keputusan penting bergantung pada orang dan verifikasi, prosesnya dapat diaudit.

grafik perbandingan

langkah aliran

peran AI

verifikasi

keputusan yang kompeten

Permohonan/penawaran

ringkasan, tanda tangan

Panduan penjaminan

Penjamin emisi

Kebijakan/dokumen

sketsa, meja

Sumber + konsistensi

Ahli + hukum

Kontak

Penyederhanaan

Konfirmasi kebijakan

Persetujuan ahli

kerusakan

Ringkasan, inkonsistensi

Kebijakan baris demi baris

Pengatur kerusakan

penipuan

sinyal keraguan

Konfirmasi bukti

Ahli + hukum/kepatuhan

layanan pelanggan

Klasifikasi

Ambang batas eskalasi

perwakilan yang kompeten

Kesalahan umum

Melewati pos pemeriksaan. Menanamkan keputusan zona merah pada alur tanpa verifikasi/konfirmasi.
Tidak menyimpan rekam jejak. Menjadi rentan dalam audit dan keberatan dengan "AI bilang begitu".
Melewatkan lima pertanyaan. Menggunakan keluaran tanpa pengendalian diri.
Tidak memeriksa batch pertama dalam produksi massal. Menskalakan bug ke seluruh batch.
Menulis kebijakan dan tidak melaksanakannya. Membiarkan aturan di atas kertas dan menyerahkannya pada inisiatif.

Singkatnya

Dasar dari alur asuransi end-to-end yang didukung AI adalah siklus "AI menghasilkan → verifikasi manusia → pengambilan keputusan yang kompeten". Anonimisasi, verifikasi, dan perekaman jejak dilakukan secara konstan di setiap langkah; Setiap keputusan zona merah mempunyai titik pemeriksaan dan persetujuan manusia. Periksa sendiri keluaran dengan lima pertanyaan (otentikasi, sumber, privasi, keadilan, persetujuan). Tetapkan kebijakan hidup untuk unit yang mencakup zonasi misi, aturan zona merah, standar anonimisasi, pos pemeriksaan, dan pencatatan jejak. Kecerdasan buatan semakin cepat; Tanggung jawab utama selalu terletak pada orang yang kompeten.

Tugas aplikasi

Pilih alur end-to-end untuk unit Anda (misalnya klaim asuransi ke klaim). Rancang alur dengan prompt nomor 1, tempatkan titik kontrol dengan prompt nomor 2. Kemudian, buatlah rancangan kebijakan AI unit satu halaman dengan prompt nomor 4. Terakhir, uji tiga keluaran AI yang Anda hasilkan minggu lalu dengan lima pertanyaan #3: berapa banyak yang cocok untuk memasuki alur?

daftar periksa

[ ] Saya merancang aliran ujung ke ujung; Saya mengidentifikasi peran AI/verifikasi/keputusan di setiap langkah.
[ ] Saya menempatkan pos pemeriksaan di depan setiap keputusan zona merah.
[ ] Saya menerapkan standar alat anonimisasi dan terverifikasi.
[ ] Saya menyimpan catatan pembenaran dan persetujuan pada setiap langkah.
[ ] Saya menguji hasilnya dengan lima pertanyaan pemeriksaan mandiri.
[ ] Saya telah menyusun kebijakan AI yang berlaku untuk unit ini.
[ ] Saya berencana untuk menjaga kebijakan ini tetap berjalan dengan pelatihan dan inspeksi rutin.

Ujian Modul

1. Seorang penjamin emisi ingin menggunakan kecerdasan buatan untuk dengan cepat merangkum risiko dari aplikasi asuransi komersial yang kompleks. Pendekatan manakah yang paling benar?

A) Menggunakan AI untuk merangkum dokumen aplikasi dan menandai faktor risiko; Mengambil keputusan penerimaan/penolakan dan premi sebagai penjamin emisi yang kompeten dengan melakukan konfirmasi dengan panduan penjaminan dan ketentuan polis ✔
B) Memproses premi yang disarankan oleh kecerdasan buatan dan keputusan penerimaan langsung ke dalam polis
C) Jika kecerdasan buatan menyatakan tidak berisiko, keluarkan kebijakan tersebut tanpa pemeriksaan lainnya.
D) Lewati melihat panduan penjaminan emisi dan mempercepat prosesnya

Deskripsi: Peringkasan risiko adalah tugas penyusunan yang memanfaatkan AI; Namun, keputusan penerimaan/penolakan dan premi sangat penting untuk keamanan dan kepatuhan. Kecerdasan buatan dapat digunakan untuk pra-penyaringan dan pengarahan, namun keputusan harus dibuat oleh penjamin emisi yang kompeten, dikonfirmasi oleh panduan penjaminan dan ketentuan kebijakan. Keluaran AI tidak menggantikan persetujuan ini.

2. Apa yang dimaksud dengan AI “berhalusinasi” dalam konteks asuransi?

A) Kecerdasan buatan bekerja sangat lambat dan tidak dapat merespons
B) Kecerdasan buatan mengenkripsi data pelanggan
C) Kecerdasan buatan hanya merespons dalam bahasa Inggris
D) Kecerdasan buatan membuat jaminan, barang, atau tarif yang tampak nyata tetapi palsu ✔

Penjelasan: Halusinasi adalah ketika kecerdasan buatan menghasilkan informasi yang tampak nyata tetapi salah (misalnya, liputan yang tidak ada, pasal undang-undang yang dibuat-buat, atau tarif premi yang salah). Oleh karena itu, setiap keluaran harus diverifikasi dengan teks kebijakan dan peraturan perundang-undangan yang berlaku.

3. Apa yang dimaksud dengan konsep “frekuensi kerugian” dalam analisis aktuaria?

A) Jumlah klaim per polis atau unit dalam periode tertentu ✔
B) Berapa hari yang dibutuhkan untuk membayar klaim?
C) Jumlah rata-rata yang dibayarkan per klaim
D) Total keuntungan tahunan perusahaan

Penjelasan: Frekuensi klaim adalah jumlah klaim per polis atau unit dalam periode tertentu (misalnya 45 klaim per tahun per 1.000 polis). Hal ini digunakan bersama dengan tingkat keparahan kerusakan (biaya rata-rata per klaim) untuk menentukan perkiraan biaya kerusakan dan premi risiko.

4. Penyesuai kerusakan menanyakan kecerdasan buatan apakah file klaim asuransi mobil tercakup dalam polis. Kecerdasan buatan “tertutup,” katanya. Apa pendekatan yang tepat?

A) Menyetujui pembayaran secara langsung karena kecerdasan buatan mengatakan dalam ruang lingkupnya
B) Mengonfirmasi ruang lingkup baris demi baris dengan kondisi khusus dan umum dari kebijakan, pengecualian dan pengecualian dan mengambil keputusan sebagai ahli kerusakan yang kompeten ✔
C) Menjanjikan pembayaran kepada nasabah tanpa melihat teks polis
D) Menyalin pembenaran kecerdasan buatan ke dalam surat penolakan persis seperti apa adanya

Penjelasan: Keputusan pertanggungan tergantung pada kondisi khusus dan umum polis, pengecualian dan pengecualian. Keluaran AI berupa rancangan/pra-evaluasi; Keputusan pertanggungan harus dibuat oleh ahli kerusakan yang kompeten, yang dikonfirmasikan baris demi baris dengan teks polis.

5. AI menandai file klaim sebagai "risiko penipuan tinggi". Apa langkah tepat selanjutnya?

A) Secara langsung menuduh pelanggan melakukan penipuan dan menolak membayar
B) Secara otomatis melaporkan berkas tersebut ke kantor kejaksaan
C) Mengingat tanda tersebut sebagai tanda kecurigaan dan membuktikannya dengan dokumen, keahlian dan data; Membuat pemberitahuan/tuduhan dengan ahli yang kompeten dan persetujuan hukum ✔
D) Abaikan tandanya dan bayar file seperti biasa

Penjelasan: Tanda penipuan adalah tanda kecurigaan, bukan bukti. Karena asas praduga tak bersalah, sinyal ini harus dibuktikan dengan bukti (dokumen, keahlian, konsistensi data, pertanyaan MBS) dan tuduhan/pemberitahuan harus dilakukan hanya dengan ahli yang kompeten dan persetujuan hukum/kepatuhan. Risiko positif palsu dapat menyebabkan kerugian serius bagi pelanggan.

6. Kecerdasan buatan menyiapkan teks penjelasan jaminan untuk dikirimkan ke pelanggan. Teks tersebut menyatakan "semua kerusakan akibat air ditanggung". Apa yang harus kamu lakukan?

A) Mengirimkan pernyataan apa adanya karena terkesan ramah pelanggan
B) Mengganti "semua" dengan "setiap"
C) Tidak melakukan pemeriksaan apa pun sebelum mengirim SMS ke pelanggan
D) Mengkonfirmasi pernyataan dengan pengecualian dan pengecualian kebijakan serta mengoreksi pernyataan absolut agar akurat dan tidak menyesatkan ✔

Penjelasan: Kebijakan seringkali memiliki pengecualian seperti banjir, genangan atau kurangnya pemeliharaan; Pernyataan absolut seperti "semua" bisa menyesatkan dan menimbulkan ekspektasi yang salah. Setiap klaim pertanggungan harus dikonfirmasi oleh ketentuan khusus dan umum polis, dan pernyataan absolut harus dikoreksi sesuai dengan pengecualian.

7. Mengapa risiko "bias dan diskriminasi" sangat penting dalam model penetapan harga asuransi?

A) Model dapat menghasilkan penetapan harga yang tidak adil dengan mempelajari pola diskriminatif dalam data historis dan melakukan diskriminasi tidak langsung melalui variabel sensitif ✔
B) Bias hanya akan menyebabkan model berjalan lambat
C) Bias hanya mempengaruhi teks pemasaran, bukan harga
D) Risiko diskriminasi hanya ada pada asuransi kesehatan

Deskripsi: Model kecerdasan buatan dapat mempelajari pola diskriminatif dalam data historis dan melakukan diskriminasi secara tidak langsung melalui variabel sensitif atau terkait seperti gender, etnis, dan wilayah tempat tinggal. Hal ini merupakan masalah etika dan hukum; Undang-undang ini melarang diskriminasi yang tidak adil dan mewajibkan penetapan harga yang dapat dibenarkan.

8. Perwakilan pelanggan akan menuliskan nama dan nomor ID pelanggan sambil menanyakan kecerdasan buatan tentang kasus kerusakan yang kompleks. Apa perilaku terbaik?

A) Tuliskan semua informasi pribadi karena AI merespons lebih baik
B) Menganonimkan konteks dan menanyakan hanya dengan padanan faktual, tanpa menuliskan informasi identitas ✔
C) Menulis nama dan menyembunyikan ID Turki saja sudah dianggap cukup.
D) Meminta kecerdasan buatan untuk menulis data dan kemudian menghapusnya

Penjelasan: Nama, nomor TR ID dan informasi kesehatan/kerusakan merupakan data pribadi dan khusus. Konteks harus dianonimkan sebelum diberikan ke alat berbasis cloud; persamaan klinis/faktual (misalnya "usia 45, polis asuransi mobil, tabrakan satu sisi") menjaga kerahasiaan tanpa mengurangi kualitas keluaran.

9. Chatbot yang didukung kecerdasan buatan menerima permintaan pelanggan, "Saya ingin membatalkan polis saya dan mendapatkan kembali premi saya." Manakah desain yang benar?

A) Chatbot akan langsung memproses pembatalan dan pengembalian dana sendiri
B) Chatbot harus menolak permintaan tersebut dan menutup percakapan
C) Chatbot harus mengklasifikasikan dan menginformasikan permintaan tersebut, tetapi mentransfer transaksi yang mengakibatkan konsekuensi finansial/hukum kepada perwakilan manusia yang kompeten ✔
D) Chatbot harus menjanjikan jumlah pengembalian dana yang tepat kepada pelanggan

Penjelasan: Permintaan yang memiliki konsekuensi finansial dan hukum, seperti pembatalan, pengembalian premi, dan kompensasi, merupakan tugas yang tidak dapat diselesaikan sendiri oleh chatbot. Chatbot dapat mengklasifikasikan permintaan dan memberikan informasi, tetapi harus mendelegasikan transaksi tersebut kepada agen manusia yang kompeten dengan ambang batas eskalasi.

10. Dalam KVKK, data kesehatan nasabah asuransi termasuk dalam kategori apa dan apa maksudnya?

A) Ini adalah data pribadi biasa, tidak memerlukan perlindungan tambahan
B) Tidak dianggap sebagai data pribadi karena disimpan di perusahaan asuransi
C) Dilindungi hanya jika pelanggan memintanya
D) Ini adalah data pribadi yang bersifat khusus dan tunduk pada perlindungan tertinggi dan kondisi pemrosesan yang lebih ketat ✔

Penjelasan: Data kesehatan termasuk dalam kategori “data pribadi khusus” di KVKK dan mendapat perlindungan tertinggi; Persyaratan yang lebih ketat (persetujuan eksplisit atau pengecualian yang ditentukan oleh hukum) diperlukan untuk pemrosesan. Memberikan jenis data seperti ini secara tidak terkendali ke alat kecerdasan buatan merupakan risiko pelanggaran yang serius.

11. Dalam kaitannya dengan prinsip pengambilan keputusan otomatis, hak pelanggan mana yang diutamakan atas keputusan penolakan yang dibuat hanya dengan kecerdasan buatan?

A) Hak untuk tidak mengumumkan keputusan sama sekali
B) Hak untuk menolak keputusan, meminta campur tangan manusia dan mempelajari alasannya ✔
C) Hak untuk mengurangi premi sebanyak yang diinginkan
D) Hak untuk mengakses semua data perusahaan

Penjelasan: Dalam keputusan yang hanya didasarkan pada pemrosesan otomatis dan mempengaruhi individu, hak individu untuk menolak keputusan tersebut, untuk meminta intervensi manusia dan untuk mengetahui alasan keputusan tersebut dikedepankan. Oleh karena itu, kemampuan menjelaskan dan kendali manusia sangat penting dalam pengambilan keputusan yang berdampak besar.

12. Apa yang harus dilakukan seorang aktuaris sebelum menerapkan tarif baru yang disarankan oleh kecerdasan buatan?

A) Menguji kualitas data, asumsi dan kecukupan premi dengan perhitungan independen dan prinsip aktuaria serta pengambilan keputusan sebagai aktuaris yang kompeten ✔
B) Unggah tarif langsung ke sistem dan publikasikan
C) Hanya melihat harga pesaing dan mengabaikan keluaran AI
D) Tidak melakukan verifikasi apa pun hanya karena kecerdasan buatan menyarankannya

Penjelasan: Keputusan tarif dan ketentuan teknis memerlukan tanggung jawab aktuaria. Keluaran kecerdasan buatan; Hal ini harus diuji dengan perhitungan independen dan prinsip aktuaria dalam hal kualitas data, asumsi, tren frekuensi/tingkat keparahan kerusakan dan kecukupan premi, dan keputusan akhir harus diambil oleh aktuaris yang kompeten.

13. Menurut perbedaan "Permintaan lemah / Perintah kuat", manakah perintah yang kuat untuk ringkasan file kerusakan?

A) "Ringkaslah file kerusakan ini."
B) "Bertindak sebagai asisten pengatur kerusakan; rangkum file anonim berikut dalam urutan tanggal, tandai poin yang hilang/tidak konsisten dalam judul terpisah, buat keputusan cakupan, tentukan referensi dokumen di setiap item." ✔
C) "Anda memutuskan apakah pembayaran harus dilakukan dalam file ini."
D) "Baca file dan tulis surat kepada pelanggan yang menjanjikan pembayaran."

Deskripsi: Prompt yang kuat; Ini berisi peran, konteks, masukan (anonim), format yang diinginkan, batasan, dan instruksi verifikasi. Permintaan yang tidak jelas seperti "ringkas file ini" lemah; Memperjelas batasan seperti peran, ruang lingkup permintaan keputusan, kutipan sumber, dan pengambilan keputusan akan meningkatkan kemampuan audit output.

14. Apa prinsip paling mendasar dalam membuat kebijakan penggunaan kecerdasan buatan di unit asuransi?

A) Mengotomatiskan sepenuhnya setiap kemungkinan keputusan untuk kecepatan
B) Melakukan verifikasi hanya ketika pengaduan diterima
C) Tugas zonasi menurut tingkat risiko dan memerlukan persetujuan manusia, verifikasi, dan pencatatan jejak dalam keputusan penting ✔
D) Menulis kebijakan dan menyerahkan pelaksanaannya sepenuhnya pada inisiatif karyawan

Deskripsi: Dasar penggunaan aman ujung ke ujung adalah bahwa setiap tugas dikategorikan berdasarkan tingkat risiko, persetujuan manusia dan titik pemeriksaan verifikasi diperlukan dalam keputusan penting dalam hal keamanan dan kepatuhan, dan seluruh proses dapat diaudit dengan rekaman jejak. Kecerdasan buatan semakin cepat, namun tanggung jawab utama ada di tangan manusia.