Pilnīga integrācija: darbplūsma, verifikācija un audits

Ieguvumi:

• Spēja izstrādāt visaptverošu apdrošināšanas darbplūsmu, ko atbalsta mākslīgais intelekts, no pieteikuma līdz pieprasījuma samaksai
• Spēja katrā solī izvietot verifikācijas, takas ierakstīšanas un cilvēku apstiprināšanas kontrolpunktus
• Spēja izveidot mākslīgā intelekta lietošanas politiku un kontrolsarakstu apdrošināšanas vienībā

Iepriekšējās vienības ir parādījušas, kā droši izmantot mākslīgo intelektu individuālos apdrošināšanas uzdevumos (apdrošināšana, cenu noteikšana, prasības, krāpšana, saziņa, dokumentācija, klientu apkalpošana, godīgums, privātums). Šī pēdējā vienība apvieno visu: kā izveidot visaptverošu apdrošināšanas darbplūsmu no brīža, kad tiek saņemts pieteikums, lai pieprasītu maksājumu, ar pārbaudi, pēdu ierakstīšanu un cilvēka apstiprinājumu katrā solī? Mērķis ir pārvaldīt faktu, ka AI palielina ātrumu, bet var arī samazināt kļūdas: labi izstrādāta plūsma izmanto AI kā palīgu ik uz soļa, bet kritiskos lēmumus uztic cilvēkam un padara visu pārbaudāmu. Šajā nodaļā jūs uzzināsit, kā izveidot pilnīgu plūsmu, izvietot kontrolpunktus un izveidot piemērojamu AI lietošanas politiku un kontrolsarakstu apdrošināšanas vienībā.

Pilnīga plūsma: “AI rada → cilvēks pārbauda → kompetents izlemj.”

Veselīgas apdrošināšanas darbplūsmas pamatā ir atkārtots cikls: AI sagatavo melnrakstu, eksperts to pārbauda, ​​eksperts pieņem lēmumu. Šis cikls tiek atkārtots katrā posmā. Tipiska plūsma:

1. Pieteikums/piedāvājums: AI apkopo pieteikumu, atzīmē riska faktorus → apdrošinātājs pārbauda → pieņem lēmumu par pieņemšanu/noraidīšanu un bonusu.
2. Politikas izdošana: AI specifikācija/tabula/kopsavilkuma projekti → eksperts apstiprina konsekvenci un juridisko formulējumu → juridiski apstiprina.
3. Klientu komunikācija: AI vienkāršo tekstu → eksperts apstiprina seguma/cenas pretenzijas → apstiprina tekstu.
4. Pretenzijas: mākslīgais intelekts apkopo failu, atzīmē nekonsekvenci → pretenziju regulētājs pārbauda segumu ar politiku → pieņem maksājuma/noraidīšanas lēmumu.
5. Krāpšana: AI signalizē par aizdomām → apstiprina ar ekspertu pierādījumiem → apstiprina juridisko/atbilstības paziņojumu.
6. Klientu apkalpošana: tērzēšanas robots klasificē/informē → cilvēku eskalē → kompetents pārstāvis izlemj, ja tiek pārsniegts slieksnis.

Katrā solī ir trīs konstantes: anonimizācija (privātums), autentifikācija (avots + konts + politika), pēdas ieraksts (kas, ko, pamatojoties uz ko).

Uzmanību: Automatizācija palielina ātrumu, bet arī samazina kļūdu. Ja straumē iegulsiet nepārbaudītu AI izvadi, viena kļūda var izplatīties simtiem failu. Tāpēc kontrolpunkti nav apspriežami.

Kontrolpunkti un trases ierakstīšana

Kontrolpunkts ir vieta plūsmā, kurai nepieciešams cilvēka apstiprinājums un pārbaude, pirms turpināt. Labi izvietoti kontrolpunkti ir pirms katra drošības/atbilstības kritiskā (sarkanā zona) lēmuma: pieņemšana/noraidīšana, cena, segums, zaudējumu samaksa, ziņošana par krāpšanu, juridiski saistošs teksts. Izsekošanas ierakstā katrā solī tiek saglabāta informācija "kāda produkcija tika ražota, kas to pārbaudīja, uz ko tā balstījās, kurš to apstiprināja". Šis ieraksts ir obligāts gan auditam (SDK, iekšējais audits), gan klienta tiesībām (iebildums, pamatojuma apgūšana).

Padoms: blakus katram sarkanās zonas lēmumam pievienojiet piezīmi "pamatojums un apstiprinājums" vienā rindā: "Lēmums Šis ieradums ietaupa jūs no revīzijas.

Pieci būtiski paškontroles jautājumi

Pirms mākslīgā intelekta izvades straumēšanas pārbaudiet to ar pieciem jautājumiem:

1. Validācija: vai esmu apstiprinājis šo izvadi ar avotu, kontu un politiku?
2. Avots: vai katra prasība ir balstīta uz dokumentu/likumdošanu, vai arī tā var būt safabricēta?
3. Privātums: vai personas/privātie dati ir anonimizēti, vai rīks ir apstiprināts?
4. Taisnīgums: vai lēmums ir balstīts uz aizsargāto objektu vai tā starpniekserveri, vai to var izskaidrot?
5. Apstiprinājums: vai šim sarkanās zonas lēmumam ir saņemts kompetentais eksperts un nepieciešamais apstiprinājums?

Ja nevarat atbildēt "jā" uz visiem pieciem jautājumiem, rezultāts netiks plūst.

Soli pa solim: AI politikas izveide vienībā

1. Zonas uzdevumi. Novietojiet visas vienības misijas zaļajā/dzeltenajā/sarkanajā zonā.
2. Pierakstiet sarkanās zonas noteikumus. Obligāts cilvēka apstiprinājums un pārbaude, lai pieņemtu/noraidītu, cenu, segumu, maksājumu, krāpšanu, juridisko tekstu.
3. Iestatiet anonimizācijas standartu. Kuri dati tiek notīrīti un kā, kurš rīks ir apstiprināts.
4. Novietojiet kontrolpunktus. Pārbaude + apstiprināšana pirms katra sarkanā lēmuma.
5. Pieprasīt pēdu ierakstīšanu. Pamatojums un apstiprinājuma piezīme katrā posmā.
6. Apmācība un supervīzija. Apmācīt komandu un uzturēt politiku spēkā, veicot regulāru pašpārbaudi un iekšējo auditu.

trīs mini futrāļi

1. gadījums — mērogošanas kļūdas novēršana. Viena vienība ir sākusi masveidā ražot atjaunošanas vēstules ar mākslīgo intelektu. Pirmajā partijā cenas teikums bija nepareizi saistīts ar nodrošinājumu. Kontrolpunkts (ekspertu apstiprinājums pirmajiem 20 burtiem) uztvēra šo kļūdu; Kad veidne tika izlabota, tūkstošiem burtu tika droši izveidoti. Bez kontrolpunkta kļūda izplatītos visā ballītē.

2. gadījums — izsekošanas ieraksta vērtība auditā. SEDDK/iekšējā audita pārskatā tika uzdots jautājums par iemeslu AI atbalstītam noraidīšanas lēmumam. Vienība parādīja piezīmi "lēmums bija balstīts uz politikas panta 4.2. izņēmumu; apstiprināja bojājumu eksperts; apstiprinājuma vienības vadītājs" no izsekošanas ieraksta. Lēmums izrādījās attaisnojams. Bez pēdām “AI teica” būtu nepamatota atbilde.

3. lieta — piecu jautājumu piemērošana. Kāds apdrošinātājs pārbaudīja mākslīgā intelekta ģenerētu pieņemšanas pamatojumu ar pieciem jautājumiem, to nepalaižot: pārbaude bija pareiza, avots pastāvēja, dati bija anonīmi, taču uz "taisnīguma" jautājumu pamanīja, ka pamatojums ir balstīts uz apkārtnes starpniekserveri. Aizstāts pamatojums ar leģitīma riska kritēriju. Piecu jautājumu pašnovērtējums beigās tvēra diskriminācijas risku.

Četras kopējamas uzvednes

1) Plūsmas no gala līdz galam dizains:

Ieskicējiet pilnīgu darbplūsmu [politikas veidam] no pieteikuma līdz pieprasījuma maksājumam. Katram solim norādiet: AI lomu (konspekts/kopsavilkums), cilvēka pārbaudi, kompetentu lēmumu pieņēmēju, kontrolpunktu un takas saturu. Atzīmējiet arī sarkanās zonas lēmumus (pieņemt/noraidīt, cena, apjoms, maksājums, krāpšana, juridiskais teksts).

2) Kontrolpunktu izvietojums:

Pārbaudiet šādu darbplūsmu un ievietojiet kontrolpunktus: [plūsma]Pievienojiet obligātu cilvēka apstiprinājumu + pārbaudi pirms katra drošības/atbilstības kritiska lēmuma. Atzīmējiet trūkstošos kontrolpunktus kā "RISK: nav kontrolpunkta" un iesakiet.

3) Piecu jautājumu pašpārbaude:

Novērtējiet šādu AI izvadi ar pieciem pašpārbaudes jautājumiem: [izeja]1. Vai pārbaude ir veikta? 2. Vai katras pretenzijas pamatā ir avots?3. Privātums/anonimizēšana ir labi? 4. Vai pastāv godīguma/pārstāvja risks?5. Vai ir nepieciešams kompetenta eksperta apstiprinājums vai tas ir iegūts? Skaidri atbildiet uz katru jautājumu; Ja ir "nē", norādiet, ka izvade NEDRĪKST iekļūt straumē.

4) Vienības mākslīgā intelekta izmantošanas politikas projekts:

Uzrakstiet AI lietošanas politikas projektu apdrošināšanas vienībai. Ietver: uzdevumu zonējumu (zaļš/dzeltens/sarkans), sarkanās zonas obligātās apstiprināšanas noteikumus, anonimizācijas standartu, apstiprināto transportlīdzekļu saraksta politiku, kontrolpunktus, pienākumu reģistrēt sasniegumus, apmācību un pārbaudi. Īsāk sakot, praktiskas aizzīmes.

Vāja uzvedne / spēcīga uzvedne

Vāji: "Automatizējiet visu apdrošināšanas procesu ar mākslīgo intelektu, un tas paātrinās."

Problēma: Sarkanās zonas lēmumu atstāšana automatizācijas ziņā; bez verifikācijas, bez apstiprinājuma un bez pēdu ierakstīšanas. Kļūdu skalas.

Spēcīgs: “Izstrādājiet plūsmu no gala līdz galam; norādiet AI lomu, cilvēka pārbaudi, kompetentu lēmumu pieņēmēju, kontrolpunktu un izsekojamību katrā solī; atzīmējiet sarkanās zonas lēmumus.

Kāpēc tas ir labi: ātrums un drošība iet roku rokā; Katrs kritiskais lēmums ir atkarīgs no cilvēkiem un verifikācijas, procesu var auditēt.

salīdzināšanas diagramma

plūsmas solis

AI loma

verifikācija

kompetents lēmums

Pieteikšanās/piedāvājums

kopsavilkums, zīme

Riska parakstīšanas rokasgrāmata

Parakstītājs

Politika/dokuments

skice, tabula

Avots + konsekvence

Eksperts + likums

Sazināties

Vienkāršošana

Politikas apstiprinājums

Ekspertu apstiprinājums

bojājumu

Kopsavilkums, nekonsekvence

Politika rinda pēc rindas

Bojājumu regulētājs

krāpšana

šaubu signāls

Pierādījumu apstiprinājums

Eksperts + juridiskais/atbilstība

klientu apkalpošana

Klasifikācija

Eskalācijas slieksnis

kompetents pārstāvis

Biežas kļūdas

• Apejot kontrolpunktu. Sarkanās zonas lēmuma iegulšana plūsmā bez verifikācijas/apstiprinājuma.
• Neveicot uzskaiti. Būt neaizsargātam auditā un iebilst pret "AI teica tā".
• Izlaižot piecus jautājumus. Izvades izmantošana bez paškontroles.
• Nepārbauda pirmo partiju masveida ražošanā. Kļūdas mērogošana visai partijai.
• Politikas rakstīšana un neīstenošana. Atstājot noteikumu uz papīra un atstājot to iniciatīvas ziņā.

Rezumējot

AI atbalstītās pilnīgas apdrošināšanas plūsmas pamatā ir cikls "AI rada → cilvēks pārbauda → kompetenta lēmumu pieņemšana". Anonimizācija, verifikācija un izsekošanas ierakstīšana ir nemainīga katrā solī; Katram sarkanās zonas lēmumam ir kontrolpunkts un cilvēka apstiprinājums. Pašpārbaudes rezultāts ar pieciem jautājumiem (autentifikācija, avots, privātums, godīgums, apstiprināšana). Izveidojiet dzīves politiku vienībai, kas ietver misijas zonējumu, sarkanās zonas noteikumus, anonimizācijas standartu, kontrolpunktus un taku reģistrēšanu. Mākslīgais intelekts paātrina; Galīgā atbildība vienmēr gulstas uz kompetento personu.

Lietojumprogrammas uzdevums

Izvēlieties savai vienībai plūsmu no gala līdz galam (piem., apdrošināšanas prasība uz prasību). Izveidojiet plūsmu ar uzvednes numuru 1, novietojiet kontrolpunktus ar uzvednes numuru 2. Pēc tam izveidojiet vienas lapas vienības AI politiku ar uzvednes numuru 4. Visbeidzot pārbaudiet trīs AI izvades, kuras izveidojāt pagājušajā nedēļā, uzdodot piecus #3 jautājumus: cik no tiem bija piemēroti ievadīšanai plūsmā?

kontrolsaraksts

• [ ] Es izstrādāju plūsmu no gala līdz galam; Katrā darbībā es noteicu AI/verifikācijas/lēmuma lomu.
• [ ] Katram sarkanās zonas lēmumam priekšā novietoju kontrolpunktu.
• [ ] Es ieviesu anonimizācijas un verificētā rīka standartu.
• [ ] Es katrā solī reģistrēju pamatojumu un apstiprinājumu.
• [ ] Es pārbaudīju rezultātus ar pieciem pašpārbaudes jautājumiem.
• [ ] Esmu izstrādājis vienībai piemērojamo AI politiku.
• [ ] Es plānoju uzturēt politiku ar apmācībām un regulārām pārbaudēm.

Moduļa eksāmens

1. Parakstītājs vēlas izmantot mākslīgo intelektu, lai ātri apkopotu sarežģītā komerciālās apdrošināšanas pieteikuma riskus. Kura ir vispareizākā pieeja?

• A) AI izmantošana, lai apkopotu pieteikuma dokumentus un atzīmētu riska faktorus; Pieņemšanas/noraidīšanas un prēmiju lēmumu pieņemšana kā kompetents parakstītājs, apstiprinot to ar parakstīšanas rokasgrāmatu un polises nosacījumiem ✔
• B) mākslīgā intelekta ieteiktās prēmijas un pieņemšanas lēmuma apstrāde tieši polisē
• C) Ja mākslīgais intelekts saka, ka tas nav riskanti, izdodiet polisi bez citām pārbaudēm.
• D) Izlaidiet parakstīšanas rokasgrāmatas apskati un paātriniet procesu

Apraksts: Riska apkopošana ir projektēšanas uzdevums, kurā AI ir spēcīgs; Tomēr lēmums par pieņemšanu/noraidīšanu un piemaksu ir ļoti svarīgs drošībai un atbilstībai. Mākslīgo intelektu var izmantot iepriekšējai pārbaudei un instruktāžai, taču lēmums ir jāpieņem kompetentajam apdrošinātājam, ko apstiprina parakstīšanas rokasgrāmata un politikas noteikumi. AI izvade neaizstāj šo apstiprinājumu.

2. Ko tas nozīmē, ja AI “halucinē” apdrošināšanas kontekstā?

• A) Mākslīgais intelekts darbojas ļoti lēni un nevar reaģēt
• B) Mākslīgais intelekts, kas šifrē klientu datus
• C) Mākslīgais intelekts atbild tikai angļu valodā
• D) Mākslīgais intelekts veido nodrošinājumu, preci vai likmi, kas šķiet īsta, bet ir nepatiesa ✔

Paskaidrojums: halucinācijas ir tad, kad mākslīgais intelekts rada informāciju, kas šķiet patiesa, bet ir nepatiesa (piemēram, neesošs pārklājums, izdomāts tiesību akta pants vai nepareiza piemaksas likme). Tāpēc katrs rezultāts ir jāpārbauda ar politikas tekstu un spēkā esošajiem tiesību aktiem.

3. Ko aktuāra analīzē nozīmē jēdziens "zaudējumu biežums"?

• A) Pretenziju skaits uz polisi vai vienību noteiktā periodā ✔
• B) Cik dienas nepieciešams, lai samaksātu prasību?
• C) Vidējā summa, kas samaksāta par vienu prasību
• D) Uzņēmuma kopējā gada peļņa

Paskaidrojums: atlīdzību biežums ir prasību skaits uz polisi vai vienību noteiktā periodā (piemēram, 45 prasības gadā uz 1000 polisēm). To izmanto kopā ar bojājuma smagumu (vidējās izmaksas uz vienu prasību), lai noteiktu paredzamās kaitējuma izmaksas un līdz ar to arī riska prēmiju.

4. Bojājumu koriģētājs jautāja mākslīgajam intelektam, vai polise attiecas uz automašīnas apdrošināšanas atlīdzības lietu. Mākslīgais intelekts ir "apsegts", viņš teica. Kāda ir pareizā pieeja?

• A) Apstipriniet maksājumu tieši, jo mākslīgais intelekts teica darbības jomā
• B) Apstiprinot darbības jomu rindiņā ar īpašajiem un vispārīgajiem polises nosacījumiem, izņēmumiem un atbrīvojumiem un pieņemot lēmumu kā kompetentam bojājumu ekspertam ✔
• C) Maksājuma solīšana klientam, neapskatot politikas tekstu
• D) Mākslīgā intelekta pamatojuma iekopēšana noraidījuma vēstulē tieši tā, kā tas ir

Paskaidrojums: Lēmums par segumu ir atkarīgs no īpašajiem un vispārējiem polises nosacījumiem, izņēmumiem un atbrīvojumiem. AI izvade ir uzmetums/iepriekšējais novērtējums; Lēmums par segumu ir jāpieņem kompetentam bojājumu ekspertam, rindu pa rindiņai apstiprinot politikas tekstu.

5. AI atzīmēja prasību failu kā “augstu krāpšanas risku”. Kāds ir nākamais pareizais solis?

• A) Klienta tieša apsūdzēšana krāpšanā un atteikšanās maksāt
• B) Automātiski ziņojiet par lietu prokuratūrai
• C) Uzskatot zīmi par aizdomu signālu un pārbaudot to ar dokumentiem, ekspertīzi un datiem; Paziņojuma/apsūdzības noformēšana ar kompetentu ekspertu un juridisku apstiprinājumu ✔
• D) Ignorējiet zīmi un maksājiet failu kā parasti

Paskaidrojums: Krāpšanas karogs ir aizdomu signāls, nevis pierādījums. Nevainīguma prezumpcijas dēļ šis signāls ir jāpārbauda ar pierādījumiem (dokuments, ekspertīze, datu konsekvence, SBM vaicājums), un apsūdzība/paziņojums jāveic tikai ar kompetenta eksperta un juridisko/atbilstības apstiprinājumu. Viltus pozitīvu rezultātu risks var radīt nopietnu kaitējumu klientam.

6. Mākslīgais intelekts sagatavoja papildu paskaidrojuma tekstu, ko nosūtīt klientam. Tekstā teikts, ka "visi ūdens radītie bojājumi ir segti". Kas jums jādara?

• A) Nosūtot paziņojumu tādu, kāds tas ir, jo tas šķiet klientam draudzīgs
• B) "visu" aizstāšana ar "pilnīgi katru"
• C) Neveikt nekādas pārbaudes pirms teksta nosūtīšanas klientam
• D) Paziņojuma apstiprināšana ar politikas izņēmumiem un izņēmumiem un absolūto apgalvojumu labošana, lai tas būtu precīzs un nav maldinošs ✔

Paskaidrojums: politikās bieži ir izņēmumi, piemēram, plūdi, plūdi vai apkopes trūkums; Absolūti apgalvojumi, piemēram, "visi", var būt maldinoši un radīt nepatiesas cerības. Katra seguma prasība jāapstiprina ar īpašajiem un vispārējiem polises nosacījumiem, un absolūtās ziņas jālabo atbilstoši izņēmumiem.

7. Kāpēc "neobjektivitātes un diskriminācijas" risks ir īpaši svarīgs apdrošināšanas cenu noteikšanas modeļos?

• A) Modelis var radīt negodīgu cenu noteikšanu, apgūstot diskriminējošus modeļus vēsturiskajos datos un veicot netiešu diskrimināciju, izmantojot sensitīvus mainīgos ✔
• B) Novirze tikai izraisīs modeļa lēnu darbību
• C) Neobjektivitāte ietekmē tikai mārketinga tekstus, nevis cenu
• D) Diskriminācijas risks pastāv tikai veselības apdrošināšanā

Apraksts: mākslīgā intelekta modelis var apgūt diskriminējošus modeļus vēsturiskajos datos un diskriminēt netieši, izmantojot sensitīvus vai saistītus mainīgos lielumus, piemēram, dzimumu, etnisko piederību un dzīvesvietas reģionu. Tas ir gan ētisks, gan juridisks jautājums; Tiesību akti aizliedz negodīgu diskrimināciju un pieprasa, lai cenas būtu attaisnojamas.

8. Klienta pārstāvis gatavojas pierakstīt klienta vārdu un ID numuru, jautājot mākslīgajam intelektam par sarežģītu bojājumu gadījumu. Kāda ir labākā uzvedība?

• A) Pierakstiet visu personisko informāciju, jo AI reaģē labāk
• B) Konteksta anonimizācija un jautāšana tikai ar faktiskajiem ekvivalentiem, nepierakstot identificējošu informāciju ✔
• C) Uzskata, ka pietiek ar vārda uzvārda uzrakstīšanu un Turcijas ID slēpšanu.
• D) Lūdzot mākslīgajam intelektam ierakstīt datus un pēc tam tos izdzēst

Paskaidrojums: Vārds, uzvārds, TR ID numurs un informācija par veselību/bojājumiem ir personas un īpaši dati. Kontekstam ir jābūt anonimizētam, pirms tas tiek nodots mākoņa rīkam; klīniskie/faktu ekvivalenti (piemēram, "vecums 45, automašīnas apdrošināšanas polise, vienpusēja sadursme") saglabā konfidencialitāti, nemazinot produkcijas kvalitāti.

9. Ar mākslīgo intelektu atbalstīts tērzēšanas robots saņēma klienta pieprasījumu: "Es vēlos atcelt savu polisi un atgūt savu prēmiju." Kurš ir pareizais dizains?

• A) Tērzēšanas robotam pašam nekavējoties jāapstrādā atcelšana un atmaksa
• B) Tērzēšanas robotam ir jānoraida pieprasījums un jāaizver saruna
• C) Tērzēšanas robotam ir jāklasificē un jāinformē pieprasījums, bet darījums, kas rada finansiālas/juridiskas sekas, jānodod kompetentajam cilvēka pārstāvim ✔
• D) Tērzēšanas robotam ir jāapsola klientam precīza atmaksas summa

Paskaidrojums. Pieprasījumi, kuriem ir finansiālas un juridiskas sekas, piemēram, atcelšana, prēmiju atmaksa un kompensācija, ir uzdevumi, kurus tērzēšanas robots nevar izpildīt pats. Tērzēšanas robots var klasificēt pieprasījumu un sniegt informāciju, taču tam ir jādeleģē darījums kompetentam aģentam ar eskalācijas slieksni.

10. Runājot par KVKK, kādā kategorijā ietilpst apdrošināšanas klienta veselības dati un ko tas nozīmē?

• A) Tie ir parastie personas dati, tiem nav nepieciešama papildu aizsardzība
• B) Tie netiek uzskatīti par personas datiem, jo tie tiek glabāti apdrošināšanas sabiedrībā
• C) Aizsargāts tikai tad, ja klients to pieprasa
• D) Tie ir īpaša rakstura personas dati, un uz tiem attiecas visaugstākā aizsardzība un stingrāki apstrādes nosacījumi ✔

Paskaidrojums: Veselības dati ir iekļauti KVKK kategorijā "īpaši personas dati" un ir pakļauti visaugstākajai aizsardzībai; Apstrādei nepieciešami stingrāki nosacījumi (skaidra piekrišana vai likumā paredzēti izņēmumi). Šāda veida datu nekontrolēta nodošana mākslīgā intelekta rīkiem ir nopietns pārkāpuma risks.

11. Runājot par automātiskās lēmumu pieņemšanas principiem, kādas klienta tiesības izvirzās priekšplānā, ja noraidīšanas lēmums tiek pieņemts tikai ar mākslīgo intelektu?

• A) Tiesības nepaziņot lēmumu vispār
• B) Tiesības iebilst pret lēmumu, pieprasīt cilvēka iejaukšanos un uzzināt pamatojumu ✔
• C) Tiesības samazināt piemaksu tik daudz, cik vēlas
• D) Tiesības piekļūt visiem uzņēmuma datiem

Paskaidrojums: lēmumos, kas balstās tikai uz automatizētu apstrādi un ietekmē indivīdu, priekšplānā izvirzās indivīda tiesības iebilst pret lēmumu, pieprasīt cilvēka iejaukšanos un uzzināt lēmuma pamatojumu. Tāpēc izskaidrojamība un cilvēku kontrole ir būtiskas lēmumos ar lielu ietekmi.

12. Kas aktuāram jādara pirms mākslīgā intelekta ieteiktā jaunā tarifa piemērošanas?

• A) Datu kvalitātes, pieņēmumu un prēmiju atbilstības pārbaude ar neatkarīgiem aprēķiniem un aktuāra principiem un lēmuma pieņemšana kā kompetents aktuārs ✔
• B) Augšupielādējiet tarifu tieši sistēmā un publicējiet to
• C) Skatoties tikai uz konkurentu cenām un ignorējot AI izvadi
• D) Neveikt nekādu pārbaudi tikai tāpēc, ka mākslīgais intelekts to ieteica

Paskaidrojums: tarifu un tehnisko rezervju lēmumiem ir nepieciešama aktuāra atbildība. Mākslīgā intelekta produkcija; Tas būtu jāpārbauda ar neatkarīgiem aprēķiniem un aktuāra principiem attiecībā uz datu kvalitāti, pieņēmumiem, bojājumu biežuma/nopietnības tendencēm un prēmiju atbilstību, un galīgais lēmums būtu jāpieņem kompetentam aktuāram.

13. Saskaņā ar atšķirību "Vāja uzvedne / spēcīga uzvedne" ir spēcīga uzvedne par bojājumu faila kopsavilkumu?

• A) "Apkopojiet šo bojājumu failu."
• B) "Rīkojieties kā bojājumu koriģētāja palīgs; apkopojiet šo anonimizēto failu datuma secībā, atzīmējiet trūkstošos/nekonsekventos punktus atsevišķā virsrakstā, pieņemiet lēmumu par apjomu, katrā vienumā norādiet dokumenta atsauci." ✔
• C) "Jūs izlemjat, vai maksājums jāveic šajā failā."
• D) "Izlasiet failu un uzrakstiet vēstuli klientam, solot samaksu."

Apraksts: Spēcīga uzvedne; Tajā ir ietverta loma, konteksts, ievade (anonimizēta), vēlamais formāts, ierobežojumi un verifikācijas norādījumi. Neskaidrs pieprasījums, piemēram, "apkopot šo failu", ir vājš; Robežu noskaidrošana, piemēram, loma, tvēruma lēmuma pieprasījums, atsauce uz avotu un lēmumu pieņemšana, palielina rezultātu pārbaudāmību.

14. Kāds ir pamatprincips, veidojot mākslīgā intelekta lietošanas polisi apdrošināšanas struktūrvienībā?

• A) Pilnībā automatizējiet visus iespējamos lēmumus par ātrumu
• B) Veiciet pārbaudi tikai tad, kad ir saņemta sūdzība
• C) Zonas uzdevumi atbilstoši riska līmenim, un tiem ir nepieciešams cilvēka apstiprinājums, pārbaude un izsekošanas reģistrēšana kritiskos lēmumos ✔
• D) Politikas rakstīšana un tās ieviešanas atstāšana tikai darbinieku iniciatīvas ziņā

Apraksts: Pilnīgas drošas izmantošanas pamatā ir tas, ka katrs uzdevums ir zonēts atbilstoši riska līmenim, ir nepieciešami cilvēku apstiprinājumi un pārbaudes kontrolpunkti, pieņemot kritiskus lēmumus drošības un atbilstības ziņā, un viss process ir auditējams ar izsekošanas ierakstu. Mākslīgais intelekts paātrinās, bet galvenā atbildība gulstas uz cilvēku.