Ieguvumi:
- Spēja atšķirt, kur aktuāra darbplūsmā (datu sagatavošana, koda ģenerēšana, ziņojumu sastādīšana, scenāriju interpretācija) mākslīgais intelekts ietaupa reālo laiku un kāpēc tādus lēmumus kā prēmija/nodrošinājums/kapitāls atstāj kompetentam aktuāram atkarībā no uzdevuma riska līmeņa.
- Spēja pielietot disciplīnu, kas pārbauda katru mākslīgā intelekta izvadi, veicot saistīšanu ar procesuālo avotu, veicot neatkarīgu pārrēķinu un pārbaudot to ar aktuāra argumentāciju.
- Politikas, bojājumu un veselības datu anonimizācija KVKK/privātuma ietvaros un ieradums izvēlēties drošus transportlīdzekļus, kas modeļu apmācībā neizmanto datus
Apdrošināšanas vai pensiju sabiedrībā katru mēnesi tiek ražoti simtiem nākotnes skaitļu: cik liela prēmija mums jāmaksā par šo polišu grupu? cik daudz no pagātnes bojājumiem vēl nav ziņots; Kāda ir to pensiju vērtība, ko šodien maksāsim pēc 30 gadiem? Ja pienāks slikts gads, vai uzņēmums izdzīvos? Profesija, kas atbild uz visiem šiem jautājumiem, ir aktuārs. Aktuārs ir speciālists, kas mēra, novērtē un ziņo par apdrošināšanas un pensijas risku, izmantojot varbūtību, statistiku un finanšu matemātiku; Katrs skaitlis, ko tas ražo, tieši ietekmē uzņēmuma finansiālo līdzsvaru, apdrošinātā tiesības un revidenta uzticību. Šeit parādās mākslīgais intelekts.
Mākslīgais intelekts (AI jeb īsumā AI — datorsistēmas, kas var ģenerēt tekstu, rakstīt kodu, atpazīt modeļus un apkopot datus, piemēram, cilvēkus) samazina aktuāra darba atkārtošanās un laikietilpīgās daļas līdz minūtēm: datu tīrīšanas koda rakstīšanu, konta tulkošanu Python valodā, aktuāra ziņojuma sastādīšanu, sarežģītu sadalījumu izskaidrošanu vienkāršā valodā. Tomēr tas pats AI var arī izveidot pārliecinošu skaitli, piemēram, "jūsu bojājumu biežums ir 8 procenti", nekad neredzot jūsu datus. Šī moduļa pirmā vienība nav programmatūras ievads; Tās mērķis ir precizēt, kur ieviest AI savā aktuāra biznesā un kur to vispār nelietot.
No sākuma izklāstīsim pamatprincipu: Mākslīgais intelekts ir palīgs, nevis aktuārs. Atbildība un galīgā lēmumu pieņemšana par finansēm būtiskiem lēmumiem, piemēram, prēmijām, uzkrājumiem (rezervēm), kapitālam un saistībām pieder kompetentam, ieceltam un pilnvarotam parakstītājam aktuāram. Nepārbaudīta AI izvade ir tikpat riskanta kā neparakstīts aktuāra ziņojums.
Aktuārā biznesa slāņi un AI vieta
Aktuāra darba sadalīšana trīs slāņos atvieglo AI pareizu izvietošanu. Tehniskais/skaitļošanas slānis ir vieta, kur tiek ģenerēts skaitlis: datu apstrāde, modeļu veidošana, prēmiju un rezerves uzskaite. Pamatojuma slānis ir vieta, kur tiek interpretēts skaitlis: kuru pieņēmumu izvēlēties, kurš uzlabojuma koeficients manuāli labot, cik pārliecināti mēs esam par šo novērtējumu. Atbildības slānis ir vieta, kur tiek parakstīts: ziņojums tiek nosūtīts regulatoram, lēmums tiek iesniegts vadībai, aktuārs ir rezultātu likumīgais īpašnieks. AI ir ļoti spēcīgs pirmajā slānī, tikai palīgs otrajā, bet trešajā nemaz nav.
No sākuma definēsim dažus pamatjēdzienus. Prēmija ir cena, ko apdrošinātais maksā apmaiņā pret risku. Zaudējumi (prasība) ir apdrošinātajam nodarītie zaudējumi, ko apmaksā uzņēmums. Uzkrājums/rezerve ir nauda, kas šodien ir rezervēta nākotnē izmaksājamām prasībām. Saistības ir uzņēmuma nākotnes parāda pret apdrošinājuma ņēmējiem pašreizējā vērtība. Riska risks ir vienība, kas mēra riska lielumu (piemēram, transportlīdzeklis apdrošināts uz vienu gadu = 1 transportlīdzekļa gads). Mēs šos jēdzienus skaidrosim pa vienam turpmākajās vienībās; Pagaidām ziniet to: AI sniedz jums visu šo jēdzienu plānu, kodu un analīzi, bet jūs izveidojat galīgo izdevumu un parakstu.
Šajā tabulā ir apkopota AI loma un riska līmenis pēc misijas:
Meklējumi
AI loma
Riska līmenis
Kas apstiprina
Datu tīrīšana / kodēšana
kodu ģenerators
zems
Aktuārs / datu analītiķis
Ziņojuma un kopsavilkuma projekts
skiču ģenerators
zems
aktuārs
Izplatīšanas/metodes apraksts
pamācība, apkopojoša
zems
aktuārs
Bojājumu biežuma-nopietnības modelis
Modeļu veidotājs, projekts
vidējs
vecākais aktuārs
IBNR / rezerves konts
konta melnraksts
augsts
Atbildīgais aktuārs
Cenas / tarifs
Modeļa skice
augsts
Cenu aktuārs + atbilstība
Kapitāls (SCR) / saistības
palīgieeja
ļoti augsts
Iecelts aktuārs + vadība
Paturiet prātā vienu rindiņu šajā tabulā: pieaugot riskam, AI loma samazinās un aktuāra apstiprinājums pieaug.
Kāpēc "pārbaude" ir šī biznesa pamatā
Mākslīgā intelekta valodas modeļi šķiet pārliecināti savā atbildē, taču viņi var nebūt pārliecināti. Tehniskajā valodā to sauc par halucinācijām: tā ir modeļa neesošas informācijas safabricēšana raitā teikumā, it kā tā būtu patiesība. Aktuāram tas ir nāvējošs lamatas. Modelis var radīt jums tādus skaitļus kā "šī portfeļa zaudējumu/premijas attiecība ir 72 procenti"; Taču viņš nekad nav redzējis tavus datus un šis skaitlis ir pilnībā izdomāts. Vai arī viņš varētu nosaukt mirstības tabulas nosaukumu kā "TRH-2020"; Tomēr šādas tabulas nav. Tā kā viņš saka abus vienlīdz tekoši, vienīgais, kas atšķir pareizo no nepareizā, ir jūsu aktuārās zināšanas un pārbaudes ieradums.
Pārbaudes disciplīna sastāv no trim posmiem:
- Saite uz metodi un avotu: paļaujieties uz saviem datiem un oficiālajiem skaitļu avotiem, nevis AI atmiņu. Izmantojiet AI apkopojumu kā sākumpunktu formulām, sadalījumiem un normatīvajiem rakstiem; pēc tam apstipriniet no standarta aktuāra avotiem (mācību grāmata, likumdošanas teksts, iestādes procedūra). Izmantojiet AI, lai interpretētu datus, nevis lai tos atcerētos.
- Neatkarīgs pārrēķins: neatkarīgi pārbaudiet katru skaitlisko rezultātu, koeficientu un attiecību, ko rada AI. Reproducējiet pašreizējo vērtību, pieauguma faktoru, kopsummu pats vai ar pārbaudītu izklājlapu.
- Tests ar aktuāra spriedumu: pārbaudiet ar eksperta aci, vai rezultāti ir pretrunā faktiem (portfeļa uzvedība, inflācija, tiesību akti, pagātnes pieredze). "Kāpēc šis koeficients iznāca kā 1,45, nevis 1,05?" Vienmēr uzdodiet jautājumu.
Uzmanību: AI sagatavota rezerves skaitļa vai prēmiju grafika parakstīšana, to nepārbaudot, ir kā neparakstīta aktuāra ziņojuma publicēšana. Tikai tāpēc, ka izvade ir gluda un sakārtota, nav precīza.
Privātums: politika un dati par bojājumiem ir privāti dati
Politikas un prasību dati ietver identitāti, kontaktinformāciju, veselības un finanšu informāciju. Dažas no tām ir īpašas personas datu kategorijas, kas ietilpst Turkijas likuma (Personas datu aizsardzības likuma) un GDPR darbības jomā Eiropā; Jo īpaši diagnostikas informācija veselības un dzīvības apdrošināšanā ir pakļauta visaugstākajai aizsardzībai. Apdrošinātā vārda, TR ID numura, polises numura un diagnozes ielīmēšana publiskajā AI transportlīdzeklī ir nopietns pārkāpums. Tāda pati jutība attiecas uz portfeļa datiem, kas ir komercnoslēpumi (prēmiju tabulas, zaudējumu sadalījumi, pārapdrošināšanas nosacījumi).
Noteikums ir vienkāršs: padariet datus anonīmus un nekoplietojiet tos. "54 gadus vecs vīrietis, sirds slimība anamnēzē" vietā "Ahmet Yılmaz, 54, politika 2024-88213, miokarda infarkts"; Atsevišķu ierakstu vietā kopīgojiet grupētas/kopsavilkuma tabulas. Lielākā daļa aktuārās analīzes tiek veiktas ar jau apkopotiem datiem (vecuma grupa, pārklājuma veids, izstrādes gads); Tas gan aizsargā konfidencialitāti, gan vienkāršo analīzi. Ja iespējams, izvēlieties korporatīvos rīkus, kuriem ir datu apstrādes līgums un neizmantojiet savus datus modeļu apmācībā.
Padoms. Aktuāra darbā AI bieži tiek dota kopsavilkuma/apkopojuma tabula, nevis neapstrādāts ieraksts. Tabulā, piemēram, "3. tabula: vecuma grupa × pārklājums × vidējais kaitējums", nav personas datu, bet viss nepieciešamais analīzei.
trīs mini futrāļi
1. gadījums — droša un efektīva lietošana. Aktuāra palīgs pavada 2 dienas manuāli tīrot 40 000 prasību datu rindiņas. Viņš paskaidroja AI datu struktūru (kolonnu nosaukumi, piemērs 5 anonīmas rindas) un lūdza Python tīrīšanas kodu. AI izstrādāja koda uzmetumu 15 minūtēs; Aktuārs nolasīja kodu pēc rindiņas, izlaboja divas loģikas kļūdas (negatīvie bojājumi bija jāpārbauda atsevišķi, nevis jādzēš) un palaida to, izmantojot savus datus. Ilgums: puse dienas 2 dienu vietā. AI uzrakstīja kodu, aktuārs to pārbaudīja un palaida.
2. gadījums — nepārbaudīts numuru slazds. Kāds darbinieks YZ jautāja: "Kāda ir mūsu apdrošināšanas filiāles kombinētā attiecība?" AI pārliecinoši sniedza "apmēram 104 procentus", lai gan tam nebija piekļuves nekādiem datiem. Darbinieks to ievietoja savā vadības prezentācijā; faktiskā likme bija 97 procenti. Atšķirība noveda pie tā, ka ienesīga filiāle tika attēlota kā zaudējumi un nepareizs cenas palielināšanas lēmums. Kļūda: tiek gaidīts indikators no AI, nesniedzot tam datus.
3. gadījums — konfidencialitātes pārkāpums. Aktuārs publiskā mākslīgā intelekta rīkā ielādēja programmu Excel, kurā bija dzīvības apdrošināšanas pretendentu pilns vārds, uzvārds, personas apliecība un veselības deklarācija, un teica: "Atzīmējiet riskantos". Dati tika nosūtīti uz ārēju serveri; Parādījās KVKK pārskats un radās reputācijas risks. Pareizais veids bija noņemt vārdu un ID un kopīgot tikai vecumu, dzimumu, seguma summu un anonīmus riska faktorus.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Pastāstiet mums par mūsu portfeļa zaudējumu biežumu šogad un atbilstošo prēmiju.
Šis apgalvojums ir kļūdains: mākslīgajam intelektam nav sniegti dati, tāpēc tas var atbildēt tikai uz "biežuma" un "premium" jautājumu ar izdomātiem skaitļiem. Kāda filiāle, kāds periods, kāda iedarbība ir skaidrs.
Spēcīga uzvedne:
Jūsu loma: analīzes palīgs, kas palīdz aktuāram.Uzdevums: Palīdziet man interpretēt tālāk esošo ANONĪMO kopsavilkuma tabulu.Dati (apdrošināšana, 2024, bez provinces/nosaukuma):- Ekspozīcija: 12 400 transportlīdzekļa gadi - Atlīdzību skaits: 1 612- Kopējais izmaksāto atlīdzību skaits: 48 900 000 (aprēķiniet vidējo zaudējumu biežumu un 100 TLI) bojājuma nopietnību, parādiet formulu.2) Aprēķiniet riska prēmiju (biežums × smagums).3) Uzrakstiet starpposmus, lai katru skaitli varētu pārbaudīt manuāli. Neizdomājiet lietas; Vienkārši izmantojiet ciparus, ko es jums devu. Ja kaut kas pietrūkst, jautājiet.
Šis pieprasījums ir spēcīgs, jo tajā dati tiek sniegti anonīmi, ir vajadzīgas formulas, jāveic starpposma darbības un ir aizliegta izgatavošana.
Biežas kļūdas
- Prasa numurus, nesniedzot datus. AI atmiņā nav jūsu portfeļa; Katrs skaitlis, ko viņš dod, ir viltots. Vispirms norādiet anonīmus datus, pēc tam pieprasiet kontu.
- Izvades parakstīšana, nepārbaudot to. Šķidra un sakārtota diagramma nenozīmē, ka tā ir precīza. Reproducējiet katru numuru neatkarīgi.
- Personas datu ielīmēšana neapstrādātā veidā. Vārds, ID numurs, polises numurs un diagnoze nekad netiek kopīgoti. Anonimizējiet un izmantojiet apkopotos datus.
- Ļaujot AI izvēlēties metodi un neapšaubīt to. "Kuru metodi man vajadzētu izmantot?" Atbilde uz jautājumu ir ieteikums; galīgo izvēli nosaka aktuāra spriedums un tiesību akti.
- AI sajaukt ar tiesību aktu avotu. Modelis var veidot tiesību aktu pantus un tabulu nosaukumus. Apstipriniet no oficiālā teksta.
Rezumējot
Mākslīgais intelekts ir spēcīgs palīgs, kas paātrina aktuāra darba tehniskās un atkārtotās daļas; raksta kodu, ražo melnrakstus, skaidro. Taču atbildība par prēmiju, nodrošinājuma, kapitāla un saistību lēmumiem ir kompetentam aktuāram. Katra izvade tiek apstiprināta, izmantojot trīs darbības: saistīšana ar metodi/avotu, neatkarīga pārrēķināšana, pārbaude ar aktuāra argumentāciju. Dati vienmēr tiek anonimizēti, un nevajadzīgie netiek kopīgoti. Nepārbaudīta AI izvade ir tikpat riskanta kā neparakstīts ziņojums.
Lietojumprogrammas uzdevums
Izvēlieties nozari, kurā strādājat (vai pieņemat). Sagatavojiet šai nozarei pilnīgi anonīmu un apkopotu mini tabulu (ekspozīcija, prasību skaits, kopējie zaudējumi). Pielāgojiet iepriekš minēto “Jaudīgo uzvedni” savai tabulai un piešķiriet to AI rīkam. Pārrēķiniet atdeves biežumu, smagumu un riska prēmiju manuāli (ar kalkulatoru) un salīdziniet ar AI rezultātu. Ja atrodat atšķirību, atzīmējiet, kāpēc.
kontrolsaraksts
- [ ] Vai mani sniegtie AI dati ir anonīmi un apkopoti? Vai ir kāda personīga/privāta informācija?
- [ ] Vai esmu pārrēķinājis katru skaitlisko izvadi neatkarīgi?
- [ ] Vai metodes/pieņēmuma izvēli es uztvēru kā ieteikumu un izlēmu pats?
- [ ] Vai esmu apstiprinājis tiesību aktus un tabulu atsauces no oficiālā avota?
- [ ] Vai es zinu, vai manis izmantotais rīks modeļu apmācībā izmanto datus?
- [ ] Vai šī produkcija ir melnraksts, vai arī es to nejauši uzskatīju par galīgu?