ปัญญาประดิษฐ์เบื้องต้นในวิทยาศาสตร์คณิตศาสตร์ประกันภัย: บทบาท ขอบเขต การรับรองความถูกต้อง และความเป็นส่วนตัว

กำไร:

• ความสามารถในการแยกแยะว่าจุดใดในขั้นตอนการทำงานของคณิตศาสตร์ประกันภัย (การเตรียมข้อมูล การสร้างรหัส การร่างรายงาน การตีความสถานการณ์) ปัญญาประดิษฐ์ช่วยประหยัดเวลาได้จริง และเหตุใดการตัดสินใจ เช่น เบี้ยประกันภัย/การจัดเตรียม/ทุน จึงเป็นหน้าที่ของนักคณิตศาสตร์ประกันภัยที่มีความสามารถ ขึ้นอยู่กับระดับความเสี่ยงของงาน
• ความสามารถในการใช้ระเบียบวินัยที่ตรวจสอบเอาต์พุต AI แต่ละรายการผ่านขั้นตอนการเชื่อมโยงเข้ากับแหล่งที่มาของขั้นตอน การคำนวณใหม่โดยอิสระ และการทดสอบโดยใช้เหตุผลตามหลักคณิตศาสตร์ประกันภัย
• ปกปิดข้อมูลนโยบาย ความเสียหาย และข้อมูลด้านสุขภาพภายในขอบเขตของ KVKK/ความเป็นส่วนตัว และสร้างนิสัยในการเลือกยานพาหนะที่ปลอดภัยที่ไม่ใช้ข้อมูลในการฝึกโมเดล

ในบริษัทประกันภัยหรือบริษัทบำนาญ มีการผลิตตัวเลขในอนาคตหลายร้อยรายการทุกเดือน เราควรจ่ายเบี้ยประกันภัยเท่าไรสำหรับกรมธรรม์กลุ่มนี้ ยังไม่มีรายงานความเสียหายในอดีตเท่าใด เงินบำนาญที่เราจะจ่ายใน 30 ปีวันนี้มีมูลค่าเท่าไร? ถ้าปีที่แย่มาถึงบริษัทจะรอดไหม? อาชีพที่ตอบคำถามเหล่านี้ทั้งหมดคือนักคณิตศาสตร์ประกันภัย นักคณิตศาสตร์ประกันภัยเป็นผู้เชี่ยวชาญที่วัด ราคา และรายงานความเสี่ยงด้านการประกันภัยและวัยเกษียณโดยใช้ความน่าจะเป็น สถิติ และคณิตศาสตร์ทางการเงิน ทุกตัวเลขที่เกิดขึ้นจะส่งผลโดยตรงต่อความสมดุลทางการเงินของบริษัท สิทธิของผู้ประกันตน และความไว้วางใจของผู้ตรวจสอบบัญชี นี่คือจุดที่ปัญญาประดิษฐ์เข้ามามีบทบาท

ปัญญาประดิษฐ์ (AI หรือ AI เรียกสั้นๆ ว่าระบบคอมพิวเตอร์ที่สามารถสร้างข้อความ เขียนโค้ด จดจำรูปแบบ และสรุปข้อมูลเช่นมนุษย์) ช่วยลดส่วนที่ซ้ำซากและใช้เวลานานของงานคณิตศาสตร์ประกันภัยเหลือเพียงไม่กี่นาที เช่น การเขียนโค้ดล้างข้อมูล การแปลบัญชีเป็น Python การร่างรายงานนักคณิตศาสตร์ประกันภัย การอธิบายการกระจายที่ซับซ้อนในภาษาธรรมดา อย่างไรก็ตาม AI เดียวกันนี้สามารถสร้างตัวเลขที่มั่นใจได้ เช่น "ความถี่ความเสียหายของคุณคือ 8 เปอร์เซ็นต์" โดยไม่เคยเห็นข้อมูลของคุณเลย หน่วยแรกของโมดูลนี้ไม่ใช่การแนะนำซอฟต์แวร์ จุดประสงค์คือเพื่อชี้แจงให้ชัดเจนว่าจะใส่ AI ในธุรกิจคณิตศาสตร์ประกันภัยของคุณได้ที่ใด และที่ใดที่ไม่ควรใส่เลย

เรามาวางหลักการพื้นฐานตั้งแต่ต้นกันดีกว่า: ปัญญาประดิษฐ์คือผู้ช่วย ไม่ใช่นักคณิตศาสตร์ประกันภัย ความรับผิดชอบและการอนุมัติขั้นสุดท้ายของการตัดสินใจที่มีความสำคัญทางการเงิน เช่น เบี้ยประกันภัย สำรอง (สำรอง) ทุน และหนี้สินเป็นของนักคณิตศาสตร์ประกันภัยที่มีอำนาจ ได้รับการแต่งตั้ง และได้รับอนุญาต ผลลัพธ์ AI ที่ไม่ผ่านการตรวจสอบมีความเสี่ยงพอๆ กับรายงานนักคณิตศาสตร์ประกันภัยที่ไม่ได้ลงนาม

ชั้นธุรกิจคณิตศาสตร์ประกันภัยและสถานที่ของ AI

การแยกงานคณิตศาสตร์ประกันภัยออกเป็นสามชั้นทำให้วาง AI ได้อย่างถูกต้องได้ง่ายขึ้น ชั้นทางเทคนิค/การคำนวณเป็นที่ที่ตัวเลขถูกสร้างขึ้น: การประมวลผลข้อมูล การสร้างแบบจำลอง การบัญชีพรีเมียม และการบัญชีสำรอง ชั้นการให้เหตุผลคือตำแหน่งที่ตัวเลขถูกตีความ: ข้อสันนิษฐานใดให้เลือก ปัจจัยการปรับปรุงใดที่ต้องแก้ไขด้วยตนเอง ความมั่นใจว่าเราประมาณการได้มากเพียงใด ชั้นความรับผิดชอบคือที่ที่มีการลงนาม: รายงานจะถูกส่งไปยังหน่วยงานกำกับดูแล การตัดสินใจจะถูกนำเสนอต่อฝ่ายบริหาร นักคณิตศาสตร์ประกันภัยคือเจ้าของผลลัพธ์ตามกฎหมาย AI มีพลังมากในเลเยอร์แรก มีส่วนเสริมในเลเยอร์ที่สองเท่านั้น และไม่มีเลยในเลเยอร์ที่สาม

เรามานิยามคำศัพท์พื้นฐานบางประการตั้งแต่ต้นกันดีกว่า เบี้ยประกันภัยคือราคาที่ผู้เอาประกันภัยจ่ายเพื่อแลกกับความเสี่ยง ความเสียหาย (การเรียกร้อง) คือความเสียหายที่ผู้เอาประกันภัยได้รับและชำระโดยบริษัท เงินสำรอง/สำรอง คือ เงินที่กันไว้ในวันนี้สำหรับการเรียกร้องที่ต้องชำระในอนาคต ความรับผิดคือมูลค่าปัจจุบันของหนี้ในอนาคตของบริษัทที่มีต่อผู้ถือกรมธรรม์ ความเสี่ยงเป็นหน่วยที่ใช้วัดขนาดความเสี่ยง (เช่น รถยนต์ที่เอาประกันภัย 1 ปี = 1 คันต่อปี) เราจะอธิบายแนวคิดเหล่านี้ทีละรายการในหน่วยต่อไปนี้ สำหรับตอนนี้ โปรดทราบสิ่งนี้: AI จะให้พิมพ์เขียว โค้ด และการวิเคราะห์สำหรับแนวคิดเหล่านี้ทั้งหมดแก่คุณ แต่คุณเป็นผู้จัดทำฉบับสุดท้ายและลายเซ็น

ตารางต่อไปนี้สรุปบทบาทและระดับความเสี่ยงของ AI ตามภารกิจ:

ภารกิจ

บทบาทของเอไอ

ระดับความเสี่ยง

ใครอนุมัติ.

การล้างข้อมูล / การเข้ารหัส

เครื่องกำเนิดรหัส

ต่ำ

นักคณิตศาสตร์ประกันภัย / นักวิเคราะห์ข้อมูล

รายงานและร่างสรุป

เครื่องกำเนิดภาพร่าง

ต่ำ

นักคณิตศาสตร์ประกันภัย

คำอธิบายการกระจาย/วิธีการ

บทช่วยสอนสรุป

ต่ำ

นักคณิตศาสตร์ประกันภัย

แบบจำลองความถี่-ความรุนแรงของความเสียหาย

ผู้สร้างแบบจำลองร่าง

ปานกลาง

นักคณิตศาสตร์ประกันภัยอาวุโส

IBNR / บัญชีสำรอง

ร่างบัญชี

สูง

นักคณิตศาสตร์ประกันภัยที่รับผิดชอบ

ราคา/ภาษี

สเก็ตช์โมเดล

สูง

นักคณิตศาสตร์ประกันภัยการกำหนดราคา + การปฏิบัติตาม

ทุน (SCR) / หนี้สิน

อินพุตเสริม

สูงมาก

แต่งตั้งนักคณิตศาสตร์ประกันภัย+ผู้บริหาร

โปรดจำไว้หนึ่งบรรทัดในตารางนี้: เมื่อความเสี่ยงเพิ่มขึ้น บทบาทของ AI จะลดลง และการอนุมัติตามหลักคณิตศาสตร์ประกันภัยก็จะเพิ่มขึ้น

เหตุใด "การยืนยัน" จึงเป็นหัวใจสำคัญของธุรกิจนี้

โมเดลภาษาปัญญาประดิษฐ์ดูเหมือนจะมั่นใจในคำตอบ แต่อาจไม่แน่ใจ ในภาษาเทคนิค สิ่งนี้เรียกว่าภาพหลอน ซึ่งเป็นการสร้างแบบจำลองของข้อมูลที่ไม่มีอยู่จริงในประโยคที่คล่องแคล่ว ราวกับว่ามันเป็นเรื่องจริง สำหรับนักคณิตศาสตร์ประกันภัย นี่เป็นกับดักร้ายแรง แบบจำลองอาจสร้างตัวเลขให้กับคุณ เช่น "อัตราส่วนการสูญเสีย/เบี้ยประกันภัยของพอร์ตโฟลิโอนี้คือ 72 เปอร์เซ็นต์"; อย่างไรก็ตาม เขาไม่เคยเห็นข้อมูลของคุณเลย และตัวเลขนี้ถูกสร้างขึ้นเรียบร้อยแล้ว หรือเขาอาจเรียกชื่อตารางมรณะว่า "TRH-2020" อย่างไรก็ตามไม่มีตารางดังกล่าว เนื่องจากเขาพูดทั้งสองอย่างคล่องแคล่วเท่ากัน สิ่งเดียวที่แยกถูกออกจากผิดคือความรู้ด้านคณิตศาสตร์ประกันภัยและนิสัยในการตรวจสอบ

ระเบียบวินัยในการตรวจสอบประกอบด้วยสามขั้นตอน:

1. ลิงก์ไปยังวิธีการและแหล่งที่มา: อาศัยข้อมูลของคุณเองและแหล่งที่มาอย่างเป็นทางการสำหรับตัวเลข ไม่ใช่หน่วยความจำของ AI ใช้บทสรุป AI เป็นจุดเริ่มต้นสำหรับสูตร การแจกแจง และบทความด้านกฎระเบียบ จากนั้นยืนยันจากแหล่งข้อมูลคณิตศาสตร์ประกันภัยมาตรฐาน (ตำราเรียน ข้อความทางกฎหมาย ขั้นตอนของสถาบัน) ใช้ AI เพื่อตีความข้อมูล ไม่ใช่เพื่อจดจำ
2. คำนวณใหม่อย่างอิสระ: ตรวจสอบผลลัพธ์ตัวเลข ค่าสัมประสิทธิ์ และอัตราส่วนที่ AI สร้างขึ้นอย่างอิสระ สร้างมูลค่าปัจจุบัน ปัจจัยการเติบโต ยอดรวมของคุณเอง หรือด้วยสเปรดชีตที่ได้รับการตรวจสอบแล้ว
3. ทดสอบโดยใช้ดุลยพินิจของนักคณิตศาสตร์ประกันภัย: ทดสอบด้วยสายตาของผู้เชี่ยวชาญว่าผลลัพธ์ขัดแย้งกับข้อเท็จจริงในพื้นที่หรือไม่ (พฤติกรรมพอร์ตโฟลิโอ อัตราเงินเฟ้อ กฎหมาย ประสบการณ์ในอดีต) "เหตุใดปัจจัยนี้จึงออกมาเป็น 1.45 ไม่ใช่ 1.05" ถามคำถามอยู่เสมอ

ข้อควรสนใจ: การลงนามตัวเลขสำรองหรือกำหนดการพรีเมียมที่ AI จัดทำขึ้นโดยไม่ตรวจสอบก็เหมือนกับการเผยแพร่รายงานนักคณิตศาสตร์ประกันภัยที่ไม่ได้ลงนาม เพียงเพราะว่าเอาต์พุตมีความราบรื่นและเป็นระเบียบไม่แม่นยำ

ความเป็นส่วนตัว: ข้อมูลนโยบายและข้อมูลความเสียหายเป็นข้อมูลส่วนตัว

ข้อมูลนโยบายและการเรียกร้องรวมถึงข้อมูลประจำตัว การติดต่อ สุขภาพและการเงิน บางส่วนเป็นข้อมูลส่วนบุคคลประเภทพิเศษภายในขอบเขตของ KVKK (กฎหมายคุ้มครองข้อมูลส่วนบุคคล) ในตุรกีและ GDPR ในยุโรป โดยเฉพาะข้อมูลการวินิจฉัยด้านสุขภาพและประกันชีวิตจะได้รับความคุ้มครองสูงสุด การวางชื่อผู้เอาประกันภัย หมายเลข TR ID หมายเลขกรมธรรม์ และการวินิจฉัยบนยานพาหนะ AI สาธารณะถือเป็นการละเมิดอย่างร้ายแรง ความละเอียดอ่อนเดียวกันนี้ใช้กับข้อมูลพอร์ตโฟลิโอที่เป็นความลับทางการค้า (ตารางพรีเมียม การกระจายการสูญเสีย เงื่อนไขการประกันภัยต่อ)

กฎง่ายๆ ก็คือ ปิดบังข้อมูลและอย่าเปิดเผยข้อมูลโดยไม่จำเป็น "ชายอายุ 54 ปี มีประวัติโรคหัวใจ" แทน "Ahmet Yılmaz อายุ 54 ปี นโยบาย 2024-88213 กล้ามเนื้อหัวใจตาย"; แบ่งปันตารางที่จัดกลุ่ม/สรุปแทนการบันทึกแต่ละรายการ การวิเคราะห์ตามหลักคณิตศาสตร์ประกันภัยส่วนใหญ่ดำเนินการด้วยข้อมูลที่รวบรวมไว้แล้ว (กลุ่มอายุ ประเภทความคุ้มครอง ปีที่พัฒนา) สิ่งนี้ทั้งปกป้องการรักษาความลับและทำให้การวิเคราะห์ง่ายขึ้น หากเป็นไปได้ ให้เลือกเครื่องมือขององค์กรที่มีข้อตกลงในการประมวลผลข้อมูล และอย่าใช้ข้อมูลของคุณในการฝึกโมเดล

เคล็ดลับ: ในงานคณิตศาสตร์ประกันภัย AI มักจะได้รับตารางสรุป/ตารางรวม แทนที่จะเป็นบันทึกข้อมูลดิบ ตารางเช่น "ตารางที่ 3: กลุ่มอายุ × ความครอบคลุม × ความเสียหายโดยเฉลี่ย" ไม่มีข้อมูลส่วนบุคคล แต่มีทุกสิ่งที่จำเป็นสำหรับการวิเคราะห์

มินิเคสสามอัน

กรณีที่ 1 — การใช้งานที่ปลอดภัยและมีประสิทธิภาพ ผู้ช่วยนักคณิตศาสตร์ประกันภัยจะใช้เวลา 2 วันในการทำความสะอาดข้อมูลการเคลม 40,000 รายการด้วยตนเอง เขาอธิบายโครงสร้างของข้อมูล (ชื่อคอลัมน์ ตัวอย่าง 5 แถวที่ไม่ระบุชื่อ) ให้กับ AI และขอโค้ดล้างข้อมูล Python AI สร้างร่างโค้ดภายใน 15 นาที นักคณิตศาสตร์ประกันภัยอ่านรหัสทีละบรรทัด แก้ไขข้อผิดพลาดทางตรรกะสองข้อ (ความเสียหายเชิงลบต้องได้รับการตรวจสอบแยกต่างหากแทนที่จะลบออก) และดำเนินการโดยใช้ข้อมูลของเขาเอง ระยะเวลา: ครึ่งวันแทนที่จะเป็น 2 วัน AI เขียนโค้ด นักคณิตศาสตร์ประกันภัยตรวจสอบและดำเนินการ

กรณีที่ 2 — กับดักหมายเลขที่ไม่ได้รับการยืนยัน พนักงานคนหนึ่งถาม YZ ว่า "อัตราส่วนรวมของสาขาประกันภัยของเราคือเท่าไร" AI ให้ตัวเลข "ประมาณ 104 เปอร์เซ็นต์" อย่างมั่นใจ แม้ว่าจะไม่สามารถเข้าถึงข้อมูลใดๆ ก็ตาม พนักงานใส่สิ่งนี้ในการนำเสนอของฝ่ายบริหาร อัตราที่แท้จริงคือร้อยละ 97 ความแตกต่างทำให้สาขาที่ทำกำไรถูกมองว่าขาดทุนและการตัดสินใจขึ้นราคาไม่ถูกต้อง ข้อผิดพลาด: กำลังรอตัวบ่งชี้จาก AI โดยไม่ได้ให้ข้อมูล

กรณีที่ 3 — การละเมิดการรักษาความลับ นักคณิตศาสตร์ประกันภัยได้โหลด Excel ที่มีชื่อเต็ม บัตรประจำตัวประชาชน และใบรับรองสุขภาพของผู้สมัครประกันชีวิตลงในเครื่องมือ AI สาธารณะ และระบุว่า "ทำเครื่องหมายผู้ที่มีความเสี่ยง" ข้อมูลไปที่เซิร์ฟเวอร์ภายนอก การตรวจสอบ KVKK และความเสี่ยงด้านชื่อเสียงเกิดขึ้น วิธีที่ถูกต้องคือการลบชื่อและบัตรประจำตัวออก และแชร์เฉพาะอายุ เพศ จำนวนเงินความคุ้มครอง และปัจจัยเสี่ยงที่ไม่เปิดเผยตัวตนเท่านั้น

พรอมต์อ่อน / พรอมต์แรง

พรอมต์ที่อ่อนแอ:

บอกความถี่การสูญเสียพอร์ตการลงทุนของเราในปีนี้และเบี้ยประกันภัยที่เหมาะสม

การกล่าวอ้างนี้มีข้อบกพร่อง: AI ไม่ได้รับข้อมูล ดังนั้นจึงสามารถตอบคำถามเรื่อง "ความถี่" และ "พรีเมียม" ด้วยตัวเลขที่สร้างขึ้นเท่านั้น สาขาไหน ช่วงเวลาไหน เปิดรับอะไรชัดเจน

พรอมต์อันทรงพลัง:

บทบาทของคุณ: ผู้ช่วยวิเคราะห์ที่ช่วยเหลือนักคณิตศาสตร์ประกันภัย งาน: ช่วยฉันตีความตารางรวมแบบไม่ระบุชื่อด้านล่าง ข้อมูล (ประกันภัย ปี 2024 ไม่มีจังหวัด/ชื่อ):- ความเสี่ยง: 12,400 ปียานพาหนะ- จำนวนการเรียกร้อง: 1,612- การเรียกร้องทั้งหมดที่ต้องชำระ: 48,900,000 TLI ต้องการ:1) ค้นหาความถี่ของความเสียหาย (จำนวน/การสัมผัส) และคำนวณค่าเฉลี่ยความรุนแรงของความเสียหาย แสดงสูตร2) คำนวณค่าความเสี่ยง (ความถี่ × ความรุนแรง)3) เขียนขั้นตอนระหว่างกลางเพื่อให้ผมสามารถตรวจสอบตัวเลขแต่ละตัวได้ด้วยตนเอง ไม่ต้องปรุงแต่ง เพียงใช้ตัวเลขที่ฉันให้คุณ ถ้าขาดอะไรไปถามได้

คำขอนี้เข้มงวดเนื่องจากให้ข้อมูลโดยไม่เปิดเผยตัวตน ต้องใช้สูตร ต้องมีขั้นตอนกลาง และห้ามการปลอมแปลง

ข้อผิดพลาดทั่วไป

• การขอเลขโดยไม่ให้ข้อมูล AI ไม่มีพอร์ตโฟลิโอของคุณอยู่ในหน่วยความจำ ทุกหมายเลขที่เขาให้นั้นเป็นของปลอม ขั้นแรกให้ข้อมูลที่ไม่ระบุชื่อ จากนั้นขอบัญชี
• การลงนามเอาต์พุตโดยไม่ตรวจสอบ แผนภูมิที่ลื่นไหลและเป็นระเบียบไม่ได้หมายความว่ามีความถูกต้อง สร้างแต่ละตัวเลขอย่างอิสระ
• วางข้อมูลส่วนบุคคลในรูปแบบดิบ ชื่อ หมายเลขประจำตัว หมายเลขกรมธรรม์ และการวินิจฉัยจะไม่ถูกแชร์ ไม่ระบุชื่อและใช้การรวม
• ให้ AI เลือกวิธีการและไม่ตั้งคำถาม “ฉันควรใช้วิธีไหน?” คำตอบสำหรับคำถามคือข้อเสนอแนะ ทางเลือกสุดท้ายขึ้นอยู่กับดุลยพินิจและการบังคับใช้กฎหมายของนักคณิตศาสตร์ประกันภัย
• เข้าใจผิดว่า AI เป็นแหล่งที่มาของกฎหมาย แบบจำลองนี้สามารถสร้างบทความด้านกฎหมายและชื่อตารางได้ ยืนยันจากข้อความอย่างเป็นทางการ

โดยสรุป

ปัญญาประดิษฐ์เป็นผู้ช่วยอันทรงพลังที่ช่วยเร่งการทำงานด้านเทคนิคและงานซ้ำ ๆ ของงานคณิตศาสตร์ประกันภัย เขียนโค้ด สร้างแบบร่าง อธิบาย แต่ความรับผิดชอบในการตัดสินใจเรื่องเบี้ยประกันภัย การจัดเตรียม ทุน และความรับผิดนั้นขึ้นอยู่กับนักคณิตศาสตร์ประกันภัยที่มีความสามารถ แต่ละเอาต์พุตได้รับการตรวจสอบความถูกต้องผ่านสามขั้นตอน: เชื่อมโยงกับวิธีการ/แหล่งที่มา คำนวณใหม่โดยอิสระ ทดสอบโดยใช้เหตุผลตามหลักคณิตศาสตร์ประกันภัย ข้อมูลจะไม่เปิดเผยตัวตนเสมอและไม่มีการแบ่งปันโดยไม่จำเป็น ผลลัพธ์ AI ที่ไม่ผ่านการตรวจสอบมีความเสี่ยงพอๆ กับรายงานที่ไม่ได้ลงนาม

งานสมัคร

เลือกสาขาที่คุณทำงาน (หรือสมมติ) เตรียมโต๊ะขนาดเล็กแบบไม่ระบุชื่อและรวบรวมไว้สำหรับสาขานี้ (ความเสี่ยง จำนวนการเรียกร้อง ความเสียหายทั้งหมด) ปรับ "พร้อมท์ที่มีประสิทธิภาพ" ด้านบนให้เข้ากับตารางของคุณเอง และมอบให้กับเครื่องมือ AI คำนวณความถี่ในการส่งคืน ความรุนแรง และค่าความเสี่ยงด้วยตนเอง (ด้วยเครื่องคิดเลข) และเปรียบเทียบกับผลลัพธ์ของ AI หากคุณพบความแตกต่าง ให้จดเหตุผลไว้ด้วย

รายการตรวจสอบ

• [ ] ข้อมูลที่ฉันให้กับ AI เป็นข้อมูลนิรนามและถูกรวบรวมไว้หรือไม่ มีข้อมูลส่วนบุคคลหรือไม่?
• [ ] ฉันคำนวณเอาต์พุตตัวเลขแต่ละรายการใหม่แยกกันหรือไม่
• [ ] ฉันใช้วิธี/ตัวเลือกสมมติฐานเป็นข้อเสนอแนะและตัดสินใจด้วยตัวเองหรือไม่?
• [ ] ฉันได้ยืนยันกฎหมายและการอ้างอิงตารางจากแหล่งที่มาอย่างเป็นทางการแล้วหรือไม่?
• [ ] ฉันรู้หรือไม่ว่าเครื่องมือที่ฉันใช้ใช้ข้อมูลในการฝึกโมเดลหรือไม่
• [ ] ผลลัพธ์นี้เป็นฉบับร่าง หรือฉันถือว่าผลลัพธ์นี้เป็นที่สิ้นสุดโดยไม่ได้ตั้งใจ