Kazanimlar:
- Başvuru, beyan ve ekspertiz verisini yapay zeka ile özetleyip risk faktörlerini işaretlerken çıktının kanıt niteliğini ve sınırını değerlendirebilme
- Kabul, ret, ek prim ve istisna kararlarında yapay zeka çıktısını poliçe şartları ve underwriting kılavuzuyla çapraz doğrulayabilme
- Underwriting kararının nihai sorumluluğunun yetkin underwriter'da olduğunu ve ayrımcılık yasağının gözetilmesi gerektiğini kavrayabilme
Underwriting, sigortacılığın kalbidir: bir başvurunun taşıdığı riski değerlendirip poliçeyi hangi şartla, hangi teminatla ve hangi primle kabul edeceğine (ya da reddedeceğine) karar verme işidir. Underwriter (bu kararı veren yetkin uzman) bir başvuruya baktığında aslında bir soruya cevap arar: "Bu riski, bu fiyata, bu teminatla üstlenmek şirket için adil ve sürdürülebilir mi?" Bu soruyu yanıtlamak için başvuru formunu, sigortalının beyanını, ekspertiz raporunu, geçmiş hasar kayıtlarını ve sektör verisini bir arada okumak gerekir. İşte yapay zeka (verilerden örüntü öğrenip metin ve özet üreten yazılım) tam da bu "çok belgeyi bir arada okuma ve özetleme" yükünü hafifletir. Ama dikkat: yapay zeka riski özetler, riski üstlenmez. Kabul, ret, ek prim ve istisna kararı her zaman yetkin underwriter'ın imzasını taşır. Bu ünitede yapay zekayı underwriting masasında nasıl güvenle çalıştıracağınızı, çıktının kanıt değerini nasıl ölçeceğinizi ve ayrımcılık yasağını nasıl koruyacağınızı öğreneceksiniz.
Underwriting'de yapay zeka nerede işe yarar
Bir underwriting dosyası çoğu zaman dağınıktır: farklı formatlarda formlar, elle doldurulmuş beyanlar, uzun ekspertiz raporları, tablolar. Yapay zekanın en güçlü olduğu yer buradadır. Şu işleri güvenle hızlandırır:
- Belge özeti: On sayfalık bir işyeri ekspertiz raporunu yarım sayfalık, madde madde bir risk özetine indirmek.
- Risk faktörü işaretleme: "Bina yaşı 45, çatı ahşap, yakında akaryakıt deposu var" gibi dikkat çeken noktaları listelemek.
- Eksik/tutarsız bilgi tespiti: Başvuruda beyan edilen inşaat yılı ile ekspertiz raporundaki yılın çelişmesini yakalamak.
- Kontrol sorusu üretme: Underwriter'ın müşteriye veya acenteye soracağı eksik bilgileri bir liste halinde çıkarmak.
Yapay zekanın yapmadığı iş ise riski fiyatlamak ve kabul kararını vermektir. "Bu risk kabul edilebilir" veya "prim %20 artırılmalı" cümlesi bir underwriting kararıdır; underwriting kılavuzuna (şirketin kabul kurallarını tanımlayan iç doküman), tarife notuna ve poliçe genel şartlarına dayanmalıdır. Yapay zeka bu kararın taslağını hazırlayabilir ama kararı veren, gerekçeyi imzalayan yetkin underwriter'dır.
Dikkat: Yapay zekanın önerdiği prim, teminat veya kabul kararı bir tahmintir, bir hüküm değil. Underwriting kılavuzu ve poliçe şartlarıyla çapraz doğrulanmadan hiçbir öneri poliçeye işlenmez.
Çıktının kanıt niteliğini değerlendirmek
Yapay zeka bir risk faktörü işaretlediğinde, bu bir iddiadır; kanıt değil. İyi bir underwriter her iddiayı üç soruyla süzer:
- Bu iddia hangi belgeye dayanıyor? Yapay zeka "yangın riski yüksek" dediyse, bunu hangi ekspertiz gözleminden çıkardı? Kaynağı yoksa, uydurulmuş olabilir.
- İddia bu dosyaya mı ait, genel bir varsayım mı? Yapay zeka bazen "bu tür işyerlerinde genellikle..." diye genel bilgi ekler; genel doğru bu dosyada geçerli olmayabilir.
- İddia doğrulanabilir mi? Bina yaşı tapudan, hasar geçmişi SBM (Sigorta Bilgi ve Gözetim Merkezi) sorgusundan teyit edilebilir. Edilemeyen bir iddiayı karara temel yapmayın.
İpucu: Prompta her zaman "her iddiada hangi belgeye/sayfaya dayandığını belirt" cümlesini ekleyin. Kaynak gösteremeyen bir iddia, doğrulama listenizin en üstüne gider.
Adım adım: Yapay zeka destekli underwriting akışı
- Bağlamı anonimleştir. Başvuru sahibinin adı, TC kimlik numarası, poliçe numarası ve iletişim bilgisini kaldır; yerine olgusal eşdeğer koy.
- Belgeleri yükle ve özet iste. Risk konusunu, öne çıkan faktörleri ve eksikleri belge referanslı olarak çıkart.
- Risk faktörlerini kontrol listesine çevir. Yapay zekanın işaretlediği her maddeyi teyit edilecek bir soru haline getir.
- Underwriting kılavuzuyla çapraz doğrula. Kabul kriterleri, kapasite limitleri ve zorunlu istisnaları kılavuzdan kontrol et.
- Primi bağımsız hesapla. Tarife notu ve teknik prim tablosuyla kendi hesabını yap; yapay zekanın verdiği sayıyı asla doğrudan alma.
- Kararı ve gerekçesini yaz. Kabul/ret/ek prim/istisna kararını, hangi kurala dayandığını belirterek kaydet.
Üç mini vaka
Vaka 1 — Tutarsızlığı yakalamak. Bir konut paket poliçesi başvurusunda beyan edilen bina değeri 2.400.000 TL, ekspertiz raporunda ise 3.900.000 TL idi. Yapay zeka özetinde bu iki sayıyı yan yana koyup "değer beyanı tutarsız" uyarısı verdi. Underwriter bu uyarı sayesinde eksik sigorta (bina gerçek değerinin altında sigortalanırsa hasarda oransal ödeme yapılması) riskini fark etti ve doğru değer üzerinden teklif hazırladı. Yapay zeka kararı vermedi; tutarsızlığı görünür kıldı.
Vaka 2 — Uydurmayı reddetmek. Bir nakliyat sigortası dosyasında yapay zeka, "emtia için standart %0,15 navlun sigortası oranı uygulanır" diye kesin bir oran yazdı. Underwriter tarife notunu açtı: bu emtia sınıfı ve güzergah için böyle sabit bir oran yoktu; yapay zeka oranı uydurmuştu. Underwriter kendi tarife hesabını yaptı; sonuç %0,28 çıktı. Bağımsız hesap olmasaydı prim ciddi biçimde eksik kalacaktı.
Vaka 3 — Ayrımcılık tuzağı. Bir ticari araç filo başvurusunda yapay zeka, sürücülerin "yaşadığı mahalle riskli olduğu için ek prim" önerdi. Underwriter bunu reddetti: yaşanan bölge, etnik köken gibi korumalı özelliklerle ilişkili bir vekil değişken (proxy; korumalı bir özelliğin yerine geçen dolaylı gösterge) olabilir ve dolaylı ayrımcılık yaratır. Prim, sürücülerin gerçek hasar geçmişi ve araç kullanım profili gibi meşru, gerekçelendirilebilir kriterlere dayandırıldı.
Dört kopyalanabilir prompt
1) Başvuru risk özeti:
Sen bir ticari sigorta underwriting asistanısın. Aşağıdaki anonimleştirilmişbaşvuru ve ekspertiz metnini özetle:[metni yapıştır]Çıktı:1. Risk konusu (kısa)2. Öne çıkan risk faktörleri (madde madde, her birinde belge/sayfa referansı)3. Eksik veya tutarsız bilgiler4. Underwriter'ın müşteriye/acenteye soracağı sorularKabul/ret veya prim kararı VERME. Emin olmadığın oranı uydurma; "belgede yok" yaz.
2) Underwriting kılavuzuyla çapraz kontrol:
Aşağıda bir risk özeti ve underwriting kılavuzumuzun ilgili maddeleri var.Risk özeti: [yapıştır]Kılavuz maddeleri: [yapıştır]Görev: Özetteki her risk faktörünü ilgili kılavuz maddesiyle eşleştir.Kılavuza göre zorunlu istisna, ek şart veya kapasite limiti gerektirennoktaları ayrı başlıkta işaretle. Kararı ben vereceğim; sen yalnızca eşleştir.
3) Eksik belge ve tutarsızlık tarayıcı:
Şu başvuru dosyasındaki belgeler arasında çelişki ve eksik olup olmadığınıtara: [belgeleri yapıştır]Özellikle şu alanlarda tutarlılık ara: değer beyanı, inşaat/üretim yılı,kullanım amacı, adres, hasar geçmişi.Çelişen sayıları yan yana göster ve hangi belgeden geldiğini yaz.
4) Karar gerekçesi taslağı (doğrulama sonrası):
Aşağıdaki doğrulanmış bilgilere dayanarak bir underwriting karar gerekçesiTASLAĞI yaz: [doğrulanmış risk faktörleri, uygulanan kural, hesaplanan prim]Ton: resmi, açık, ayrımcılık içermeyen. Kararı meşru risk kriterlerinedayandır; korumalı özellik (cinsiyet, köken, mahalle vb.) kullanma.Bu bir taslaktır; nihai karar ve imza underwriter'a aittir.
Zayıf prompt / Güçlü prompt
Zayıf: "Bu başvuru için uygun primi hesapla ve kabul edelim mi söyle."
Sorun: Doğrudan kırmızı-bölge kararı (prim + kabul) isteniyor. Yapay zeka tarife bilmediği için oran uydurur; kaynak, sınır ve doğrulama yok.
Güçlü: "Underwriting asistanı gibi davran. Şu anonimleştirilmiş başvuruyu belge referanslı özetle, risk faktörlerini ve eksikleri işaretle. Prim veya kabul kararı verme; sadece kontrol edilecek soruları çıkar."
Neden iyi: Görev sarı bölgede tutuluyor, çıktı denetlenebilir, karar underwriter'da kalıyor.
Karşılaştırma tablosu
Görev
Yapay zeka yapar mı?
Kim karar verir?
Doğrulama
Belge özeti
Evet (taslak)
Underwriter okur
Belge referansı
Risk faktörü işaretleme
Evet (öneri)
Underwriter teyit eder
Kaynak belge
Eksik/tutarsızlık tespiti
Evet
Underwriter değerlendirir
Belgeler arası
Prim hesabı
Hayır
Aktüer/underwriter
Tarife notu, bağımsız hesap
Kabul/ret kararı
Hayır
Yetkin underwriter
Kılavuz + poliçe şartları
Sık yapılan hatalar
- Yapay zekanın verdiği primi doğrudan kullanmak. Tarife bilmeyen bir model oran uydurur; primi her zaman bağımsız hesaplayın.
- Risk faktörünü kaynaksız kabul etmek. "Yüksek yangın riski" iddiasının hangi ekspertiz gözlemine dayandığını sormamak.
- Vekil değişkenle ayrımcılık yapmak. Mahalle, isim veya köken üzerinden ek prim önerisini sorgulamadan uygulamak.
- Genel bilgiyi dosya gerçeği sanmak. "Bu tür işyerlerinde genellikle..." ifadesini bu dosyaya ait sanmak.
- Kararı gerekçesiz kaydetmek. Denetimde "hangi kurala dayandınız" sorusuna cevap verememek.
Özetle
Yapay zeka underwriting'de belgeyi özetler, risk faktörünü işaretler, eksik ve tutarsızlığı yakalar ve kontrol sorusu üretir; ama riski fiyatlamaz ve kabul kararı vermez. Her çıktıyı kaynak, dosya bağlamı ve doğrulanabilirlik açısından süzün; primi bağımsız hesaplayın; kabul/ret kararını underwriting kılavuzu ve poliçe şartlarıyla verin. Ayrımcılık yasağını koruyun: karar meşru, açıklanabilir risk kriterlerine dayanmalı. Nihai sorumluluk yetkin underwriter'dadır.
Uygulama görevi
Gerçek (ama test amaçlı, anonimleştirilmiş) bir başvuru dosyası alın. Yukarıdaki 1 numaralı promptla risk özeti çıkarın. Ardından yapay zekanın işaretlediği her risk faktörünün kaynağını belgede bulmaya çalışın: kaç tanesinin gerçek bir belge dayanağı var, kaç tanesi varsayım? Sonuçları bir tablo halinde not edin ve "kaynağı olmayan iddialar" için ne yaptığınızı yazın.
Kontrol listesi
- [ ] Başvuru bağlamını anonimleştirdim.
- [ ] Risk özetini belge referanslı istedim; "karar verme" talimatı verdim.
- [ ] Her risk faktörünün kaynağını belgede teyit ettim.
- [ ] Primi tarife notuyla bağımsız hesapladım.
- [ ] Kabul/ret kararını underwriting kılavuzu ve poliçe şartlarıyla verdim.
- [ ] Ayrımcı/vekil değişken önerilerini ayıklayıp meşru kriterlere dayandırdım.
- [ ] Kararı ve gerekçesini kaydettim.