Kazanimlar:
- Hasar frekansı, hasar şiddeti ve prim yeterliliği gibi aktüeryal kavramları yapay zeka ile açıklayıp analiz taslağı hazırlayabilme
- Fiyatlama modeli çıktısını, veri kalitesini ve varsayımları bağımsız hesap ve aktüeryal ilkelerle sınayabilme
- Nihai tarife ve teknik karşılık kararlarının yetkin aktüerin sorumluluğunda olduğunu ve yapay zekanın yalnızca destek aracı olduğunu kavrayabilme
Sigortanın fiyatı tesadüf değildir; matematikle hesaplanır. Aktüerya (sigortada riski olasılık ve istatistikle ölçüp prim, karşılık ve teminat dengesini kuran uzmanlık alanı), "bu riskin bize maliyeti ortalama ne olur ve bunu adil bir primle nasıl karşılarız" sorusunu yanıtlar. Aktüer (bu hesabı yapan ve yasal sorumluluk taşıyan yetkin uzman) hasar verilerini, trendleri ve varsayımları bir araya getirip tarifeyi (fiyat cetvelini) ve teknik karşılıkları (gelecekteki hasarlar için ayrılan parayı) belirler. Yapay zeka (verilerden örüntü öğrenip metin, açıklama ve taslak üreten yazılım) bu ağır analitik işte güçlü bir yardımcıdır: kavramları açıklar, veri özetler, analiz taslağı hazırlar, kod ve formül önerir. Ama aktüeryal karar bir imza ve sorumluluk taşır; yapay zeka bu imzayı atamaz. Bu ünitede temel aktüeryal kavramları yapay zeka ile nasıl açıklayıp analiz edeceğinizi, çıktıyı bağımsız hesap ve aktüeryal ilkelerle nasıl sınayacağınızı öğreneceksiniz.
Temel kavramlar: Frekans, şiddet ve prim yeterliliği
Fiyatlamanın omurgasını üç kavram oluşturur:
- Hasar frekansı: Belirli bir dönemde poliçe (veya birim) başına düşen hasar sayısı. Örneğin 1.000 kasko poliçesinde yılda 45 hasar oluyorsa frekans 0,045'tir (yani %4,5).
- Hasar şiddeti: Hasar başına ödenen ortalama tutar. Aynı portföyde 45 hasar için toplam 3.150.000 TL ödendiyse şiddet 70.000 TL'dir.
- Beklenen hasar maliyeti (risk primi): Frekans × şiddet. Örnekte 0,045 × 70.000 = 3.150 TL. Bu, poliçe başına beklenen saf hasar maliyetidir; üzerine masraf, komisyon ve kâr marjı eklenince brüt prim oluşur.
- Prim yeterliliği: Toplanan primin, beklenen hasarları ve giderleri karşılamaya yetip yetmediği. Yetersiz prim şirketi zarara sokar; aşırı prim rekabetçi olmayan ve haksız fiyat yaratır.
Yapay zeka bu kavramları açıklamada, bir veri setinden frekans/şiddet özeti çıkarmada ve analiz adımlarını taslaklamada çok işe yarar. Ancak sayısal sonucu her zaman siz yeniden hesaplamalısınız.
İpucu: Yapay zekaya bir aktüeryal kavramı "10. sınıf öğrencisine anlatır gibi, bir sayısal örnekle" açıklatmak, hem ekip içi eğitimde hem de müşteriye anlatımda çok işe yarar. Ama sayıyı kontrol edin: model çarpma bile yanlış yapabilir.
Yapay zeka aktüeryada nerede durur
Aktüeryada kırmızı çizgi nettir: nihai tarife, teknik karşılık ve prim yeterliliği kararı yetkin aktüerin sorumluluğundadır. Yapay zeka şu işlerde yardımcıdır: kavram açıklama, veri özeti, keşifsel analiz taslağı, formül/kod önerisi, sonuç metnini okunur hale getirme. Şu işlerde son sözü söyleyemez: tarifeyi onaylamak, karşılık yeterliliğini beyan etmek, varsayımları nihai kabul etmek. Çünkü bu kararlar hem şirketin mali sağlığını hem de müşterinin adil fiyat hakkını doğrudan etkiler ve mevzuata (SEDDK — Sigortacılık ve Özel Emeklilik Düzenleme ve Denetleme Kurumu düzenlemeleri) tabidir.
Dikkat: Yapay zekanın önerdiği bir tarife veya oran, veri kalitesi ve varsayımlar bağımsız sınanmadan asla yayına alınmaz. Yanlış bir varsayım (örneğin enflasyon etkisini göz ardı etmek) tüm portföyü zarara sokabilir.
Adım adım: Yapay zeka destekli aktüeryal analiz taslağı
- Veriyi anonimleştir ve tanımla. Kişisel veri yok; yalnızca toplulaştırılmış (agrege) sayılar. Dönem, portföy ve teminat türünü belirt.
- Kavramı ve yöntemi netleştir. Yapay zekadan frekans/şiddet analizinin adımlarını taslaklamasını iste.
- Veri kalitesini sorgula. Eksik veri, aykırı değer (outlier), dönem uyumsuzluğu, IBNR (henüz raporlanmamış hasarlar) etkisi var mı?
- Varsayımları açıkça yaz. Enflasyon, trend, gelişim faktörleri hangi varsayıma dayanıyor?
- Sonucu bağımsız hesapla. Frekans, şiddet ve risk primini kendi hesap tablonuzla yeniden üretin.
- Aktüeryal ilkeyle sına ve onayla. Prim yeterliliği, adalet ve mevzuat açısından yetkin aktüer değerlendirir ve imzalar.
Üç mini vaka
Vaka 1 — Yanlış varsayımı yakalamak. Bir aktüer yardımcısı, kasko tarifesi için yapay zekadan analiz taslağı aldı. Yapay zeka geçmiş 3 yılın ortalama hasar şiddetini 62.000 TL alıp risk primini hesapladı. Aktüer, şiddetin enflasyona göre bugünkü değere getirilmediğini fark etti: güncel araç onarım maliyetleriyle şiddet aslında ~89.000 TL'ydi. Bu düzeltme risk primini %43 artırdı. Bağımsız kontrol olmasaydı tarife ciddi biçimde yetersiz kalacaktı.
Vaka 2 — Aykırı değerin çarpıtması. Bir portföyde 500 hasarın toplamı 40.000.000 TL görünüyordu; ama bunun 22.000.000 TL'si tek bir büyük yangın hasarındandı. Yapay zeka ortalama şiddeti 80.000 TL diye özetledi. Aktüer bu tek büyük hasarı ayrı değerlendirdi (çünkü her yıl tekrarlamaz); "normal" hasarların ortalaması ~36.000 TL çıktı. Aykırı değeri ayırmak, tarifeyi gerçekçi kıldı.
Vaka 3 — Adalet kontrolü. Bir sağlık sigortası fiyatlamasında yapay zeka, belirli bir yaş grubuna çok yüksek zam önerdi. Aktüer, önerinin yalnızca küçük ve gürültülü bir örneklemden (az sayıda hasar) geldiğini gördü; istatistiksel olarak güvenilir değildi. Ayrıca mevzuatın gerektirdiği adil fiyatlama ilkesine aykırıydı. Aktüer önce daha geniş veriyle güvenilirlik (kredibilite) hesabı yaptı, sonra karar verdi.
Dört kopyalanabilir prompt
1) Kavram açıklama (eğitim/müşteri için):
Bir aktüerya eğitmeni gibi davran. "Hasar frekansı", "hasar şiddeti" ve"risk primi" kavramlarını, birbirini takip eden tek bir sayısal örnekle(ör. 1.000 poliçe, 45 hasar, 3.150.000 TL toplam ödeme) adım adım açıkla.Her adımda formülü ve ara sonucu göster. Basit ve anlaşılır dil kullan.
2) Analiz taslağı iskeleti:
Aşağıdaki agrege (kişisel veri içermeyen) hasar verisi için bir frekans-şiddet analizinin adımlarını taslak halinde çıkar:[dönem, poliçe sayısı, hasar sayısı, toplam ödeme]Her adımda: ne hesaplanır, hangi varsayım gerekir, hangi veri kalitesiriski vardır (eksik veri, aykırı değer, IBNR, enflasyon) belirt.Sayısal sonucu ben yeniden hesaplayacağım; sen yöntemi kur.
3) Veri kalitesi ve varsayım sorgulayıcı:
Şu analiz taslağını bir kıdemli aktüer gözüyle eleştir:[taslağı yapıştır]Şunları sor: Şiddet enflasyona göre düzeltildi mi? Aykırı değerler ayrıldı mı?Örneklem güvenilir (kredibl) mi? IBNR dikkate alındı mı? Trend varsayımı ne?Her zayıf noktayı "RİSK" başlığı altında, düzeltme önerisiyle listele.
4) Sonuç metnini sadeleştirme:
Aşağıdaki doğrulanmış analiz sonucunu, aktüerya bilmeyen bir yönetici içinsade bir yönetici özetine çevir: [sonucu yapıştır]Sayıları değiştirme, yeni sayı ekleme. Belirsizlikleri ve varsayımlarıaçıkça belirt. "Nihai tarife kararı yetkin aktüerin onayına tabidir" notunu ekle.
Zayıf prompt / Güçlü prompt
Zayıf: "Bu verilerle kasko primini hesapla ve tarifeyi yaz."
Sorun: Doğrudan tarife (kırmızı bölge) isteniyor; varsayım, veri kalitesi ve doğrulama yok. Model gürültülü veriden güvenilmez oran uydurur.
Güçlü: "Frekans-şiddet analizinin adımlarını taslakla; her adımda varsayımı ve veri kalitesi riskini belirt. Sayısal sonucu ben hesaplayacağım. Tarife kararını verme."
Neden iyi: Yapay zeka yöntemi kuruyor, aktüer hesabı ve kararı elinde tutuyor; varsayımlar görünür oluyor.
Karşılaştırma tablosu
Adım
Yapay zeka rolü
Aktüer rolü
Risk
Kavram açıklama
Anlatır, örnekler
Doğruluğu teyit eder
Yanlış örnek
Veri özeti
Agrege eder
Kaynağı kontrol eder
Aykırı değer çarpıtması
Varsayım listeleme
Önerir
Kabul/ret eder
Eksik/yanlış varsayım
Risk primi hesabı
Taslak formül
Bağımsız hesaplar
Hesap hatası
Tarife/karşılık kararı
—
Karar verir, imzalar
Prim yetersizliği
Sık yapılan hatalar
- Yapay zekanın sayısını doğrudan almak. Model çarpma/toplama bile hatalı yapabilir; her sonucu yeniden hesaplayın.
- Enflasyon ve trend düzeltmesini atlamak. Geçmiş şiddeti bugüne getirmeden tarife kurmak portföyü zarara sokar.
- Aykırı değeri ortalamaya karıştırmak. Tek büyük hasar tüm tarifeyi yanıltır; ayrı değerlendirin.
- Küçük örnekleme güvenmek. Az sayıda hasardan çıkan oran güvenilmezdir; kredibilite hesabı gerekir.
- Adaleti göz ardı etmek. Bir gruba istatistiksel gürültüye dayalı haksız zam önermek mevzuata aykırıdır.
Özetle
Yapay zeka aktüeryada kavram açıklar, veri özetler, analiz taslağı ve formül önerir; ama tarife, karşılık ve prim yeterliliği kararını vermez. Frekans, şiddet ve risk primi kavramlarını doğru kullanın; veri kalitesini (aykırı değer, IBNR, enflasyon, örneklem güvenilirliği) sorgulayın; her sayıyı bağımsız hesaplayın; varsayımları açıkça yazın. Nihai karar yetkin aktüerin sorumluluğundadır ve SEDDK düzenlemelerine tabidir.
Uygulama görevi
Elinizdeki (test amaçlı, agrege) bir hasar veri setinden yapay zeka ile frekans ve şiddet özeti çıkarın. Ardından aynı hesabı bir hesap tablosunda kendiniz yapın. İki sonuç arasındaki farkı not edin; fark varsa nedenini (enflasyon, aykırı değer, yanlış çarpma) bulun. 3 numaralı promptla varsayımlarınızı eleştirin ve en az iki veri kalitesi riski tespit edin.
Kontrol listesi
- [ ] Yalnızca agrege, kişisel veri içermeyen veri kullandım.
- [ ] Frekans, şiddet ve risk primini kendim yeniden hesapladım.
- [ ] Enflasyon/trend düzeltmesini uyguladım.
- [ ] Aykırı değerleri ayrı değerlendirdim.
- [ ] Örneklem güvenilirliğini (kredibilite) sorguladım.
- [ ] Varsayımları açıkça yazdım.
- [ ] Nihai tarife/karşılık kararını yetkin aktüer onayına bıraktım.