Lợi nhuận:
- Khả năng giải thích các khái niệm tính toán như tần suất tổn thất, mức độ nghiêm trọng của thiệt hại và mức độ phù hợp của phí bảo hiểm bằng trí tuệ nhân tạo và chuẩn bị bản dự thảo phân tích
- Khả năng kiểm tra đầu ra của mô hình định giá, chất lượng dữ liệu và các giả định dựa trên các nguyên tắc tính toán và kế toán độc lập
- Khả năng hiểu rằng các quyết định cuối cùng về thuế quan và cung cấp kỹ thuật là trách nhiệm của các chuyên gia tính toán có thẩm quyền và trí tuệ nhân tạo chỉ là công cụ hỗ trợ
Giá bảo hiểm không phải là ngẫu nhiên; Nó được tính toán về mặt toán học. Chuyên gia tính toán (lĩnh vực chuyên môn về bảo hiểm đo lường rủi ro bằng xác suất và số liệu thống kê, đồng thời thiết lập sự cân bằng giữa phí bảo hiểm, dự phòng và bảo hiểm) trả lời câu hỏi "trung bình rủi ro này sẽ khiến chúng ta phải trả bao nhiêu và làm cách nào chúng ta có thể trang trải nó với mức phí bảo hiểm hợp lý?" Chuyên gia tính toán (chuyên gia có thẩm quyền thực hiện tính toán này và chịu trách nhiệm pháp lý) tập hợp dữ liệu thiệt hại, xu hướng và giả định rồi xác định biểu giá (thang giá) và các điều khoản kỹ thuật (tiền dành cho các yêu cầu bồi thường trong tương lai). Trí tuệ nhân tạo (phần mềm học các mẫu từ dữ liệu và tạo văn bản, mô tả và phác thảo) là trợ thủ đắc lực trong công việc phân tích nặng nề này: giải thích các khái niệm, tóm tắt dữ liệu, soạn thảo phân tích, đề xuất mã và công thức. Nhưng quyết định tính toán có chữ ký và trách nhiệm; Trí tuệ nhân tạo không thể tạo ra chữ ký này. Trong phần này, bạn sẽ học cách giải thích và phân tích các khái niệm cơ bản về tính toán bảo hiểm bằng trí tuệ nhân tạo cũng như cách kiểm tra kết quả đầu ra dựa trên các nguyên tắc tính toán và tính toán độc lập.
Các khái niệm cơ bản: Tần suất, cường độ và mức độ đầy đủ của phí bảo hiểm
Ba khái niệm tạo thành xương sống của việc định giá:
- Tần suất yêu cầu: Số lượng yêu cầu bồi thường cho mỗi chính sách (hoặc đơn vị) trong một khoảng thời gian nhất định. Ví dụ: nếu có 45 yêu cầu bồi thường mỗi năm trong 1.000 hợp đồng bảo hiểm ô tô thì tần suất là 0,045 (tức là 4,5%).
- Mức độ nghiêm trọng của thiệt hại: Số tiền trung bình được trả cho mỗi yêu cầu bồi thường. Nếu tổng số tiền 3.150.000 TL được trả cho 45 thiệt hại trong cùng một danh mục đầu tư thì mức độ nghiêm trọng là 70.000 TL.
- Chi phí thiệt hại dự kiến (phí bảo hiểm rủi ro): Tần suất × mức độ nghiêm trọng. Trong ví dụ này, 0,045 × 70.000 = 3.150 TL. Đây là chi phí tổn thất thuần dự kiến cho mỗi hợp đồng; Phí bảo hiểm gộp được hình thành khi cộng thêm chi phí, hoa hồng và tỷ suất lợi nhuận.
- Tính thỏa đáng của phí bảo hiểm: Liệu số phí bảo hiểm thu được có đủ để trang trải các thiệt hại và chi phí dự kiến hay không. Tiền thưởng không đủ khiến công ty thua lỗ; Phí bảo hiểm quá cao tạo ra giá cả không cạnh tranh và không công bằng.
AI rất hữu ích trong việc giải thích các khái niệm này, trích xuất bản tóm tắt tần suất/cường độ từ tập dữ liệu và phác thảo các bước phân tích. Tuy nhiên, bạn phải luôn tính toán lại kết quả bằng số.
Mẹo: Việc để trí tuệ nhân tạo giải thích một khái niệm chuyên gia tính toán "bằng một ví dụ bằng số, như thể giải thích nó cho một học sinh lớp 10" sẽ rất hữu ích cả trong việc đào tạo nhóm và giải thích nó cho khách hàng. Nhưng hãy kiểm tra con số: ngay cả phép nhân mô hình cũng có thể sai.
Trí tuệ nhân tạo đứng ở đâu trong chuyên gia tính toán
Đường ranh giới màu đỏ trong cơ quan tính toán rất rõ ràng: quyết định về mức giá cuối cùng, điều khoản kỹ thuật và mức phí bảo hiểm thỏa đáng là trách nhiệm của cơ quan tính toán có thẩm quyền. AI giúp thực hiện các nhiệm vụ sau: làm rõ khái niệm, tóm tắt dữ liệu, phác thảo phân tích khám phá, đề xuất công thức/mã, làm cho văn bản kết quả có thể đọc được. Nó không thể có tiếng nói cuối cùng trong các vấn đề sau: phê duyệt biểu giá, tuyên bố tính đầy đủ của điều khoản, chấp nhận các giả định là cuối cùng. Bởi vì những quyết định này ảnh hưởng trực tiếp đến cả tình hình tài chính của công ty cũng như quyền của khách hàng về mức giá hợp lý và phải tuân theo luật pháp (SEDDK - Quy định của Cơ quan Giám sát và Bảo hiểm và Hưu trí Tư nhân).
Lưu ý: Biểu giá hoặc thuế suất do trí tuệ nhân tạo đề xuất sẽ không bao giờ được công bố nếu không có thử nghiệm độc lập về chất lượng và giả định dữ liệu. Một giả định sai lầm (ví dụ: bỏ qua tác động của lạm phát) có thể khiến toàn bộ danh mục đầu tư bị tổn hại.
Từng bước: Dự thảo phân tích tính toán được AI hỗ trợ
- Ẩn danh và xác định dữ liệu. Không có dữ liệu cá nhân; chỉ là số tổng hợp. Chỉ định thời gian, danh mục đầu tư và loại tài sản thế chấp.
- Làm rõ khái niệm và phương pháp. Yêu cầu AI phác thảo các bước phân tích tần suất/cường độ.
- Câu hỏi về chất lượng dữ liệu. Có bất kỳ ảnh hưởng nào của việc thiếu dữ liệu, dữ liệu ngoại lệ, thời gian không khớp, IBNR (khiếu nại chưa được báo cáo) không?
- Viết các giả định một cách rõ ràng. Lạm phát, xu hướng, các yếu tố phát triển dựa trên giả định nào?
- Tính kết quả một cách độc lập. Tái tạo tần suất, cường độ và phần bù rủi ro bằng bảng tính của riêng bạn.
- Kiểm tra và xác nhận theo nguyên tắc tính toán. Chuyên gia tính toán có thẩm quyền sẽ đánh giá và ký kết về mức phí bảo hiểm đầy đủ, công bằng và pháp lý.
ba trường hợp nhỏ
Trường hợp 1 - Nhận định sai. Một trợ lý chuyên gia tính toán đã nhận được bản phân tích dự thảo từ trí tuệ nhân tạo về biểu phí bảo hiểm ô tô. Trí tuệ nhân tạo lấy mức độ thiệt hại trung bình trong 3 năm qua là 62.000 TL và tính phí bảo hiểm rủi ro. Chuyên gia tính toán nhận ra rằng bạo lực chưa được điều chỉnh theo lạm phát để đạt giá trị hiện tại: với chi phí sửa chữa phương tiện hiện tại, bạo lực thực tế là ~ 89.000 USD. Sự điều chỉnh này đã làm tăng phí bảo hiểm rủi ro lên 43%. Nếu không có sự kiểm soát độc lập, thuế quan sẽ không đủ nghiêm trọng.
Trường hợp 2 - Sự biến dạng của ngoại lệ. Tổng số thiệt hại 500 trong một danh mục đầu tư dường như là 40.000.000 TL; nhưng 22.000.000 TL trong số này là do thiệt hại do hỏa hoạn lớn. Trí tuệ nhân tạo đã tóm tắt mức độ bạo lực trung bình là 80.000 TL. Chuyên gia tính toán đã đánh giá thiệt hại lớn này một cách riêng biệt (vì nó không tái diễn hàng năm); Mức thiệt hại "bình thường" trung bình là ~ 36.000 TL. Việc tách biệt các yếu tố ngoại lệ làm cho biểu giá trở nên thực tế hơn.
Trường hợp 3 - Kiểm tra công lý. Trong một dự án định giá bảo hiểm y tế, trí tuệ nhân tạo đã đưa ra mức tăng rất cao cho một nhóm tuổi nhất định. Chuyên gia tính toán nhận thấy rằng khuyến nghị chỉ đến từ một mẫu nhỏ và ồn ào (số lượng yêu cầu bồi thường nhỏ); Nó không đáng tin cậy về mặt thống kê. Hơn nữa, nó còn đi ngược lại nguyên tắc định giá hợp lý theo quy định của pháp luật. Chuyên gia tính toán trước tiên thực hiện tính toán độ tin cậy với dữ liệu phong phú hơn và sau đó đưa ra quyết định.
Bốn lời nhắc có thể sao chép
1) Giải thích khái niệm (dành cho đào tạo/khách hàng):
Hành động như một người hướng dẫn chuyên gia tính toán. Giải thích từng bước các khái niệm về "tần suất tổn thất", "mức độ nghiêm trọng của thiệt hại" và "phí bảo hiểm rủi ro" bằng một ví dụ bằng số liên tiếp (ví dụ: 1.000 hợp đồng bảo hiểm, 45 yêu cầu bồi thường, tổng số tiền thanh toán là 3.150.000 TL). Hiển thị công thức và kết quả trung gian ở mỗi bước. Sử dụng ngôn ngữ đơn giản và dễ hiểu.
2) Phân tích khung xương dự thảo:
Phần sau đây phác thảo các bước phân tích mức độ nghiêm trọng về tần suất đối với dữ liệu khiếu nại tổng hợp (không có dữ liệu cá nhân): [thời gian, số lượng chính sách, số lượng khiếu nại, tổng thanh toán]Ở mỗi bước: chỉ định những gì được tính toán, những giả định nào được yêu cầu, rủi ro nào về chất lượng dữ liệu tồn tại (thiếu dữ liệu, giá trị ngoại lệ, IBNR, lạm phát). Tôi sẽ tính lại kết quả bằng số; bạn thiết lập phương pháp.
3) Người đặt câu hỏi về chất lượng dữ liệu và giả định:
Phê bình phân tích dự thảo sau đây từ góc nhìn của một chuyên gia tính toán cấp cao: [dán bản dự thảo]Hỏi: Bạo lực đã được điều chỉnh theo lạm phát chưa? Các ngoại lệ có bị loại bỏ không? Mẫu có đáng tin cậy không? IBNR có được tính đến không? Giả định xu hướng là gì? Liệt kê từng điểm yếu trong phần "RỦI RO" kèm theo gợi ý điều chỉnh.
4) Đơn giản hóa văn bản kết quả:
Chuyển kết quả phân tích đã được xác minh sau đây thành một bản tóm tắt điều hành đơn giản dành cho người quản lý không phải là chuyên gia tính toán: [dán kết quả]Không thay đổi số, thêm số mới. Nêu rõ những điều không chắc chắn và giả định. Thêm lưu ý: "Quyết định thuế quan cuối cùng phải được sự chấp thuận của cơ quan tính toán có thẩm quyền."
Dấu nhắc yếu / Dấu nhắc mạnh
Yếu: "Tính phí bảo hiểm ô tô với dữ liệu này và viết biểu phí."
Vấn đề: Đã yêu cầu biểu giá trực tiếp (vùng màu đỏ); không có giả định, không có chất lượng dữ liệu và không có xác nhận. Mô hình phù hợp với tỷ lệ không đáng tin cậy từ dữ liệu nhiễu.
Mạnh: "Dự thảo các bước phân tích cường độ tần số; nêu rõ giả định và rủi ro chất lượng dữ liệu ở mỗi bước. Tôi sẽ tính kết quả bằng số. Không đưa ra quyết định về thuế quan."
Tại sao tốt: AI thiết lập phương pháp, chuyên gia tính toán tính toán và ra quyết định; các giả định trở nên rõ ràng.
biểu đồ so sánh
bước
vai trò AI
vai trò tính toán
Rủi ro
Giải thích khái niệm
Giải thích, ví dụ
Xác nhận độ chính xác
ví dụ sai
Tóm tắt dữ liệu
cốt liệu
Kiểm tra nguồn
Biến dạng ngoại lệ
Danh sách giả định
Đề xuất
chấp nhận/từ chối
Giả định thiếu/không chính xác
Tính toán phí bảo hiểm rủi ro
dự thảo công thức
Tài khoản độc lập
Lỗi tài khoản
Quyết định về thuế quan/cung cấp
—
Quyết định và ký
Phí bảo hiểm không đủ
Những lỗi thường gặp
- Lấy số lượng trí tuệ nhân tạo trực tiếp. Mô hình thậm chí có thể làm cho phép nhân/cộng không chính xác; tính toán lại từng kết quả.
- Bỏ qua lạm phát và điều chỉnh xu hướng. Việc thiết lập thuế quan mà không đưa bạo lực trong quá khứ vào hiện tại sẽ làm tổn hại đến danh mục đầu tư.
- Trộn giá trị ngoại lệ với giá trị trung bình. Một thiệt hại lớn làm sai lệch toàn bộ biểu thuế; Đánh giá riêng biệt.
- Dựa vào lấy mẫu nhỏ. Tỷ lệ từ một số lượng nhỏ thiệt hại là không đáng tin cậy; Cần phải tính toán mức độ tin cậy.
- Bỏ qua công lý. Việc đưa ra mức tăng lương không công bằng cho một nhóm dựa trên mức độ nhiễu thống kê là vi phạm pháp luật.
Tóm lại
Trong công việc tính toán, trí tuệ nhân tạo giải thích các khái niệm, tóm tắt dữ liệu, phác thảo phân tích và đề xuất công thức; nhưng nó không quyết định về thuế quan, dự phòng và mức phí bảo hiểm đầy đủ. Sử dụng chính xác các khái niệm về tần suất, cường độ và phần bù rủi ro; chất lượng dữ liệu câu hỏi (ngoại lệ, IBNR, lạm phát, độ tin cậy của mẫu); tính toán từng số một cách độc lập; Viết các giả định một cách rõ ràng. Quyết định cuối cùng thuộc trách nhiệm của chuyên gia tính toán có thẩm quyền và tuân theo các quy định của SEDDK.
Nhiệm vụ ứng dụng
Tạo bản tóm tắt tần suất và mức độ nghiêm trọng bằng trí tuệ nhân tạo từ bộ dữ liệu thiệt hại mà bạn có (cho mục đích thử nghiệm, tổng hợp). Sau đó, hãy tự mình thực hiện phép tính tương tự trong bảng tính. Lưu ý sự khác biệt giữa hai kết quả; Nếu có chênh lệch thì tìm nguyên nhân (lạm phát, giá trị ngoại lệ, phép nhân sai). Phê bình các giả định của bạn với lời nhắc số 3 và xác định ít nhất hai rủi ro về chất lượng dữ liệu.
danh sách kiểm tra
- [ ] Tôi chỉ sử dụng dữ liệu tổng hợp, phi cá nhân.
- [ ] Tôi đã tự mình tính toán lại tần suất, cường độ và phần bù rủi ro.
- [ ] Tôi đã áp dụng điều chỉnh lạm phát/xu hướng.
- [ ] Tôi đã đánh giá các ngoại lệ một cách riêng biệt.
- [ ] Tôi đặt câu hỏi về độ tin cậy của mẫu.
- [ ] Tôi đã viết các giả định rõ ràng.
- [ ] Tôi đã để lại quyết định cuối cùng về thuế quan/điều khoản cho chuyên gia tính toán có thẩm quyền phê duyệt.