GRA · Insurance Nexus
Spatial financeWhere capital meets hazard, exposure and transition
Insurtech et IA
Data, automation and machine learning now reach every step of insurance: distribution, underwriting, pricing, claims and fraud detection. They can lower costs and widen access, and they can also discriminate, exclude, mislead or fail in ways that are hard to see. This page sets out how technology and model risk develop in insurance, how their effects on customers are measured, and which institutions hold the governance decisions.
Comment le travail se déroule.
Déficit de protection et afflux de sinistres
Insurtech et IA · Portefeuille côtier · Scénario d'événement EV-30
- Sinistres déclarés8320Alerte
- Adjusters deployed154Actif
- Arriéré17joursSurveillance
Perte économique selon qui la supporte
- Assuré
- Public
- Uninsured
Fig.Protection gap and claims surge: example names and illustrative values, not a record or a live system.
Insurtech and AI: how the risk develops.
Gouvernance des modèles d'IA et effets sur les clients. Le dossier ci-dessous expose comment le risque se développe, ce qui est mesuré, d'où viennent les données, comment elles sont modélisées et qui décide.
Opacité et dérive des modèles
Les modèles complexes sont difficiles à expliquer aux clients, aux superviseurs et aux conseils d'administration. La performance dérive à mesure que les données et les comportements évoluent, et les erreurs peuvent se propager à l'ensemble d'un portefeuille avant que quiconque ne s'en aperçoive.
Discrimination par variable de substitution
Rich external data, from credit information to telematics and online behaviour, can stand in for protected characteristics. A model that never sees a protected attribute can still produce disparate outcomes.
Individualised pricing and pooling
Une segmentation plus fine rapproche la prime de la perte attendue individuelle. Elle peut récompenser la réduction des risques, mais elle peut aussi exclure certaines personnes par le prix et éroder la mutualisation sur laquelle repose l'assurance.
Platform and vendor concentration
Many insurers rely on the same data vendors, models and cloud platforms. A flawed dataset or a vendor outage then affects the market at once, and accountability is split across contracts.
Ce que l'Insurtech et l'IA impliquent pour l'exposition, les pertes et le capital.
Les vues d'exposition, de pertes, de scénarios et de capital que demanderaient un responsable des risques, une autorité de contrôle ou un ministère des finances, avec les cadres dont ils relèvent pour leurs rapports. Les structures suivent la pratique prudentielle et actuarielle. Les valeurs sont illustratives : jamais des prix, des notations ni des conseils.
Exposition et pertes selon les périodes de retour
Comment les pertes liées à l'Insurtech et à l'IA augmentent avec la gravité, brutes et nettes de réassurance, par rapport au capital.
| Période de retour | Probabilité annuelle | Perte brute | Perte nette | Net, capital = 100 |
|---|---|---|---|---|
| 1 sur 10 | 0.10 | 14 | 10 | 10 |
| 1 sur 50 | 0.02 | 33 | 21 | 21 |
| 1 sur 100 | 0.01 | 46 | 27 | 27 |
| 1 sur 250 | 0.004 | 68 | 39 | 39 |
| Perte annuelle moyenne | 3.1 | 2.2 | 2.2 |
Ce qui est mesuré, et avec quelle qualité.
Chaque indicateur porte son unité, sa périodicité, le type de source qui le sous-tend et l'étiquette de preuve que porterait une valeur. Aucune valeur n'est affichée : un programme les fournit sous sa propre autorité.
| Indicateur | Unité | Fréquence | Type de source | Étiquette |
|---|---|---|---|---|
| AI systems in use by business function | count of systems by function | cycle d'enquête | Enquêtes de supervision auprès des assureurs | DÉCLARÉ |
| Ratio de résultats disparates | ratio of outcome rates between groups | par revue de modèle | Tests d'équité | ESTIMÉ |
| Dérive de la performance du modèle | change in discrimination or calibration metric | mensuel | Suivi des modèles | OBSERVÉ |
| Part des décisions de sinistres automatisées | pourcentage de demandes d'indemnisation tranchées sans examen humain | annuel | Insurer disclosures and surveys | DÉCLARÉ |
| Réclamations concernant les décisions automatisées | réclamations pour mille décisions automatisées | annuel | Supervisory complaint data | Statistiques publiées |
| Dépendances critiques à l'égard de modèles et de données de tiers | nombre de fournisseurs critiques | annuel | Vendor registers | DÉCLARÉ |
D'où proviennent les données probantes.
Jeux de données publics et registres institutionnels nommés, chacun avec sa catégorie de licence. Les sources fournies dans le cadre d'accords ne sont utilisées que selon leurs conditions et ne sont jamais republiées.
| Sources | Ce qu'elle apporte | Catégorie de licence |
|---|---|---|
| Enquêtes de la NAIC sur l'intelligence artificielle auprès des assureurs | Use of AI by function in motor, home and life insurance in the United States | Rapports publics |
| Rapports de l'EIOPA sur la numérisation et la gouvernance de l'IA | Recours à l'analyse des mégadonnées et aux principes de gouvernance de l'IA pour les assureurs européens | Public, conditions de réutilisation de l'UE |
| Gallagher Re Global InsurTech Report | Investissement, activité des start-ups et thèmes dans la technologie de l'assurance | Propriétaire, rapport publié en lecture libre |
| AI Incident Database | Reported incidents involving AI systems, including in financial services | Données ouvertes, attribution et conditions |
| Observatoire des politiques de l'IA de l'OCDE (OECD.AI) | Politiques, principes et tendances en matière d'IA par pays | Gratuit, conditions de l'OCDE |
| IAIS application papers and FinTech publications | Pratique de supervision en matière d'IA, de mégadonnées et de conduite | Public, IAIS terms |
Qui décide, et à quoi servent les données probantes.
Insurance Nexus prépare les données probantes. Les décisions ci-dessous sont prises par les autorités nommées, selon leurs propres règles, et jamais par la plateforme.
| Qui décide | La question | Données probantes servies par cette page |
|---|---|---|
| Conseils d'administration des assureurs et comités du modèles financiers bancaire | Which AI systems to deploy, with what oversight, testing and human review | Inventaire des modèles, validation et tests d'équité, suivi de la dérive et historique des incidents |
| Autorités de contrôle des assurances | How to supervise AI use under existing conduct and governance rules and new AI law | Survey evidence, model governance documentation, complaint and outcome data |
| Legislators and data protection authorities | Which data sources and automated decisions are permitted in insurance | Evidence on predictive value, proxy effects, transparency and redress |
| Organismes de consommateurs et services de médiation | Si les décisions automatisées sont équitables et expliquées aux clients | Plaintes, décisions et disparités de résultats par groupe |
Résultats que produit ce thème
- Guide to AI governance expectations in insurance by jurisdiction
- Method note on testing pricing and claims models for proxy discrimination
- Brief on vendor and model concentration risk
- Liste de contrôle des données probantes pour la diligence raisonnable dans l'examen des modèles d'IA
Questions des professionnels.
- Comment l'IA et l'apprentissage automatique sont-ils utilisés tout au long de la chaîne de valeur de l'assurance ?
- How should AI models used in pricing and claims be governed and validated?
- Comment les assureurs peuvent-ils prévenir la discrimination injuste et les effets de substitution dans les modèles ?
- How should customers be informed about automated decisions affecting them?
- Comment la dépendance à un petit nombre de fournisseurs de technologie affecte-t-elle la résilience ?
Facteurs et dynamiques.
Les assureurs recourent à l'IA pour le service client, la souscription, la tarification, la détection de la fraude et l'évaluation des sinistres. Les modèles d'apprentissage automatique peuvent déceler dans de vastes jeux de données des régularités que les méthodes traditionnelles manquent, mais ils peuvent être opaques, sensibles à la qualité des données et enclins à reproduire des biais historiques. Des variables d'apparence neutre peuvent servir de substituts à des caractéristiques protégées. L'IA générative soulève d'autres questions de précision et de responsabilité.
Les régulateurs de plusieurs juridictions ont publié des principes ou des règles sur l'IA dans l'assurance et la finance, en insistant sur la gouvernance, l'explicabilité, l'équité et le supervision humaine. La dépendance à l'égard d'un petit nombre de fournisseurs de cloud et de modèles crée un risque de concentration dans l'ensemble du secteur. Les entreprises d'insurtech ont aussi transformé la distribution, par l'assurance intégrée vendue avec d'autres produits et par des couvertures fondées sur l'usage s'appuyant sur la télématique et les objets connectés, ce qui soulève des questions de propriété des données, de consentement et de frontière entre prévention des risques et surveillance.
Comment elle est étudiée.
- 01
Cadres de gouvernance des modèles
Approaches to validation, monitoring and accountability, drawing on artificial intelligence and machine learning.
- 02
Tests d'équité
Statistical methods from probability and statistics assess whether models produce disparate outcomes.
- 03
Customer outcome research
Studies of how automated decisions affect access, price and claims experience.
- 04
Limites
Fairness has several competing definitions, model behaviour can drift over time, and proprietary models limit external scrutiny.
Comment c'est étudié, et ce que les méthodes ne peuvent pas dire.
- 01Intelligence artificielle et apprentissage automatiqueEnrichissement de l'exposition à partir de l'imagerie · Tri des sinistres et de la fraude · Tests d'équité des modèles de tarificationAppliqué ici
- 02Probabilités et statistiquesModélisation de la fréquence et de la sévérité · Mise à jour bayésienne des hypothèsesAppliqué ici
- 03Mathématiques actuariellesProvisionnement des sinistres à l'aide de triangles de développement · Tarification d'expérience et crédibilitéAppliqué ici
Questions et réponses.
Is AI in insurance regulated?
How is proxy discrimination tested?
Insurance Nexus certifie-t-il des modèles d'IA ?
What is a proxy variable?
Does GRA review insurers’ models?
La GRA donne-t-elle des conseils sur ce sujet ?
Apportez des éléments de preuve depuis cette page.
Reports est la publication trimestrielle du Consortium. Ce que vous savez de ce sujet peut devenir une donnée probante, un cas ou une correction dans la prochaine édition, avec mention de votre nom et publié sous licence CC BY 4.0 lorsqu'il s'agit de votre propre travail.
- E-mailPasserelle GW-GRAL'envoyer depuis cette pageUne preuve, une correction, un cas, une méthode, un examen, une traduction ou un apport au profil. Elle arrive étiquetée avec cette page, afin que le rédacteur responsable la reçoive.
- ZenodoOpen depositDeposit it and submit to the communityPublish your own record on Zenodo with your ORCID iD, then submit it to the Reports community there. Curators review it; the DOI stays yours.
- ReportsGlobal Risks AllianceSee every way to contributeThe contribution types, how each is reviewed, what credit you receive, the licence and what is never accepted.
N'envoyez jamais de données personnelles, de détails sensibles sur des infrastructures ni rien que vous n'avez pas le droit de communiquer. Une contribution est examinée avant utilisation ; son envoi ne confère ni qualité d'auteur ni droits éditoriaux, et un parrainage n'achète jamais une conclusion.
Soumettez une question d'exposition ou de capital à l'Alliance.
L'information et les demandes sont ouvertes dès aujourd'hui. Une demande reçoit une référence et indique l'étape suivante ; candidatures, paiements, allocations de calcul et inscriptions n'ouvrent que lorsque l'équipe, les conditions et la capacité d'examen existent.
Documents juridiques.
Les cartes, données et chiffres de ce site sont présentés à titre de contexte et d'information générale. Ils ne constituent ni des conseils, ni des prévisions, ni des alertes ; les limites de l'information sont exposées dans les Avertissements et les Notices sur les données.