Skip to content

GRA · Insurance Nexus

空間金融資本がハザード、エクスポージャー、移行と出会う場所

インシュアテックと AI

データ、自動化、機械学習は、いまや保険のあらゆる段階に及んでいます。販売、引受、価格設定、保険金支払、不正検知です。これらはコストを下げ、アクセスを広げる一方で、差別や排除、誤認を生み、あるいは見えにくい形で機能不全を起こすこともあります。本ページでは、保険における技術と モデルリスク がどのように進展するか、顧客への影響がどのように測定されるか、そしてガバナンス上の決定をどの機関が担うかを示します。

01キャンバス

作業の進め方。

システム ・この主題の周辺例示

保護ギャップと保険金請求の急増

Insurtech and AI · Coastal portfolio · Event scenario EV-30

  • Claims notified
    8320警報
  • Adjusters deployed
    154有効
  • バックログ
    17日注視
Surge plan activatedGRA · Insurance Nexus

負担者別の経済損失

  • 被保険者
  • 公共
  • Uninsured
Protection gap and claims surge: the screen’s structure, terms and states for Insurtech and AI.Example names and illustrative values; a design, not a record or a live system.

図保護ギャップと保険金請求の急増:名称と数値は例示であり、記録でも稼働中のシステムでもない。

02質問

Insurtech and AI: how the risk develops.

AI model governance and customer effects. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.

メカニズム

モデルの不透明性とドリフト

複雑なモデルは、顧客、監督当局、取締役会に説明することが難しい。データや行動の変化に伴って性能は徐々に劣化し、誰も気づかないうちに、事業ポートフォリオ全体に誤りが拡大するおそれがある。

メカニズム

代理変数による差別

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.

メカニズム

個別化された価格設定とプーリング

より細かいセグメンテーションは、保険料を個々の期待損失に近づけます。 リスク削減に報いることができる一方で、一部の人々を保険から締め出し、保険が拠り所とするプーリングを損なうおそれもあります。

メカニズム

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.

03エクスポージャー、損失、資本

インシュアテックと AI が、エクスポージャー、損失、資本にとって何を意味するか。

リスク責任者、監督当局、財務省が求めるエクスポージャー、損失、シナリオ、資本のビューと、それらが報告の根拠とする枠組み。構造は監督実務とアクチュアリー実務に従います。値は例示であり、価格、格付け、助言では決してありません。

再現期間ごとのエクスポージャーと損失

Insurtech と AI による損失が、深刻度に応じて、再保険の控除前および控除後で、資本に対してどのように拡大するか。

10 年に 1 度50 年に 1 度100 年に 1 度250 年に 1 度総額再保険控除後800
再現期間年間確率総損失純損失純額、資本 = 100
10 年に 1 度0.10141010
50 年に 1 度0.02332121
100 年に 1 度0.01462727
250 年に 1 度0.004683939
年間平均損失3.12.22.2
例示のポートフォリオ(資本 = 100)の説明用損失指数:保険会社と監督当局が読む超過確率の形式です。いずれの機関のデータでもなく、価格や格付けでもありません。
NGFS 気候シナリオ · 気候変動リスク等に係る金融当局ネットワークIFRS S2 気候関連開示 · ISSBTCFD 提言 · 金融安定理事会 TCFD気候関連金融リスクの実効的な管理のための諸原則 · バーゼル銀行監督委員会
04指標

何を、どの程度うまく測定しているか。

各指標には、その単位、更新頻度、背後にある出典の種類、値が持つことになるエビデンスのラベルが付いています。値は表示しません:プログラムが自らの権限のもとで値を提供します。

指標単位周期出典の種類ラベル
AI systems in use by business functioncount of systems by function調査サイクル保険会社に対する監督上の調査報告値
格差的結果比率ratio of outcome rates between groupsモデルのレビューごと公平性テスト推定
Model performance driftchange in discrimination or calibration metric月次モデルのモニタリング観測
保険金請求の自動判定の割合percent of claims decided without human review年次Insurer disclosures and surveys報告値
自動化された意思決定に関する苦情自動化された判断 1,000 件あたりの苦情件数年次Supervisory complaint data公表統計
重要な第三者モデルおよびデータへの依存count of critical vendors年次Vendor registers申告済み
05出典

エビデンスの出所。

名前の明示された公開データセットと機関の記録。それぞれにライセンス区分があります。合意に基づく出典は、その条件のもとでのみ使用し、再公開することはありません。

出典提供するものライセンス区分
NAIC artificial intelligence surveys of insurersUse of AI by function in motor, home and life insurance in the United States公開報告書
EIOPA reports on digitalisation and AI governance欧州の保険会社におけるビッグデータ分析と AI ガバナンス原則の活用公開、EU の再利用条件
Gallagher Re Global InsurTech ReportInvestment, start-up activity and themes in insurance technology独自のもの。公表された報告書は無料で閲覧可
AI Incident DatabaseReported incidents involving AI systems, including in financial servicesOpen data, attribution and terms
OECD.AI 政策観測所国別の AI 政策、原則、動向無料、OECD の条件
IAIS の適用文書および FinTech 関連刊行物AI、ビッグデータおよびコンダクトに関する監督実務Public, IAIS terms
06決定

誰が決め、エビデンスが何に役立つか。

Insurance Nexus はエビデンスを作成する。以下の決定は、名称を挙げた当局が自らの規則に基づいて行うものであり、プラットフォームが行うことはない。

誰が決定するか質問このページが提供するエビデンス
保険会社の取締役会と モデルリスク 委員会どの AI システム を、どのような監督、テスト、人によるレビューのもとで導入するかモデル目録、検証と公平性テスト、ドリフト監視、インシデント履歴
保険監督当局既存の行為規範やガバナンス規則と新たな AI 法の下で、AI の利用をどう監督するかSurvey evidence, model governance documentation, complaint and outcome data
立法者とデータ保護当局Which data sources and automated decisions are permitted in insuranceEvidence on predictive value, proxy effects, transparency and redress
Consumer bodies and ombudsman services自動化された判断が公正であり、顧客に説明されているか集団別の苦情、決定、結果の格差

このトピックが生み出す成果物

  • Guide to AI governance expectations in insurance by jurisdiction
  • 代理変数による差別について価格設定モデルと主張モデルを検証するための方法ノート
  • Brief on vendor and model concentration risk
  • AI モデルレビューのための、エビデンスからデューデリジェンスへのチェックリスト
07中核となる問い

専門家が問うこと。

  • AI と機械学習は保険のバリューチェーン全体でどのように使われているか。
  • How should AI models used in pricing and claims be governed and validated?
  • How can insurers prevent unfair discrimination and proxy effects in models?
  • How should customers be informed about automated decisions affecting them?
  • 少数の技術提供者への依存は、レジリエンスにどのような影響を与えますか。
08メカニズム

要因と動態。

Insurers use AI for customer service, underwriting, pricing, fraud detection and claims assessment. Machine-learning models can find patterns in large datasets that traditional methods miss, but they can be opaque, sensitive to data quality and prone to reproducing historical biases. Variables that seem neutral can act as proxies for protected characteristics. Generative AI introduces further questions about accuracy and accountability.

複数の法域の規制当局が、ガバナンス、説明可能性、公平性、 人間による監督を重視する、保険・金融分野のAIに関する原則または規則を公表している。少数のクラウド事業者やモデル提供者への依存は、セクター全体に 集中リスク を生じさせる。インシュアテック企業も流通を変えており、他の商品と併せて販売される組込み型保険や、テレマティクスやコネクテッド機器に基づく利用連動型保険が登場し、データの所有、同意、リスク予防と監視の境界をめぐる問いが生じている。

09手法と限界

研究の方法。

  1. 01

    モデル・ガバナンスの枠組み

    Approaches to validation, monitoring and accountability, drawing on artificial intelligence and machine learning.

  2. 02

    公平性テスト

    Statistical methods from probability and statistics assess whether models produce disparate outcomes.

  3. 03

    Customer outcome research

    Studies of how automated decisions affect access, price and claims experience.

  4. 04

    限界

    Fairness has several competing definitions, model behaviour can drift over time, and proprietary models limit external scrutiny.

10手法

どのように研究され、手法が言えないことは何か。

  1. 人工知能と機械学習画像によるエクスポージャーの充実化 · 不正と保険金請求の振り分け · 価格設定モデルの公平性の試験ここでの適用
  2. 確率と統計頻度と深刻度のモデリング · 前提のベイズ更新ここでの適用
  3. 保険数理発生年度別三角形による損失準備金の算定 · 経験料率と信頼度ここでの適用
11質問

質問と回答。

保険における AI は規制されていますか。
既存の保険、行為規制、差別禁止、データ保護に関する法律がすでに適用されます。一部の法域では、生命保険や健康保険の料率設定の一部の用途に関する EU AI 法や、米国における AI ガバナンスに関する監督上の通達など、個別の規則が加えられています。
How is proxy discrimination tested?
グループ間で結果を比較し、変数が保護対象の情報を含んでいないかを検証し、格差的な影響のより小さい代替案が同等の予測精度を持つかを確認します。各検証にはデータと判断が必要であり、結果にはその旨を明示します。
Does Insurance Nexus certify AI models?
いいえ。モデルの検証は保険会社と独立したレビュー担当者が行い、監督当局はガバナンスを評価する。Insurance Nexus は、その手法と公表されている期待事項を解説する。
代理変数とは何ですか。
それ自体は保護される属性ではないものの、そのいずれかと密接に相関する変数。これを用いると間接差別が生じる可能性があります。
Does GRA review insurers’ models?
No. It studies governance practice at sector level.
GRA はこのトピックについて助言を行いますか?
いいえ。GRA は保険の引受け、販売、勧誘、交渉、手配、仲介を行わず、格付け、助言、取引の調整も行いません。レディネスに関する作業は承認ではありません。その分析は、共有されたセクターレベルの理解です。
報告書貢献する

このページからエビデンスを提供する。

Reports はコンソーシアムの季刊刊行物です。このテーマについてあなたが知っていることは、次号でエビデンス、事例、または訂正となり得ます。あなたの名前を記し、あなた自身の著作物である場合は CC BY 4.0 で公表されます。

Global Risks AllianceInsurance NexusFinance and Insurance ReadinessGlobal Sector Risk and Resilience
Insurance Nexus

エクスポージャーまたは資本に関する問いをアライアンスに持ち込む。

情報提供と問い合わせは本日から受け付けています。問い合わせには参照番号が付き、次の手順が示されます。申請、支払い、計算資源の割り当て、登録は、担当チーム、規約、審査体制が整ってから開始します。