GRA · Insurance Nexus
Finanças espaciaisOnde o capital encontra ameaça, exposição e transição
Insurtech e IA
Dados, automação e aprendizado de máquina agora alcançam todas as etapas do seguro: distribuição, subscrição, precificação, sinistros e detecção de fraudes. Podem reduzir custos e ampliar o acesso, e também podem discriminar, excluir, induzir a erro ou falhar de modos difíceis de perceber. Esta página apresenta como a tecnologia e o modelos financeiros se desenvolvem no seguro, como se medem seus efeitos sobre os clientes e quais instituições detêm as decisões de governança.
Como decorre o trabalho.
Lacuna de proteção e aumento repentino de sinistros
Insurtech and AI · Coastal portfolio · Event scenario EV-30
- Sinistros notificados8320Alerta
- Adjusters deployed154Ativo
- Backlog17diasObservar
Perda econômica por quem a arca
- Segurado
- Público
- Sem seguro
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.
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.
Opacidade e deriva do modelo
Modelos complexos são difíceis de explicar a clientes, supervisores e conselhos de administração. O desempenho se desvia à medida que os dados e o comportamento mudam, e os erros podem se multiplicar por toda uma carteira de negócios antes que alguém perceba.
Proxy discrimination
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
Uma segmentação mais fina aproxima o prêmio da perda esperada individual. Pode recompensar a redução do risco, mas também pode excluir algumas pessoas pelo preço e corroer a mutualização em que o seguro se apoia.
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.
O que Insurtech e IA significam para exposição, perda e capital.
As vistas de exposição, perda, cenários e capital que um responsável pelo risco, um supervisor ou um ministério das finanças pediria, com os quadros de referência perante os quais reportam. As estruturas seguem a prática de supervisão e atuarial. Os valores são ilustrativos: nunca preços, notações ou aconselhamento.
Exposição e perda por período de retorno
Como as perdas com Insurtech e IA crescem com a gravidade, brutas e líquidas de resseguro, em relação ao capital.
| Período de retorno | Probabilidade anual | Perda bruta | Perda líquida | Líquido, capital = 100 |
|---|---|---|---|---|
| 1 em 10 | 0.10 | 14 | 10 | 10 |
| 1 em 50 | 0.02 | 33 | 21 | 21 |
| 1 em 100 | 0.01 | 46 | 27 | 27 |
| 1 em 250 | 0.004 | 68 | 39 | 39 |
| Perda anual média | 3.1 | 2.2 | 2.2 |
O que é medido e com que qualidade.
Cada indicador leva sua unidade, sua periodicidade, o tipo de fonte por trás dele e a etiqueta de evidência que um valor levaria. Nenhum valor é mostrado: um programa os fornece sob sua própria autoridade.
| Indicador | Unidade | Cadência | Tipo de fonte | Rótulo |
|---|---|---|---|---|
| AI systems in use by business function | count of systems by function | ciclo de pesquisa | Pesquisas de supervisão de seguradoras | REPORTADO |
| Razão de resultados díspares | ratio of outcome rates between groups | por revisão de modelo | Teste de equidade | ESTIMADO |
| Model performance drift | change in discrimination or calibration metric | mensal | Monitoramento de modelos | OBSERVADO |
| Participação de decisões automatizadas em sinistros | percent of claims decided without human review | anual | Divulgações e pesquisas de seguradoras | REPORTADO |
| Reclamações sobre decisões automatizadas | complaints per thousand automated decisions | anual | Supervisory complaint data | Estatísticas publicadas |
| Dependências críticas de modelos e dados de terceiros | count of critical vendors | anual | Registros de fornecedores | DECLARADO |
De onde vêm as evidências.
Conjuntos de dados públicos nomeados e registros institucionais, cada um com sua classe de licença. As fontes obtidas por acordo só são usadas nos seus termos e nunca são republicadas.
| Fonte | O que oferece | Classe de licença |
|---|---|---|
| NAIC artificial intelligence surveys of insurers | Use of AI by function in motor, home and life insurance in the United States | Relatórios públicos |
| Relatórios da EIOPA sobre digitalização e governança de IA | Uso de análise de big data e de princípios de governança de IA por seguradoras europeias | Público, termos de reutilização da UE |
| Gallagher Re Global InsurTech Report | Investimento, atividade de start-ups e temas em tecnologia de seguros | Proprietário, relatório publicado de leitura gratuita |
| AI Incident Database | Reported incidents involving AI systems, including in financial services | Open data, attribution and terms |
| Observatório de Políticas OECD.AI | Políticas, princípios e tendências de IA por país | Gratuito, termos da OCDE |
| IAIS application papers and FinTech publications | Prática de supervisão sobre IA, big data e conduta | Public, IAIS terms |
Quem decide, e a que servem as evidências.
Insurance Nexus prepara evidências. As decisões abaixo são tomadas pelas autoridades indicadas, sob suas próprias regras, e nunca pela plataforma.
| Quem decide | A pergunta | Evidências a que esta página serve |
|---|---|---|
| Conselhos de seguradoras e comitês de modelos financeiros bancário | Which AI systems to deploy, with what oversight, testing and human review | Model inventory, validation and fairness testing, drift monitoring and incident history |
| Supervisores de seguros | How to supervise AI use under existing conduct and governance rules and new AI law | Evidências de pesquisas, documentação de governança de modelos, dados de reclamações e de resultados |
| Legislators and data protection authorities | Which data sources and automated decisions are permitted in insurance | Evidence on predictive value, proxy effects, transparency and redress |
| Consumer bodies and ombudsman services | Se as decisões automatizadas são justas e explicadas aos clientes | Reclamações, decisões e disparidades de resultados por grupo |
Produtos que este tema gera
- Guide to AI governance expectations in insurance by jurisdiction
- Method note on testing pricing and claims models for proxy discrimination
- Nota sobre o risco de concentração
- Lista de verificação de evidências para diligência na revisão de modelos de IA
O que os profissionais perguntam.
- Como a IA e o aprendizado de máquina são usados ao longo da cadeia de valor dos seguros?
- How should AI models used in pricing and claims be governed and validated?
- Como as seguradoras podem evitar a discriminação injusta e os efeitos de variáveis substitutas em modelos?
- How should customers be informed about automated decisions affecting them?
- Como a dependência de poucos provedores de tecnologia afeta a resiliência?
Fatores e dinâmicas.
As seguradoras usam IA para atendimento ao cliente, subscrição, precificação, detecção de fraudes e avaliação de sinistros. Modelos de aprendizado de máquina podem encontrar padrões em grandes conjuntos de dados que os métodos tradicionais não detectam, mas podem ser opacos, sensíveis à qualidade dos dados e propensos a reproduzir vieses históricos. Variáveis aparentemente neutras podem funcionar como proxies de características protegidas. A IA generativa levanta outras questões sobre precisão e responsabilização.
Regulators in several jurisdictions have issued principles or rules for AI in insurance and finance, emphasising governance, explainability, fairness and human oversight. Dependence on a small number of cloud and model providers creates concentration risk across the sector. Insurtech firms have also changed distribution, through embedded insurance sold alongside other products and usage-based cover informed by telematics and connected devices, which raises questions about data ownership, consent and the boundary between risk prevention and surveillance.
Como é estudado.
- 01
Estruturas de governança de modelos
Approaches to validation, monitoring and accountability, drawing on artificial intelligence and machine learning.
- 02
Teste de equidade
Métodos estatísticos de probabilidade e estatística avaliam se os modelos produzem resultados díspares.
- 03
Pesquisa sobre resultados para o cliente
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.
Como é estudado e o que os métodos não podem dizer.
- 01Inteligência artificial e aprendizado de máquinaEnriquecimento da exposição a partir de imagens · Triagem de fraudes e de sinistros · Testes de equidade dos modelos de precificaçãoAplicado aqui
- 02Probabilidade e estatísticaModelagem de frequência e severidade · Atualização bayesiana dos pressupostosAplicado aqui
- 03Matemática atuarialConstituição de reservas de sinistros com triângulos de desenvolvimento · Tarifação por experiência e credibilidadeAplicado aqui
Perguntas e respostas.
Is AI in insurance regulated?
Como se testa a discriminação por proxy?
A Insurance Nexus certifica modelos de IA?
What is a proxy variable?
Does GRA review insurers’ models?
A GRA oferece aconselhamento sobre este tema?
Contribua com evidências a partir desta página.
Reports é a publicação trimestral do Consortium. O que você sabe sobre este tema pode se tornar evidência, um caso ou uma correção na próxima edição, com crédito a você e publicado sob CC BY 4.0 quando for obra sua.
- E-mailPortal GW-GRAEnvie desta páginaEvidência, uma correção, um caso, um método, uma revisão, uma tradução ou uma contribuição ao perfil. Chega marcada com esta página, de modo que o editor responsável a receba.
- 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.
Nunca envie dados pessoais, detalhes sensíveis de infraestrutura nem nada que você não tenha o direito de compartilhar. Uma contribuição é revisada antes do uso. Enviá-la não confere autoria nem direitos editoriais, e o patrocínio nunca compra uma constatação.
Apresente à Alliance uma questão de exposição ou de capital.
A informação e os pedidos estão abertos hoje. Um pedido recebe uma referência e indica o próximo passo; candidaturas, pagamentos, alocações de computação e registros só abrem quando existem a equipa, os termos e a capacidade de revisão.
Documentos jurídicos.
Os mapas, dados e números deste site são apresentados como contexto e informação geral. Não são aconselhamento, previsões nem avisos; os limites da informação estão expostos nos Avisos legais e nos Avisos sobre dados.