Skip to content

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.

01Canvas

Como decorre o trabalho.

Sistemas · em torno deste temaIlustrativo

Lacuna de proteção e aumento repentino de sinistros

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

  • Sinistros notificados
    8320Alerta
  • Adjusters deployed
    154Ativo
  • Backlog
    17diasObservar
Surge plan activatedGRA · Insurance Nexus

Perda econômica por quem a arca

  • Segurado
  • Público
  • Sem seguro
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.

Fig.Protection gap and claims surge: example names and illustrative values, not a record or a live system.

02A pergunta

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.

Mecanismo

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.

Mecanismo

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.

Mecanismo

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.

Mecanismo

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.

03Exposição, perda e capital

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.

1 em 101 em 501 em 1001 em 250brutolíquido de resseguro800
Período de retornoProbabilidade anualPerda brutaPerda líquidaLíquido, capital = 100
1 em 100.10141010
1 em 500.02332121
1 em 1000.01462727
1 em 2500.004683939
Perda anual média3.12.22.2
Índice de perdas ilustrativo para uma carteira de exemplo (capital = 100): a forma de probabilidade de excedência que seguradoras e supervisores leem. Não são dados sobre nenhuma instituição, nem um preço ou uma classificação.
Cenários climáticos do NGFS · Network for Greening the Financial SystemIFRS S2 Divulgações Relacionadas ao Clima · ISSBRecomendações da TCFD · Financial Stability Board TCFDPrincípios para a gestão eficaz dos riscos financeiros relacionados ao clima · Comitê de Basileia de Supervisão Bancária
04Indicadores

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.

IndicadorUnidadeCadênciaTipo de fonteRótulo
AI systems in use by business functioncount of systems by functionciclo de pesquisaPesquisas de supervisão de seguradorasREPORTADO
Razão de resultados dísparesratio of outcome rates between groupspor revisão de modeloTeste de equidadeESTIMADO
Model performance driftchange in discrimination or calibration metricmensalMonitoramento de modelosOBSERVADO
Participação de decisões automatizadas em sinistrospercent of claims decided without human reviewanualDivulgações e pesquisas de seguradorasREPORTADO
Reclamações sobre decisões automatizadascomplaints per thousand automated decisionsanualSupervisory complaint dataEstatísticas publicadas
Dependências críticas de modelos e dados de terceiroscount of critical vendorsanualRegistros de fornecedoresDECLARADO
05Fontes

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.

FonteO que ofereceClasse de licença
NAIC artificial intelligence surveys of insurersUse of AI by function in motor, home and life insurance in the United StatesRelatórios públicos
Relatórios da EIOPA sobre digitalização e governança de IAUso de análise de big data e de princípios de governança de IA por seguradoras europeiasPúblico, termos de reutilização da UE
Gallagher Re Global InsurTech ReportInvestimento, atividade de start-ups e temas em tecnologia de segurosProprietário, relatório publicado de leitura gratuita
AI Incident DatabaseReported incidents involving AI systems, including in financial servicesOpen data, attribution and terms
Observatório de Políticas OECD.AIPolíticas, princípios e tendências de IA por paísGratuito, termos da OCDE
IAIS application papers and FinTech publicationsPrática de supervisão sobre IA, big data e condutaPublic, IAIS terms
06Decisões

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 decideA perguntaEvidências a que esta página serve
Conselhos de seguradoras e comitês de modelos financeiros bancárioWhich AI systems to deploy, with what oversight, testing and human reviewModel inventory, validation and fairness testing, drift monitoring and incident history
Supervisores de segurosHow to supervise AI use under existing conduct and governance rules and new AI lawEvidências de pesquisas, documentação de governança de modelos, dados de reclamações e de resultados
Legislators and data protection authoritiesWhich data sources and automated decisions are permitted in insuranceEvidence on predictive value, proxy effects, transparency and redress
Consumer bodies and ombudsman servicesSe as decisões automatizadas são justas e explicadas aos clientesReclamações, 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
07Questões centrais

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?
08Mecanismos

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.

09Métodos e limites

Como é estudado.

  1. 01

    Estruturas de governança de modelos

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

  2. 02

    Teste de equidade

    Métodos estatísticos de probabilidade e estatística avaliam se os modelos produzem resultados díspares.

  3. 03

    Pesquisa sobre resultados para o cliente

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

  4. 04

    Limites

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

10Métodos

Como é estudado e o que os métodos não podem dizer.

  1. Inteligência 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
  2. Probabilidade e estatísticaModelagem de frequência e severidade · Atualização bayesiana dos pressupostosAplicado aqui
  3. Matemática atuarialConstituição de reservas de sinistros com triângulos de desenvolvimento · Tarifação por experiência e credibilidadeAplicado aqui
11Perguntas

Perguntas e respostas.

Is AI in insurance regulated?
A legislação existente sobre seguros, conduta, antidiscriminação e proteção de dados já se aplica. Algumas jurisdições acrescentam regras específicas, como a Lei de IA da UE para certos usos na precificação de seguros de vida e saúde, e boletins de supervisão sobre governança de IA nos Estados Unidos.
Como se testa a discriminação por proxy?
Comparando resultados entre grupos, testando se as variáveis carregam informação protegida e verificando se alternativas com menor efeito díspar preveem tão bem. Cada teste exige dados e julgamento, e os resultados são rotulados.
A Insurance Nexus certifica modelos de IA?
Não. A validação de modelos é feita por seguradoras e revisores independentes, e os supervisores avaliam a governança. O Insurance Nexus explica os métodos e as expectativas publicadas.
What is a proxy variable?
Variável que não é, em si, uma característica protegida, mas que se correlaciona fortemente com uma, de modo que o seu uso pode gerar discriminação indireta.
Does GRA review insurers’ models?
No. It studies governance practice at sector level.
A GRA oferece aconselhamento sobre este tema?
Não. A GRA não subscreve, vende, solicita, negocia, coloca nem intermedeia seguros, e não classifica, aconselha nem organiza transações. O trabalho de preparação não é aprovação. Sua análise é um entendimento compartilhado, em nível setorial.
RelatóriosContribuir

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.

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

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.