Skip to content

GRA · Insurance Nexus

Пространственные финансыГде капитал встречается с опасностями, подверженностью и переходом

Insurtech и ИИ

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.

01Полотно

Как ведётся работа.

Системы · по этой темеИллюстративно

Protection gap and claims surge

Insurtech и ИИ · Прибрежный портфель · Сценарий события EV-30

  • Claims notified
    8320Оповещение
  • Adjusters deployed
    154Активно
  • Очередь задач
    17дн.Наблюдение
Surge plan activatedGRA · Insurance Nexus

Economic loss by who bears it

  • Insured
  • Государственный сектор
  • 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.

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

02Вопрос

Инсуртех и ИИ: как развивается риск.

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.

Механизм

Model opacity and drift

Сложные модели трудно объяснить клиентам, надзорным органам и советам директоров. Качество работы смещается по мере изменения данных и поведения, а ошибки могут масштабироваться на весь портфель бизнеса, прежде чем их кто-либо заметит.

Механизм

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.

Механизм

Individualised pricing and pooling

Finer segmentation moves premium towards individual expected loss. It can reward risk reduction, but it can also price some people out and erode the pooling on which insurance relies.

Механизм

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.

03Подверженность, убытки и капитал

What Insurtech and AI means for exposure, loss and capital.

Представления о подверженности, убытках, сценариях и капитале, которые запросил бы риск-менеджер, надзорный орган или министерство финансов, с указанием систем отчётности, которым они следуют. Структуры соответствуют надзорной и актуарной практике. Значения иллюстративны: это никогда не цены, рейтинги или рекомендации.

Подверженность и убытки по периодам повторяемости

How losses from Insurtech and AI grow with severity, gross and net of reinsurance, against capital.

1 раз в 10 лет1 раз в 50 лет1 раз в 100 лет1 раз в 250 летбруттоза вычетом перестрахования800
Период повторяемостиГодовая вероятностьВаловой убытокЧистый убытокНетто, капитал = 100
1 раз в 10 лет0.10141010
1 раз в 50 лет0.02332121
1 раз в 100 лет0.01462727
1 раз в 250 лет0.004683939
Средние годовые потери3.12.22.2
Иллюстративный индекс убытков для примерного портфеля (капитал = 100): форма вероятности превышения, которую читают страховщики и надзорные органы. Это не данные о каком-либо учреждении, не цена и не рейтинг.
Климатические сценарии NGFS · Сеть по экологизации финансовой системыIFRS S2 «Раскрытие информации, связанной с климатом» · ISSBРекомендации TCFD · Совет по финансовой стабильности, TCFDПринципы эффективного управления климатическими финансовыми рисками · Базельский комитет по банковскому надзору
04Индикаторы

Что измеряется и насколько хорошо.

Каждый показатель указывает свою единицу, периодичность, тип источника и метку доказательной базы, которую несло бы значение. Значения не показываются: программа предоставляет их под собственную ответственность.

ИндикаторЕдиницаПериодичностьТип источникаМетка
AI systems in use by business functioncount of systems by functionцикл обследованияSupervisory surveys of insurersСООБЩЕНО
Disparate outcome ratioratio of outcome rates between groupsper model reviewПроверка на справедливостьОЦЕНЕНО
Model performance driftизменение метрики дискриминации или калибровкиежемесячноМониторинг моделейНАБЛЮДАЕМО
Automated claims decision sharepercent of claims decided without human reviewежегодноInsurer disclosures and surveysСООБЩЕНО
Жалобы на автоматизированные решенияcomplaints per thousand automated decisionsежегодноSupervisory complaint dataОпубликованная статистика
Критические зависимости от сторонних моделей и данныхcount of critical vendorsежегодноРеестры поставщиковЗАДЕКЛАРИРОВАНО
05Источники

Откуда берётся доказательная база.

Названные публичные наборы данных и институциональные записи, каждый со своим классом лицензии. Источники по соглашению используются только на их условиях и никогда не публикуются повторно.

ИсточникЧто он даётКласс лицензии
NAIC artificial intelligence surveys of insurersUse of AI by function in motor, home and life insurance in the United StatesПубличные отчёты
EIOPA reports on digitalisation and AI governanceUse of big data analytics and AI governance principles for European insurersПублично, условия повторного использования ЕС
Gallagher Re Global InsurTech ReportInvestment, start-up activity and themes in insurance technologyПроприетарный, опубликованный отчёт доступен для чтения бесплатно
AI Incident DatabaseЗарегистрированные инциденты с участием СистемыИИ, в том числе в сфере финансовых услугOpen data, attribution and terms
OECD.AI Policy ObservatoryAI policies, principles and trends by countryБесплатно, условия ОЭСР
IAIS application papers and FinTech publicationsНадзорная практика в области ИИ, больших данных и надлежащего поведения на рынкеPublic, IAIS terms
06Решения

Кто принимает решения и чему служит доказательная база.

Insurance Nexus готовит доказательную базу. Перечисленные ниже решения принимают указанные органы по своим собственным правилам, но никогда не платформа.

Кто принимает решениеВопросДоказательная база, которую обслуживает эта страница
Insurer boards and model risk committeesWhich AI systems to deploy, with what oversight, testing and human reviewModel inventory, validation and fairness testing, drift monitoring and incident history
Органы надзора в сфере страхованияHow to supervise AI use under existing conduct and governance rules and new AI lawSurvey evidence, model governance documentation, complaint and outcome data
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 servicesСправедливы ли автоматизированные решения и объясняются ли они клиентамComplaints, decisions and outcome disparities by group

Результаты, которые даёт эта тема

  • Guide to AI governance expectations in insurance by jurisdiction
  • Методическая записка по тестированию моделей ценообразования и страховых требований на дискриминацию по косвенным признакам
  • Brief on vendor and model concentration risk
  • Evidence-to-diligence checklist for AI model review
07Ключевые вопросы

О чём спрашивают специалисты.

  • Как искусственный интеллект и машинное обучение используются по всей цепочке создания стоимости в страховании?
  • 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?
  • How do dependencies on a few technology providers affect resilience?
08Механизмы

Движущие факторы и динамика.

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.

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.

09Методы и ограничения

Как это изучается.

  1. 01

    Рамочные основы управления моделями

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

  2. 02

    Проверка на справедливость

    Статистические методы теории вероятностей и статистики позволяют оценить, приводят ли модели к неодинаковым результатам для разных групп.

  3. 03

    Исследования результатов для клиентов

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

  4. 04

    Ограничения

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

10Методы

Как это изучается и чего методы не могут сказать.

  1. Искусственный интеллект и машинное обучениеОбогащение данных о подверженности по снимкам · Выявление мошенничества и сортировка требований · Проверка справедливости моделей ценообразованияПрименяется здесь
  2. Теория вероятностей и статистикаМоделирование частоты и тяжести · Байесовское обновление допущенийПрименяется здесь
  3. Актуарная математикаРезервирование убытков с помощью треугольников развития · Тарификация по опыту и теория доверияПрименяется здесь
11Вопросы

Вопросы и ответы.

Регулируется ли ИИ в страховании?
Existing insurance, conduct, anti-discrimination and data protection law already applies. Some jurisdictions add specific rules, such as the EU AI Act for certain life and health pricing uses, and supervisory bulletins on AI governance in the United States.
How is proxy discrimination tested?
By comparing outcomes across groups, testing whether variables carry protected information, and checking whether alternatives with less disparate effect predict as well. Each test needs data and judgement, and results are labelled.
Does Insurance Nexus certify AI models?
No. Model validation is done by insurers and independent reviewers, and supervisors assess governance. Insurance Nexus explains the methods and the published expectations.
What is a proxy variable?
A variable that is not itself a protected characteristic but correlates closely with one, so its use can produce indirect discrimination.
Does GRA review insurers’ models?
No. It studies governance practice at sector level.
Даёт ли GRA консультации по этой теме?
Нет. GRA не занимается андеррайтингом, продажей, привлечением клиентов, согласованием условий, размещением или брокерским посредничеством в сфере страхования, не присваивает рейтинги, не консультирует по сделкам и не организует их. Работа по обеспечению готовности не является одобрением. Её анализ представляет собой общее понимание на уровне сектора.
ОтчётыВнести вклад

Поделитесь доказательствами с этой страницы.

Reports является ежеквартальным изданием Консорциума. Ваши знания по этой теме могут стать доказательством, кейсом или исправлением в следующем выпуске с указанием вашего авторства и публикацией по лицензии CC BY 4.0, если это ваша собственная работа.

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

Обратитесь в Альянс с вопросом о подверженности или капитале.

Информация и запросы открыты уже сегодня. Запрос получает номер и указывает следующий шаг; заявки, платежи, выделение вычислительных ресурсов и регистрации открываются только тогда, когда существуют их команда, условия и возможности для проверки.

Правовая информация

Карты, данные и рисунки на этом сайте приводятся для контекста и общей информации. Они не являются советом, прогнозом или предупреждением; ограничения информации изложены в Оговорках и уведомлениях о данных.