工作如何开展。
保障缺口与理赔激增
保险科技与人工智能 · 沿海投资组合 · 事件情景 EV-30
- Claims notified8320警报
- Adjusters deployed154活跃
- 待办事项17天关注
按承担方划分的经济损失
- 已投保
- 公共
- 未投保
图保护缺口与理赔激增:示例名称和示意数值,不是记录,也不是实时系统。
Insurtech and AI: how the risk develops.
AI 模型治理与客户影响。以下档案阐明该风险如何发展、衡量什么、数据来自何处、如何建模以及由谁决定。
模型不透明与漂移
复杂模型难以向客户、监管机构和董事会解释。随着数据和行为的变化,模型表现会发生漂移,错误可能在无人察觉之前就扩散至整个业务组合。
代理歧视
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.
Platform and vendor concentration
许多保险公司依赖相同的数据供应商、模型和云平台。一旦数据集有缺陷或供应商发生中断,就会同时影响整个市场,而责任则分散在各份合同之中。
保险科技与人工智能对风险暴露、损失和资本意味着什么。
风险官、监管者或财政部会要求的风险暴露、损失、情景和资本视图,以及它们据以报告的框架。结构遵循监管和精算实务。数值为说明性:绝非价格、评级或建议。
各重现期的风险暴露与损失
Insurtech 和人工智能造成的损失如何随严重程度增长,分别按再保险前后的总额和净额,对照资本衡量。
| 重现期 | 年概率 | 总损失 | 净损失 | 净额,资本 = 100 |
|---|---|---|---|---|
| 1/10(10 年一遇) | 0.10 | 14 | 10 | 10 |
| 1/50(50 年一遇) | 0.02 | 33 | 21 | 21 |
| 1/100(100 年一遇) | 0.01 | 46 | 27 | 27 |
| 1/250(250 年一遇) | 0.004 | 68 | 39 | 39 |
| 年均损失 | 3.1 | 2.2 | 2.2 |
衡量什么,以及衡量得如何。
每个指标都注明其单位、频率、背后的来源类型以及数值将附带的证据标签。此处不显示数值:数值由计划依据其自身权限提供。
| 指标 | 单位 | 节奏 | 来源类型 | 标签 |
|---|---|---|---|---|
| AI systems in use by business function | 按功能统计的系统数量 | 调查周期 | 对保险公司的监管调查 | 已报告 |
| 差异结果比率 | 各群体之间结果发生率之比 | 每次模型审查 | 公平性测试 | 估算 |
| Model performance drift | 区分度或校准指标的变化 | 每月 | 模型监测 | 观测 |
| 自动化理赔决策占比 | 未经人工审核即作出裁定的理赔百分比 | 年度 | 保险公司披露和调查 | 已报告 |
| 关于自动化决策的投诉 | 每千项自动化决策的投诉数 | 年度 | 监管投诉数据 | 已发布统计 |
| 关键第三方模型和数据依赖 | count of critical vendors | 年度 | Vendor registers | 已声明 |
证据来自何处。
具名公共数据集与机构记录,各自注明许可类别。依协议获得的来源仅按其条款使用,绝不再次发布。
| 来源 | 它提供什么 | 许可类别 |
|---|---|---|
| NAIC artificial intelligence surveys of insurers | 美国汽车、家庭和人寿保险中按职能划分的人工智能使用情况 | 公开报告 |
| EIOPA reports on digitalisation and AI governance | 欧洲保险公司对大数据分析的使用及人工智能治理原则 | 公开,欧盟再利用条款 |
| Gallagher Re Global InsurTech Report | 保险科技领域的投资、初创企业活动和主题 | 专有,已发布报告可免费阅读 |
| AI Incident Database | Reported incidents involving AI systems, including in financial services | 开放数据、署名和条款 |
| OECD.AI 政策观察站 | 按国家划分的人工智能政策、原则和趋势 | 免费,OECD 条款 |
| IAIS application papers and FinTech publications | 关于人工智能、大数据与行为的监管实践 | Public, IAIS terms |
由谁决定,以及证据服务于什么。
Insurance Nexus 负责准备证据。以下决定由所列机构依其自身规则作出,绝不由平台作出。
| 谁来决定 | 问题 | 本页面服务的证据 |
|---|---|---|
| 保险公司董事会和 模型风险 委员会 | 部署哪些 AI 系统 ,以及采用何种监督、测试和人工审核 | 模型清单、验证与公平性测试、漂移监测和事件历史 |
| 保险监管机构 | How to supervise AI use under existing conduct and governance rules and new AI law | 调查证据、模型治理文档、投诉和结果数据 |
| Legislators and data protection authorities | 保险中允许使用哪些数据来源和自动化决策 | 关于预测价值、代理效应、透明度和救济的证据 |
| Consumer bodies and ombudsman services | 自动化决策是否公平,是否向客户作出解释 | 按群体划分的投诉、决定和结果差异 |
该主题产生的产出
- Guide to AI governance expectations in insurance by jurisdiction
- 关于检验定价和理赔模型中代理歧视的方法说明
- 关于供应商和模型 集中度风险
- 人工智能模型审查的证据到尽职调查核对清单
专业人士的常见问题。
- 人工智能和机器学习如何应用于整个保险价值链?
- 定价和理赔中使用的人工智能模型应如何治理和验证?
- How can insurers prevent unfair discrimination and proxy effects in models?
- How should customers be informed about automated decisions affecting them?
- 对少数技术提供商的依赖如何影响韧性?
驱动因素与动态。
保险公司将人工智能用于客户服务、核保、定价、欺诈检测和理赔评估。机器学习模型能够发现大型数据集中传统方法遗漏的模式,但这类模型可能不透明,对 数据质量 敏感,并容易复现历史偏见。看似中性的变量可能成为受保护特征的代理变量。生成式人工智能还带来了关于准确性和问责的进一步问题。
多个司法辖区的监管机构已发布人工智能在保险和金融领域的原则或规则,强调治理、可解释性、公平和 人工监督。对少数云服务和模型提供商的依赖,在整个行业造成 集中度风险 。保险科技公司也改变了分销方式,包括与其他产品一并销售的嵌入式保险,以及基于远程信息处理和联网设备的按使用付费保险,这引发了关于数据所有权、同意以及风险预防与监控之间界限的问题。
问题与解答。
保险业中的人工智能受监管吗?
How is proxy discrimination tested?
Insurance Nexus 是否认证 AI 模型?
什么是代理变量?
Does GRA review insurers’ models?
GRA 是否就此主题提供建议?
从本页贡献证据。
Reports 是联合体的季刊。您对该主题的了解可以成为下一期中的证据、案例或更正,署名归您,并在属于您本人作品时以 CC BY 4.0 发布。
- 电子邮件门户 GW-GRA从本页发送证据、更正、案例、方法、审查、翻译或概况投稿。它会带上本页标签送达,由负责的编辑接收。
- 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.
- 报告全球风险联盟(Global Risks Alliance)查看所有贡献方式贡献类型、各自的评审方式、您获得的署名、许可协议,以及绝不接受的内容。
切勿发送个人数据、敏感基础设施细节或您无权分享的任何内容。贡献在使用前会经过审查;发送贡献不赋予署名权或编辑权,赞助也绝不能换取研究结论。
法律文件。
本网站上的地图、数据和图表仅作为背景和一般信息展示。它们不是建议、预测或预警;信息的局限见免责声明和数据说明。