概述
本指南使用 Progressive 和 Zurich 記錄的命名範例、簡化的預期損失說明以及 NAIC 關於保險公司對人工智慧系統的責任的指南。
深入探討
在一個簡化的例子中,預期損失是索賠機率乘以索賠嚴重程度;實際的保險定價和承保取決於產品、司法管轄區和其他因素。 Progressive 記錄遠端資訊處理訊號,例如一天中的時間、緊急煞車或加速以及行駛量。蘇黎世和近圖描述了提供財產和屋頂狀況或維護指標的航空圖像。 NAIC 指南稱,由人工智慧做出或支援的保險公司決策必須遵守適用的保險法,並描述治理和風險管理期望。與受保護特徵相關的變數可以是值得測試的代理風險,但僅相關性並不能證明歧視。 SHAP 將預測歸因於模型輸入;它不建立因果關係或公平性。
現實世界的實施
Progressive 的快照常見問題解答列出了諸如一天中的時間、緊急煞車或加速以及行駛量等訊號。
Zurich 和 Nearmap 描述了一個航空影像財產評估範例。
簡化的預期損失計算按索賠機率對索賠嚴重程度進行加權。
NAIC 模型公告討論了保險公司治理、風險管理和人工智慧支援決策的合規責任。
人工智慧在保險承保中的未來
評估每個產品的實際數據、決策過程和子組結果。處方、信用、機動車輛和位置資料是針對特定司法管轄區和產品的,在沒有直接證據的情況下不應被視為普遍做法。
付諸實踐
為什麼這很重要
- 背景與規則. 產業背景決定了人工智慧創意能否與現實接觸。
- 品質管控. 領域約束會影響可接受的錯誤率和監督模型。
- 配裝選擇. 成功的部署使技術能力與第一線工作流程保持一致。
留意
- 監理要求可能會使原本強大的原型失效。
- 歷史資料可能會編碼損害特定社區的偏見。
- 遺留系統可能會造成整合瓶頸和隱性成本。
後續步驟
- 讓領域專家參與從問題框架到評估的整個過程。
- 在啟動前設計審計追蹤和文件。
- 儘早驗證合規性和安全義務。
- 分階段推出,並有明確的停止和回滾標準。
不斷探索
常見問題
什麼是保險承保中的人工智慧?
保險承保評估有關保單或風險的資訊。本指南使用 Progressive 和 Zurich 記錄的命名範例、簡化的預期損失說明以及 NAIC 關於保險公司對人工智慧系統的責任的指南。
在簡化的假設風險模型中,如何計算一項風險敞口的預期損失?
在此簡化範例中,預期損失是機率加權平均索賠金額。這是一個基本的建模定義,而不是對每個保險公司的生產定價公式的聲明。
為什麼受監管的保險公司可能會記錄模型輸入和驗證?
NAIC 的人工智慧指南討論了治理、風險管理、文件記錄和監督。這並不表示某一模型系列受到監理承保的普遍青睞。
根據 NAIC 模型公告,誰仍然對符合適用法律的人工智慧支援的保險決策負責?
NAIC 模型公告規定保險公司有責任使用人工智慧系統確保決策符合適用法律。這是指導背景,而不是聲明某條規則在每個司法管轄區都同樣適用。
當模型使用與受保護特徵相關的變數時,應該測試什麼公平風險?
NAIC 的人工智慧指南強調了治理和不公平歧視風險。相關變數可能是需要評估的一個問題;此處並未斷言郵遞區號是每個產品的通用代理。
在核保模式中,什麼是功能?
特徵是模型輸入。 SHAP 等特徵歸因方法描述了輸入如何對模型預測做出貢獻,但不能證明因果關係。