RNA Analytics

查看原文

人工智能对风险共担有什么影响?

RNA Analytics 英国和北欧业务发展主管 Nick Reilly 探讨了人工智能对风险池的影响...

关于人工智能的影响已经进行了大量讨论,其中大部分都是正面的。不过,仍有人呼吁谨慎行事。其中一个岌岌可危的领域就是风险共担的概念,因此可以说是保险业的未来。

当然不是,这简直是无稽之谈。或者是这样?

风险池是保险的基石(传统上由保险公司管理风险池)。许多客户为少数需要索赔的客户支付保费。所有个人都(略微)变穷,但索赔者现在不会遭受重大损失。定义举例如下

"多数人的保险费为少数人的损失买单"(GAD)
"将独立的风险聚集起来,使总量更加确定"(LSE)。

因此,这依赖于一个(半)同质的生命池。换句话说,每个保险池都由相似的风险组成。

了解英国的定期人寿保险:

保险公司花了一代人的时间,通过增加更多的风险因素(以及延长承保时间、成本和复杂性)来降低人寿保险的标题价格。这为第一家能够通过剔除 "最坏 "风险来减少保险池的保险公司增加了竞争优势。由于被视为同类的客户数量减少,保险池的规模也随之缩小。这就增加了被评级(支付更高的保费)或被拒绝(拒绝承保)的人数。

使用预测技术进行预先批准是另一个步骤,目的是在无需提出承保问题的情况下,尝试确定保险池中的 "最佳 "生命。这种方法利用数据分析来确定可预测 "最佳 "生命的特征。使用这种方法有很多好处,因为它大大降低了核保成本,为客户提供了更多便利。但与此相对应的是,保险公司明白他们偶尔也会出错。

使用机器学习(基础人工智能)来完善这种方法,利用现有数据,可以扩大效益,减少错误。但是,这种方法有可能不是为了识别 "最好的 "生命,为他们提供更好的体验,而是为了识别 "最坏的 "生命。

在这种情况下,如果从其他来源获得的数据表明索赔风险较高,潜在客户的申请可能会被拒绝,或其保费可能会被评级。

当然,这种方法在使用个人数据方面存在法律和监管风险(以及可能受到反歧视法的影响)。它还提出了一个道德问题,即使用机器学习和先进的预测技术来主动识别 "最糟糕 "的生活,并将其从生活池中剔除。

保险科技领域的许多人都误以为,理想的情况是使用大量数据,从而创造出 "一个人的保险"。这意味着,在理想的世界里,你的确切风险可以被了解和定价。显然,这与风险共担背道而驰。我们可以建立精算模型和软件,为这种程度的保险建模、定价和储备,但问题是 "我们应该这样做吗?