Existuje spousta optimistických vizí, jak pojišťovny umělou inteligencí zautomatizují své procesy. Avšak doposud touto cestou nabízená pojištění jsou relativně triviální: jedná se zatím o pojištění domácnosti nebo občanské odpovědnosti. U náročnějších druhů majetkových pojištění a zejména v oblasti pojištění osob jsou úkoly podstatně komplexnější, a to i z pohledu regulatorních požadavků. Klíčovou výzvou se stává prominentní téma, co je v počítačové vědě zkráceně označováno jako XAI, čili „vysvětlitelná umělá inteligence“ (Explanaiable Artificial Intelligence). Jde o to, zda lze výsledky rozhodovacích procesů realizovaných umělou inteligencí (UI) sestavit tak, aby byli lidé schopni je ověřit a správně vnímat. A to je právě ten bod, který rozhoduje o tom, zda bude UI v odvětví pojišťovnictví úspěšná.
Mohlo by vás zajímat: Ministerstvo financí: Jaká je makroekonomická predikce?
Doposud jsou rozhodnutí, k nimž UI dospěje, pro člověka většinou těžko ověřitelná a pochopitelná. Umělý algoritmus je neustále „trénován“ datovými sadami, díky kterým je následně schopen rozpoznat jakékoli pravidelné vzorce a tyto poznatky pak aplikuje na předem danou problematiku. Obzvláště patrné je to u procesu Deep Learning, využívajícím umělé neuronové sítě. Tady putují informace různými vrstvami a vytvářejí unikátní spojení. Toto učení je analogické jako u člověka: při zpracování informací vytváříme propojení mezi nervovými buňkami v mozku a ty pak reprezentují naši paměť. V kontextu vzniku opravdové umělé inteligence je proces Deep Learning jednou z nejslibněji se vyvíjejících aplikací.
Jaké rysy a kategorie UI identifikuje, však zůstává pro IT profesionály nejasné. Svá rozhodnutí učiní ve formě tzv. „Black Boxu“ podle ne zcela známých a definovaných měřítek. Ale to je v pojišťovnictví problém. Vyhodnotí-li algoritmus někoho ze zdravotních důvodů jako rizikového, nabídne jen velmi drahé pojištění, anebo dokonce žádné. A pro potenciálního klienta to znamená, že nemůže dané riziko pokrýt. Alarmující je to u pojištění pracovní neschopnosti, rizikového životního pojištění nebo u soukromého zdravotního připojištění. V takových případech je rozhodnutí, které vypadlo z Black Boxu, pro dotyčného nepřijatelné – a z pohledu regulatoriky dokonce často nepřípustné.
Mohlo by vás zajímat: Pojistit rodinu na jedné smlouvě? Má to svá pro i proti
Regulace versus UI
Pro nasazení umělé inteligence v pojišťovnách je relevantních více právních zdrojů. Například je třeba dodržovat nařízení k ochraně dat. Například v Německu právní norma ukládá přibližně toto: „Postižená osoba má právo nepodvolit se rozhodnutí založenému výhradně na automatickém zpracování, včetně profilování, které má vůči ní významné právní důsledky nebo omezuje-li toto rozhodnutí osobu významně jinak.“
Znamená to, že žadatel musí být informován o tom, jsou-li jeho vstupní data zpracovávána pomocí UI. V podkladech jsou zpravidla údaje o předchozí anamnéze, stáří, pohlaví, velikosti, hmotnosti, profesi, nebezpečných koníčcích a mnoho dalšího. UI musí učinit komplexní rozhodnutí, která budou transparentní. Aby bylo jasné, z jakých důvodů navrhuje odmítnutí návrhu na pojištění, proč byla dotyčnému klientovi přidělena konkrétní sazba nebo tarifní stupeň, případně jaké výluky z pojistné ochrany předkládá.
Mohlo by vás zajímat: Hackeři cílí na státní správu. Jak může kyberpojištění pomoci při vydírání?
Diskriminace versus UI
A k tomu jsou ve hře i specifická regulatorní opatření z oblasti pojištění. U některých pojištění, například u soukromého zdravotního a životního, nesmí být bráno jako faktor do úvahy pohlaví při kalkulaci podmínek nabídky na pojištění. Muži i ženy musí mít rovné podmínky (unisex tarify). Aby se garantovalo, že UI bude tento požadavek na rovnost dodržovat, musí být možné zpětně její postup a kritéria rozhodování prověřit.
Další aktuální problém při nasazení UI: životní a penzijní pojištění jsou z důvodu dlouhodobě nízkých úrokových sazeb koncipovány stále častěji jako investiční modely. Povinnosti dokládání a dokumentace jsou pro UI výzvou. Je třeba sestavit poradenský protokol, v němž je zachyceno, jak byl definován rizikový profil klienta a proč se mu doporučují určité fondy.
Mohlo by vás zajímat: Česká národní banka reaguje na ZDPZ: Produktové řízení
Celkově je regulatorika, i když přináší i dnes mnohé složitosti, stále ještě pole neorané a nedokonalé. Je třeba počítat s tím, že budou přicházet další zadání a omezení. A to vše může dále komplikovat vysvětlení rozhodovacích procesů. Klíčem do budoucna je tedy způsob, jak vykládat rozhodování systémů UI, aby bylo vyhověno regulatorním požadavkům – a nesmí se zapomínat ani na uspokojení nároků zákazníka. Je totiž nepravděpodobné, že by člověk chtěl předat rozhodování o svém životě stroji.
Mingh Nguyena, společnost Sopra Steria Consulting
www.versicherungswirtschaft-heute.de
Komentáře
Přidat komentář