Rynek ubezpieczeniowy coraz śmielej korzysta ze sztucznej inteligencji. Algorytmy wspierają ocenę ryzyka, wykrywanie nadużyć, obsługę szkód, analizę dokumentów i komunikację z klientami.
Im więcej decyzji oddajemy jednak systemom działającym w czasie rzeczywistym, tym uważniej powinniśmy pytać nie tylko o ich skuteczność, lecz także o skutki masowego zastosowania.
James Rickards w książce MoneyGPT patrzy na sztuczną inteligencję z perspektywy stabilności globalnej gospodarki. Jego najciekawsza teza dotyczy zagrożenia wynikającego nie z awarii algorytmów, ale z ich sprawnego wykonywania tych samych instrukcji na ogromną skalę. Gdy wiele systemów korzysta z podobnych danych, modeli i reguł działania, racjonalna decyzja pojedynczego uczestnika rynku może uruchomić zbiorową panikę. Automatyzacja skraca czas reakcji, a jednocześnie ogranicza przestrzeń do namysłu, interpretację i korektę kursu.
Dla ubezpieczycieli to temat znacznie szerszy niż inwestowanie aktywów. Podobne mechanizmy mogą pojawić się w underwritingu, taryfikacji czy likwidacji szkód. Jeśli modele uczą się na zbliżonych danych i premiują podobne zachowania, rynek może szybko ograniczać ochronę dla całych grup klientów, regionów albo branż. Decyzja uzasadniona statystycznie w pojedynczej firmie, powielona przez wielu uczestników, prowadzi do luki ubezpieczeniowej i osłabienia odporności gospodarki.
Rickards przypomina również, że fundamentem systemu finansowego pozostaje zaufanie. W ubezpieczeniach buduje je zdolność do wyjaśnienia decyzji, uwzględnienia wyjątkowej sytuacji klienta oraz przyjęcia odpowiedzialności za rekomendację. Model może błyskawicznie wskazać prawdopodobieństwo, lecz człowiek nadal musi ocenić konsekwencje zastosowania wyniku w praktyce. Przyszłość branży zależy więc nie tylko od jakości algorytmów. Równie dużo będzie zależało od tego, czy człowiek zachowa prawo i odwagę, by zatrzymać automat, zanim jego efektywność stanie się ryzykiem systemowym
