Coraz szybszy rozwój rozwiązań z zakresu sztucznej inteligencji (AI), data science i automatyzacji przyniósł ogromne zmiany w logistyce, opiece zdrowotnej i finansach. W sektorze ubezpieczeniowym rola tych technologii sukcesywnie rośnie.
W 2022 r. globalne wydatki na AI mają wzrosnąć do 77,6 mld dol., sumy ponad trzykrotnie większej niż w 2019 r. Znaczna część tych inwestycji będzie przeznaczona m.in. na inteligentne aplikacje konwersacyjne (chatboty), automatyzację procesów szkodowych czy sprzedażowe systemy rekomendacyjne.
Pomimo ogólnej gotowości sektora do ponoszenia nakładów nadal istnieją nisze, do których AI dopiero zaczyna wkraczać, w tym działy ryzyka, aktuariatu oraz wyceny produktów ubezpieczeniowych.
Wycena ubezpieczeń komunikacyjnych i majątkowych
Obszar wyceny ubezpieczeń komunikacyjnych i majątkowych to pole nieustannego wyścigu, w którym konkurencyjną przewagę zyskują firmy ubezpieczeniowe z najlepszą ofertą dopasowaną zarówno do klienta, jak i ryzyka aktuarialnego. Nic dziwnego, że to właśnie w tym procesie algorytmy AI stosunkowo szybko znalazły swoje zastosowanie.
Ostatnie projekty implementacji AI oraz metod uczenia maszynowego w obliczeniach ryzyka, konwersji jak również w automatyzacji przetwarzania danych pokazują, że uzyskana indywidualizacja taryfikacji przekłada się na redukcję loss ratio od 3% do nawet 6%.
Data science to nie tylko zaawansowane algorytmy, ale także techniki uprodukcyjniania modeli (MLOps) oraz automatyzacji wdrożeń (CI/CD). Rozwiązania z tego zakresu pozwalają na bezpośrednie wdrażanie taryf przez działy wyceny, bez udziału czasochłonnych procesów IT.
Znaczące skrócenie czasu modyfikacji taryfy jest szczególnie istotne w dynamicznym otoczeniu rynkowym, jakie obecnie obserwujemy, i może w istotny sposób wpłynąć na uzyskiwane wyniki.
Automatyzacja procesów raportowania
Po zakończeniu implementacji projektu Wypłacalność II wiele firm ubezpieczeniowych i reasekuracyjnych w Europie podjęło wysiłki prowadzące do znaczącej automatyzacji procesów raportowania oraz modelowania. Motywacją do takich działań były zwiększające się koszty wykonywania powtarzalnych czynności, przestarzała technologia w postaci ogromnych arkuszy kalkulacyjnych oraz zwiększanie wymogów i częstości kalkulacji wymogów kapitałowych przez regulatorów.
Działy aktuarialne skupiały się na projektach automatyzacji obróbki danych, modeli przepływów pieniężnych czy ostatecznej agregacji czynników ryzyka. W ciągu ostatnich dziesięciu lat odbyła się ogromna zmiana roli aktuariuszy – częściowo zespoły aktuarialne przebranżowiły się w programistów, współpracując z działami IT nad budową zaawansowanych aplikacji.
Efektem tych prac są w pełni zautomatyzowane procesy, w których kluczowe dla zarządu i regulatorów informacje mogą być dostarczane miesięcznie czy nawet codziennie, pozwalając na szybsze reakcje biznesowe względem zmian rynkowych, demograficznych czy operacyjnych.
Modelowanie rezerw IBNR
Zastosowanie algorytmów sztucznej inteligencji w modelowaniu rezerw IBNR (Incurred But Not Reported – z tytułu zaistniałych szkód niezgłoszonych) to dość wczesna dziedzina nauki aktuarialnej, która dopiero teraz jest wdrażana w firmach ubezpieczeniowych, m.in. w Wielkiej Brytanii.
Tradycyjny proces kalkulacji trójkątów szkodowych opiera się na danych zagregowanych, natomiast w ostatnich latach zauważa się przejście na wykorzystanie zindywidualizowanych danych, a z tego bezpośrednio do technik uczenia maszynowego zastępujących tradycyjne modele chainladder. Jaka jest korzyść z takiego kierunku?
Po pierwsze, modelowanie rezerw może uwzględnić charakterystyki szkody, które mogą mieć wpływ na rozwój szkód, np. linia biznesu, wiek poszkodowanego czy typ szkody. Uwzględnienie takich informacji nie jest możliwe w podejściu zagregowanym, nie wykorzystując w pełni potencjału danych.
Po drugie, aktuariusze mogą podjąć działania, modulując dodatkowe wydarzenia związane z rozwojem szkód, m.in klasyfikując status szkody czy wyznaczając dokładną wartość szkody pod warunkiem jej zaistnienia.
Dawid Kopczyk
licencjonowany aktuariusz
założyciel i prezes Quantee
