AI-forordningenReglerne for højrisiko-AI vedrørende prisfastsættelse inden for livs- og sygeforsikring gælder fra den 2. december 2027.Se, hvad der skal gemmes
Publikationer om beslutningsevidens. Skrevet til at blive læst.
Fire publikationer fra teamet bag HONESTAS om, hvilke krav man kan stille til en AI-understøttet forsikringsafgørelse over for dem, der efterprøver den, og hvordan man opbygger den dokumentation, der giver svarene. Hver publikation leveres med kildehenvisninger.
Fire publikationerSendes personligt på anmodningInklusive kilder
Publikationerne
Fire spørgsmål, grundigt gennemarbejdet.
Anmod om en hvilken som helst af dem, så sender en medarbejder publikationen med tilhørende kilder. Hvor et tal hviler på en simulering, følger simuleringskørslen med, så du selv kan genskabe den.
Publikation 01 · Regulering
Ansvarskløften i forsikrings-AI
Hvad EU's AI-forordning kræver af en enkelt højrisikobeslutning inden for prissætning af livs- og sygeforsikring gennem logning (artikel 12) og menneskeligt tilsyn (artikel 14), og hvad GDPR artikel 15 og 22 samt EU-Domstolens dom i sag C-203/22 tilføjer for den berørte person. Den holder disse forpligtelser op imod, hvad en typisk skade- eller prissætningssag indeholder, og beskriver den dokumentation, der lukker hullet: hvem der besluttede, på hvilket grundlag, hvordan det blev kontrolleret, og om det kan påvises igen.
Hvorfor et panel med en dedikeret udfordrerrolle og strikt adskillelse af evidens når frem til mere solide afgørelser end en enkelt model eller en ustruktureret debat mellem flere – og hvor grænsen går for denne tilgang. Publikationen gennemgår, hvordan hver rolle instrueres, hvordan udfordreren forhindres i blot at erklære sig enig, hvordan en ordstyrer afvejer argumenterne, og hvilke afgørelser der slet ikke kræver et panel.
Til chefer for skade og underwriting samt modelrisikoteams
At to modeller fra forskellige familier når frem til det samme resultat, er stærk evidens, men det er ikke et bevis. Denne publikation redegør for, hvad et enighedstjek rent faktisk fastslår, hvilke fejl det ikke kan fange – såsom en fælles fejl i inputdata – og hvorfor enhver forseglet protokol udtrykkeligt angiver, hvad den ikke beviser.
Til teams inden for modelvalidering, intern revision og aktuariat
En katastrofemodel prissætter en portefølje ud fra tusindvis af mulige hændelser. En aktuel storm er én konkret hændelse med et reelt vindfelt, stormflod og vanddybde. Denne artikel forklarer, hvordan faresimulering af den aktuelle hændelse omsætter eksponering til et finansielt overblik, hvordan dette overblik adskiller sig fra et modelleret tab, og hvordan begge dele gemmes, så tallene senere kan genskabes og kontrolleres.
Til teams inden for eksponeringsstyring, genforsikring og katastroferisici
Vises på {L}, så det matcher din browser.View in EnglishBehold {L}Se denne side på {L}Bliv på engelskForseglingens fingeraftrykDenne browser kan ikke beregne kontrollen.Forseglingen matcher.Denne registrering er ikke ændret, siden den blev forseglet.Forseglingen er brudt.Denne tekst er ikke det, der blev forseglet. Fingeraftryk nuTryk på Kontroller for at sammenligne denne tekst med dens forsegling.{L} er valgt. Denne side vises på {C}, indtil oversættelsen er udgivet.Det blev ikke sendt. Prøv igen, eller send en e-mail til os på {L}.
Publikation 01 · Regulering
