Rapporter om beslutsbevisning. Skrivna för att läsas.
Fyra rapporter från teamet bakom HONESTAS om vad ett AI-stött försäkringsbeslut är skyldigt dem som kommer att granska det, och hur man bygger beslutsunderlaget som ger dem svar. Varje rapport levereras med källhänvisningar.
Fyra rapporterSkickas personligen på begäranKällor ingår
Rapporterna
Fyra frågor, grundligt genomarbetade.
Begär vilken som helst av dem så skickar en person över rapporten med tillhörande källor. När en siffra bygger på en simulering följer körningen med, så att du själv kan återskapa den.
Rapport 01 · Regelverk
Ansvarsgapet inom AI för försäkring
Vad EU:s AI-förordning kräver av ett enskilt högriskbeslut vid prissättning av liv- och sjukförsäkring genom dokumentation (artikel 12) och mänsklig tillsyn (artikel 14), samt vad artiklarna 15 och 22 i GDPR och EU-domstolens dom i mål C-203/22 lägger till för den berörda personen. Texten ställer dessa skyldigheter mot vad en typisk skade- eller prissättningsakt innehåller, och beskriver den dokumentation som täpper till luckan: vem som fattade beslutet, på vilket underlag, hur det kontrollerades och om det kan visas upp på nytt.
Varför en panel med en utmanarroll och strikt åtskillnad av bevis fattar mer välgrundade beslut än en enskild modell, eller en fri diskussion mellan flera, och var gränsen går för när det inte längre stämmer. Rapporten behandlar hur varje roll instrueras, hur utmanaren hindras från att bara hålla med, hur en ordförandroll väger argumenten mot varandra och vilka beslut som inte alls kräver en panel.
För skade- och underwritingchefer samt modellriskteam
Att två modeller från olika modellfamiljer kommer fram till samma resultat är ett starkt stöd, men det är inte ett bevis. Den här rapporten redogör för vad en samstämmighetskontroll faktiskt slår fast, vilka fel den inte kan fånga upp – såsom ett gemensamt fel i indata – och varför varje förseglat beslutsunderlag uttryckligen anger vad det inte bevisar.
För team inom modellvalidering, internrevision och aktuarieanalys
En katastrofmodell prissätter en portfölj mot tusentals möjliga händelser. En pågående storm är en enskild händelse, med ett verkligt vindfält, stormflod och översvämningsdjup. Den här artikeln förklarar hur farosimulering av händelsen framför er omvandlar exponering till en finansiell bild av den, hur den bilden skiljer sig från en modellerad skada, och hur båda sparas så att siffrorna kan återskapas och granskas i efterhand.
För team inom exponeringshantering, återförsäkring och naturskador
Visas på {L} för att matcha din webbläsare.View in EnglishBehåll {L}Visa sidan på {L}Fortsätt på engelskaSigillets fingeravtryckDen här webbläsaren kan inte beräkna kontrollen.Sigillet stämmer.Denna post har inte ändrats sedan den förseglades.Sigillet är brutet.Den här texten stämmer inte överens med det som förseglades. Aktuellt fingeravtryckTryck på Kontrollera för att jämföra texten med dess sigill.{L} har valts. Den här sidan visas på {C} tills översättningen har publicerats.Det gick inte att skicka. Försök igen eller mejla oss på {L}.
Rapport 01 · Regelverk
