AI Actกฎเกณฑ์ด้าน AI ความเสี่ยงสูง สำหรับการกำหนดเบี้ยประกันชีวิตและประกันสุขภาพ มีผลบังคับใช้ตั้งแต่วันที่ 2 ธันวาคม 2027ดูสิ่งที่ต้องจัดเก็บ
เข้าสู่ระบบนัดชมการสาธิต
การตรวจสอบด้วยโมเดลที่สอง

สองโมเดลต้องเห็นพ้องกัน ไม่อย่างนั้น จะไม่มีอะไร ถูกส่งออกไป

หลังจากเสร็จสิ้นกระบวนการในห้องพิจารณา โมเดลที่สองจากคนละตระกูลจะประมวลผลการตัดสินใจนั้นอีกครั้ง จากหลักฐานและกฎชุดเดียวกันโดยไม่เห็นคำตอบแรก จากนั้นกฎการคำนวณจะเปรียบเทียบผลลัพธ์ทั้งสอง หากตรงกัน ผู้มีอำนาจจึงจะลงนามได้ หากไม่ตรงกัน จะไม่มีอะไรถูกส่งออกไปจนกว่าจะมีคนเข้ามาตรวจสอบ

นัดหมายชมการสาธิต หลักการทำงาน
ใช้โมเดลคนละตระกูลกันทุกครั้งความเห็นพ้องต้องกันมาจากการคำนวณ ไม่ใช่การใช้ดุลยพินิจหากผลลัพธ์ไม่ตรงกัน การตัดสินใจจะถูกระงับไว้ก่อน
การตรวจสอบที่ผ่านเกณฑ์ โมเดลสองตระกูล ผลลัพธ์เดียวกัน อ้างอิงข้อสัญญาเดียวกัน ต่างกันเพียง 20 ยูโรข้อมูลตัวอย่าง
การตรวจสอบทำงานอย่างไร

ประมวลผลสองครั้ง เปรียบเทียบด้วยเกณฑ์ที่กำหนดไว้

โมเดลเดียวอาจผิดพลาดในจุดที่ไม่มีใครสังเกตเห็น แต่โมเดลสองตัวจากคนละตระกูลกัน มีโอกาสน้อยมากที่จะผิดพลาดในรูปแบบเดียวกันและในเวลาเดียวกัน

01

อีกครั้ง

โมเดลที่สองซึ่งมาจากคนละตระกูลกับโมเดลในห้องพิจารณา จะอ่านหลักฐานและเกณฑ์ชุดเดียวกันเพื่อหาคำตอบของตัวเอง โดยจะไม่เห็นคำตอบของโมเดลแรกเลย

02

เปรียบเทียบ

เกณฑ์ที่ระบุไว้ในคู่มือกฎเกณฑ์ของคุณจะเปรียบเทียบคำตอบทั้งสอง ได้แก่ ผลการพิจารณา ข้อกำหนดกรมธรรม์ที่อ้างอิง และจำนวนเงินภายในช่วงความคลาดเคลื่อนที่กำหนดไว้ เกณฑ์นี้คำนวณด้วยระบบ จึงให้ผลลัพธ์เหมือนเดิมทุกครั้ง

03

อนุมัติปล่อย หรือ ระงับไว้ก่อน

หากผ่านเกณฑ์ การตัดสินใจจะถูกส่งต่อไปเพื่อลงนามอนุมัติ หากไม่ผ่าน การตัดสินใจจะถูกระงับไว้ จะไม่มีการส่งจดหมาย จ่ายเงิน หรือบันทึกข้อมูลกลับเข้าระบบ

04

บันทึก

ทั้งสองคำตอบ ทั้งสองโมเดลพร้อมเวอร์ชัน เกณฑ์ที่ใช้ และผลลัพธ์ จะถูกบันทึกไว้ในเวชระเบียนปิดผนึก ไม่ว่าผลจะออกมาในทางใดก็ตาม

เมื่อทั้งสองโมเดลเห็นไม่ตรงกัน

ความเห็นที่ต่างกันคือผลลัพธ์ ไม่ใช่ข้อผิดพลาด

เมื่อโมเดลทั้งสองให้ผลต่างกัน HONESTAS จะชี้ให้เห็นจุดที่ต่างกันอย่างชัดเจน ไม่ว่าจะเป็นข้อกำหนดกรมธรรม์ ตัวเลข หรือหลักฐานชิ้นใด จากนั้นผู้มีอำนาจจะเป็นผู้ตัดสินใจว่าจะดำเนินการอย่างไรต่อไป

  • ส่งกลับเข้าห้องพิจารณา พร้อมนำการตีความของโมเดลที่สองมาเป็นข้อโต้แย้งใหม่
  • ประธานผู้พิจารณาตัดสินใจเดินหน้าต่อ และบันทึกเหตุผลว่าทำไมโมเดลที่สองจึงผิด
  • ส่งต่อให้ผู้มีอำนาจระดับสูงขึ้นไปพิจารณา
  • ในทุกกรณี ความเห็นที่ต่างกันจะถูกบันทึกไว้ในระบบเสมอ
การตรวจสอบที่ไม่ผ่านเกณฑ์ โมเดลทั้งสองตีความระยะเวลารอคอย (Excess period) ต่างกัน การจ่ายสินไหมจึงต้องรอการพิจารณาข้อมูลตัวอย่าง
สิ่งที่การตรวจสอบนี้พิสูจน์

ความเห็นที่ตรงกันคือหลักฐานประกอบ แต่ไม่ใช่ข้อพิสูจน์ความถูกต้อง

เราระบุอย่างชัดเจนว่าการตรวจสอบนี้แสดงให้เห็นอะไรและไม่แสดงอะไร และบันทึกทุกฉบับที่ระบบสร้างขึ้นก็ระบุไว้เช่นเดียวกัน

สิ่งที่แสดงให้เห็น

  • โมเดลสองตัวจากคนละตระกูลกัน เมื่อได้รับหลักฐานและเกณฑ์ชุดเดียวกัน ได้ข้อสรุปที่ตรงกัน
  • การเปรียบเทียบใช้เกณฑ์ที่ตายตัว ในเวอร์ชันที่ระบุชัดเจน
  • ไม่มีการดำเนินการใดๆ หลุดออกไปในขณะที่โมเดลมีความเห็นต่างกัน
  • ใช้โมเดลใด เวอร์ชันใด และเมื่อใด

สิ่งที่ไม่ได้แสดงให้เห็น

  • ไม่ได้แปลว่าคำตอบนั้นถูกต้องเสมอไป โมเดลทั้งสองอาจตีความข้อกำหนดกรมธรรม์ที่เขียนไว้ไม่ชัดเจนผิดพลาดเหมือนกันได้
  • ไม่ได้แปลว่าหลักฐานนั้นครบถ้วนหรือเป็นความจริง
  • ไม่ได้แปลว่าเงินสำรองสินไหม (Reserve) เพียงพอ หรือไม่มีการฉ้อโกงเกิดขึ้น
  • ไม่ได้บอกอะไรเกี่ยวกับการตัดสินใจอื่นๆ ที่ไม่ได้ผ่านการตรวจสอบนี้

นั่นคือเหตุผลที่ยังต้องมีผู้มีอำนาจระบุตัวตนลงนามในทุกการตัดสินใจ และเป็นเหตุผลที่ต้องมีที่นั่งสำหรับผู้ท้าทาย (Challenger) ในห้องพิจารณา

สิ่งที่ผู้ใช้งานเห็น

ผู้อ่านที่สอง ในทุกจุดที่ AI ตอบคำถาม

แนวคิดเดียวกันนี้ถูกนำไปใช้มากกว่าแค่เรื่องการตัดสินใจ โดยโมเดลจากผู้ให้บริการอีกรายจะอ่านทวนคำตอบของ AI และระบบเฝ้าระวังจะระงับสิ่งที่ดูผิดปกติไว้เพื่อให้เจ้าหน้าที่ตรวจสอบ

คำตอบที่ผ่านการสอบทาน

เจ้าหน้าที่พิจารณาสินไหม (Claims handler) จะเห็นว่าคำตอบใดของผู้ช่วย AI ที่ถูกอ่านทวนโดยโมเดลจากผู้ให้บริการอีกราย และพบอะไรบ้าง นอกจากนี้ยังสามารถขอให้ตรวจสอบคำตอบอื่นๆ เพิ่มเติมได้

  • โมเดลผู้ตรวจสอบจะไม่ทราบว่าใครเป็นผู้ร้องขอ
  • การตรวจสอบจะตรวจที่ตัวคำตอบ ไม่ใช่ตัวบุคคล
honestas · การสอบทานอย่างตรงไปตรงมา · คำตอบที่ผ่านการสอบทานข้อมูลตัวอย่าง
คำตอบจากผู้ช่วย AI ของเจ้าหน้าที่พิจารณาสินไหมประจำวัน ซึ่งมีสามรายการที่ถูกตรวจสอบทวนโดยโมเดลจากผู้ให้บริการอีกราย: สองรายการยืนยันตามเดิม และอีกหนึ่งรายการยืนยันตามเดิมพร้อมหมายเหตุ
คำตอบที่ผ่านการตรวจสอบแล้ว คำตอบใดบ้างที่ถูกอ่านทวนในวันนี้ และผู้ตรวจสอบพบอะไรบ้างข้อมูลตัวอย่าง
กฎระเบียบที่ระบบปฏิบัติตาม

ความแม่นยำที่คุณแสดงให้เห็นได้ เป็นรายกรณี

  • AI Act Article 15Regulation (EU) 2024/1689 ความแม่นยำAI ที่มีความเสี่ยงสูงต้องมีความแม่นยำ และทำงานต่อไปได้แม้เกิดข้อผิดพลาดหรือความบกพร่อง การตรวจสอบทุกครั้งคือการทดสอบสิ่งเหล่านั้นที่มีการบันทึกไว้เป็นหลักฐาน
  • AI Act มาตรา 14กฎระเบียบ (EU) 2024/1689 การกำกับดูแลโดยมนุษย์มนุษย์ต้องสามารถเพิกถอนหรือแก้ไขผลลัพธ์ของ AI ได้ การตรวจสอบที่ไม่ผ่านเกณฑ์จะส่งเรื่องไปให้เจ้าหน้าที่ตัดสินใจทันที
  • ความเห็นของ EIOPA เกี่ยวกับ AIการกำกับดูแลและการบริหารความเสี่ยงด้าน AI, 6 สิงหาคม 2025บริษัทประกันภัยควรดูแลให้ผลลัพธ์จาก AI มีความแม่นยำและอธิบายได้ ตามสัดส่วนของความเสี่ยง

วันที่บังคับใช้ของ AI Act แก้ไขเพิ่มเติมโดยกฎระเบียบ (EU) 2026/1744 (Digital Omnibus) ซึ่งตีพิมพ์ในรัฐกิจจานุเบกษาของสหภาพยุโรปเมื่อวันที่ 24 กรกฎาคม 2026 ข้อมูลนี้ไม่ใช่คำปรึกษาทางกฎหมาย การรับรองและให้ความเห็นทางกฎหมายเป็นเรื่องระหว่างคุณและที่ปรึกษาของคุณ

คำถาม

คำถามที่พบบ่อย

คุณใช้โมเดลใดสำหรับการตรวจสอบครั้งที่สอง?

ใช้โมเดลที่องค์กรของคุณอนุญาต ในพื้นที่จัดเก็บที่คุณกำหนด กฎมีเพียงว่าโมเดลที่สองต้องมาจากคนละตระกูลกับโมเดลที่ใช้ในห้องพิจารณา เพื่อไม่ให้จุดบอดเดียวกันครอบคลุมทั้งสองโมเดล และในบันทึกจะระบุชื่อของทั้งสองโมเดลไว้อย่างชัดเจน

โมเดลที่สองเห็นคำตอบแรกหรือไม่?

ไม่เห็น โมเดลที่สองจะได้รับหลักฐานและเกณฑ์ชุดเดียวกัน แล้วประมวลผลหาคำตอบด้วยตัวเอง จากนั้นเกณฑ์ที่ตั้งไว้จึงจะนำคำตอบทั้งสองมาเปรียบเทียบกัน

ใครเป็นผู้กำหนดเกณฑ์ความสอดคล้อง?

คุณเป็นผู้กำหนดเองตามประเภทการตัดสินใจในคู่มือกฎเกณฑ์ของคุณ ว่าจะให้ข้อมูลช่องใดต้องตรงกันบ้าง และจำนวนเงินสามารถคลาดเคลื่อนได้มากน้อยเพียงใด เกณฑ์นี้มีการระบุเวอร์ชัน และการตรวจสอบแต่ละครั้งจะบันทึกไว้ว่าใช้เกณฑ์เวอร์ชันใด

การตรวจสอบนี้ทำให้การพิจารณาสินไหมช้าลงหรือไม่?

ระบบจะทำงานก่อนที่ใครจะต้องลงนามอนุมัติ สิ่งที่ทำให้การเคลมล่าช้าคือความเห็นที่ไม่ตรงกัน และนั่นคือจุดประสงค์ของขั้นตอนนี้

ประธานผู้พิจารณาสามารถอนุมัติข้ามผลการตรวจสอบที่ไม่ผ่านเกณฑ์ได้หรือไม่?

ทำได้ โดยต้องระบุเหตุผลเป็นลายลักษณ์อักษร หากผู้พิจารณามีอำนาจอนุมัติตามที่ได้รับมอบหมาย ทั้งผลการตรวจสอบที่ไม่ผ่านและเหตุผลของผู้พิจารณาจะถูกบันทึกและปิดผนึกไว้คู่กัน

ดูรายละเอียดเชิงลึก

ดูรายละเอียดเชิงลึก

ห้องพิจารณาถกเถียงครบทุกมุมมอง

คำตอบแรกมาจากไหน และใครเป็นผู้ตัดสิน

บันทึกที่ปิดผนึกแล้วเก็บคำตอบไว้ทั้งคู่

ผลการตรวจสอบกลายเป็นบันทึกที่ใครก็สามารถตรวจสอบย้อนกลับได้อย่างไร

การตรวจสอบความถูกต้องของโมเดลเฝ้าระวังทุกโมเดล

กระบวนการขึ้นทะเบียน ทดสอบ และอนุมัติใช้งานของตัวโมเดลเองเป็นอย่างไร

นัดชมการสาธิต

มาดูกันว่าความเห็นที่ต่างกันหยุดการตัดสินใจได้อย่างไร

ลองนำประเภทการตัดสินใจที่หากผิดพลาดแล้วจะมีมูลค่าความเสียหายสูงมาทดสอบ เราจะรันข้อมูลผ่านโมเดลสองตระกูล และแสดงให้คุณเห็นว่าจะเกิดอะไรขึ้นเมื่อผลลัพธ์ไม่ตรงกัน

นัดหมายชมการสาธิต ห้องพิจารณา