تحويل سرديات المطالبات إلى متغيرات اكتوارية
بقلم Jonas Mohamed Osman Abdelghafour
الخبر الأهم ليس أن النماذج اللغوية يمكنها قراءة ملفات المطالبات. المساهمة تكمن في البنية المكونة من مرحلتين — وتصميم التحقق الذي ستتجاهله معظم الشركات.
بقلم Jonas Mohamed Osman Abdelghafour.
تعليق على بحث نشرته الجمعية الاكتوارية للحوادث (CAS) في يونيو 2026. الورقة الأصلية، من إعداد روب ليبرثال وريتشارد تران، متاحة لدى CAS وتستحق القراءة الكاملة.
في يونيو 2026، نشرت الجمعية الاكتوارية للحوادث بحثًا حول تطبيق النماذج اللغوية الكبيرة على بيانات المطالبات غير المنظمة. باختصار: قام المؤلفون ببناء إطار عمل لإثبات المفهوم يتكون من مرحلتين يحول معلومات المطالبات السردية إلى 36 متغيرًا اكتواريًا منظمًا، ويفصل بين الاستخراج على مستوى الوثيقة والتركيب على مستوى المطالبة، وتحققوا من الاستخراج مقابل مراجعة خبراء سريريين مستقلين باستخدام نهج "الإنسان في الحلقة" (human-in-the-loop). ويرافق العمل كود مفتوح المصدر ومجموعة بيانات اصطناعية.
هذا الوصف قصير، وهو يبخس حق ما هو مثير للاهتمام في الورقة. فالعنوان — "النماذج اللغوية يمكنها قراءة ملفات المطالبات" — ليس هو المساهمة الأساسية. المساهمة هي البنية، وتحديدًا قرار تصميمي واحد يخطئ فيه معظم الممارسين الذين يبنون أدوات مماثلة.
دعوني أشرح ما هو هذا القرار ولماذا يهم.
المشكلة، لمن لم يعايشها
ملف المطالبة هو نص في الغالب. ملاحظات مسوي المطالبات، السجلات الطبية، المراسلات، الإيداعات القانونية، تقارير الشرطة، نصوص المكالمات، الصور الفوتوغرافية مع التعليقات. تمتلك شركات تأمين P&C كميات هائلة منها.
في المقابل، يستهلك النموذج الاكتواري متغيرات منظمة: نوع الإصابة، عضو الجسم، فئة العلاج، حالة التقاضي، مؤشرات الأمراض المصاحبة، حالة العودة إلى العمل. يتم سد الفجوة بين الاثنين اليوم بواحد من ثلاثة أشياء — نظام ترميز يطبقه مسوو المطالبات عند الإخطار الأول، أو مجموعة من قواعد الكلمات الرئيسية، أو لا شيء على الإطلاق.
الثلاثة جميعًا يفقدون المعلومات. يتم التقاط ترميز الإخطار الأول قبل معرفة الحقائق ونادراً ما يتمت مراجعته. قواعد الكلمات الرئيسية هشة: عبارة "لا يوجد دليل على وجود كسر" و "دليل على وجود كسر" تختلفان بكلمة واحدة وتختلفان تمامًا في المعنى. والخيار الثالث، وهو عدم فعل شيء، يعني أن أغنى البيانات التي تمتلكها شركة التأمين لا تدخل أبدًا في النموذج.
هذا هو السبب في أن خبراء اكتواريي المخصصات اشتبهوا لفترة طويلة في أن التباين المتبقي في نماذجهم قابل للقراءة جزئيًا — وهو موجود في الملف، في النثر، غير مرئي للمثلث.
لماذا مرحلتان، ولماذا هذا هو جوهر الموضوع
الطريقة البديهية لبناء هذا هي مرحلة واحدة: إعطاء النموذج ملف المطالبة بالكامل، وطلب المتغيرات، والحصول على جدول.
يفشل هذا النهج في الإنتاج لأسباب لا تظهر بوضوح إلا بعد مشاهدتها وهي تحدث.
تخفيف السياق. يمكن أن يصل ملف مطالبة كبير إلى مئات الصفحات. حتى مع وجود نافذة سياق طويلة، يتدهور انتباه النموذج عبر المدخلات الطويلة جدًا، وقد يتم ببساطة تجاهل تفصيل في الصفحة 180 يتعارض مع الصفحة 12.
مخرجات غير قابلة للتتبع. إذا أعاد النموذج "حالة التقاضي: ممثل قانونيًا"، فلا يمكنك معرفة أي وثيقة دعمت ذلك. عندما يكون خطأً، لا يمكنك معرفة السبب، ولا يمكنك إصلاحه بشكل منهجي.
الأخطاء المرتبطة. ينتشر خطأ واحد في القراءة في وقت مبكر من مطالبة طويلة. تتدفق إصابة واحدة تم تحديدها بشكل خاطئ من خلال متغيرات الشدة والعلاج والمدة في آن واحد، مما ينتج سجل مطالبة متسقًا وخاطئًا تمامًا — وهو أمر أخطر بكثير من سجل مكسور بشكل واضح.
يعالج الفصل بين المرحلتين هذه المشكلات الثلاث:
المرحلة الأولى — الاستخراج على مستوى الوثيقة. تتم معالجة كل وثيقة بشكل مستقل. ماذا يقول هذا التقرير الطبي عن نوع الإصابة؟ ماذا تقول ملاحظة مسوي المطالبات هذه عن التقاضي؟ كل استخراج قصير ومركز وقابل للتتبع إلى وثيقة مصدر.
المرحلة الثانية — التركيب على مستوى المطالبة. يتم التوفيق بين الحقائق المستخرجة في سجل مطالبة واحد. هذا هو المكان الذي يتم فيه حل النزاعات: التقرير الأولي قال أنسجة رخوة، وتصوير المتابعة قال كسر، والملاحظة اللاحقة قالت جراحة. أيها يعتد به؟
يعد الفصل مهمًا لأن المرحلتين تفشلان بشكل مختلف وبالتالي تحتاجان إلى ضوابط مختلفة. أخطاء المرحلة الأولى هي أخطاء قراءة — قابلة للاختبار مقابل وثائق المصدر، وقابلة للتصحيح بتلقين أفضل أو أنظمة استخراج أفضل. أخطاء المرحلة الثانية هي أخطاء تفكير — قابلة للاختبار مقابل حكم الخبراء، وقابلة للتصحيح بقواعد توفيق أفضل.
اجمعهما في خطوة واحدة وستحصل على معدل خطأ غامض واحد لا يخبرك بشيء عن مكان التدخل. هذا هو نفس مبدأ التحقق من المسار في الأنظمة الوكيلة (agentic systems): تحقق من التسلسل، وليس فقط نقطة النهاية.
تصميم التحقق يستحق اهتمامًا أكثر مما سيحصل عليه
تحقق البحث من الاستخراج مقابل مراجعة خبراء سريريين مستقلين، بوجود الإنسان في الحلقة.
هذه الجملة تحمل الكثير، وهي الجزء الذي ستتجاهله معظم الشركات عندما تبني نسختها الخاصة.
إليكم سبب صعوبة ذلك. للتحقق من نظام استخراج، تحتاج إلى "الحقيقة المطلقة" (ground truth) — مجموعة من المطالبات حيث تعرف الإجابة الصحيحة. بالنسبة للبيانات المنظمة، الحقيقة المطلقة رخيصة. بالنسبة للاستخراج السردي، الحقيقة المطلقة هي خبير آخر يقرأ نفس الوثائق، وهو أمر بطيء ومكلف ومتغير في حد ذاته. لن يتفق طبيبان يقرآن نفس الملف دائمًا على تصنيف الإصابة.
وهذا له نتيجة يقلل الممارسون من شأنها باستمرار: سقف التحقق الخاص بك هو الموثوقية بين المقيمين (inter-rater reliability) لخبرائك البشريين. إذا اتفق طبيبان بنسبة 85% من الوقت على متغير ما، فإن نظام الاستخراج الذي يتفق مع أحدهما بنسبة 85% من الوقت يؤدي بمستوى بشري. إن الإبلاغ عن ذلك على أنه "دقة 85%" دون المرجع البشري يجعل النتيجة القوية تبدو متواضعة — والأخطر من ذلك، يجعل النتيجة السيئة حقًا لمتغير سهل تبدو مقبولة.
إذا أخذت نقطة تشغيلية واحدة من عمل CAS، فخذ هذه: قم بقياس الموثوقية بين المقيمين على عينة التحقق الخاصة بك قبل قياس أداء النموذج. بدون ذلك، فإن رقم الدقة الخاص بك ليس له مقام.
أين يغير هذا العمل الاكتواري حقًا
ثلاثة تطبيقات، مرتبة تصاعديًا حسب القيمة والصعوبة.
تقسيم المخصصات. الاستخدام الفوري. تسمح المتغيرات المنظمة المستخرجة من السرد بتجميع مخصصات الحالات بشكل أكثر تجانسًا — فصل المطالبات التي تبدو متطابقة في المثلث ولكنها تختلف في حالة التقاضي أو الأمراض المصاحبة أو مسار العلاج. يعني التجانس الأفضل تباينًا أقل في العملية، مما يعني نطاقات مخصصات أضيق دون أي تغيير في المنهجية.
التحديد المبكر لمحركات التطور. تتطور المطالبات طويلة الأجل لأسباب مرئية في الملف قبل وقت طويل من ظهورها في بيانات المدفوعات أو المتكبد. تورط المحامي، تصعيد العلاج، وجود مرض مصاحب يتنبأ بالعجز الممتد. استخراج هذه بشكل منهجي في مدة مبكرة يحول المؤشر المتأخر إلى مؤشر رائد.
هندسة الميزات لتسعير المخاطر. الأصعب والأكثر حساسية. يمكن للمتغيرات المستخرجة من سرد المطالبة أن تفيد في التسعير — ولكن بمجرد قيامها بذلك، فإنها تدخل في قرار منظم وتجذب كامل جهاز تدقيق التمييز غير العادل. المتغير المستخرج الذي يرتبط بخصيصة محمية يمثل مشكلة في عامل التسعير بغض النظر عن كيفية اشتقاقه. يحتاج هذا التطبيق إلى تقييم عدالة قبل أن يحتاج إلى مخطط رفع (lift chart).
أربعة أشياء يجب القيام بها بشكل صحيح قبل نشر شيء كهذا
تثبيت إصدار النموذج وإعادة التحقق عند التغيير. سلوك الاستخراج هو خاصية لإصدار نموذج محدد. يمكن لتحديث من المزود أن يغير حدود التصنيف دون أي تغيير في كودك. إذا لم يكن التحقق مرتبًا بإصدار مثبت، فإن أدلتك تنتهي صلاحيتها بصمت.
الاحتفاظ بنظام الاستخراج في جرد النماذج. يعد النظام — المتغيرات الـ 36 وتعريفاتها والقيم المسموح بها — نتاجًا للنمذجة بقدر ما هو الخوارزمية. الانحراف التعريفي في متغير مثل "حالة التقاضي" سيبطل المقارنات التاريخية بنفس الطريقة التي يبطل بها افتراض المخصصات المتغير.
الاحتفاظ بالاستشهاد بالمصدر. يجب أن يحمل كل قيمة مستخرجة مؤشرًا إلى الوثيقة والفقرة التي دعمتها. هذا ما يجعل النظام قابلاً للتدقيق وليس مجرد دقيق، ويكلف تنفيذه في وقت البناء لا شيء تقريبًا ويكلف الكثير عند محاولة إضافته لاحقًا.
الاختبار على مدخلات عدائية. تحتوي ملفات المطالبات على نصوص كتبتها أطراف لها مصالح مالية في النتيجة. رسائل المطالبة، سرديات المزودين، التقديمات من المطالبين الممثلين قانونًا. نظام الاستخراج الذي يقرأ نصًا تمت صياغته ليكون مقنعًا يعمل في بيئة عدائية، وحقن التلقين عبر الوثائق المقدمة هو خطر قائم في المطالبات تحديدًا.
الإشارة الأوسع
لقد أطرت CAS هذا العمل كجزء من تجهيز الخبراء الاكتواريين للقيادة في مشهد مخاطر مُمكَّن بالذكاء الاصطناعي، مع جعل الحكم المهني والحوكمة مركزية وليست ثانوية. هذا التأطير هو الصحيح، ومن الجدير ملاحظة ما لم يفعله البحث: لم يقم بأتمتة قرار. بل قام بتحويل النص إلى متغيرات يستخدمها الخبير الاكتواري بعد ذلك.
هذا هو المكان الصحيح للبدء. طبقة الاستخراج هي المكان الذي يضيف فيه الذكاء الاصطناعي أكبر قيمة في العمل الاكتواري ويخلق أقل تعرض للحوكمة — لأن المخرج هو مدخل، وكل رقابة حالية على كيفية استخدام الخبراء الاكتواريين للمدخلات لا تزال تنطبق.
الشركات التي ستحصل على قيمة من هذا في عام 2026 ستكون هي التي تبني طبقة الاستخراج بشكل صحيح وتترك طبقة القرار وشأنها.
الوجبات الرئيسية
- يحول البحث الممول من CAS وثائق المطالبات السردية إلى 36 متغيرًا اكتواريًا منظمًا عبر إطار عمل LLM من مرحلتين، مع كود مفتوح المصدر ومجموعة بيانات اصطناعية.
- يعد الفصل بين الاستخراج على مستوى الوثيقة والتركيب على مستوى المطالبة قرار التصميم الرئيسي: فالمرحلتان تفشلان بشكل مختلف وتتطلبان ضوابط مختلفة.
- سقف التحقق يتم تحديده من خلال الموثوقية بين المقيمين من الخبراء البشريين — قم بقياس المرجع البشري قبل الإبلاغ عن دقة النموذج.
- التطبيقات ذات القيمة الأعلى هي تقسيم المخصصات والتحديد المبكر لمحركات التطور؛ أما الاستخدام في التسعير فيثير تدقيق التمييز غير العادل.
- قم بتثبيت إصدار النموذج، وجرد نظام الاستخراج، واحتفظ باستشهادات المصدر، واختبر ضد الوثائق العدائية المقدمة من المطالبين.
الأسئلة الشائعة
هل يمكن استخدام النماذج اللغوية الكبيرة في المخصصات؟ ليس لتحديد المخصصات مباشرة، ولكن بشكل متزايد لاستخراج متغيرات منظمة من وثائق المطالبات غير المنظمة التي تغذي بعد ذلك طرق المخصصات التقليدية. يوضح بحث CAS إطار عمل لإثبات المفهوم لهذا الغرض، حيث يحول معلومات المطالبات السردية إلى متغيرات اكتوارية منظمة قابلة للاستخدام في المخصصات والتسعير وإدارة المطالبات.
كيف يتم التحقق من صحة نظام استخراج LLM للاستخدام الاكتواري؟ من خلال مراجعة خبراء مستقلين لعينة، مع مقارنة "الإنسان في الحلقة" باستخراجات النموذج. ومن الأهمية بمكان قياس الموثوقية بين المقيمين للمراجعين البشريين أولاً، لأنها تضع السقف العملي للاتفاق القابل للتحقيق وتوفر المرجع الذي يجب الإبلاغ عن أداء النموذج بناءً عليه.
هل بيانات المطالبات المستخرجة آمنة للاستخدام في التسعير؟ يتطلب الأمر عناية إضافية. بمجرد أن يؤثر متغير مستخرج في قرار التسعير، فإنه يصبح عامل تسعير خاضعًا لمراجعة التمييز غير العادل، بغض النظر عن كيفية اشتقاقه. يجب أن يسبق تقييم العدالة والمراجعة الرقابية أي استخدام في التسعير، بينما تحمل تطبيقات تقسيم المخصصات تعرضًا رقابيًا أقل بكثير.
Jonas Mohamed Osman Abdelghafour هو مؤسس Quantica Risk Model، التي تقوم ببناء والتحقق بشكل مستقل من النماذج الاكتوارية ونماذج الذكاء الاصطناعي لشركات التأمين. يجب الرجوع إلى ورقة CAS الأصلية مباشرة للحصول على التفاصيل.