Морской актуарий, усиленный искусственным интеллектом

Автор: Jonas Mohamed Osman Abdelghafour.

Большинство дискуссий об ИИ в морском страховании зациклены на андеррайтинге. Однако охват технологии распространяется на всю цепочку создания стоимости — обработку заявок, тарификацию, управление подверженностью риску, претензии, мошенничество, резервирование и капитал, — и актуарная функция находится в центре почти всего этого. Стратегический вопрос для морских страховщиков — не внедрять ли ИИ, а как делать это так, чтобы эффект накапливался: каждое применение снабжает следующее более чистыми данными и более чёткими сигналами.

Начнём с непритязательной основы: приёма данных. Морской бизнес по-прежнему поступает в виде неструктурированных слипов, сюрвейерских отчётов, актов о фактах и брокерских ведомостей. Большие языковые модели сейчас способны извлекать структурированные данные из этих документов в масштабе — характеристики судна, вариации оговорок, структуры франшизы, описания товаров, — превращая то, что раньше перепечатывалось вручную, в анализируемые данные. Для актуариев это незаметная, но фундаментальная трансформация, поскольку сдерживающим фактором для сложности тарификации в морском страховании никогда не была методика моделирования — им была скудость структурированных данных. ИИ напрямую снимает это ограничение.

Претензии и мошенничество: скорость при втором взгляде

В сфере претензий вклад ИИ — это триаж и доказательная база. Модели компьютерного зрения способны оценивать повреждения по сюрвейерским фотографиям и снимкам с дронов, ускоряя оценки повреждений корпуса, контейнеров и груза; модели обнаружения аномалий способны отмечать претензии, чьи характеристики — сроки, документация, оценка стоимости, маршрут — отклоняются от портфельной нормы и заслуживают внимания следователя. Мошенничество в морском страховании старо и изобретательно — от завышенной стоимости заявленного груза до инсценированных аварий и фиктивных отправок; машинное обучение не устраняет его, но систематически выявляет аномалии, которые перегруженная команда по претензиям пропустила бы. И более быстрое урегулирование честных претензий, и более медленное урегулирование недобросовестных — оба фактора улучшают коэффициент убыточности и оба дают более чистые сигналы для резервирования и тарификации.

Само резервирование меняется. Методы резервирования на основе машинного обучения — моделирование развития на уровне отдельной претензии, а не агрегированного треугольника — гораздо лучше подходят для неравномерных, неоднородных претензий морского страхования, чем фикция однородного треугольника. Модели раннего предупреждения, оценивающие открытые претензии по риску ухудшения, дают актуариям-резервистам взгляд в будущее, недоступный одной лишь математике цепной лестницы, и дают руководству более раннее понимание истинного положения дел по году наступления убытков.

Управление: естественный мандат актуарной профессии

Всё это порождает модельный риск, и здесь у актуарной профессии есть естественный мандат. Модели ИИ в морском страховании будут обучаться на скудных, смещённых, поведенчески подстраиваемых данных; они будут дрейфовать по мере изменения торговых маршрутов, санкционных режимов и состава флота; и их ошибки будут коррелированы именно в тех хвостовых сценариях, которые имеют значение. Дисциплины, которые актуарии уже практикуют, — валидация моделей, бэктестинг, анализ чувствительности, документация, независимая проверка — это именно то, что требуется для ответственного внедрения ИИ. Регуляторы сходятся в одинаковых ожиданиях: объяснимость для моделей тарификации, мониторинг справедливости и чёткая человеческая ответственность за решения, принятые на основе моделей. Страховщик, чьи актуарии владеют управлением ИИ, будет двигаться быстрее того, чьи модели «дикие», потому что именно управляемые модели регуляторы, перестраховщики и поставщики ёмкости позволят реально использовать.

Следствие для набора навыков прямое. Морскому актуарию следующего десятилетия потребуется свободное владение методами машинного обучения и понимание их режимов отказа, комфорт при работе с поведенческими данными и данными телеметрии наряду с традиционными треугольниками претензий, а также умение отличать, когда модель уверена, а когда лишь точна. Не меняется ядро роли: превращать неопределённость в цены, резервы и капитал, обеспечивающие выполнимость обещаний. ИИ — самый мощный инструмент, когда-либо предоставленный этой роли. В специализированном сегменте, где данные всегда были самым дефицитным ресурсом, актуарии, сочетающие два века мудрости морского андеррайтинга с новыми инструментами, не просто не отстанут от игры — они определят, как в неё играют.