A carregar...
Publicação
O impacto da inteligência artificial no setor segurador
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 645.21 KB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Os sistemas de aprendizagem automática estão a ser utlizados para otimizar,
aperfeiçoar e inovar segmentos empresariais por diferentes setores económicos em
todo o mundo, inclusive pelo setor segurador. Os algoritmos, tal como um vírus,
podem proliferar informação a uma escala massiva e a um ritmo acelerado de controlo
difícil. Através de uma amostra de dados, o algoritmo treina-se a aprender cada vez
mais com a informação que recebe e processa ao longo do tempo. Os algoritmos, por
si só, desenvolvem-se e propagam-se tão rapidamente quanto é necessário para um
simples duplo clique na Internet.
Atualmente existem ainda questões que apresentam entraves à implementação de
sistemas de IA no cálculo do prémio do seguro focadas ao nível dos dados, da sua
pouca representatividade em relação à realidade subjacente, da escolha do modelo
a utilizar e das suas caraterísticas/variáveis a considerar e, por fim, ao nível da
supervisão e interpretação humana das decisões algorítmicas. Se estas questões não
forem acauteladas, cada caso que se desvie da norma algorítmica será mais difícil de
avaliar e, consequentemente, conduzirá a uma decisão discriminatória ou, em alguns
casos, à exclusão da cobertura do seguro pretendido. Estamos perante um setor que
prevê medidas de mitigação da discriminação, mas que, de momento, proporciona
abertura ao incumprimento das suas próprias normas na conversão da utilização dos
métodos tradicionais existentes para a utilização da IA.
Dado o impacto direto do setor segurador nas nossas vidas na esfera individual e
coletiva, esta é uma atividade que deve ser classificada de alto risco com a
implementação da IA nos seus processos. São, por isso, necessárias medidas que
promovam a certeza jurídica no cumprimento da legislação atual aplicável, assim
como a adaptação e/ou criação de um enquadramento legislativo que permita
controlar o risco de proliferação de práticas de discriminação proibidas pelo setor. De
modo a evitar resultados discriminatórios nos sistemas de aprendizagem automática
no cálculo do prémio do seguro, a identificação de preconceitos incluídos nos dados
recolhidos, a auditoria aos modelos utilizados e softwares existentes, assim como a
total compreensão humana das decisões automatizadas conduzirão a uma IA
comercialmente confiável do ponto de vista utilizador, legalmente segura e eticamente
aceitável.
Onde uma utilização ética destes sistemas não for possível e os direitos fundamentais
estiverem em jogo – como atualmente estão -, deve ser questionado o seu uso. Caso
contrário, a implementação destes sistemas contribuirá para a criação de um ciclo
tóxico que sustentará os preconceitos antigos e desenvolverá novos preconceitos.
Machine learning systems are being used to optimise, enhance and innovate business segments across different economic sectors worldwide, including the insurance sector. Algorithms, just like a virus, can proliferate information on a massive scale and at a rapid pace that is difficult to control. Through a data sample, the algorithm trains itself to learn more and more from the information it receives and processes over time. Algorithms themselves develop and spread as quickly as it is necessary for a simple double-click on the Internet. Currently, there are still issues that bring barriers to the implementation of AI systems in the calculation of the insurance premium. These issues are mainly related to the data itself, the low representativeness in relation to the underlying reality, the choice of the model to be used and the characteristics/variables to be considered and, finally, to the level of supervision and human interpretation of algorithmic decisions. If these issues are not taken into account, each case which deviates from the algorithmic norm will be more difficult to assess and will consequently lead to a discriminatory decision or, in some cases, to the exclusion of the desired insurance cover. We are speaking about a sector that has already measures in place to mitigate discrimination, but for the time being provides now openness to non-compliance with its own standards by converting the use of its existing traditional methods to the use of AI. Given the direct impact of the insurance industry on our individual and collective lives, this is an activity that should be classified as high risk with the implementation of AI in its processes. Therefore, measures are needed to promote legal certainty in compliance with the current legislation, as well as the revision and/or creation of a legislative framework to control the risk of proliferation of discrimination practices prohibited by the industry. In order to avoid discriminatory results in machine learning systems in the calculation of the insurance premium, it is important to identify bias included in the dataset, to audit the models used and existing software, as well as a full understanding of machine learning decisions in order to have a commercially reliable AI from the user's point of view, which is legally secure and ethically acceptable.
Machine learning systems are being used to optimise, enhance and innovate business segments across different economic sectors worldwide, including the insurance sector. Algorithms, just like a virus, can proliferate information on a massive scale and at a rapid pace that is difficult to control. Through a data sample, the algorithm trains itself to learn more and more from the information it receives and processes over time. Algorithms themselves develop and spread as quickly as it is necessary for a simple double-click on the Internet. Currently, there are still issues that bring barriers to the implementation of AI systems in the calculation of the insurance premium. These issues are mainly related to the data itself, the low representativeness in relation to the underlying reality, the choice of the model to be used and the characteristics/variables to be considered and, finally, to the level of supervision and human interpretation of algorithmic decisions. If these issues are not taken into account, each case which deviates from the algorithmic norm will be more difficult to assess and will consequently lead to a discriminatory decision or, in some cases, to the exclusion of the desired insurance cover. We are speaking about a sector that has already measures in place to mitigate discrimination, but for the time being provides now openness to non-compliance with its own standards by converting the use of its existing traditional methods to the use of AI. Given the direct impact of the insurance industry on our individual and collective lives, this is an activity that should be classified as high risk with the implementation of AI in its processes. Therefore, measures are needed to promote legal certainty in compliance with the current legislation, as well as the revision and/or creation of a legislative framework to control the risk of proliferation of discrimination practices prohibited by the industry. In order to avoid discriminatory results in machine learning systems in the calculation of the insurance premium, it is important to identify bias included in the dataset, to audit the models used and existing software, as well as a full understanding of machine learning decisions in order to have a commercially reliable AI from the user's point of view, which is legally secure and ethically acceptable.
Descrição
Relatório com vista à obtenção do grau de Mestre em Direito e Mercados Financeiros
Palavras-chave
Inteligência artificial Atividade seguradora Sistemas de aprendizagem automática Discriminação Igualdade de tratamento Avaliação do risco Prémio de seguro Artificial intelligence Insurance industry Machine learning systems Discrimination Equal treatment Risk assessment Insurance premium