AIはリスク・プールにどのような影響を与えるのか？

RNA AnalyticsのHead of Business Development, UK and North EuropeのNick Reillyは、AIがリスク・プーリングにどのような影響を与えるかを考察している。

AI の影響についてはかなりの議論が行われており、そのほとんどはポジティブなものです。しかし、依然として警戒を呼びかける人々もいる。危険にさらされている領域の 1 つは、リスク プーリングの概念であり、したがって保険の将来についても同様であると言えるでしょう。

それはナンセンスだ。それとも？

リスクプールは保険の基盤です（伝統的に、保険会社はリスクプールを基に事業を運営している）。多くの顧客は、請求が必要な少数の保険料をカバーするために保険料を支払います。すべての個人は（わずかに）貧しくなりますが、請求者は現在大きな損失を被っていません。定義の例は次のとおりです。

「多数の保険料が少数の損失を賄う」（GAD）
「独立したリスクを集約して、総体をより確実なものにする」（LSE）

したがって、これは（半）均質な生命のプールに依存しています。言い換えれば、各プールは似たようなリスクで構成されています。

英国の定期生命保険を見る

保険会社は一世代をかけて、より多くのリスク要因を追加する（そして引受業務の時間、コスト、複雑さを延長する）ことで、生命保険の最高価格を下げることに取り組んできました。これにより、「最悪の」リスクを取り除くことでプールを削減できる最初の保険会社にとって競争力が高まります。同種として扱われる顧客が少なくなったため、プールのサイズが減少します。これにより、評価される（より高い保険料を支払う）か、拒否される（保障を拒否される）生命の数が増加します。

予測技術を使用した事前承認はさらなるステップであり、保険引受会社に質問する必要はなく、プール内で「最良の」生命を特定しようとしました。このアプローチでは、データ分析を使用して、「最良の」生活を予測する特徴を特定しました。このアプローチを使用すると、引受コストが大幅に削減され、顧客にとって利便性が大幅に向上するため、多くの利点があります。これに対して、保険会社は、時として間違いを犯すことがあるということを理解しています。

機械学習（基本的なAI）を使用して、利用可能なデータを使用して、このアプローチを洗練させることで、利点を拡大し、エラーを減らすことができる。しかし、このアプローチは「最良」の人生を特定し、より良い経験を提供するのではなく、「最悪」の人生を特定するというリスクがあります。

この場合、他の情報源から入手したデータが保険金請求のリスクが高いことを示すものであれば、見込み客は申し込みを拒否されたり、保険料が格付けされたりする可能性があります。

もちろん、このアプローチには、個人データの使用に関する法的・規制的リスク（および反差別法による影響の可能性）が伴います。また、機械学習や高度な予測技術を用いて、「最悪」の人生を積極的に特定し、プールから排除しようとするという道徳的な問題も問いかけています。

InsureTech 業界の多くの人は、理想的な状況は大量のデータを使用して「1 つの保険」を作成することであるという誤った信念を持っています。これは、理想的な世界では、正確なリスクを把握し、価格を設定できることを意味します。明らかに、これはリスクプールの反対です。このレベルの保険をモデル化し、価格設定し、予約するために保険数理モデルとソフトウェアを構築できますが、問うべき問題は「そうすべきか?」ということです。