Ügynök-alapú AI gyorsítja a biztosítási kockázatértékelést
Az új agentic AI keretrendszer a kisvállalkozásokra vonatkozó Business Owner Policies (BOPs) kockázatértékelését automatizálja, különösen a hiányos információk esetén nyújtva előnyt.
A mesterséges intelligencia (AI) átalakítja az aktuáriusi gyakorlatot, különösen az unstructured dokumentumok, heterogén adatforrások és szabályozott döntési folyamatok elemzésében. Az aktuáriusoknak új tervezési lehetőségekkel kell szembenézniük, a hagyományos szabályalapú automatizálástól a nagy nyelvi modellekig (LLM), a retrieval-augmented generation (RAG) és a többügynökös „agentic” rendszerekig, amelyek terveznek, adatokat keresnek, eszközöket hívnak és értékelik a folyamatot.
Ez a kutatás azt vizsgálja, hogyan támogathatják ezek az új architektúrák az aktuáriusi prioritásokat, mint az átláthatóság, az auditálhatóság és a human-in-the-loop (emberi felügyelet) irányítás, különös tekintettel a straight-through (teljesen automatizált) döntési folyamatokra. A tanulmány egy agentic AI keretrendszert fejlesztett ki kisvállalkozásokra vonatkozó Business Owner Policies (BOPs) straight-through underwritingjához.
Kapcsolódó: FinAgent-RAG rendszer
Agentic RAG a biztosítási kockázatbecslésben
A kutatók egy szintetikus, de valósághű kísérleti környezetet hoztak létre, és három underwriting folyamat-t hasonlítottak össze: egyetlen LLM-es alapmodellt, egy „naive” RAG rendszert, és egy többügynökös „Agentic RAG” folyamat-t. Ez utóbbi célzott adatlekérést, harmadik féltől származó adatellenőrzéseket és explicit, többlépéses szabályértékelést kombinál.
Kapcsolódó: gyorsított chip-tervezés
Eredmények és következmények
Az agentic rendszer teljesített a legjobban az értékelés során. A legnagyobb előrelépést a többlépéses és hiányzó információs forgatókönyvekben érte el, ahol a strukturált adatlekérés és az értékelés segít elkerülni a nem megalapozott straight-through döntéseket. Az eredmények alapján az agentic AI és a RAG architektúrák ígéretesek az aktuáriusi munkafolyamatok automatizálásában.
Kapcsolódó: jogi AI megbízhatósága
A tanulmány megállapításai szerint az agentic rendszer legjobb teljesítményt nyújtott a kísérletben. A legnagyobb nyereségek a többlépéses és hiányzó információs forgatókönyvekben mutatkoztak, ahol a strukturált adatlekérés és az értékelés segít a modellnek elkerülni a nem megalapozott straight-through döntéseket — írja az arXiv.
Kapcsolódó: vállalati AI-ügynökök fékezése