凤凰科技

特别协议与智能保险:金融与技术融合视角下的治理边界

在这种潮流和竞争下,金融业已经发展成为一个“智能金融”阶段。

智能保险作为“智能金融”的内容之一,已经成为行业内的普遍做法,体现在“精确营销”、“差异化定价”、“智能风力控制”、“智能理赔”和“智能客户服务”等诸多应用中。

作为行业代表,京东金融也有成功的“智能保险”实践。

“京东金融保险”结合大数据、用户和技术优势,利用丰富的商业资源推出“保险情报计划”。它为京东2亿多用户应用了3000多个用户属性标签。它对保险公司各种产品的属性进行标注,无需任何人工操作,自动完成用户和产品的最佳匹配和销售推荐。

此外,JD.com金融保险公司联合成立了“智能保险实验室”。基于各自在保险、科技和大数据方面的专业优势,双方将通过先进的模型算法、大数据和人工智能技术探索智能定价的新模式,从而提高风险定价的准确性和差异化。

在金融领域,金融与技术的融合是不可避免的。

作为保险科技的高级阶段,“智能保险”是对“智能社会”风险的必然回应,是后工业社会的经典阶段,也是金融领域金融技术一体化的典范。

“智能保险(Intelligent Insurance)”可以利用人工智能、物联网、大数据、区块链、云计算等技术实时检测和收集新技术在社会高速运行中带来的碎片化和分散化风险信息,进行高速计算和处理,做出智能决策反馈,预防、控制和管理“智能社会”中以人工智能为代表的新技术带来的新的社会和市场风险。

在智能保险领域,新技术的应用也将带来技术基因的新问题——算法歧视和算法黑箱、主体定义困难导致的问责问题、隐私保护和数据安全问题,以及算法同质性、数据传输和技术外包导致的系统风险。

面对“智能保险”金融技术整合的正负效应,“金融监管”与“技术监管”的界限,“鼓励创新”与“金融安全”的界限应在“金融技术整合”的背景下确定,围绕“保险算法”建立一套智能保险治理规则机制,探索“监管技术”+“监管沙箱”+“软法律试点机制”的“宽严相济”治理路径,实现“西方金融监管”的现代化。

1 .保险领域金融与技术整合的必然性的金融本质之一是风险定价。与银行、证券和期货市场相比,保险市场更直接,更集中地体现了这一本质。

在保险领域,金融技术整合的动力来自风险应对的被动选择和主动导向。具体来说,有三点:第一,它来自于应对新技术变革带来的社会和市场风险的新变化的需要;其次,它源于解决传统保险问题的需要——信息不对称导致的逆向选择(柠檬市场)和道德风险(保险欺诈)。第三是由于风险应对需要提高商业利润和社会福利。

根据“同一层次的行动反应”理论和行动与行动对象之间的“连接装置”效应,行动(监督、服务和判断)需要与反应对象处于同一层次。游戏中既有消极因素,也有积极促进因素。

新技术带来的风险,特别是人工智能给社会带来的风险和挑战(算法歧视和算法黑箱、隐私保护、人类控制危机),需要通过在新技术因素中加入保险服务来应对。

传统保险领域信息不对称引发的“逆向选择”——柠檬市场、“道德风险”和“保险欺诈”问题亟待解决。

因为它增加了保险服务的供给和获取成本,不利于年度保险市场的健康发展,也不利于保护金融消费者。

保险承保利润的关键在于“定价假设”。在传统保险领域,人工“定价假设”在信息不对称下表现出很强的不准确性。另外,人工理赔效率低,控风成本高,核保利润不高。

传统劳动保险服务的“事后”模式不利于提前防范和管理社会和市场风险,增加了社会和市场运作的安全成本,不利于社会福利的提升。

2智能保险是金融与技术融合的一种模式。从字面上讲,智能保险是保险和人工智能的结合。然而,人工智能本身的实现及其在保险领域的应用仍然需要综合应用大数据、云计算、区块链、物联网等新技术。

新技术的应用——a(人工智能)b(区块链)c(云计算)d(大数据)l(物联网)呈现出一种“系统逻辑关系”。

人工智能系统可以比作“人体”。物联网是获取信息的感觉系统,区块链是存储和处理信息的神经系统,云计算是大脑系统,大数据是识别、提取、分类、分类、处理和分析身体各器官,特别是大脑系统中海量数据信息的处理机制。而“智能”是在原有技术的基础上,依靠“机器学习”、“神经网络”、“自然语言分析”等人工智能技术的自主学习和反馈决策机制。

为了在保险领域实现智能化,还必须遵循这种应用逻辑。

以风险信息处理为例,通过物联网检测和收集风险信息。大数据结构化或标记风险信息;云计算对风险信息进行高速计算和分析;区块链使用“去中心”机制来解决风险信息碎片化的问题。人工智能技术(深度学习、神经网络、自然语言分析技术等)。)通过智能算法实现风险信息的智能反馈和决策。

因此,智能保险是保险技术的一部分。这是基于人工智能的保险技术ABCDI的集中应用。这是“保险技术”的高级阶段。

网络保险只是利用互联网技术实现的一种新的在线商业模式。保险是互联网技术的“工具辅助”阶段。以“智能保险”为高级阶段的保险技术是金融技术向保险网上和网下业务的深度转化和“整合”阶段。

“智能保险”拓展了“网络保险”的边界,真正实现了保险服务的全景化、无界化和智能化。

3.智能保险的金融和技术融合效应保险领域中智能风险的定价和管理及其表现出的金融和技术融合效应是通过算法实现的。

最典型的是“机器学习”算法的应用,它分为“有监督”或“无监督”算法。

“监督”机器学习算法主要包括“决策树”、“人工神经网络”、“线性回归”和“无监督”机器学习算法,如“聚类算法”。

智能保险的金融与技术融合既有积极的影响,也有消极的影响。

(一)积极效应作为保险技术的高级阶段,“智能保险”是应对后工业社会经典阶段“智能社会”风险的必然途径。

被新技术改造的社会正在以更高的速度运行,已经废弃不用,风险变得更加分散。

然而,“智能保险”可以利用人工智能、物联网、大数据、区块链、云计算等技术,对“智能社会”中零散分散的风险信息进行实时检测和收集,高速计算和处理,智能决策反馈,预防、控制和管理“智能社会”中以人工智能为代表的新技术带来的新的社会和市场风险。

智能保险通过大数据、云计算等技术,以及“定价算法”和“反欺诈算法”等,准确分析被保险人或被保险人的一般数据,使被保险人或被保险人的诚信和风险状况更加透明,从而改变保险的“好坏混乱”的市场状况,为客户提供更加差异化和准确定价的保险产品选择。 从而解决长期困扰传统保险的信息错误问题以及由此产生的逆向选择问题和“保险人”与“被保险人”的“二元”保险欺诈问题。

2017年6月,埃森哲发布了其报告《人工智能如何加速行业利润和创新》,该报告预测,由于人工智能技术的应用,金融服务机构到2035年的利润将增加31%。

新技术进入保险领域,可以改变“事后”商业模式,提前定量预测风险,实现准确的营销和定价,提高承销和理赔效率,降低客户收购和控风成本及理赔支付费用,促进行业零利润增长。

此外,还能真正实现从“风险转移”到“风险防范或管理”的转变,降低社会风险成本,促进社会福利的增长。

此外,通过大数据等技术对分散或微观风险信息进行大规模收集和结构化处理,将满足长尾保险的需求,并有助于保险领域包容性金融的发展。

金融是一个重要的“生产力组合因素”,科学技术是一个自然的“生产力工具因素”。

在保险领域,金融与技术的融合将形成保险市场的叠加和涌现效应,并将极大地保障和促进社会的生态和可持续发展。

(2)负效应保险算法“大数据”的应用和处理,可以实现保险服务对象的准确(信用和风险)描述,给其更精细的数据标签,进一步为具有小微风险保护需求的长尾客户提供准确定价、优惠便捷的保险服务。

然而,由保险算法实现的数据标签的细化可以精确地导致更精确的标签区分。

在保险领域,最重要的可能性是基因测试者可能受到保险公司的“基因歧视”。保险公司将决定是否增加保费或拒绝承保保险,因为申请人携带一种特殊的缺陷基因,从而判断申请人具有某种基因倾向。

由于保险算法的复杂性和机器学习的自身性质,很难理解保险领域的算法决策机制,导致了“算法黑箱”问题。

“算法黑匣子”强化了“算法鉴别”。在最极端的情况下,一些黑盒算法在“优化资源配置”的旗帜下对人进行分类、排序和标记,导致“黑暗歧视”。

算法的黑箱使人们很难了解和理解算法的决策过程,进而很难分析错误的、歧视性的“算法决策”并提出解决方案。

此外,企业可能会以“算法的知识产权”为借口,使算法更加开放和透明。

该算法的黑盒加剧了平台、生产者和消费者之间的信息不对称,不利于“金融消费者保护”。

此外,“算法歧视”也将对保险领域包容性金融的实现构成威胁。

由于数据质量差或算法有缺陷,智能保险可能会给投保人或保险机构造成重大损失。然而,由于保险智能机器人的主体地位不明确和智能代理问题,可能难以界定责任和分配损失。

此外,由于智能保险依赖于大数据的智能处理,个人保险信息或敏感的公司数据可能由于事故和其他原因落入他人之手。因此,“个人隐私保护和数据安全”问题仍然是智能保险的主要自然关注点。

算法依赖性、算法和数据的同质性、保险数据的交互使用以及保险算法等外包模式将加剧保险市场的系统性风险。

如果所有算法都有相同的缺陷,将会导致保险市场的损失累积效应。

金融稳定委员会(FSB)2017年11月发布的关于人工智能(AI)和机器学习(ML)在金融领域应用的报告讨论了人工智能对金融问题的影响,指出由于数据的交互使用,金融市场或金融机构之间的交叉关联风险将会增加。

此外,保险算法和其他技术的外包也会加剧这种关联风险。

4金融技术一体化视角下的治理边界(1)界定“金融监管”和“技术监管”的边界智能保险领域。在金融技术一体化的背景下,金融监管和技术监管具有不同的属性。有必要区分传统金融问题治理和新技术问题治理,关注智能保险技术带来的新风险和新问题。

在金融和技术一体化的背景下,应确定智能保险领域的治理边界。

一方面,传统的财务问题应该按照财务思想来解决,应该采取“一致”的监督方式。

另一方面,面对带有技术基因的技术带来的新问题,在鼓励创新的背景下,采用了一种新的“技术对技术”的治理模式——regtech,并建立了专门的技术算法监管机构。

无论是网络保险创新还是保险科技创新,除了网络属性和保险科技属性之外,仍然需要采用与传统保险“一致”的监管方式,同时还要遵守制度准入、偿付能力、条款和费率等保险法律制度。

“保险科技”概念不同于“互联网保险”,互联网保险更注重的是一种线上的商业模式,而保险科技更注重对线下线上保险业务的一种创新性综合技术解决方案。

中国保监会前副主席

周李嫣指出,互联网保险的创新在区域监管、数据安全和信息披露三个方面带来了新的监管问题。

虽然网络保险法律制度还有待完善,但面对“保险技术”或“智能保险”的新形势及其新问题,在完善网络保险法律制度的同时,应注意不同的待遇,制定一套面向“保险技术”或“智能保险”的综合解决方案。

虽然互联保险领域的三大新监管挑战——“区域监管、数据安全和信息披露”在“智能保险”领域也同样存在甚至更加突出,但智能保险领域的核心机制是“保险算法”,因此应特别围绕“保险算法”制定一套具有技术特征的治理方案。

一方面,这一技术特征专门针对新技术带来的技术基因的新问题;另一方面,治理方法采用技术手段。

在智能保险领域,针对以人工智能为代表的新技术带来的技术基因新问题,具体解决方案如下:1 .为了解决保险领域中算法歧视和算法黑箱带来的伦理道德问题,如算法歧视、算法黑箱和算法失控,可以引入伦理调节器,将优秀的伦理道德价值融入保险算法中,评估保险算法的伦理价值,及时纠正保险算法的伦理错误。

处理保险算法歧视:如特刊《金融科技法律政策观察》第9期《人工智能普惠金融》算法歧视问题:悖论、障碍和黑箱语境下的解决方案》所述,“主观价值算法歧视”和“客观系统算法歧视”的分类和定义可以进一步将保险算法歧视分为三类——“设计者歧视”、“数据标签歧视”和“算法系统自学习歧视”。

根据以上分类,为解决保险算法的歧视问题,可以给出以下建议:a .设计者应公平,避免主观歧视,并融入算法;在数据标注或结构化过程中,应注意对“易受攻击的主题信息”进行去标注或加密;c .防止机器自学习形成自我歧视(混沌歧视)。

要解决保险算法的黑箱问题:要解决保险算法的黑箱问题,可以提出以下建议:a .需要金融人工智能的开源,以增加保险算法设计和操作的透明度;(二)在设计保险算法时,增加另一种算法,忠实记录算法的决策过程,提高保险算法决策机制的可解释性;(三)兼顾知识产权属性与政府核查、开源(公开透明)之间的动态平衡,为保险算法系统的知识产权应用设定符合时代发展的灵活条件。同时,政府应严格遵守通过核查收集的保险算法的某些保密义务。

2.智能保险定价机器人是否具备解决归责问题的主体资格?它算精算师吗?当智能保险机器人的智能定价不符合相关规定,违反一般精算原则时,如何分摊负担?根据智能保险系统建立和运行的要素,智能保险算法的责任可以分为三个部分(1)设计者、生产者、销售者和用户的责任;(2)数据提供者的责任;(3)机器学习的自我责任(人工智能的自我意识,能够识别个性),分别将责任归于这三类主体。

3.同质算法、数据传输和技术外包引发的系统风险防范对于同质算法和技术外包引发的系统风险,中国人民银行、中国银行保险监督管理委员会、中国证券监督管理委员会和国家外汇管理局联合发布了《金融机构资产管理业务监管指引(征求意见稿)》,要求“金融机构委托外部机构开发智能投资算法, 应要求开发机构根据不同的产品投资策略开发相应的智能投资算法,以防止算法同质化加剧顺周期投资行为。

金融机构应对由此产生的市场波动风险制定应急预案。

由于智能投资算法模型的缺陷或系统异常,如算法同质性、编程错误、数据利用深度不足等。,导致羊群行为并影响金融市场稳定运行的,金融机构应当采取人工干预措施,强行调整或终止智能投资业务。

“此外,针对技术外包问题,银监会《关于印发银行业金融机构信息技术外包风险监管指引的通知》和《关于加强银行业金融机构非居民信息技术集中外包风险管理的通知》也有相关规定。

智能保险应参考资产管理行业和银行业,针对同质算法和技术外包造成的系统风险建立相应的标准体系。

4.建立隐私保护和数据安全机制,特别是在物联网应用中。物联网由于其异构性、分布性和高度集成性的特点,仍然存在物理捕获和隐私保护等新的特殊安全问题。

在智能保险领域,应设计有效的反物理捕获方案,对物联网的“数据采集与处理”算法机制进行隐私保护和数据安全设计与监管,确保物联网应用下的隐私保护和数据安全。

(2)界定“鼓励创新”与“金融安全”的界限人工智能在解决传统保险领域的问题方面发挥了巨大作用,也促进了社会福利的提升和普惠金融的发展,是金融和技术融合与创新的典范。

在政府监管方面,要为智能保险的发展创造宽松、激励的环境,建立保险算法的知识产权激励机制。

在“金融监管”和“技术监管”的语境中,一部分是“金融”和“技术”融合后的“组合”效应和“涌现”效应,这也是“技术金融创新”和“设计金融创新”的区别。

面对智能保险的“组合”或“涌现”效应,还应根据“对平等的行动反应”理论和行动与行动对象之间的“联系”效应,探索“金融”和“技术”的创新监管模式。

对于保险科技监管,世界上有一种“监管沙箱”式的测试监管模式。

那么“监管沙箱”能否与“监管技术”相结合?“监督沙箱”与“监督技术”的结合使测试环境科技化,使沙箱本身成为一个科技箱,这有利于“监督沙箱”测试等功能的高效运行,也有利于Regtech的试点推广。

对于保险科技的监管,仍然有“孵化器”和其他鼓励创新的方案。

值得讨论的是,在中国软法律环境下,“监管沙箱”是否也可以采取“宽进严出”的运作理念。监管沙箱除了具有宽容、防风、审判和观察的功能外,还有培育的功能吗?中国软法律环境下的“宽严相济”理念可以融入中国各地对“沙箱机制”的探索。

一方面,“宽进严出”可以鼓励创新,培育更多创新型企业;另一方面,有利于进入“监管沙箱”的创新企业最终获得进入大市场的正式许可。

充分发挥“监管沙箱”+“监管技术”+“软法试点机制”的融合效应,一种新的中国特色的测试、培育和监管过程机制能够应对“技术创新和金融创新”。

总之,西方的“监管沙箱”、“监管技术”和中国的“软法试点机制”可以融合成一条新的治理路径,实现现代版的“西方金融监管”。

《金融科技法律政策观察》由京东金融法律技术实验室和《银行家》联合制作。它跟踪和评估最新的金融科技法律政策。请注意。

You may also like...

发表评论

电子邮件地址不会被公开。 必填项已用*标注